Modelagem constitutiva de areias usando redes neurais artificiais / Constitutive Modelling of Sands Using Artificial Neural Networks.

AUTOR(ES)

Hernán Eduardo Martínez Carvajal

DATA DE PUBLICAÇÃO

2006

RESUMO

Tradicionalmente, a relação tensão-deformação tem sido representada por uma série de equações matemáticas que tenta descrever o comportamento do solo com base em um conjunto de parâmetros. O problema principal dessas aproximações paramétricas é a alta complexidade matemática envolvida principalmente quando se incluem efeitos não lineares ou quando diferentes tipos de solo são considerados. Uma aproximação diferente consiste na utilização de redes neurais artificiais (RNA) treinadas com informação experimental para capturar diretamente o comportamento constitutivo do solo e eventualmente atuar como um operador constitutivo dentro de um código de elementos finitos para solucionar problemas de contorno. No caso das areias, o seu comportamento mecânico depende basicamente da sua natureza física e do seu estado. A primeira está relacionada com a composição da areia como material granular e tem sido descrita por meio da distribuição granulométrica, teor de finos, forma e mineralogia dos grãos. Por outra parte, o estado físico tem sido descrito por meio de variáveis como a densidade relativa, o estado de tensão efetiva e o tipo de arranjo entre os grãos. Conseqüentemente, numa aproximação com RNA o conjunto de variáveis de treinamento deve conter informação sobre o estado tensão-deformação do solo e sobre a sua natureza física. Nesta tese foram usados o fator de forma, ns, o indice de vazios inicial, e0, e o emax-emin como variáveis físicas para treinar um PMC (Perceptron de Múltiplas Camadas) de tal forma que se pudesse estimar os acréscimos de tensão dados os correspondentes acréscimos de deformação além dos estados tensão-deformação atual e anterior. Isto com o intuito de usar a RNA treinada, como operador constitutivo dentro de um código de elementos finitos (programa ALLFINE) agindo ao nível de ponto de Gauss em substituição de uma relação elasto-plástica convencional. A base de dados para o treinamento da RNA está conformada por uma série de ensaios de laboratório que incluem uma ampla gama de trajetórias de tensão tanto do tipo convencional como de compressão isotrópica e trajetórias no plano octaédrico. A informação dos ensaios foi majoritariamente obtida de publicações de trabalhos anteriores, incluindo 13 tipos diferentes de areia. Após finalizada a fase de treinamento, a RNA constitutiva foi implementada no programa ALLFINE, e algumas simulações foram realizadas para a validação do comportamento do sistema conjunto. Inicialmente, foram realizadas simulações do comportamento das areias ao nível de ponto constitutivo. A seguir, o grau de complexidade das análises aumentou ao considerar a amostra de solo como um volume discretizado com uma malha de elementos finitos. Finalmente foi analisado o comportamento de uma sapata retangular assente num depósito de areia homogênea. Não tendo informação experimental para fazer as devidas comparações, considerou-se pertinente comparar com os resultados obtidos por meio do modelo Cam-Clay. O comportamento do sistema híbrido (SH) RNA-Elementos Finitos nas simulações realizadas se mostrou satisfatório, o que é um alento para seguir pesquisando nesta área da geotecnia que se mostra bastante promissora.

ASSUNTO(S)

areia engenharia civil modelagem constitutiva ensaios triaxiais redes neurais artificiais redes neurais (computação) engenharia civil solos - manejo

Documentos Relacionados

• Modeling of pain using artificial neural networks.
• Extração de conhecimento de redes neurais artificiais.
• Detecção de bordas em imagens de ecocardiografia utilizando redes neurais artificiais.
• Detecção de adulteração de combustíveis com sensores poliméricos eletrodepositados e redes neurais artificiais.
• Detecção e classificação de VTCDs em sistemas de distribuição de energia elétrica usando redes neurais artificiais.