Análise da reologia do concreto autoadensável com uso de redes neurais artificiais para simulação de escoamento por meio do modelo constitutivo de Bingham
No estado fresco, o concreto é composto por uma pasta de cimento (fluido), com agregados graúdos e miúdos (sólidos). A obtenção dos parâmetros de viscosidade plástica e tensão de escoamento é fundamental para estudar sua reologia. Dentre os diferentes tipos de concreto, destaca-se o concreto autoade...
| Autor: | |
|---|---|
| Tipo de documento: | dissertação |
| Estado: | Versão publicada |
| Data de publicação: | 2025 |
| País: | Brasil |
| Recursos: | Universidade de São Paulo (USP) |
| Repositório: | Biblioteca Digital de Teses e Dissertações da USP |
| Idioma: | português |
| OAI Identifier: | oai:teses.usp.br:tde-10062025-084345 |
| Acesso em linha: | https://www.teses.usp.br/teses/disponiveis/18/18134/tde-10062025-084345/ |
| Access Level: | Acceso aberto |
| Palavra-chave: | artificial neural networks Bingham plastic concreto autoadensável numerical simulation PFEM plástico de Bingham redes neurais artificiais reologia rheology self-compacting concrete simulação numérica |
| Resumo: | No estado fresco, o concreto é composto por uma pasta de cimento (fluido), com agregados graúdos e miúdos (sólidos). A obtenção dos parâmetros de viscosidade plástica e tensão de escoamento é fundamental para estudar sua reologia. Dentre os diferentes tipos de concreto, destaca-se o concreto autoadensável (CAA), que se diferencia pela sua capacidade de fluir e preencher fôrmas sem a necessidade de vibração mecânica, devido à sua formulação otimizada com aditivos superplastificante e maior presença de materiais finos. Este estudo investiga o comportamento reológico do CAA em estado fresco, focando na previsão dos parâmetros de viscosidade plástica e tensão de escoamento, considerando a complexidade e não linearidade desses parâmetros em fluidos não-newtonianos. Para isso, redes neurais artificiais (RNAs) do tipo perceptron multicamadas (MLP) foram aplicadas devido à sua capacidade de otimização preditiva. Três diferentes conjuntos de dados foram utilizados no treinamento das RNAs, analisados em 60 topologias distintas, variando o número de neurônios, camadas ocultas e funções de ativação. As RNAs apresentaram bom desempenho na previsão dos parâmetros reológicos, avaliados por meio do coeficiente de determinação (R2) e da raiz do erro quadrático médio normalizado (NRMSE), com melhores resultados na previsão da tensão de escoamento. Além disso, os parâmetros reológicos previstos pelas RNAs foram integrados às simulações numéricas de escoamento, com o objetivo de analisar o comportamento da solução. A modelagem foi conduzida com base no modelo constitutivo de Bingham suavizado, conforme Papanastasiou (1987), em combinação com o Método dos Elementos Finitos e Partículas (PFEM), apropriado para fluidos com superfícies livres e contornos móveis. Por fim, o estudo demonstrou a complementariedade entre RNAs e simulações numéricas na análise do concreto autoadensável. |
|---|