Ajuste de modelos de cortante en hormigón estructural mediante algoritmos evolutivos

El comportamiento de elementos de hormigón armado y pretensado sometidos a cortante ha sido tradicionalmente objeto de estudio de las denominadas Teorías de Campos de Compresiones. En los últimos años varios autores han modificado parcialmente el modelo mecánico en que se apoyan dichas teorías a fin...

Full description

Bibliographic Details
Authors: Cecilia Canales, José María, Hernández Díaz, Alejandro M., García Román, Manuel D.
Format: article
Publication Date:2017
Country:España
Institution:Universidad Católica San Antonio de Murcia (UCAM)
Repository:RIUCAM. Repositorio Institucional de la Universidad Católica San Antonio de Murcia
OAI Identifier:oai:repositorio.ucam.edu:10952/3110
Online Access:http://hdl.handle.net/10952/3110
Access Level:Open access
Keyword:Hormigón estructural
Description
Summary:El comportamiento de elementos de hormigón armado y pretensado sometidos a cortante ha sido tradicionalmente objeto de estudio de las denominadas Teorías de Campos de Compresiones. En los últimos años varios autores han modificado parcialmente el modelo mecánico en que se apoyan dichas teorías a fin de incluir el efecto de la tensorrigidez del hormigón (o capacidad del hormigón de resistir tracciones entre fisuras) en la ecuación de comportamiento del acero; el sistema de ecuaciones resultante es altamente no-lineal e involucra una gran cantidad de variables. El presente artículo plantea, a partir de datos experimentales ya existentes, el ajuste del modelo de cortante propuesto por una de estas teorías, usando para ello algoritmos evolutivos. Los algoritmos evolutivos son una rama emergente de la computación natural, cuyo principal objetivo es la resolución de problemas de optimización y búsqueda, computacionalmente costosos, en un tiempo razonable. Estos métodos se caracterizan por la creación de una población que representa posibles soluciones del problema. Los individuos de la población se combinan y compiten entre sí con el fin de buscar el individuo (solución) más apto para el problema tratado. Los resultados numéricos obtenidos presentan un error relativo inferior al 10% respecto a los valores experimentales considerados, validando así la estrategia evolutiva y situándola como una alternativa seria en problemas de ajuste computacionalmente costosos.