Estimativa da profundidade de carbonatação do concreto com o uso de redes neurais

AUTOR(ES)
FONTE

IBICT - Instituto Brasileiro de Informação em Ciência e Tecnologia

DATA DE PUBLICAÇÃO

31/03/2011

RESUMO

O fenômeno da carbonatação, como agente desencadeador do processo de corrosão de armaduras, assume especial importância quando as estruturas de concreto armado estão expostas a ambientes urbanos e à atmosfera poluída de gases como o CO2. O controle da profundidade de carbonatação do concreto exige o uso de ferramentas (modelos matemáticos) que representem o comportamento das variáveis que interagem no processo da carbonatação do concreto de forma clara e objetiva no sentido de auxiliar a compreensão do fenômeno. Nessa perspectiva, desenvolveram-se modelos computacionais que conjugam problemas complexos de modo simples. Entre esses modelos, citam-se as redes neurais artificiais, que têm inspiração no cérebro humano e que possuem a habilidade de aprender e generalizar possibilitando a resolução de problemas complexos. Neste trabalho é estudada a aplicação de redes neurais artificiais do tipo Perceptron multicamadas, com base no algoritmo de aprendizado supervisionado backpropagation, com o objetivo de obter um mapeamento entre as variáveis de entrada do problema relação água/cimento, distância do corpo de prova do mar e idade do corpo de prova e a variável de saída de interesse profundidade de carbonatação do concreto. Os resultados obtidos validam que os modelos de redes neurais artificiais se constituem numa importante ferramenta de avaliação da profundidade de carbonatação do concreto armado

ASSUNTO(S)

engenharia civil carbonatação concreto armado - corrosão redes neurais (computação) dissertações reinforced concrete - corrosion neural networks (computer science) dissertations

ACESSO AO ARTIGO

Documentos Relacionados