Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/48344
Registro completo de metadados
Campo DCValorIdioma
dc.creatorTavares, Dennis Santos-
dc.date.accessioned2021-10-07T17:28:14Z-
dc.date.available2021-10-07T17:28:14Z-
dc.date.issued2021-10-07-
dc.date.submitted2021-08-06-
dc.identifier.citationTAVARES, D. S. Aplicação de modelos matemáticos de inteligência computacional na predição da resistência à compressão axial de concreto de cimento Portland. 2021. 84 p. Dissertação (Mestrado em Engenharia de Sistemas e Automação) – Universidade Federal de Lavras, Lavras, 2021.pt_BR
dc.identifier.urihttp://repositorio.ufla.br/jspui/handle/1/48344-
dc.description.abstractThe axial compressive strength is the main property of concrete, the structural material most used worldwide, but there are no empirical equations that provide, easily and quickly, reliable and accurate results for prediction of this important property that is directly related to structural performance and safety of civil construction works. Concrete dosage and compressive strength prediction are obtained through laboratory tests conducted from successive adjustments in pilot batches, which requires time and consumption of materials. The objective of this work is to apply the technologies of computational intelligence, Artificial Neural Networks and Fuzzy Logic for predicting the axial compressive strength of concrete, from a database consisting of 1030 samples with different proportions of constituent materials and age of curing. Several configurations were tested until the choice of an Artificial Neural Network of feedforward architecture of the multilayer-perceptron (MLP) model with one input layer, two hidden layers and one output layer. It was also developed several fuzzy systems with different methods of inference and defuzzification that were statistically evaluated, being possible to verify that the methods of inference and defuzzification adopted influence the final result and the best system was with Mamdani inference and defuzzification center of area (centroid). The models developed with Mamdani inference and centroid, bisector and mom defuzzification, besides Sugeno inference with wtaver and wtsum defuzzification proved to be reliable and capable of providing high precision results, which shows the promise of applying computational intelligence models to concrete technology, contributing to the advancement of the industrialization and automation of civil construction.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Lavraspt_BR
dc.rightsacesso abertopt_BR
dc.subjectConcreto - Propriedades físicas e mecânicaspt_BR
dc.subjectConcreto - Resistência à compressão axialpt_BR
dc.subjectRedes neurais artificiaispt_BR
dc.subjectLógica Fuzzypt_BR
dc.subjectConcrete - Physical and mechanical propertiespt_BR
dc.subjectConcrete - Resistance to axial compressionpt_BR
dc.subjectArtificial neural networkspt_BR
dc.subjectFuzzy logicpt_BR
dc.titleAplicação de modelos matemáticos de inteligência computacional na predição da resistência à compressão axial de concreto de cimento Portlandpt_BR
dc.title.alternativeApplication of computational intelligence mathematical models to predict the axial compressive strength of portland cement concretept_BR
dc.typedissertaçãopt_BR
dc.publisher.programPrograma de Pós-Graduação em Engenharia de Sistemas e Automaçãopt_BR
dc.publisher.initialsUFLApt_BR
dc.publisher.countrybrasilpt_BR
dc.contributor.advisor1Yanagi Junior, Tadayuki-
dc.contributor.advisor-co1Gomes, Francisco Carlos-
dc.contributor.advisor-co2Lacerda, Wilian Soares-
dc.contributor.referee1Ribeiro, André Geraldo Cornélio-
dc.contributor.referee2Souza, Sérgio Martins de-
dc.contributor.referee3Lacerda, Wilian Soares-
dc.contributor.referee4Hernández Julio, Yamid Fabián-
dc.contributor.referee5Gomes, Francisco Carlos-
dc.description.resumoA resistência à compressão axial é a principal propriedade do concreto, material estrutural mais utilizado em todo o mundo, porém não existem equações empíricas que forneçam, fácil e rapidamente, resultados confiáveis e precisos para predição desta importante propriedade que está diretamente relacionada ao desempenho estrutural e segurança das obras de construção civil. A dosagem do concreto e predição da resistência à compressão são obtidas por meio de ensaios laboratoriais conduzidos a partir de sucessivos ajustes em traços pilotos, o que demanda tempo e consumo de materiais. O objetivo deste trabalho consiste em aplicar as tecnologias de inteligência computacional, Redes Neurais Artificiais e Lógica Fuzzy para predição da resistência a compressão axial do concreto, a partir de uma base de dados composta por 1030 amostras com diferentes proporções de materiais constituintes e idades de cura. Foram testadas diversas configurações até a escolha de uma Rede Neural Artificial de arquitetura feedforward do modelo multilayerperceptron (MLP) com uma camada de entrada, duas camadas ocultas e uma de saída. Também foram desenvolvidos vários sistemas fuzzy com diferentes métodos de inferência e defuzzificação que foram avaliados estatisticamente, sendo possível constatar que os métodos de inferência e defuzzificação adotados influenciam no resultado final e o melhor sistema foi com inferência Mamdani e defuzzificação centroide (centro de área). Os modelos desenvolvidos com inferência Mamdani e defuzzificação centroide, bissetor e mom, além da inferência Sugeno com defuzzificação wtaver e wtsum se mostraram confiáveis e capazes de fornecer resultados de alta precisão o que mostra ser promissor a aplicação de modelos de inteligência computacional na tecnologia do concreto, contribuindo para o avanço da industrialização e automatização da construção civil.pt_BR
dc.publisher.departmentDepartamento de Engenhariapt_BR
dc.subject.cnpqSistemas de Computaçãopt_BR
dc.creator.Latteshttp://lattes.cnpq.br/3167529270501079pt_BR
dc.contributor.advisor-co-otherAndrade, Ednilton Tavares de-
Aparece nas coleções:Engenharia de Sistemas e automação (Dissertações)



Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.