Simulación mediante modelos predictivos del comportamiento a tensión del UHPFRC

Abstract

Ultra High Performance Fiber Reinforced Concretes (UHPFRC) have been the subject of much research due to their superior characteristics compared to conventional concretes. Its applications include the rehabilitation and strengthening of structures. Due to its mechanical characteristics, it is ideal for structures exposed to loads that require a high degree of ductility, such as earthquakes and explosions. In addition, it is used for the accelerated bridge construction system, an application in which the ability of the UHPFRC to resist tensile stress is decisive. Taking into account the above, it is necessary to measure properties such as tensile behavior to be able to analyze the effects of materials such as fibers and buy their performance. However, the complexity of the trials from a technical and financial point of view, as well as the restrictions in time and space, condition these experimental campaigns. In the present investigation, through the use of predictive models of neural networks and multivariable regression, the maximum stress resistance of UHPFRCs, its associated deformation, was predicted and the performance of these models was evaluated. For the training of the models, a total of 934 data were used.

Los concretos de ultra altas prestaciones reforzados con fibras (UHPFRC por sus siglas en inglés) han sido objeto de muchas investigaciones debido a las características superiores que presentan frente a concretos convencionales. Entre sus aplicaciones se encuentra la rehabilitación y el reforzamiento de estructuras. Por sus características mecánicas es ideal para estructuras expuestas a cargas que necesitan un alto grado de ductilidad como en sismos y explosiones. Además, es usado para el sistema acelerado de construcción de puentes, aplicación en la que es determinante la capacidad del UHPFRC de resistir esfuerzos de tracción. Teniendo en cuenta lo anterior se hace necesario la medición de propiedades como el comportamiento a tracción para poder analizar los efectos que aportan materiales como las fibras y comprar su desempeño. Sin embargo, la complejidad de los ensayos desde un punto de vista técnico y financiero, tanto como las restricciones en tiempo y espacio, condicionan estas campañas experimentales. En la presente investigación mediante el uso de modelos predictivos de redes neuronales y regresión multivariable se predijo el esfuerzo máximo que resisten a tensión los UHPFRC, su deformación asociada y se evaluó el desempeño de estos modelos. Para el entrenamiento de los modelos se usaron un total de 934 datos.