TU ANUNCIO / YOUR PUBLICITY

AQUÍ PODRÍA ESTAR TU ANUNCIO: / HERE COULD BE YOUR AD E-mail
Mostrando entradas con la etiqueta Programación Genética. Mostrar todas las entradas
Mostrando entradas con la etiqueta Programación Genética. Mostrar todas las entradas

domingo, 7 de diciembre de 2014

Mejora de la formulación del EC-2 para la resistencia a cortante en vigas de hormigón estructural sin armadura transversal I

Artículo patrocinado por Enmacosa dentro del proyecto "Formigón estructural", cofinanciado por la Xunta de Galicia (2013). 

Autores: Juan Luis PÉREZ ORDÓÑEZ, Antoni CLADERA BOHIGAS, Juan R. RABUÑAL DOPICO, Fernando MARTÍNEZ ABELLA

Resumen


En este artículo se presenta el método empleado en la mejora de la formulación del Eurocódigo 2 que determina la resistencia a cortante en vigas de hormigón estructural sin armadura transversal. Se emplean para ello técnicas de Programación Genética (PG), mejoradas con módulos que dirigen el proceso de búsqueda. Se analiza qué términos de la expresión podrían ser mejorados y, mediante un conjunto de restricciones fijadas gracias a un conocimiento profundo del fenómeno, se inicia la creación de nuevas ecuaciones de modo orientado. Para el desarrollo y verificación de los modelos se han empleado cerca de 1200 ensayos de resistencia sobre vigas de hormigón. Se obtienen así sencillas expresiones, muy similares en forma a la conocida del EC-2 o la EHE-08, que incluyen la interrelación momento-cortante y mejoran el sentido físico de la expresión. Los resultados obtenidos se comparan con las predicciones del Eurocódigo 2 y el código ACI318-05.

1 Introducción


La resistencia a cortante de vigas de hormigón armado en elementos sin armadura transversal es, sin duda, uno de los aspectos más controvertidos ligado a los Estados Límite Últimos. Existe un amplio abanico de modelos teóricos de elevada complejidad que, debido a la dificultad de plasmar la importancia de todas las variables implicadas, derivan en diferentes propuestas normativas que en muchos casos son formulaciones de origen empírico, como es el caso de Eurocodigo 2 (EC-2) [1] y el código Americano (ACI 318-05) [2]. Algunas de las limitaciones del planteamiento del EC-2 son el que no se considere ni la interacción entre momentos flectores últimos y cortantes últimos ni el efecto del tamaño máximo del árido.

Una vez que una viga esbelta sin armadura transversal ha fisurado a cortante, existen diversos mecanismos de transferencia: las tensiones de corte en el hormigón no fisurado de la cabeza de compresión, el cortante transferido en la superficie de la fisura (conocido como engranaje de áridos o cortante-fricción), las tensiones de tracción residuales transmitidas directamente a través de las fisuras y el efecto dovela de la armadura longitudinal [3,4]
Por su sencillez y la correcta correlación frente a resultados experimentales en general, la ecuación dada en el EC-2 se está extendiendo a diferentes normativas nacionales y europeas, como es el caso de la Instrucción Española [5]. Una de las limitaciones que plantea, sin embargo, es el hecho de no considerar interacción entre momentos flectores últimos y cortantes últimos excepto para valores elevados del momento flector, en los que el cortante resistido disminuye al plastificar la armadura traccionada. Para una sección dada, según la formulación del EC-2, el cortante último es independiente del momento flector concomitante para momentos flectores alejados del que produce la plastificación de la armadura longitudinal. Por el contrario, modelos más complejos como la Modified Compression Field Theory (MCFT) [6] predicen, para una sección dada, una reducción del cortante de rotura a medida que aumenta el momento flector concomitante para cualquier valor del momento flector (ver Figura 1).

Figura 1. Interacción momento cortante según formulación EC-2 y MCFT.
El tratamiento de la influencia de la cuantía de armadura longitudinal varía también notablemente de una normativa a otra. La formulación dada por el EC-2 propone que la resistencia a cortante es proporcional a la cuantía de armadura longitudinal. Sin embargo, otros modelos reflejan que el cortante último es proporcional al valor ρlVd/M, como se hace en uno de los métodos propuestos en el Código ACI. En el dimensionamiento real de vigas, la cuantía de armadura longitudinal crece proporcionalmente con el momento flector concomitante y, por tanto, el parámetro ρlVd/M es prácticamente constante. Sin embargo, es habitual en ensayos de laboratorio utilizar valores de ρl desproporcionadamente elevados para evitar roturas a flexión e, incluso, realizar series de ensayos en los que a/d disminuye, mermando por tanto el momento flector concomitante, sin variar el armado longitudinal. Por este motivo, algunos autores [7] sostienen que el ajuste de ecuaciones con estos ensayos no realistas puede producir desviaciones para elementos reales con las combinaciones habituales de las distintas variables. En el caso de la formulación dada por el EC-2, un aumento de la cuantía longitudinal supondría siempre un incremento en la resistencia a cortante independientemente del momento flector concomitante.

2 Programación Genética


La Programación Genética (PG) es un subconjunto de técnicas de búsqueda de soluciones enmarcadas dentro del campo de Computación Evolutiva (CE) que permite realizar, entre otras funciones, regresión simbólica a partir de patrones de aprendizaje. La CE engloba un conjunto de métodos basados en modelos que emulan ciertas características de la naturaleza, fundamentalmente la capacidad que poseen los seres vivos para adaptarse a su ambiente. Esta característica de los seres vivos ya había sido plasmada por Charles Darwin en su teoría de la evolución según el principio de selección natural de las especies [8]. Darwin sostiene que aquellos individuos de una población que posean las características más ventajosas dejarán proporcionalmente más descendencia en la siguiente generación, y si tales características se deben a diferencias genéticas que pueden transmitirse a los descendientes, tenderá a cambiar la composición genética de la población, aumentando el número de individuos con dichas características. De esta forma, la población completa de seres vivos se adapta a las circunstancias variables de su entorno. El resultado final es que los seres vivos tienden a perfeccionarse en relación con las circunstancias que los envuelven.

En la PG se establece una analogía entre el conjunto de soluciones de un problema y el conjunto de individuos de una población natural, codificando la información de cada solución mediante una estructura denominada “árbol”. Por ejemplo la Figura 2 representa una posible solución a un problema donde se desea relacionar las variables de entrada (a, b) con la salida f(a,b) mediante la expresión f(a,b) = a*((b/4)+3)). En este ejemplo los nodos no terminales o funciones corresponderían al producto, la suma y la división, mientras que los nodos terminales (u hojas del árbol) se corresponden con los valores 3 y 4, junto con las variables a y b. Por lo tanto, una parte fundamental de la configuración de la PG para su ejecución es la especificación del conjunto de elementos terminales y no terminales antes del inicio del proceso evolutivo, puesto que el algoritmo construirá los árboles con los nodos que se le especifique.

Figura 2. Árbol para la expresión a*((b/4)+3)).
Los autores han presentado un algoritmo [9,10] basado en técnicas clásicas de Programación Genética, pero especializado en la optimización de fórmulas matemáticas. Dicho algoritmo permite, a partir de datos experimentales, la mejora de una expresión matemática bajo la supervisión de un experto, conduciendo el proceso de búsqueda de nuevas soluciones mediante restricciones aportadas por tal experto. En síntesis, dada una expresión, se seleccionan uno o varios términos de la fórmula a mejorar, se establece un conjunto de restricciones que debe cumplir cada uno de esos términos, y, con ayuda del algoritmo mediante un proceso iterativo, se consigue mejorar la ecuación inicial. En la Figura 3 se muestra un esquema del método empleado.

Figura 3. Esquema del método empleado.

3 Aplicación de la técnica


3.1 Eurocódigo 2Eurocódigo 2 Eurocódigo 2 Eurocódigo 2


En la ecuación (1) se muestra la formulación adoptada por el EC-2 en el caso de vigas sin esfuerzo axil, una vez eliminado el factor de seguridad, con la condición de que el valor obtenido como resultado de aplicar la ecuación (1) siempre sea mayor que el valor mínimo dado por la ecuación (2). En la Tabla 1 se muestran las distintas variables empleadas en esta formulación.


Tabla 1. Variables empleadas en el modelo del Eurocódigo 2
Para abordar la mejora del EC-2 se han establecido las ecuaciones (3) y (4). La ecuación (3) proviene directamente de la generalización de la formulación del EC-2 (1), donde Ramai indica la posibilidad de que aparezca una expresión formada por las variables consideradas, en las condiciones definidas en 3.3. En cambio, en la ecuación (4) se ha añadido un nuevo término, (Rama6)^Rama7, con el que se pretende introducir la influencia de la relación entre el esfuerzo cortante y el momento flector concomitante.


3.2 Conjunto de datos


Para la mejora de la ecuación del EC-2 se ha empleado principalmente una base de datos recopilada por Collins et al. [7]. Las variables utilizadas son las contempladas por el EC-2 (bw, d, fc y ρl), y la variable V·d/M, que tiene en cuenta la relación entre el cortante y el momento flector concomitante en la sección crítica y que es fácilmente deducible a partir de la luz a cortante del ensayo y el tipo carga. El resultado es el cortante experimental de rotura, Vu.

La mayoría de las vigas que constan en las bases de datos son vigas rectangulares simplemente apoyadas bajo cargas concentradas, si bien también hay ensayos con carga repartida o sección en T.

Una vez recopilados los ensayos se han eliminado aquellos en los que las roturas no se hayan identificado como rotura a cortante. De igual manera no se han considerado todos los ensayos cuya relación a/d, donde a es la luz a cortante y d el canto efectivo, es menor que 2,5. Tras estos dos filtros el conjunto total de datos está formado por 1149 vigas. Este conjunto, a su vez se subdivide en 2, el primero de 518 vigas empleado para el entrenamiento, y el segundo de 613 destinado a verificar los resultados obtenidos. Esta división se ha realizado de forma aleatoria, con la salvedad de que el conjunto de entrenamiento abarcase los rangos de variables de conjunto total. En la Tabla 2 se muestran las características de ambos conjuntos.

Tabla 2. Conjunto de datos empleado .

3.3 Configuración de PG


Después de un conjunto de pruebas iniciales se ha establecido que la configuración con mejores resultados (por término medio) emplea un tamaño de población de 1000 individuos, una tasa de cruces del 80%, una tasa de selección de un nodo no terminal del 90%, y una probabilidad de mutación del 20%. Las mismas pruebas determinan los algoritmos con mejor comportamiento: la selección mediante torneo, la creación según un método intermedio y la mutación a través de un algoritmo basado en subárbol. Siempre se ha empleado una estrategia elitista, garantizando de esta manera que el mejor individuo de cada iteración se traslade a la siguiente. La altura máxima permitida de los individuos ha sido de nivel 6, pudiendo llegar al nivel 10 en alguna de las pruebas. En cambio, la altura máxima en la que se permite realizar la mutación se ha establecido en el nivel 3, llegando al nivel 8 en algunos casos. En función de las alturas y las restricciones que se mostrarán en este apartado, el valor de la parsimonia se estableció entre 0 y 0,1. Cabe resaltar que el conjunto de datos empleado no ha sido normalizado.

Por defecto se ha elegido como operadores o nodos no terminales la suma, resta, producto y división protegida [10]. Para los nodos terminales se emplean las variables procedentes del conjunto de datos (d, fc, ρl y V·d/M), cualquier constante real aleatoria dentro del intervalo [-1, 1] y cualquier entero en el intervalo [-10, 10].

3.3.1 Restricciones


En la Tabla 3 se muestran las restricciones más representativas que se han impuesto empleando como base la ecuación (3). La abreviatura “Cte” indica que se permite el empleo de cualquier constante generada mediante PG, a base de operaciones suma, resta, multiplicación y división protegida, a partir de las definidas en el párrafo anterior. Con los símbolos de las variables d, fc o l (en la ecuación (3) se excluye la variable V·d/M) se permite que la Ramai adopte una expresión formada por esas variables y las constantes admitidas relacionadas mediante los operadores suma, resta, multiplicación y división protegida. Por último, cuando aparece un valor o expresión definidosse debe entender que sólo se empleará ese valor en esa rama.

Tabla 3.  Restricciones aplicadas en la ecuación (3)
La experiencia adquirida tras realizar las pruebas empleando como base la ecuación (3) ha conducido a establecer únicamente dos conjuntos de restricciones para la ecuación (4), presentadas en la Tabla 4.

Tabla 4.. Restricciones aplicadas en la ecuación (4)

4 Resultados


viernes, 5 de diciembre de 2014

4 Development and improvement of theoretical models of structural concrete from its dosage by genetic programming and artificial neural networks / Desarrollo y mejora de modelos teóricos del hormigón estructural a partir de su dosificación mediante técnicas de programación genética y redes de neuronas artificiales

Investigación de Enmacosa dentro del proyecto "Desarrollo y mejora de modelos teóricos del hormigón estructural a partir de su dosificación mediante técnicas de programación genética y redes de neuronas artificiales", cofinanciado por la Xunta de Galicia (2010-2013). 

Enmacosa research within the project "Development and improvement of theoretical models of structural concrete from its dosage by genetic programming and artificial neural networks", cofinanced by the Xunta de Galicia (2010-2013).
1 Introducción. 
2 Seguimiento - Finalización. 
3 método aplicado. 
   3.1 Fase 1. Identificación de variables clave ..
   3.2 Fase 2. Análisis de los resultados
   3.3 Fase 3. Aplicación de técnicas de regresión .
4 Resultados alcanzados. 
   4.1 Base de datos 
      4.1.1 Resultados. 
      4.1.2 Caracterización de base de datos
   4.2 Variables que afectan a las propiedades del hormigón.
      4.2.1 Las variables con alta influencia.
      4.2.2 Variables que influyen en los medios de comunicación.
      4.2.3 Variables con baja influencia.
   4.3 Aplicación de RR.NN.AA.  la predicción de parámetros físicos medibles mediante ensayos 
   4.4 Análisis de la resistencia alcanzado por los diferentes hormigones, en relación con la especificada
   4.4.1 Análisis por el fabricante
   4.5 Análisis de consistencia obtenidos con respecto como se especifica
   4.6 Análisis de la evolución de la resistencia del hormigón con la edad
      4.6.1 CEM I 52,5 R
      4.6.2 CEM II 42.5 R
      4.6.3 I / 52,5 N / SR
      4.6.4 III / A 42,5 N / SR
      4.6.5 IV / A-V 42,5 N / SR.
   4.7 Análisis de la relación y el contenido de agua / cemento con la resistencia del hormigón.
   4.8 Predicción del módulo del hormigón - Convencional
5 Publicaciones.
   5.1 Mejora de la formulación de la EC-2 para la resistencia al corte en vigas de hormigón Estructural sin armadura.
   5.2 Regresión simbólico en Ingeniería Civil a través de técnicas de programación genética. 
   5.3 Programación Genética para Modelo de Mejora FIB: Bond y Anchorage de refuerzo Acero Estructural en Concrete
6 Bibliografía

4.7 ANÁLISIS DE LA RELACIÓN Y DEL CONTENIDO AGUA/CEMENTO CON LA RESISTENCIA DEL HORMIGÓN


Es bien conocido que la resistencia de la unión depende de muchos factores. La dependencia es fuerte, media o baja según el tipo de pacto. No obstante la base de datos no proporciona valores a todas las variables consideradas. En la literatura científica hay varias fórmulas delictivas que reducen mucho las variables. Son las siguientes:



  • Fórmula de Feret:

Donde R es la resistencia, K es un factor que depende de la resistencia do cemento, c es el peso del cemento, e es el volume de agua y v es el volumen de huecos.


  • Fórmula de Abrams



  • Fórmula de Bolomey:




  • Fórmula de Dutron

Aceptando que la base de datos no proporciona volumen de huecos se dispone teóricamente de muchos datos que incluyen el contenido de cemento (c) y la relación agua/cemento (a/c). Como ya se explicó, a partir de estas fórmulas se aplicaron técnicas de redes neuronales información genética para intentar adaptar una impresión como la capacidad predictiva. Fue posible a pesar de las múltiples pruebas, dado que los datos no pueden considerarse ciertos. Éste es, en definitiva, uno de los grandes problemas del control de los fenómenos es decir, le conseguía disponer de una dosificación verificable. La medida de la resistencia es un buen criterio, pero no es suficiente para asegurar una durabilidad, ya que depende fuertemente c y de a/c. 

Como ejemplo, se presenta a continuación los análisis realizados para observar la dependencia de resistencias con las variables c y a/c. Se selecciona una edad ensayo de compresión (28 días), un tipo de cemento (CEM I 52.5 R) y una resistencia característica (30 MPa). Sobre estos parámetros estudia la distribución de resultados con las variables c (325, 375, 425 kg/m3) y a/c (entre 0.31 e 0.6). El número de ensayos por cada caso son 1.796, 763, 307 respectivamente. En las siguientes gráficas se muestra la distribución.


Figura 31. Distribución para c= 325 kg/m3
Figura 32. Distribución para c= 375 kg/m3
Figura 33. Distribución para c= 425 kg/m3
Para una cantidade de cemento de 325 kg/m3, la relación a/c = 0.49 presenta la máxima frecuencia entre los 41 y 43 MPa. Para c = 375 kg/m3, l mayor frecuencia se observa en el intervalo 30 – 32 MPa para una relación a/c = 0.46. Y para c = 425 kg/m3, la mayor frecuencia se observa en el intervalo 38 – 40 MPa para una relación a/c = 0.46. 
Os resultados muestran una inconsistencia fuerte, ya que a medida que aumenta c y se reduce a/c las resistencias deberían aumentar, y los datos no proporcionan esa tendencia.

4.8 PREDICIÓN DEL MÓDULO DEL HORMIGÓN – CONVENCIONAL


A lo largo de la realización del proyecto se obtuvo un conjunto de datos experimentales realizados en el JCI (Japan Concrete Institute) En donde nos ensayaron diversas probetas en función de su dosificación obteniendo una resistencia a compresión y además el módulo de elasticidad (módulo de Young-E). El conjunto de datos es de 3071 ensayos, En los enormes 704 se dispone de un valor del módulo. Una vez hecho central depuración de los datos únicamente fueron áridos para el estudio 263 ensayos. En la tabla 18 se pueden ver los rangos empleados.


La normativa española actual (EHE) Para predecir el módulo a partir del valor de la resistencia a compresión emplea la ecuación (7), en cambio, otros autores (Kakizaki et al. 1988, Amnon Katz (2003) consideran que La densidad del hormigón matiza la predicción alcanzando mejores resultados (ecuaciones (8) y (9) respectivamente).




Teniendo en cuenta este hecho se planteó añadir esa nueva variable para mejorar la atención de hecho, a partir de la ecuación original de la EHE, en sentido como fenotipo la programación genética la ecuación (10), Donde se establecen 3 puntos (denominados ramas) En los que el algoritmo desarrollado podrá crear ecuaciones o constantes (en función das restricciones introducidas) para obtener unas mejores predicciones.



En este caso se establecieron las siguientes restricciones:


  • Rama0: Constante entera
  • Rama1: Constante real con dos decimales de precisión
  • Rama2: Constante real positiva con dos decimales de precisión


Tras ejecutar 200 veces el algoritmos de programación genética con la configuración que se muestra en la tabla 19 se llegó a que el mejor resultado es producido por la ecuación (11)



En la tabla 20 se muestran los resultados de las distintas métricas aplicadas a las ecuaciones existentes Mas la ecuación propuesta. Se puede observar que la propuesta tiene mayor capacidad predictiva. Finalmente la figura 24 se puede ver de forma gráfica la mayoría de las de bienes frente al actual EHE-08.

Figura 34. Valor predicho contra valor real (EHE-08 y la ecuación propuesta)

5 PUBLICACIONES


El proyecto desarrollado por ENMACOSA y por el grupo gCONS Cual soporte de una línea de trabajo fructífero en el campo de la inteligencia artificial aplicada al campo del hormigón estructural. Muchas de las técnicas desenvueltas se pudieron intensificar en un publicación el impacto, que de modo evidente Tiene su origen en este proyecto, aunque se empleen datos que no son estrictamente los que se analizaron en el desarrollo Metefores.

Consideramos por eso que entre las aplicaciones derivadas de este proyecto deben incluirse sin duda las que a continuación se relacionan que se nutren del conocimiento alcanzado. Las publicaciones con resultados propios de Metefores corresponden al análisis de datos de productos y fabricantes de organizaciones se tramitarán.


5.1 MELLORA DE LA FORMULACIÓN DEL EC-2 PARA LA RESISTENCIA A CORTANTE EN VIGAS DE HORMIGÓN ESTRUCTURAL SIN ARMADURA

-> Mejora de la formulación del EC-2 para la resistencia a cortante en vigas de hormigón estructural sin armadura transversal
Artículo presentado en el Congreso internacional titulado ”V Congreso Internacional de estruturas – ACHE 2011” celebrado del 25 al 27 de outubre de 2011 en Barcelona, España 

5.2 REGRESIÓN SIMBÓLICA EN INGENIERÍA CIVIL MEDIANTE TÉCNICAS DE PROGRAMACIÓN GENÉTICA

-> Regresión simbólica en Ingeniería Civil mediante técnicas de Programación Genética
Artículo presentado en el VIII congreso español sobre Metaheuristicas, Algoritmos Evolutivos y Bioinspirados – MAEB 2012 celebrado del 8 al 10 de febrero de 2012 en Albaceta, España


5.3 GENETIC PROGRAMMING TO IMPROVEMENT FIB MODEL: BOND AND ANCHORAGE OF REINFORCING STEEL IN STRUCTURAL CONCRETE

-> Genetic Programming to Improvement FIB Model
Artículo presentado en el Congreso internacional titulado ”International Work Conference on Artificial Neural Networks – IWANN2013”” celebrado del 12 al 14 de junio de 2013 en Tenerife, España.


6 BIBLIOGRAFÍA


Arciszewski, T., & De Jong, K. A. (2001). Evolutionary computation in civil engineering: research frontiers. In B. H. V. Topping (Ed.), Proceedings of the Eight International Conference on Civil and Structural Engineering Computing, Eisenstadt, Vienna, Austria.

Kicinger, R., Arciszewski, T. and De Jong, K.(2005). Evolutionary computation and structural design: A survey of the state-of-the-art. Computers and Structures, 83, 1943–1978.

McCulloch, W. S., & Pitts, W. (1943). A Logical Calculus of Ideas Immanent in Nervous Activity”. Bulletin of Mathematical Biophysics, 5, 115-133.

Wasserman, P. D. (1989). Neural Computing. New York: Ed. Van Nostrand Reinhold.

Brown, M., & Harris, C.(1994). Neurofuzzy adaptive modelling and control. Prentice-Hall

Lin, C.T., & Lee, C.S., (1996). Neural Fuzzy Systems: A neuro-fuzzy synergism to intelligent systems. Prentice-Hall.

Hoskins, J.C., & Himmelblau, D.M. (1992 ). Process control via artificial neural networks and reinforcement learning. Computers & Chemical Engineering, 16(4), 241-251.

Darwin, C. (1859). On the origin of species by means of natural selection or the preservation of favoured races in the struggle for life. Cambridge, UK:Cambridge University Press.

Darwin, C & Wallace, A. R. “On the Tendency of Species to form Varieties; and on the Perpetuation of Varieties and Species by Natural Means of Selection”. Journal of the Proceedings of the Linnean Society of London. Zoology 3: 46-50. 1858.

Holland, J.H.(1975). Adaptation in natural and artificial systems. Ann Arbor, MI: University of Michigan Press. 

Gandson, L.A. (2005) Taylor n-dimensional nets, The analytic equivalence to Neural Nets, University Press of Kentucky.

Ahmet Öztaş et al. Predicting the compressive strength and slump of high strength concrete using neural network. Construction and Building Materials 20, 769 – 775. 2006

Rabuñal, J.R. Entrenamiento de Redes de Neuronas Artificiales mediante Algoritmos Genéticos. Graduate Thesis, Facultad de Informática, University of A Coruña, Spain. 1999.

Rodríguez, I. Study of concrete dosages using artificial neuronal network trained with genetical operators. A Coruña, Spain. 2002.







jueves, 4 de diciembre de 2014

3 Development and improvement of theoretical models of structural concrete from its dosage by genetic programming and artificial neural networks / Desarrollo y mejora de modelos teóricos del hormigón estructural a partir de su dosificación mediante técnicas de programación genética y redes de neuronas artificiales

Investigación de Enmacosa dentro del proyecto "Desarrollo y mejora de modelos teóricos del hormigón estructural a partir de su dosificación mediante técnicas de programación genética y redes de neuronas artificiales", cofinanciado por la Xunta de Galicia (2010-2013). 

Enmacosa research within the project "Development and improvement of theoretical models of structural concrete from its dosage by genetic programming and artificial neural networks", cofinanced by the Xunta de Galicia (2010-2013).
1 Introducción. 
2 Seguimiento - Finalización. 
3 método aplicado. 
   3.1 Fase 1. Identificación de variables clave ..
   3.2 Fase 2. Análisis de los resultados
   3.3 Fase 3. Aplicación de técnicas de regresión .
4 Resultados alcanzados. 
   4.1 Base de datos 
      4.1.1 Resultados. 
      4.1.2 Caracterización de base de datos
   4.2 Variables que afectan a las propiedades del hormigón.
      4.2.1 Las variables con alta influencia.
      4.2.2 Variables que influyen en los medios de comunicación.
      4.2.3 Variables con baja influencia.
   4.3 Aplicación de RR.NN.AA.  la predicción de parámetros físicos medibles mediante ensayos 
   4.4 Análisis de la resistencia alcanzado por los diferentes hormigones, en relación con la especificada
   4.4.1 Análisis por el fabricante
   4.5 Análisis de consistencia obtenidos con respecto como se especifica
   4.6 Análisis de la evolución de la resistencia del hormigón con la edad
      4.6.1 CEM I 52,5 R
      4.6.2 CEM II 42.5 R
      4.6.3 I / 52,5 N / SR
      4.6.4 III / A 42,5 N / SR
      4.6.5 IV / A-V 42,5 N / SR.
   4.7 Análisis de la relación y el contenido de agua / cemento con la resistencia del hormigón.
   4.8 Predicción del módulo del hormigón - Convencional
5 Publicaciones.
   5.1 Mejora de la formulación de la EC-2 para la resistencia al corte en vigas de hormigón Estructural sin armadura.
   5.2 Regresión simbólico en Ingeniería Civil a través de técnicas de programación genética. 
   5.3 Programación Genética para Modelo de Mejora FIB: Bond y Anchorage de refuerzo Acero Estructural en Concrete
6 Bibliografía

4.4 ANÁLIS DE LA RESISTENCIA ALCANZADA POR LOS DIFERENTES HORMIGÓNS, EN RELACIÓN CON LA ESPECIFICADA


La norma española exige cumplir a cada lote de hormigón una resistencia específica, determinada por lo general a los 28 días de la. El método empleado en la rotura de probeta normalizadas, cuyo resultado es la resistencia media. Esta resistencia no es exactamente la característica dado que esta última de asociarse al percentil del 95%. Es decir cuando la defensa característica e indica un valor X se considera que el 95% del material debe superar ese valor. La norma española admite una distribución normal de los resultados de resistencia, y marca la resistencia característica con un valor que dista -1.64d de media (d es la desviación estándar). Por otra parte, de acuerdo a los datos tradicionalmente considerados, la distancia entre la resistencia característica y la media se sitúa en 8 MPa. ¿Este dato es cierto? Se puede comprobar a partir de la base de datos.

Se seleccionan de la base de datos o los ensayos a 28 días correspondientes a diferentes resistencias especificadas (características). Previsiblemente, los resultados de laboratorio deben de tener una distribución no centrada en el valor característico, y probablemente de tipo normal.

Los resultados alcanzados se presentan resumidos en la tabla Táboa 8 para resistencias de valor 25, 30, 35 40, 45, 50 e 70 MPa.


De forma gráfica se presentan los programas. Con la curva normal de vida de los datos experimentales. Con los datos se determina la resistencia media del conjunto y la desviación estándar, parámetros con los que se representa una distribución normal asociada. En ella se fija el valor característico. Simultáneamente, a partir de la función real de los datos se calcula la distribución acumulada, y se calcula el pretendiente 5% real. En este momento se puede comparar la distribución real con la teórica.

Figura 10. Resistencia alcanzada para el grupo de fck = 25 MPa
Figura 11. Resistencia alcanzada para el grupo de fck = 30 MPa
Figura 12. Resistencia alcanzada para el grupo de fck = 35 MPa
Figura 13. Resistencia alcanzada para el grupo de fck = 40 MPa
Figura 14. Resistencia alcanzada para el grupo de fck = 45 MPa

Figura 15. Resistencia alcanzada para el grupo de fck = 50 MPa
Figura 16. Resistencia alcanzada para el grupo de fck = 70 MPa
En conclusión, se puede observar el buen cumplimiento de las exigencias por parte de los hormigones analizado. Los datos o menos fiables en la resistencia del 4550 e 70 MPa por tener menos datos. No obstante, por cumplir la exigencia resistente, el valor de 8 MPa proporciona seguridad.

4.4.1 Análisis por fabricante


A continuación se estudia por cada fabricante la resistencia alcanzada frente a la especificada. En esta ocasión se selecciona el conjunto con resistencia especificada de 30 MPa por ser la que dispone de más ensayos.



Cabe destacar que los resultados que se muestran en casi todos los fabricantes aglutinaron todos varias plantas de fabricación.

Figura 17. Resistencia alcanzada por el Fabricante 1. Figura 18. Resistencia alcanzada por el Fabricante 2

4.5 ANÁLISIS DE LA CONSISTENCIA ALCANZADA EN RELACIÓN CON LA ESPECIFICADA


Una de las comprobaciones que se hacen en obra es recibir el hormigón y cualificar la consistencia (seca, plástica, blanda e fluida) mediante el ensayo denominado “cono de Abrams” Con el cálculo, tras un proceso normalizado, se mide la disminución de la altura con respecto al molde único. Con esta altura y empleando la tabla 10 Se cuantifica en tipo de consistencia.

De esta forma la Dirección Facultativa podrá recibir el hormigón tras comprobar si se encuentra en el intervalo solicitado.


Figura 22. Consistencia blanda
Figura 23. Consistencia fluida

Figura 22. Consistencia líquida

La lectura del cono de la tabla superior se determinan mediante el siguiente código:


4.6 ANÁLISIS  DE LA EVOLUCIÓN DE LA RESISTENCIA DEL HORMIGÓN CON LA EDAD


La norma española establece una fórmula experimental para predecir el valor de la resistencia edades diferentes de los 28 de esta fórmula de tipo exponencial, y propone multiplicada presencia a los 28 días por un factor b:
donde t es la edad en días e s es un parámetro que toma los valores 0.2 (cementos de endurecemento rápido), 0.25 (cementos de endurecemento normal) e 0.38 (cementos de endurecemento lento).

La base de datos proporciona numerosos datos con resistencias a 7, 28 e 90 días. Estos datos se analízan y se compáran con los proporcionados por la ecuación anterior.

El procedimiento empleado, en primer lugar en un trabajo relevante sobre la base de datos.  Se seleccionó un conjunto de cemento de los que se disponen datos suficientes. Los elegidos son: CEM I 52.5 R, CEM II42.5 R, I 52.5 N SR, III 42.5 N SR , y IV A-V 42.5 N SR. A estos eventos se recogen todos las roturas en las edades indicadas para cada masada controlada. Sólo son aprovechables las series con las tres edades de ruptura, perdiéndose por eso algunos datos que sólo cuentan con una o dos edades. A continuación se calculan los datos y se tabulan los factores fc(7días)/fc(28 días) e fc(90
días)/fc(28 días). Los resultados se comparan con factores que proporcionan la ecuación, se muestran a continuación.



Figura 25. Evolución de los factores con la edad

4.6.1 CEM I 52.5 R


Se analizan 4582 datos. La distribución se muestra la gráfica adjunta.

Figura 26 . Factor beta a 7 y 90 días del CEM I 52.5R
No es una distribución normal, en contra de lo previsto. El valor promedio del factor b (7 días) es de 0.85 y de 1.11 para (90 días).

4.6.2 CEM II 42.5 R


Se analizaron 912 datos. La distribución se distribuye según la gráfica adjunta.

Figura 27. Factor beta a 7 y 90 días del CEM II 42.5 R
La distribución no es normal en el caso de siete días y muy variable en el caso de 90 días. El valor promedio del factor (7 días) es de  0.81 y de 1.15 para (90 días).


4.6.3 I/52.5 N/SR


Se analizaron 1.724 datos. La distribución se distribuye según la gráfica adjunta.

Figura 28. Factor beta a 7 y 90 días del I/52.5 N/SR

La distribución es aproximadamente normal en los dos casos, pero dispersa en el caso de siete días. El valor promedio del factor  (7 días) es de  0.81 y de 1.08 para (90 días).


4.6.4 III/A 42.5 N/SR


Se analizaron 943 datos. La distribución se distribuye según la gráfica adjunta.

Figura 29. Factor beta a 7 y 90 días del III/A 42.5 N/SR

La distribución es aproximadamente normal en los dos casos, pero dispersa en el caso de siete días. El valor promedio del factor  (7 días) es de  0.63 y de 1.16 para (90 días).

4.6.5 IV/A-V 42.5 N/SR

Se analizaron 943 datos. La distribución se distribuye según la gráfica adjunta.

Figura 30. Factor beta a 7 y 90 días del IV/A-V 42.5 N/SR
La distribución es aproximadamente normal en los dos casos, pero dispersa en el caso de siete días. El valor promedio del factor  (7 días) es de  0.79 y de 1.20 para (90 días).


Ateniéndonos fuertemente analizados, cabría esperar que el CEM I 52.5R y el CEM II 42.5 R se debían adaptar al factor s = 0.2. Esta tradición es correctamente en el caso pero no en el segundo. El cemento I 52.5 N SR debería adaptarse al caso s = 0.25, y no es cierto.

A la vista de los resultados y del número de casos, se aplican técnicas simples de algoritmos genéticos para generar una ecuación que se adapte a los cinco casos. Para eso se permite modificar la técnica de exploración de las dos constantes de la fórmula de la norma (el valor de s y el coeficiente del exponente del término (28/t).)

Se introduce como ecuación de partida la siguientes:


Los mejores resultados son los siguientes:



Atendiendo esta última tabla y si nos fijamos en el tipo de endurecimiento los valores de K1 y K2  Se podrían establecer los valores que vemos en la tabla siguiente. Cabe resaltar que no consideramos el cemento IV/A-V 42.5 N/SR para el cálculo de los coeficientes para el endurecimiento normal (N) ya que los valores obtenidos por K1 y K2 Son más dispares comparados con los de su grupo.



No se considera que los resultados eran un patrón consistente, por lo que analizar el problema desde otra perspectiva, es decir, aceptando el exponente 0.5 y variando sólo el valor de s. El mejor resultado es el siguiente:



Atendiendo hasta última tabla y si nos fijamos en el tipo de crecimiento los valores de K1 (s) se podrían establecer con los siguientes coeficientes:



4.7 ANÁLISIS DE LA RELACIÓN Y DEL CONTENIDO AGUA/CEMENTO CON LA RESISTENCIA DEL HORMIGÓN

Continua en: http://carreteras-laser-escaner.blogspot.com/2014/12/4-development-and-improvement-of.html