Use este identificador para citar ou linkar para este item: http://repositorio.utfpr.edu.br/jspui/handle/1/35422
Registro completo de metadados
Campo DCValorIdioma
dc.creatorBertoncello, Luana Claudia-
dc.date.accessioned2024-11-11T12:55:36Z-
dc.date.available2024-11-11T12:55:36Z-
dc.date.issued2024-08-30-
dc.identifier.citationBERTONCELLO, Luana Claudia. Estudo numérico do problema de arrancamento direto utilizando redes neurais. 2024. Dissertação (Mestrado em Programa de Pós-Graduação em Engenharia Civil) - Universidade Tecnológica Federal do Paraná, Pato Branco, 2024.pt_BR
dc.identifier.urihttp://repositorio.utfpr.edu.br/jspui/handle/1/35422-
dc.description.abstractThe application of computational simulation using Finite Element Methods (FEM) has intensified in contemporary engineering problem-solving. By understanding the input data and boundary conditions of the physical problem, it is possible to use a combination of computational techniques to optimize the solution. Optimization is a numerical resource that can be applied to solving an inverse problem. Deep learning is a subset of artificial intelligence aimed at learning specific tasks and improving performance with each iteration. It is also known for being a neural network that simulates the human neuron, due to the use of artificial neurons connected by artificial synapses.The goal of this work is to apply deep learning techniques to optimize engineering parameters in a problem involving the adhesion between steel and concrete. The methodology involves numerically solving the physical problem using FEM with the ANSYS solver, and performing optimization in MATLAB. The research investigates the application of deep neural networks to adjust parameters and minimize discrepancies between simulations and experimental data, focusing on the pull-out system and steel-concrete adhesion. The ReLU function in MATLAB was used to introduce non-linearities and enhance the precision of the results. The methodology was validated based on experimental results from pull-out tests on steel-concrete bars.pt_BR
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Tecnológica Federal do Paranápt_BR
dc.rightsopenAccesspt_BR
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/pt_BR
dc.subjectRedes neurais (Computação)pt_BR
dc.subjectOtimização matemáticapt_BR
dc.subjectMétodo dos elementos finitospt_BR
dc.subjectNeural networks (Computer science)pt_BR
dc.subjectMathematical optimizationpt_BR
dc.subjectFinite element methodpt_BR
dc.titleEstudo numérico do problema de arrancamento direto utilizando redes neuraispt_BR
dc.title.alternativeNumerical study of the direct pullout problem using neural networkspt_BR
dc.typemasterThesispt_BR
dc.description.resumoA aplicação da simulação computacional utilizando os métodos de elementos finitos (MEF) tem se intensificado na contemporaneidade na solução de problemas de engenharia. Conhecendo os dados de entrada e as condições de contorno do problema físico, é possível fazer uso da combinação de técnicas computacionais para otimizar a solução. A otimização é um recurso numérico que pode ser utilizado na solução de um problema inverso. O deep learning é um subconjunto da inteligência artificial que tem como objetivo aprender determinada tarefa e apresentar evolução em seu desempenho a cada interação. É conhecido também por ser uma rede neural que atua simulando o neurônio humano, devido ao uso de neurônios artificiais interligados por sinapses artificiais. A proposta deste trabalho é aplicar a técnica de deep learning para otimizar parâmetros de engenharia em um problema envolvendo a aderência entre aço e concreto. A metodologia consiste na resolução numérica do problema físico utilizando o MEF pelo solver ANSYS, com a otimização realizada no MATLAB. A pesquisa investiga a aplicação de redes neurais profundas para ajustar os parâmetros e minimizar discrepâncias entre simulações e dados experimentais, focando no sistema de arrancamento e na aderência aço-concreto. A função ReLU no MATLAB foi utilizada para introduzir não-linearidades e aprimorar a precisão dos resultados. A metodologia foi validada com base em resultados experimentais do teste de arrancamento em barras de aço-concreto.pt_BR
dc.degree.localPato Brancopt_BR
dc.publisher.localPato Brancopt_BR
dc.creator.IDhttps://orcid.org/0000-0002-5177-4511pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/9846321692301129pt_BR
dc.contributor.advisor1Gomes, Francisco Augusto Aparecido-
dc.contributor.advisor1IDhttps://orcid.org/0000-0001-6204-1439pt_BR
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/4960562897145659pt_BR
dc.contributor.advisor-co1Trentin, Robson Gonçalves-
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/9922385525517339pt_BR
dc.contributor.referee1Gomes, Francisco Augusto Aparecido-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/4960562897145659pt_BR
dc.contributor.referee2Oliveira, Gilson Adamczuk-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/5725118465825490pt_BR
dc.contributor.referee3Santos, Rodrigo Borges-
dc.contributor.referee3IDhttps://orcid.org/0000-0002-4935-8009pt_BR
dc.contributor.referee3Latteshttp://lattes.cnpq.br/6783847794438620pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.programPrograma de Pos-Graduação em Engenharia Civilpt_BR
dc.publisher.initialsUTFPRpt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA CIVILpt_BR
dc.subject.capesEngenharia/Tecnologia/Gestãopt_BR
Aparece nas coleções:PB - Programa de Pós-Graduação em Engenharia Civil

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
estudonumericoarrancamentredesneu.pdf5,97 MBAdobe PDFThumbnail
Visualizar/Abrir


Este item está licenciada sob uma Licença Creative Commons Creative Commons