Defesas marcadas - Dissertações defendidas - Teses defendidas

Data: 29/03/2023 - Horário: 15:00
Local: On Line
Aluno: Bruno Marani Siciliano
Orientador(a): Rodrigo Barreto Caldas
Co-Orientador(a): João Victor Fragoso Dias
Título: Estudo Numérico do Comportamento de Vigas Mistas Contínuas Submetidas a Momentos Fletores Não Uniformes em Situação de Incêncio
Banca:
Prof. Dr. Rodrigo Barreto Caldas (DEES - UFMG)
Prof. Dr. João Victor Fragoso Dias - Coorientador (DEES - UFMG)
Profa. Dra. Ana Lydia Reis de Castro e Silva (DEES - UFMG)
Profa. Dra. Adenilcia Fernanda Grobério Calenzani (UFES)


Resumo:

O comportamento de vigas mistas contínuas em situação de incêndio ainda não é completamente conhecido devido à complexidade dos fenômenos que ocorrem nesse tipo de elemento estrutural. Diferentemente das vigas mistas biapoiadas, em uma viga mista contínua, a região inferior comprimida do perfil de aço não conta com a restrição à flambagem. Dessa forma, a mesa inferior do perfil pode deslocar-se lateralmente com um giro, caso a alma do perfil não tenha a rigidez necessária para impedir tal ocorrência. Esse fenômeno, chamado Flambagem Lateral com Distorção (FLD), é potencializado pela degradação das propriedades mecânicas dos materiais em elevadas temperaturas. O presente trabalho visou a realizar um estudo paramétrico de vigas mistas contínuas com dois vãos, submetidas a momentos fletores não uniformes e em situação de incêndio, baseado em um modelo numérico de elementos finitos desenvolvido no software ANSYS Mechanical ADPL, validado através de um conjunto de ensaios em escala real. No estudo, foram avaliadas as influências de variáveis geométricas das vigas mistas, como o tamanho de seus vãos e as dimensões de suas seções transversais. Ainda, foram verificadas as interferências do nível de carregamento, da variação da curva de elevação da temperatura dos modelos, e da compartimentação das vigas. Foi observada uma intensificação dos momentos fletores negativos na região do apoio central devido às restrições às deformações térmicas, resultando na plastificação de grande parte da seção transversal em temperaturas inferiores a 200 °C. Após isso, com a perda de rigidez da seção transversal, os fenômenos de instabilidade tornam-se mais propícios de ocorrerem e a capacidade da viga de impedi-los determina a temperatura na qual os momentos negativos são reduzidos, ou seja, quando ocorre a redistribuição de esforços para o centro do vão. De forma geral, as vigas analisadas tiveram seu colapso ocorrendo entre 600 °C e 700 °C. Propriedades como a esbeltez da alma e da mesa inferior do perfil de aço, bem como a taxa de armadura localizada na região de concreto tracionado mostraram-se relevantes tanto para o aumento do pico do momento fletor negativo atuante quanto para a postergação de seu decaimento.

Data: 26/04/2023 - Horário: 14:00
Local: Online
Aluno: Álefe Freitas Figueiredo
Orientador(a): Roque Luiz da Silva Pitangueira
Título: The Challenges of Concrete Constitutive Modelling via Artificial Neural Networks
Banca:
Prof. Dr. Roque Luiz da Silva Pitangueira (DEES - UFMG)
Prof. Dr. Lapo Gori (DEES - UFMG)
Prof. Dr. Adriano Alonso Veloso (UFMG)
Prof. Dr. Michele Cristina Resende Farage (UFJF)
Eng. Mestre Saulo Silvestre de Castro (convidado)
Suplente: Prof. Dr. Afonso Celso de Castro Lemonge
Suplente: Prof. Dr. Samuel Silva Penna (DEES - UFMG)


Resumo:

This paper proposes the representation of the mechanical relations of concrete from a Machine Learning (ML) theory approach. This is a preliminary study in the search for the conception of a universal constitutive model. Concrete, a quasi-brittle medium, despite being an old and widely used material in civil construction, has a mechanical behavior that is difficult to understand and mathematically explain. Such complexity, resulting from the heterogeneity and nonlinearity of the medium, still motivates several studies and researches nowadays, with the purpose of developing models that are able to represent, in a generic and efficient way, the relations between stresses and strains. In the context of pattern recognition techniques for regression problems, ML-based algorithms stand out. The ability to learn patterns based on experience and to generalize the acquired knowledge make learning models promising tools for application in the search for more representative and general constitutive models. In this work, the supervised learning algorithm known as Artificial Neural Networks (ANNs) was used. The feasibility of this approach is verified through the construction of a constitutive model based on the stress-strain relationships of synthetic data from numerical simulations via plane finite elements, by analyzing the explainability of the model predictions and by examining its generalization capacity. The Neural Network-based Constitutive Model (NNCM) developed here was shown to be able to capture the material stress-strain behavior and to predict the stress states of unknown structures with satisfactory precision. The proof of generalizability of the model was achieved through the prediction of stress states characterized by the mixed failure mode, a behavior not directly present in the training data. The model also proved to be effective in predicting stress states regardless of the structure size and the finite element mesh discretization used to generate the test data.