dc.contributor.advisor | Gil Martí, Miguel Ángel | es |
dc.contributor.advisor | Pineda Palomo, Paloma | es |
dc.contributor.advisor | Venkataramana, Katta | |
dc.creator | Navarro Rubio, Jorge | es |
dc.date.accessioned | 2024-06-21T07:27:47Z | |
dc.date.available | 2024-06-21T07:27:47Z | |
dc.date.issued | 2024-04-29 | |
dc.identifier.citation | Navarro Rubio, J. (2024). Eficiencia e innovación en estructuras prefabricadas de hormigón: propuesta de nueva unión y dimensionamiento con redes neuronales artificiales. (Tesis Doctoral Inédita). Universidad de Sevilla, Sevilla | |
dc.identifier.uri | https://hdl.handle.net/11441/160749 | |
dc.description.abstract | Las estructuras constituidas por elementos prefabricados de hormigón armado o
pretensado tienen una amplia utilización en nuestros días. Sin embargo, a pesar de su constante
crecimiento, aún queda un notable campo de desarrollo. El comportamiento de la estructura
depende fundamentalmente del comportamiento de las uniones entre los elementos
prefabricados y el desarrollo de estas aún tiene campo de investigación por delante, sobre todo
cuando las uniones no son articuladas y se pretende que transmitan momentos, buscando
mayor eficiencia frente a acciones horizontales.
En esta tesis se propone una nueva unión seca viga pilar entre elementos prefabricados
de hormigón. Esta unión se analiza desde distintos niveles: (I) como elemento estructural
independiente, comparándola con la monolítica ejecutada in situ; (II) Integrada en un sistema
estructural completo aplicado a un caso de estudio de un edificio en el sur de Europa y (III) se
genera un procedimiento mediante el uso de redes neuronales artificiales para el diseño y
dimensionado de la unión.
Como elemento estructural independiente se generan simulaciones utilizando métodos
numéricos, se evalúa el comportamiento de la unión propuesta frente a acciones verticales y
horizontales. Asimismo, se realiza un análisis modal del comportamiento de la unión. Ambos
análisis se comparan con su equivalente ejecutada in situ. Los resultados indican que la unión
podría ser utilizada en estructuras convencionales porticadas cumpliendo las prescripciones del
Eurocódigo.
El análisis se completa con la incorporación de la unión a un caso de estudio concreto de
un edificio tipo de 7 plantas de altura, y se compara con el mismo edificio ejecutado con una
estructura tradicional in situ. Se obtienen reducciones del plazo de ejecución de hasta el 60% al
utilizar la nueva unión. Se analizan también escenarios de reutilización, en los que la reutilización
de la estructura prefabricada reduce el coste económico amulado en más de un 10%, haciendo
más ventajosa esta opción frente a la tradicional.
El uso de redes neuronales artificiales (ANNs) para el diseño eficiente de elementos
estructurales es un campo de investigación abierto en el que se han logrado recientemente
avances significativos. En esta tesis, se ha desarrollado un procedimiento basado en redes
neuronales artificiales para predecir las tensiones y deformaciones máximas en los elementos
de la unión.
En la arquitectura de las ANNs se utiliza un perceptrón multicapa combinado con un
algoritmo de retropropagación o backpropagation y se aplica como función de activación la
tangente hiperbólica. En el diseño y fase de aprendizaje se han utilizado 22 modelos numéricos
que proporcionan un total de más 2 millones de datos. En la fase de validación posterior se
utilizaron 10 modelos, que suponen un dataset de 1,2 millones.
Los resultados obtenidos muestran la viabilidad del procedimiento seguido. Si
comparamos las tensiones que las ANNs predicen con las obtenidas en los análisis FEM, la
diferencia máxima es 9,16% mientras que la diferencia media se mantiene en todos los casos
por debajo del 8,36%. Estos valores máximos se dan cuando la tensión en el hormigón está
próxima a su máximo. Si la tensión del hormigón se sitúa por debajo de Fck/1.5, el error medio
se sitúa por debajo del 5%. Esos resultados validan su uso como herramienta de diseño
estructural.
La principal ventaja de las ANNs propuestas es que pueden adaptarse fácil y eficazmente
a diferentes parámetros de conexión o se puede aplicar a distintas uniones siguiendo el mismo
procedimiento utilizado en esta tesis. Además, su uso podría aplicarse tanto en el diseño de la
nueva unión de hormigón prefabricado como con una ejecutada in situ.
Los resultados de esta investigación podrían contribuir a la implementación de los
elementos prefabricados en edificios residenciales y el uso de redes neuronales artificiales para
el diseño y cálculo de elementos estructurales. | es |
dc.description.abstract | Structures comprised of precast reinforced or prestressed concrete elements are
extensively utilized in contemporary construction practices. Nevertheless, despite their
continual proliferation, there exists a significant realm for further advancement. The structural
performance predominantly hinges on the characteristics of the connections among the precast
elements, and the refinement of these connections still warrants extensive research, particularly
in cases where non-bolted connections are employed to transmit moments, aiming for
enhanced efficacy against lateral forces.
This thesis proposes a novel dry beam column connection between precast concrete
elements. The connection is analyzed at different levels: (I) as an independent structural
element, comparing it with the monolithic cast in situ; (II) integrated into a complete structural
system applied to a case study of a building in southern Europe, and (III) a procedure is
developed using artificial neural networks for the design of the joint.
As an independent structural element, simulations are generated using numerical
methods to evaluate the behavior of the proposed connection under vertical and horizontal
actions. Additionally, a modal analysis of the connection's behavior is conducted. Both analyses
are compared with their in-situ cast equivalent. The results indicate that the connection could
be used in conventional frame structures, meeting Eurocode requirements.
The analysis is further complemented by incorporating the connection into a specific case
study of a typical building, comparing it with the same building constructed using a traditional
in-situ structural system. Execution time reductions of up to 60% are achieved by employing the
new connection. Re-use scenarios are also tested, wherein the re-use of prefabricated
structures reduces the cumulative economic cost by over 10%, making this option more
advantageous than the traditional approach.
The use of artificial neural networks (ANNs) for the efficient design of structural elements
is an open research field where significant advancements have been made recently. In this
thesis, a procedure based on artificial neural networks has been developed to predict maximum
stresses and deformations in connection elements.
The architecture of the ANNs employs a multilayer perceptron combined with a
backpropagation algorithm, using the hyperbolic tangent as the activation function. For design
and learning phases, 22 numerical models were utilized, providing a total of over 2 million data
points. In the validation phase, 10 models were used, constituting a dataset of 1.2 million.
The results obtained demonstrate the viability of the procedure followed. When
comparing the stresses predicted by ANNs with those obtained in FEM analyses, the maximum
difference is 9.16%, while the average difference remains below 8.36% in all cases. These
maximum values occur when the stress in concrete is close to its maximum. If the concrete stress
is below Fck/1.5, the average error is below 5%. These results validate their use as a structural
design tool.
The main advantage of the proposed ANNs procedure is their ability to adapt easily and
effectively to different connection parameters or to be applied to different connections
following the same procedure used in this thesis. Furthermore, their use could be applied to
both the design of new precast concrete connections and those cast in situ.
The results of this research could contribute to the implementation of prefabricated
elements in residential buildings and the use of artificial neural networks for the design of
structural elements. | es |
dc.format | application/pdf | es |
dc.format.extent | 168 p. | es |
dc.language.iso | spa | es |
dc.language.iso | eng | es |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.title | Eficiencia e innovación en estructuras prefabricadas de hormigón: propuesta de nueva unión y dimensionamiento con redes neuronales artificiales | es |
dc.title.alternative | Efficiency and innovation in precast concrete structures: proposal of new connection and design by artificial neural networks | es |
dc.type | info:eu-repo/semantics/doctoralThesis | es |
dc.type.version | info:eu-repo/semantics/publishedVersion | es |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | es |
dc.contributor.affiliation | Universidad de Sevilla. Departamento de Estructuras de Edificación e Ingeniería del Terreno | es |