FenixEdu™

Dissertação

{en_GB=Artificial Intelligence for the Analysis of Structures in Civil Engineering } {} EVALUATED

Detalhes: {pt=A análise e design de estruturas dependem de modelos numéricos que são muito caros computacionalmente nos casos não lineares gerais. Nos últimos anos machine learning tem sido usado para aproximar funções em vários domínios, portanto existe a possibilidade de usar machine learning para aproximar respostas de estruturas em novos designs de estruturas em engenharia civil. Nesta dissertação, exploramos abordagens baseadas em dados para calcular as respostas de novo designs de estruturas de vigas. Consideramos modelos de vigas lineares e não lineares, investigamos diferentes arquiteturas de redes neuronais, calculamos comportamentos e respostas de estruturas relevantes, e validamos em relação a simulações numéricas precisas. Os nossos resultados demonstram que redes neuronais conseguem aproximar o comportamento de estruturas de vigas realistas para prever momentos, tensões e cargas máximas, tudo isto 1000x mais rápido do que as simulações numéricas correspondentes. Este trabalho pode ser usado como uma ferramenta para ajudar um engenheiro a validar rapidamente diversas variáveis preliminares de design em novas estruturas antes de se comprometer a uma simulação numérica precisa e longa., en=The analysis and design of structures rely on numerical models that are computationally very expensive in the general nonlinear case. In recent years machine learning has been used to approximate functions in many domains, so there is a possibility to use it to approximate the structure responses of new designs of structures in civil engineering. In this work, we explore data driven approaches to calculate the responses of new designs of beam structures. We consider linear and nonlinear beam models, investigate different neural networks architectures, calculate relevant structure responses and behaviours, and validate it in relation to precise numerical simulations. Our results show that neural networks can approximate the behaviour of realistic beam structures to predict the bending moments, tensions, and maximum load, all this 1000x faster than the corresponding numerical simulation. This work can be used as a tool to quickly help an engineer to validate several variants of preliminary designs of new structures before committing to a long precise numerical simulation.}
Keywords: {pt=Machine Learnin, Respostas de estruturas, Engenharia Civil, Estruturas de vigas, Redes Neuronais, en=Machine Learning, Structure Responses, Civil Engineering, Beam Structures, Neural Networks}

Discussão: janeiro 28, 2021, 13:0