logo
Logo de la UDC Logo de CIF Centros de investigación de la UDC: CITIC / CITEEC / CICA

Nuevo Centro de Investigación en Tecnologías Navales e industriales (CITENI) de la Universidad da Coruña (UDC) está ubicado en el Campus Industrial de Esteiro, Ferrol.

VISÍTANOS Campus de Esteiro s/n 15403 Ferrol, a Coruña. 981 33 74 00 citeni@udc.es
El investigador José Manuel Reinosa delante del Edificio de Talleres del Campus Industrial de Ferrol.
CITENI UDC 11 de Outubro de 2023

Redes neuronais artificiais: unha metodoloxía alternativa para o complexo cálculo estrutural

Redes neuronais artificiais: unha metodoloxía alternativa para o complexo cálculo estrutural

A editorial académica Elsevier destaca en Structures un artigo do investigador do Laboratorio de Análise Estrutural do CITENI José Manuel Reinosa. O grupo de investigación a que pertence o profesor do Campus Industrial da UDC aposta polo uso de redes neuronais artificiais para predicir o comportamento das unións semirríxidas en estruturas de aceiro

O cálculo de estruturas constitúe unha parte fundamental do deseño de calquera proxecto de edificación. Mediante a análise estrutural é posible determinar os efectos das cargas, a distribución das forzas, as deformacións ou os desprazamentos que afectarán a unha estrutura.

Esta fase previa á construción é clave para predicir o comportamento de calquera configuración estrutural. As unións son compoñentes fundamentais, responsables, en gran medida, da funcionalidade estrutural. Tradicionalmente, o seu cálculo levábase a cabo de xeito simple: mediante a suposición de comportamentos extremos, de conexións totalmente ríxidas ou totalmente articuladas; pero o funcionamento real das unións aseméllase máis a un comportamento híbrido, é dicir, relativo ás unións semirríxidas.

O Laboratorio de Análise Estrutural do CITENI desenvolve unha liña de investigación que estuda o comportamento das unións semirríxidas en estruturas de aceiro.

O deseño estrutural resulta un proceso complexo, polas directrices da norma europea para o deseño de estruturas de aceiro (Eurocódigo 3); e tamén custoso, porque a simulación computacional con modelos numéricos avanzados require equipos moi potentes capaces de procesar grandes volumes de datos.

O uso de redes neuronais artificiais nun ámbito xeométrico controlado pode facilitar moito este deseño, grazas á incorporación de modelos matemáticos capaces de predicir comportamentos con base na información previamente almacenada e no adestramento recibido.

Esta alternativa metodológica es la que el investigador José Manuel Reinosa hace en su artículo de investigación «Artificial neural network prediction of the initial stiffness of semi-rigid beam-to-column connections», publicado recientemente en la revista científica Structures de la editorial académica Elsevier.

Parámetros geométricos considerados en el estudio
Parámetros xeométricos considerados no estudio.

A rede desenvolvida nútrese de información fiable. Neste caso incorpórase a base de datos SCDB (Steel Connection Data Bank) dos investigadores Kishi e Chen. Este banco de datos, recoñecido a nivel mundial, evita a realización de custosas campañas experimentais, ao incluír múltiples datos de rixidez de conexións angulares de aceiro: proporciona parámetros e características momento-rotación de conexións angulares (viga-columna) semirríxidas (remachadas, aparafusadas e soldadas).

As conexións angulares adoitan mostrar un comportamento non lineal durante as primeiras etapas do proceso de carga e unha selección equivocada dos primeiros puntos da curva momento-rotación pode dar lugar a valores erróneos de rixidez inicial. Por iso, a rede tamén incorpora datos experimentais con imperfeccións reais, o que evita predicións inexactas por sobreaxuste.

Finalmente, o estudo revela que a aplicación desta metodoloxía, baseada en redes neuronais artificiais (Artificial Neural Network), representa unha dobre vantaxe fronte a outros métodos de cálculo numérico tradicional: predí a rixidez inicial das unións semirríxidas de viga a columna de xeito realista e moito máis rápido, o que resulta eficaz para fins de investigación ou a toma de decisións en traballos experimentais, xa que evita os custosos e complexos modelos numéricos.