DIMENSIONAMENTO DE PILARES DE CONCRETO ARMADO DE SEÇÕES RETANGULAR E CIRCULAR MACIÇA SUBMETIDOS À FLEXÃO OBLÍQUA COMPOSTA UTILIZANDO REDES NEURAIS ARTIFICIAIS

Resumo

Nos últimos anos, importantes avanços no campo do desenvolvimento das ferramentas de inteligência artificial têm sido obtidos em praticamente todas as áreas do conhecimento científico. O caso particular dos sistemas inspirados em redes neurais biológicas tem se mostrado como uma promissora ferramenta que vem sendo utilizada com sucesso na solução de uma gama variada de problemas em praticamente todas as áreas do conhecimento técnico-científico. O presente trabalho utilizou a técnica das Redes Neurais Artificiais para o dimensionamento de pilares de concreto armado submetidos à Flexão Oblíqua Composta. Foram estudadas seções transversais retangulares e circulares maciças. De uma maneira geral, este problema não apresenta uma solução analítica e, sendo assim, a determinação das armaduras é frequentemente um processo marcadamente iterativo. O trabalho utilizou a técnica da Rede Neural Artificial para a obtenção de um mapeamento das variáveis de projeto em pilares de concreto. Foram utilizadas redes neurais diretas com algoritmo de treinamento baseado na retro propagação do erro com a consideração de mais de 400 dados para cada tipo de seção transversal estudada. Os resultados obtidos indicaram um excelente desempenho da técnica em situações usuais de projeto. Palavras-chave: pilares de concreto armado, redes neurais artificiais, projeto de pilares. ABSTRACT In recent years, important advances in the field of the development of artificial intelligence tools have been obtained in practically all the areas of the scientific knowledge. The systems inspired by biological neural networks have been seen as a promising tool that is being successfully used in the solution of several problems in almost all areas of the technical-scientific knowledge. The paper explores the use of Artificial Neural Networks for design reinforced concrete sections subjected to combined axial load and biaxial bending moments. In a general way, this problem does not have an analytical solution and the computation of reinforcement is often an iterative process. In this context, the paper used Artificial Neural Networks techniques to assess the mapping between variables in reinforced concrete columns design. Feed forwad networks with back propagation training algorithm were used with more than 400 data for each type of cross section studied. Obtained results indicated good performance in real design conditions. Keywords: reinforced concrete columns, artificial neural networks, columns design.