| Journal: | Cuaderno activa |
| Database: | PERIÓDICA |
| System number: | 000406698 |
| ISSN: | 2027-8101 |
| Authors: | González Salcedo, Luis Octavio1 Guerrero Zúñiga, Aydee Patricia2 Delvasto Arjona, Silvio2 Will, Adrián Luis Ernesto3 |
| Institutions: | 1Universidad Nacional de Colombia, Facultad de Ingeniería y Administración, Palmira, Valle del Cauca. Colombia 2Universidad del Valle, Facultad de Ingeniería, Cali, Valle del Cauca. Colombia 3Universidad Nacional de Tucumán, Facultad de Ciencias Exactas y Tecnología, San Miguel de Tucumán, Tucumán. Argentina |
| Year: | 2017 |
| Season: | Ene-Dic |
| Number: | 9 |
| Pages: | 95-107 |
| Country: | Colombia |
| Language: | Español |
| Document type: | Artículo |
| Approach: | Experimental, aplicado |
| Spanish abstract | El hormigón se elabora con cemento, agua, agregados, aditivos y adiciones minerales. Una de sus propiedades en estado fresco, es el asentamiento. Por su parte, en estado endurecido, sus propiedades mecánicas se alcanzan a una edad de 28 días, después del mezclado de las materias primas. Como material frágil, requiere de la incorporación de fibra para adquirir ductilidad. Tanto sin fibra como con fibras, se ha extendido el uso de redes neuronales artificiales (RNA) para predecir principalmente la resistencia a la compresión, lo cual hace interesante aplicarlo también para otras propiedades mecánicas, así como para el asentamiento. En el presente artículo se reporta la elaboración de RNA, entrenadas con los algoritmos de Levenberg-Maquardt y Gradiente Conjugado Escalonado, usando el software MATLAB, para predecir el asentamiento y las resistencias de diseño a la compresión, a la tensión, a la cortante, y a la flexión, así como la tenacidad flexural en hormigones reforzados con fibras de acero. Los resultados de correlación entre los valores obtenidos y reales, muestran que la herramienta computacional elaborada es confiable para su uso predictivo |
| English abstract | Concrete is made from cement, water, aggregates, additives and mineral additions. In its fresh state, one of its properties is the settlement. Meanwhile, when hardened, its mechanical properties are reached at an age of 28 days after the mixing of the raw materials, as a brittle material it requires fiber to be incorporated to acquire duc-tility. Both in concrete, without fiber and with fiber, the use of artificial neural networks (ANNs) to predict mainly compressive strength has been expanded, which, as well as for its settlement properties, it also makes its other properties interesting . In this paper, the development of ANN is reported in combination withtraining from Lev-enberg-Maquardt and Scaled Conjugated Gradient Algorithms, using MATLAB software to predict the settlement and design strengths of compression, tension, shear, and flexural strength, flexural toughness, and for steel fiber reinforced concrete. The results of correlation between actual and predicted values show that the computational tool developed is reliable for predictive use |
| Disciplines: | Ingeniería |
| Keyword: | Ingeniería civil, Materiales de construcción, Concreto reforzado, Fibras de acero, Resistencia a la compresión, Propiedades mecánicas, Inteligencia artificial |
| Keyword: | Engineering, Civil engineering, Construction materials, Reinforced concrete, Steel fiber, Compressive strength, Mechanical properties, Artificial intelligence |
| Full text: | Texto completo (Ver HTML) |
