Artificial neural networks application to predict bond steel-concrete in pull-out tests

O estudo visa avaliar a possibilidade de se usar os resultados do ensaio de arrancamento “pull-out test” – ensaio de aderência aço-concreto para estimativa da resistência à compressão do concreto, este método vem sendo utilizado com sucesso pelo grupo de pesquisa APULOT, desde 2008 [1]. A pesquisa ora realizada evidencia a existência da correlação entre essas duas variáveis, aderência e resistência à compressão do concreto, o que permite determinar estimativas apropriadas da resistência à compressão do concreto, melhorando deste modo a capacidade do controle tecnológico “in situ” do concreto. Entretanto para se obter respostas adequadas dos ensaios de aderência aço-concreto é necessário controlar as configurações de ensaio, dado que existem diversos formatos de corpos de prova para estes tipos de ensaios na literatura. Deste modo, este trabalho tem por objetivo correlacionar os resultados obtidos em ensaios de aderência do tipo pull-out a suas variáveis por meio da utilização de Redes Neurais Artificiais (RNA). Com a utilização de uma RNA, pode-se correlacionar, de forma não linear, dados de entrada conhecidos (idade de ruptura, comprimento de ancoragem, cobrimento e resistência à compressão) com parâmetros de controle (tensão de aderência aço-concreto). Para gerar o modelo neural é necessário treinar a rede, expondo-a a uma série de dados com parâmetros de entrada e de saída conhecidos. Isto permite estimar os coeficientes de correlação entre os neurônios de cada camada. O presente trabalho apresenta a modelagem de uma RNA capaz de realizar uma aproximação não linear, visando estimar a resistência à compressão do concreto a partir dos resultados de ensaios de aderência aço-concreto.This study aims the possibility of using the pull-out test results – bond tests steel-concrete, that has been successfully carried out by the research group APULOT since 2008 [1]. This research demonstrates that the correlation between bond stress and concrete compressive strength allows estimate concrete compressive strength. However to obtain adequate answers testing of bond steel-concrete is necessary to control the settings test. This paper aims to correlate the results of bond tests of type pull-out with its variables by using Artificial Neural Networks (ANN). Though an ANN is possible to correlate the known input data (age rupture, anchorage length, covering and compressive strength of concrete) with control parameters (bond stress steel-concrete). To generate the model it is necessary to train the neural network using a database with known input and output parameters. This allows estimating the correlation between the neurons in each layer. This paper shows the modeling of an ANN capable of performing a nonlinear approach to estimate the concrete compressive strength using the results of steel-concrete bond tests