Modelo para previsão da retração autógena em concretos de ultra alto desempenho reforçados com fibra

Autor: Onghero, Lucas
Přispěvatelé: Universidade Federal de Santa Catarina, Repette, Wellington Longuini
Jazyk: portugalština
Rok vydání: 2022
Předmět:
Zdroj: Repositório Institucional da UFSC
Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
Popis: Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Civil, Florianópolis, 2022. Os valores obtidos em modelos de previsão de retração têm apresentado uma grande discrepância quando comparado com os dados obtidos em experimentos, não acompanhando o avanço da tecnologia de concreto. Dessa forma, este trabalho consiste no estudo de retração de concreto ultra alto desempenho reforçados com fibras (CUADRF), com o objetivo de avaliar as equações de previsão do fenômeno que atenda a classe de concreto de maneira eficiente, e comparando com os modelos existentes. Para o alcance do objetivo, fez-se a caracterização dos concretos por meio de estudo de dosagem, ensaios laboratoriais de retração autógena livre e caracterização mecânica (resistência à compressão, resistência à tração direta, resistência de tração na flexão e módulo de elasticidade dinâmico) e, através dos resultados alcançados, foi avaliada a precisão dos modelos existentes e proposto um novo equacionamento que consiga prever com melhor precisão o fenômeno. Para aumentar a abrangência dos parâmetros estudados, foram utilizadas três matrizes com resistências diferentes (90 MPa, 115 MPa, 140 MPa), obtendo uma matriz já atendida pelas normativas existentes e outras duas não pertencentes aos parâmetros dos modelos já conhecidos. Em cada matriz, foi testado a adição de microfibras de vidro e microfibras metálicas, em teores em volume de 0,5%; 1,0%; 1,5% e 1%; 2% e 3%, respectivamente. Os concretos foram caracterizados por ensaio de retração autógena performados logo após a mistura até os 7 primeiros dias de hidratação, período de maior ocorrência da retração autógena para essa classe de concreto. Os valores de retração obtidos não mostram diferença estatística entre as misturas contendo fibras e as referências, indicando que as fibras pouco influenciam na diminuição da deformação de retração do concreto após o ?tempo-zero?. Ao avaliar a retração desde o momento da moldagem, percebe-se que as misturas contendo fibra resultam em menores deformações, portanto mostrando que as fibras auxiliam no combate a deformação enquanto o concreto ainda se apresenta em estado plastico. Por fim, comprovou-se que as equações de previsão de retração não atendem as necessidades dos concretos estudados, sendo o erro de previsão maior de acordo com a diminuição da relação A/Agl. Apesar da modelagem estatística utilizada apresentar um bom coeficiente de correlação, as medidas ao comparar os seus resultados com os experimentais, há uma diferença significativa principalmente nos primeiros dias de hidratação. Dessa maneira, utilizou-se da técnica de redes neurais artificiais para conseguir realizar obter um modelo de previsão que melhor descreve os resultados obtidos nos testes. A rede treinada apresenta boa resposta, porém necessitando um aumento do banco de dados para melhoria do modelo, principalmente nos primeiros dias de hidratação. Abstract: The values obtained in shrinkage prediction models have shown a large discrepancy when compared to data obtained in experiments, not following the advance of concrete technology. Thus, this work consists of the study of the shrinkage of ultra-high-performance fiber-reinforced concrete (UHPFRC), to evaluate the phenomenon's prediction equations that efficiently meet the concrete class and compare it with existing models. To achieve the objective, the characterization of the concretes was conducted through a dosage study, laboratory tests of free autogenous shrinkage, and mechanical characterization (compressive strength, direct tensile strength, bending tensile strength, and dynamic modulus of elasticity) and, through the results achieved, the accuracy of the existing models was evaluated, and a new equation proposed that could better predict the phenomenon. To increase the scope of the studied parameters, three matrices with different strengths (90 MPa, 115 MPa, and 140 MPa) were used, obtaining a matrix already met by the existing regulations and two others not belonging to the parameters of the already known models. In each matrix, the addition of glass microfibers and metallic microfibers, in volume contents of 0.5%, was tested; 1.0%; 1.5% and 1%; 2%, and 3%, respectively. The concretes were characterized by an autogenous shrinkage test performed right after mixing until the first 7 days of hydration, the period of greatest occurrence of autogenous shrinkage for this class of concrete. The shrinkage values obtained show no difference between the mixtures containing and the references, indicating that the values were identified as few in the reduction of the concrete deformation at \"zero-time\". When evaluating the shrinkage from the moment of molding, it is noticed that the mixtures containing fiber result in smaller deformations, therefore showing that the fibers help to combat deformation while the concrete is still in a plastic state. Finally, it was proved that the shrinkage prediction equations do not meet the needs of the concretes studied, the prediction error being greater according to the decrease in the W/B ratio. Despite the statistical modeling used to present a good correlation coefficient, the measurements when comparing their results with the experimental ones, there is a significant difference mainly in the first days of hydration. In this way, the technique of artificial neural networks was used to obtain a prediction model that best describes the results obtained in the tests. The trained network presents a good response, but it needs a database to improve the model, especially in the first days of hydration.
Databáze: OpenAIRE
Externí odkaz: