Idealizações de um programa baseado em redes neurais para dosagem de concreto

Detalhes bibliográficos
Autor(a) principal: Bolognini, Enio José [UNESP]
Data de Publicação: 2016
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UNESP
Texto Completo: http://hdl.handle.net/11449/144535
Resumo: A produção de concreto está cada vez mais exigente. Medidas de prevenção e correção são empregadas na dosagem do concreto, gerando lucros e economia no preparo. A fim de obter economia e praticidade na dosagem de concretos, neste estudo foi desenvolvido, após a coleta de dados experimentais, a criação de rede neural artificial feedforward, utilizando algoritmo genético de retropropagação (backpropagation). A rede neural artificial (RNA) é composta de quatro camadas, entre entradas, pesos, bias, função de ativação sigmóide e saída desejada. O modelo conta com funções sigmoides, a fim de calcular e otimizar o erro através das camadas anteriores, até a entrada. Este modelo, por ser mais preciso, conta com certo momento e taxa de aprendizagem. A proposta da rede neural artificial (RNA) em feedforward, com o algoritmo genético de retropropagação (backpropagation), foi implementada em forma estrutural, e com uma interface gráfica, na qual o usuário final possa escolher a resistência desejada, tipo de cimento, tipo e dimensão de agregados graúdos, dimensão de agregados miúdos, tipo de concreto e aditivo, se for o caso de concretos de alta resistência (CAR). Nesta pesquisa, a coleta de dados, para armazenar no programa, foi realizada por meio de ensaios de caracterização dos materiais e de dosagem e resistência do concreto. A linguagem de programação Java foi utilizada para programar o algoritmo genético e a interface usuário. Foram realizados os testes e manutenção da ferramenta computacional, seguindo regras importantes no desenvolvimento de softwares. O resultado final, deste desenvolvimento, foi um software capaz de calcular a dosagem do concreto para o usuário, quando este insere valores de resistência à compressão axial desejada e o material que será usado na confecção do concreto.
id UNSP_836955ccdbfcc0d51fab2969818d8c90
oai_identifier_str oai:repositorio.unesp.br:11449/144535
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str 2946
spelling Idealizações de um programa baseado em redes neurais para dosagem de concretoIdealizations of a program based on neural networks for concrete strengthConcretoDosagem de ConcretoResistênciaSoftwareConcreteConcrete dosageResistanceA produção de concreto está cada vez mais exigente. Medidas de prevenção e correção são empregadas na dosagem do concreto, gerando lucros e economia no preparo. A fim de obter economia e praticidade na dosagem de concretos, neste estudo foi desenvolvido, após a coleta de dados experimentais, a criação de rede neural artificial feedforward, utilizando algoritmo genético de retropropagação (backpropagation). A rede neural artificial (RNA) é composta de quatro camadas, entre entradas, pesos, bias, função de ativação sigmóide e saída desejada. O modelo conta com funções sigmoides, a fim de calcular e otimizar o erro através das camadas anteriores, até a entrada. Este modelo, por ser mais preciso, conta com certo momento e taxa de aprendizagem. A proposta da rede neural artificial (RNA) em feedforward, com o algoritmo genético de retropropagação (backpropagation), foi implementada em forma estrutural, e com uma interface gráfica, na qual o usuário final possa escolher a resistência desejada, tipo de cimento, tipo e dimensão de agregados graúdos, dimensão de agregados miúdos, tipo de concreto e aditivo, se for o caso de concretos de alta resistência (CAR). Nesta pesquisa, a coleta de dados, para armazenar no programa, foi realizada por meio de ensaios de caracterização dos materiais e de dosagem e resistência do concreto. A linguagem de programação Java foi utilizada para programar o algoritmo genético e a interface usuário. Foram realizados os testes e manutenção da ferramenta computacional, seguindo regras importantes no desenvolvimento de softwares. O resultado final, deste desenvolvimento, foi um software capaz de calcular a dosagem do concreto para o usuário, quando este insere valores de resistência à compressão axial desejada e o material que será usado na confecção do concreto.The concrete production is increasingly demanding. preventive and corrective measures are used in concrete dosage, generating profits and savings in preparation. In order to achieve economy and practicality in the dosage of concrete in this study was developed after the collection of experimental data, the creation of artificial neural network feedforward using genetic algorithm backpropagation. The artificial neural network (ANN) is composed of four layers, between inputs, weights, biases, sigmoid activation functions and output desired. The model has sigmoid functions in order to calculate and optimize the error by the preceding layers, until the entrance. This model, to be more precise, has the right time and learning rate. The proposed artificial neural network (ANN) in feedforward, with the genetic algorithm backpropagation, was implemented in structural form, and with a graphical interface, in which the end user can choose the desired strength, cement type, and size of coarse aggregates, fine aggregates dimension, type of concrete and additives, if any of high strength concrete (CAR). In this research, data collection, to store the program, was carried out by means of characterization tests of materials and dosage and strength of concrete. The Java programming language was used to program the genetic algorithm and the user interface. testing and maintaining software tool were conducted following important rules in the software development. The end result of this development was an able to calculate the dosage of specific software for the user, when it enters resistance values to the desired axial compression and the material that will be used in the manufacture of concrete.Universidade Estadual Paulista (Unesp)Albuquerque, Maria da Consolação Fonseca de [UNESP]Moretti, José Fernando [UNESP]Universidade Estadual Paulista (Unesp)Bolognini, Enio José [UNESP]2016-11-08T11:31:17Z2016-11-08T11:31:17Z2016-09-02info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/11449/14453500087534433004099084P50903916161676351porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2023-12-13T06:21:36Zoai:repositorio.unesp.br:11449/144535Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462023-12-13T06:21:36Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.none.fl_str_mv Idealizações de um programa baseado em redes neurais para dosagem de concreto
Idealizations of a program based on neural networks for concrete strength
title Idealizações de um programa baseado em redes neurais para dosagem de concreto
spellingShingle Idealizações de um programa baseado em redes neurais para dosagem de concreto
Bolognini, Enio José [UNESP]
Concreto
Dosagem de Concreto
Resistência
Software
Concrete
Concrete dosage
Resistance
title_short Idealizações de um programa baseado em redes neurais para dosagem de concreto
title_full Idealizações de um programa baseado em redes neurais para dosagem de concreto
title_fullStr Idealizações de um programa baseado em redes neurais para dosagem de concreto
title_full_unstemmed Idealizações de um programa baseado em redes neurais para dosagem de concreto
title_sort Idealizações de um programa baseado em redes neurais para dosagem de concreto
author Bolognini, Enio José [UNESP]
author_facet Bolognini, Enio José [UNESP]
author_role author
dc.contributor.none.fl_str_mv Albuquerque, Maria da Consolação Fonseca de [UNESP]
Moretti, José Fernando [UNESP]
Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Bolognini, Enio José [UNESP]
dc.subject.por.fl_str_mv Concreto
Dosagem de Concreto
Resistência
Software
Concrete
Concrete dosage
Resistance
topic Concreto
Dosagem de Concreto
Resistência
Software
Concrete
Concrete dosage
Resistance
description A produção de concreto está cada vez mais exigente. Medidas de prevenção e correção são empregadas na dosagem do concreto, gerando lucros e economia no preparo. A fim de obter economia e praticidade na dosagem de concretos, neste estudo foi desenvolvido, após a coleta de dados experimentais, a criação de rede neural artificial feedforward, utilizando algoritmo genético de retropropagação (backpropagation). A rede neural artificial (RNA) é composta de quatro camadas, entre entradas, pesos, bias, função de ativação sigmóide e saída desejada. O modelo conta com funções sigmoides, a fim de calcular e otimizar o erro através das camadas anteriores, até a entrada. Este modelo, por ser mais preciso, conta com certo momento e taxa de aprendizagem. A proposta da rede neural artificial (RNA) em feedforward, com o algoritmo genético de retropropagação (backpropagation), foi implementada em forma estrutural, e com uma interface gráfica, na qual o usuário final possa escolher a resistência desejada, tipo de cimento, tipo e dimensão de agregados graúdos, dimensão de agregados miúdos, tipo de concreto e aditivo, se for o caso de concretos de alta resistência (CAR). Nesta pesquisa, a coleta de dados, para armazenar no programa, foi realizada por meio de ensaios de caracterização dos materiais e de dosagem e resistência do concreto. A linguagem de programação Java foi utilizada para programar o algoritmo genético e a interface usuário. Foram realizados os testes e manutenção da ferramenta computacional, seguindo regras importantes no desenvolvimento de softwares. O resultado final, deste desenvolvimento, foi um software capaz de calcular a dosagem do concreto para o usuário, quando este insere valores de resistência à compressão axial desejada e o material que será usado na confecção do concreto.
publishDate 2016
dc.date.none.fl_str_mv 2016-11-08T11:31:17Z
2016-11-08T11:31:17Z
2016-09-02
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/11449/144535
000875344
33004099084P5
0903916161676351
url http://hdl.handle.net/11449/144535
identifier_str_mv 000875344
33004099084P5
0903916161676351
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv
_version_ 1803046932899168256