Idealizações de um programa baseado em redes neurais para dosagem de concreto
Autor(a) principal: | |
---|---|
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:UNESP2024-08-05T17:30:22Zoai:repositorio.unesp.br:11449/144535Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-05T17:30:22Repositório 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_ |
1808128173291864064 |