Please use this identifier to cite or link to this item: http://repositorio.ufc.br/handle/riufc/74617
Type: Dissertação
Title: Análise do comportamento plástico de solos para otimização dos ensaios de deformação permanente em pavimentos
Authors: Araújo, Matheus Jesus Ribeiro
Advisor: Barroso, Suelly Helena de Araújo
Keywords in Brazilian Portuguese : Pavimentos asfálticos;Método de dimensionamento nacional;Redes Neurais Artificias;Random forest;Deformação permanente;Materiais granulares;Uso do solo
Keywords in English : pavements;prediction models;Artificial Neural Networks;Random Forest;Permanent Deformation;granular materials
Knowledge Areas - CNPq: CNPQ::ENGENHARIAS::ENGENHARIA DE TRANSPORTES
Issue Date: 2023
Citation: ARAÚJO, M. J. R. Análise do comportamento plástico de solos para otimização dos ensaios de deformação permanente em pavimentos. 2023. 135f. Dissertação (Mestrado em Engenharia de Transporte) - Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2023.
Abstract in Brazilian Portuguese: s novas diretrizes do Método de Dimensionamento Nacional (MeDiNa) propõem a utilização da Deformação Permanente (DP) na análise do comportamento plástico de solos do subleito e das camadas estruturais de pavimentos asfálticos. Entretanto, fatores como o tempo do procedimento de laboratório e os custos relacionados ao equipamento triaxial podem dificultar e onerar essa prática. Nesse sentido, esta pesquisa sugere a análise dos parâmetros do ensaio de DP para o desenvolvimento de modelos de previsão otimizados de materiais geotécnicos aplicados em pavimentos. Para tanto, foram analisadas 7 amostras representativas de solos do estado do Ceará. Após a caracterização da DP dos solos por 9 pares de tensão e 150.000 ciclos de aplicação de carga, foram desenvolvidas 3 principais abordagens. Na primeira abordagem, foi realizado o ajuste de modelos de previsão, baseados em propriedades geotécnicas e índices físicos, utilizando algoritmos de Random Forest e Redes Neurais Artificiais. Ambos os modelos chegaram a um desempenho satisfatório, com coeficientes de correlação (R2) superiores a 0,99, sendo ainda comparadas estratégias de identificação das variáveis mais relevantes. Na segunda abordagem, foram implementadas redes neurais na previsão do comportamento plástico de solos em cada ensaio de estágio único. Após a definição de uma arquitetura ótima, foi possível selecionar uma metodologia para facilitar a caraterização dos solos com um número reduzido de ciclos de aplicação de cargas. Assim, foram retirados os 1.000 ciclos iniciais do ensaio de DP no treinamento dos modelos, verificando-se que os afundamentos de trilha de roda obtidos no software MeDiNa com a redução para 30.000 ciclos de carga foram similares aqueles com 150.000 ciclos recomendados pela norma. Na terceira abordagem, foi analisada a redução de ciclos em ensaios que apresentaram shakedown plástico. O método indicado não gerou erros significativos nos afundamentos obtidos após cerca de 30.000 ciclos, enquanto o desenvolvimento de uma árvore de decisão permitiu a identificação de ensaios na faixa A de acomodamento dentro dos primeiros 10.000 ciclos. Desse modo, espera-se que os resultados deste trabalho permitam a análise preliminar de materiais para uso em obras de pavimentação à luz da mecânica dos pavimentos, assim como favoreçam a redução do período de ensaio de deformação permanente, promovendo economia de tempo e recursos na construção de rodovias.
Abstract: The new guidelines of the National Design Method (MeDiNa) propose the use of Permanent Deformation (PD) in the analysis of the plastic behavior of subgrade soils and structural layers of flexible pavements. However, factors such as laboratory procedure time and the cost of triaxial equipment might jeopardize this method. In this sense, this research suggests the analysis of PD test parameters for the development of optimized prediction models for geotechnical materials applied to pavement. For this purpose, 7 representative soil samples from the state of Ceará were assessed. After characterizing the PD of the soils using 9 stress pairs and 150,000 load application cycles, 3 main approaches were developed. In the first approach, predictive models based on geotechnical properties and physical indices were adjusted using Random Forest algorithms and Artificial Neural Networks. Both models performed satisfactorily, with correlation coefficients (R²) greater than 0.99. In the second approach, neural networks were implemented to predict the plastic behavior of soils in each single-stage test. After defining an optimal architecture, it was possible to identify a methodology to facilitate soil characterization with a reduced number of load application cycles. Thus, the initial 1,000 cycles of the PD test were removed when training the models, verifying that the rutting obtained from the MeDiNa software by reducing to 30,000 load cycles were similar to those with 150,000 cycles recommended by the regulations. The third approach analyzed the reduction of cycles in tests that showed plastic shakedown. The recommended method did not generate significant errors in the rutting obtained after around 30,000 cycles, while the development of a decision tree enabled the classification of tests in the A range of accommodation within the first 10,000 cycles. It is therefore hoped that the results of this work will permit the preliminary analysis of materials for use in paving works in the light of pavement mechanics, as well as helping to reduce the Permanent Deformation test period, thereby saving time and resources in road construction.
Description in Brazilian Portuguese: Araújo, M. J. R. Análise do comportamento plástico de solos para otimização dos ensaios de deformação permanente em pavimentos. 2023. 135 f. Dissertação (Mestrado em Engenharia de Transportes) - Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2023.
URI: http://repositorio.ufc.br/handle/riufc/74617
Author's Lattes: http://lattes.cnpq.br/5420780541386409
Advisor's Lattes: http://lattes.cnpq.br/5132757639915375
Access Rights: Acesso Aberto
Appears in Collections:DET - Dissertações defendidas na UFC

Files in This Item:
File Description SizeFormat 
2023_dis_mjraraujo.pdf3,96 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.