Aplicaciones de redes neuronales artificiales para el diseño óptimo a flexión de vigas de hormigón armado.

Abstract

La aplicación de algoritmos de inteligencia artificial (IA) se ha masificado de manera exponencial en los últimos años, encontrando aplicación de estos modelos a un amplio espectro de problemas en diversas áreas de la ciencia, incluyendo la ingeniería estructural. Nos encontramos en una era de revolución tecnológica en donde las nuevas metodologías basadas en algoritmos de IA requieren de un manejo de nuevas herramientas teóricas y computacionales desarrolladas con la finalidad de agilizar los procesos de toma de decisión y optimizar recursos. En el ámbito de la IA, el uso de técnicas como los algoritmos de Redes Neuronales Artificiales (RNA) se convierte en un campo de exploración interesante. Este trabajo aborda la formulación de un algoritmo de IA basado en RNA para el diseño a flexión de vigas rectangulares rectas de hormigón armado. Este proceso utiliza datos de vigas determinados analíticamente, empleando un modelo optimización del costo de la viga y asegurando la conformidad con las normativas vigentes. Para el entrenamiento de las redes se proporciona un total de 1302 vigas considerando diferentes condiciones de apoyo, hormigón y longitud. Finalmente, los resultados demuestran que este algoritmo posee una satisfactoria capacidad para aprender a diseñar vigas a flexión a partir de los datos proporcionados, logrando generalizar este proceso de diseño y obteniendo errores de predicción del orden de 10-4 para RNA con arquitecturas de no más de siete neuronas en la capa oculta. Además, se ha implementado una interfaz gráfica de usuario que facilita el uso de estas redes neuronales artificiales, posibilitando el diseño a flexión de vigas rectas de hormigón armados sin la necesidad de poseer conocimientos en programación o estructuras.

The application of artificial intelligence (AI) algorithms has experienced exponential growth in recent years, finding application of these models across a broad spectrum of problems in various areas of science and engineering. We are in an era of technological revolution where new methodologies based on AI algorithms require the handling of new theoretical and computational tools developed to streamline decision-making processes and optimize resources. In the field of AI, the use of techniques such as Artificial Neural Network (ANN) algorithms becomes an interesting area of exploration. This work addresses the formulation of an AI algorithm based on Artificial Neural Networks (ANNs) applied to flexural design of straight rectangular reinforced concrete beams. The process involves using analytically determined beam data, employing a cost optimization model for the beam, and ensuring compliance with current regulations. A total of 1302 beams, considering different restraint conditions, concrete strength, and lengths, are provided for training the networks. Ultimately, the results demonstrate that this algorithm possesses satisfactory capability to learn how to design beams subjected to flexure from the provided data. It successfully generalizes the flexural design process even for diverse initial conditions not considered during the training phase, achieving prediction errors on the order of 10-4 for architectures with no more than seven neurons in the hidden layer. Furthermore, a user-friendly graphical interface has been implemented to facilitate the use of these artificial neural networks, enabling the flexural design of straight reinforced concrete beams without the need for programming or structural knowledge.