Tesis (Magíster en Ingeniería Civil con énfasis en Estructuras)

Los concretos de ultra-alto desempeño reforzados con fibras (UHPFRC, por sus siglas en inglés) se han convertido en un material de construcción de gran interés por parte de la comunidad científica. La capacidad de los UHPFRC de presentar un comportamiento de endurecimiento por deformación al ser sometidos a esfuerzos de tracción ha generado que cada vez más este nuevo material sea incluido en la construcción y rehabilitación de estructuras. Sin embargo, su elevado costo y complejidad en su producción han limitado su uso en la industria colombiana. Por lo tanto, es necesario reducir el costo de producción del UHPFRC, tanto en materias primas como en desarrollo. En el presente proyecto se realizan algoritmos de aprendizaje automático de tipo Bosques Aleatorios para predecir los parámetros del comportamiento a tracción directa del UHPFRC: g, capacidad de absorción de energía (expresada en kJ/m3) y εpc, deformación bajo carga máxima post fisuración (expresado en %). El conocimiento de estos parámetros es fundamental para aplicaciones que requieran elevada ductilidad, como la rehabilitación y mejora sismo resistente de estructuras no dúctiles. Una vez desarrollados y validados estadística y experimentalmente los modelos predictivos, se utilizó un algoritmo de optimización multiobjetivo para determinar la mezcla y contenido de fibras que, utilizando una dosificación optimizada de la matriz cementante, alcanzase los requerimientos de ductilidad necesarios para el reforzamiento sísmico de estructuras (g ≥50 kJ/m3 y εpc≥0.3%) al menor costo. Los resultados de esta tesis de maestría arrojaron que una mezcla de UHPFRC con una mezcla híbrida de fibra de acero de alta resistencia al 0.32% y de fibra de acero de resistencia normal conformada en forma de gancho al 1.52% en volumen (contenido total de fibras del 1.90%) fue suficiente para alcanzar los criterios de ductilidad descritos. Como conclusión se tuvo que los algoritmos de Bosques Aleatorios resultaron ser una herramienta efectiva para la predicción del comportamiento del UHPFRC, permitiendo reducir costos y tiempos de investigación en el desarrollo de nuevas dosificaciones.