Resumo
Ensaios não destrutivos (END) que avaliam a constituição ou degradação de estruturas são de grande interesse na Engenharia Civil. Entre as técnicas de END, destaca-se o teste de Velocidade de Pulso Ultrassônico (UPV); no entanto, embora seu uso seja difundido, ainda não existem aplicações que empreguem esse método para determinar a constituição do concreto in situ. Portanto, este artigo aborda a identificação do teor de agregados graúdos em amostras de concreto por meio de uma Rede Neural Artificial (RNA) treinada com um banco de dados de ensaios numéricos que simularam UPV. Neste artigo, o teor de agregados graúdos será descrito como uma porcentagem da área total de um modelo bidimensional de concreto. Três arquiteturas de redes neurais artificiais foram avaliadas. As duas primeiras, treinadas com 13 ou 22 trajetórias, resolveram um problema de classificação para cinco teores de agregados, e a terceira, treinada com 22 trajetórias, resolveu um problema de regressão. Seu desempenho foi comparado com o de outras soluções de regressão, a saber, Regressor XGB, Random Forest e Mínimos Quadrados Ordinários, e mostrou-se superior, com desvios médios de -2,55% a +2,17%. Assim, este artigo demonstrou que o uso da RNA em combinação com o teste UPV tem o potencial de identificar o teor de agregados graúdos em concretos. Os resultados positivos sugerem que essa abordagem é promissora e ressaltam a necessidade de validação experimental adicional em pesquisas futuras.
Palavras-chave:
teste não destrutivo; velocidade de pulso ultrassônico; concreto; aprendizagem de máquina