Projeto automático de vigas protendidas usando otimização e inteligência artificial.

Abstract

Este trabalho apresenta uma abordagem para o dimensionamento de vigas de concreto protendido, combinando otimização meta-heurística e modelos de predição baseados em redes neurais artificiais. Inicialmente, o Enhanced Jaya Algorithm (EJAYA) é utilizado para gerar soluções ótimas de projeto, considerando variáveis geométricas e mecânicas e respeitando as restrições normativas da NBR 6118:2023 e da AASHTO LRFD. O treinamento supervisionado, realizado por backpropagation e apoiado por otimização bayesiana de hiperparâmetros, resultou em um modelo capaz de reproduzir com boa precisão o comportamento do modelo de otimização, reduzindo de forma significativa o custo computacional associado ao processo iterativo de busca. Os resultados demonstram que a integração entre modelo físico, algoritmos de otimização e técnicas de aprendizado de máquina é eficaz para estimar soluções de projeto com rapidez e confiabilidade, oferecendo uma alternativa promissora para análises paramétricas, estudos preliminares e sistemas automatizados de dimensionamento.