Etiqueta: metamodel

Técnica innovadora optimiza estructuras de hormigón y reduce emisiones de CO₂ al considerar la interacción suelo-estructura

El artículo científico, titulado «Metamodel-assisted meta-heuristic design optimization of reinforced concrete frame structures considering soil-structure interaction» y publicado recientemente en Engineering Structures, una de las revistas de mayor impacto en ingeniería civil, aborda un desafío clave en la ingeniería estructural: cómo optimizar el diseño de estructuras de hormigón armado para minimizar su impacto ambiental, con especial atención a la reducción de las emisiones de CO₂.

Esta investigación es el resultado de una colaboración internacional realizada en el marco de los proyectos HYDELIFE y RESILIFE, cuyo investigador principal es Víctor Yepes, y es fruto de una colaboración internacional entre investigadores de Cuba, Brasil y España.

Contexto de la investigación

La optimización estructural ha sido ampliamente explorada en las últimas décadas debido a la creciente necesidad de reducir los costes de construcción y el uso de materiales, todo ello mientras se minimiza el impacto ambiental. En el caso de las estructuras de hormigón armado, que son esenciales en la construcción de edificios y obras de infraestructura, optimizar su diseño conlleva implicaciones significativas en cuanto al ahorro de recursos y la reducción de las emisiones de CO₂.

Los problemas de optimización estructural pueden resolverse mediante métodos exactos, como la programación matemática, o mediante métodos heurísticos que imitan procesos naturales (como la evolución genética o el comportamiento de enjambres). Aunque los métodos heurísticos son más eficientes para problemas complejos y no lineales, como los que involucran grandes estructuras tridimensionales, requieren un alto coste computacional. Para abordar este problema, los autores proponen el uso de metamodelos, que son modelos simplificados que permiten realizar simulaciones con un consumo computacional mucho menor sin sacrificar demasiada precisión. En este estudio, se utiliza un metamodelo basado en Kriging, una técnica que permite aproximar el comportamiento de estructuras complejas.

Además, el estudio introduce una novedad crucial: la inclusión de la interacción suelo-estructura (SSI, por sus siglas en inglés) durante el modelado. Esta interacción, que muchas veces se ignora en los modelos tradicionales, afecta significativamente al comportamiento de la superestructura (el marco de hormigón). Ignorarla puede dar lugar a diseños menos precisos que no tienen en cuenta los asentamientos diferenciales del suelo, lo que puede provocar tensiones adicionales y un mayor deterioro de las estructuras con el tiempo.

Metodología

La investigación emplea un enfoque combinado de optimización heurística convencional y una estrategia basada en Kriging para optimizar marcos espaciales de hormigón armado. El objetivo es reducir las emisiones de CO₂ de las estructuras optimizadas, en línea con los esfuerzos para disminuir el impacto ambiental del sector de la construcción. El estudio incluye tres estudios de caso, cada uno con diferentes configuraciones estructurales (variando la longitud de los vanos y el número de niveles de las estructuras) para generalizar los resultados.

El elemento clave en esta investigación es la inclusión de la interacción suelo-estructura, que afecta al comportamiento global del sistema. Los autores utilizan un modelo de Winkler, que representa el suelo como un conjunto de resortes con rigidez variable en función de las características del suelo, y lo implementan en dos tipos de suelos: uno cohesivo y otro granular. Esta diferenciación es importante porque cada tipo de suelo responde de manera distinta a las cargas, lo que provoca asentamientos que, en última instancia, influyen en las tensiones de la superestructura. La plataforma CSi-SAP2000 se utilizó como motor de cálculo, mientras que el análisis geotécnico y estructural se integró mediante MATLAB.

Resultados

Uno de los hallazgos más destacados del estudio es que la inclusión de la interacción suelo-estructura modifica significativamente los diseños estructurales. En general, las estructuras diseñadas teniendo en cuenta la interacción suelo-estructura requieren más material (mayores cantidades de hormigón y acero), lo que refleja el aumento de tensiones debido a los asentamientos diferenciales. Por ejemplo, en comparación con un modelo con soportes rígidos ideales, las estructuras que consideran la inclusión de la interacción suelo-estructura muestran un aumento del 12,03 % en las emisiones de CO₂ en suelos cohesivos y hasta un 18,81 % en suelos friccionales.

Los elementos estructurales más afectados por la interacción suelo-estructura son las columnas. Esto se debe a que los asentamientos diferenciales incrementan los momentos flectores en las columnas, lo que requiere un refuerzo adicional y secciones más grandes para resistir las nuevas tensiones. En algunos casos, las emisiones de CO₂ asociadas a las columnas aumentaron más del 60 % al considerar la interacción con el suelo. Los resultados son especialmente marcados en suelos granulares, donde los asentamientos diferenciales son más pronunciados.

Además, la metodología basada en metamodelos, asistida por la técnica de Kriging, demostró ser eficaz para lograr optimizaciones con un alto grado de precisión (hasta un 98,24 % en suelos cohesivos y un 98,10 % en suelos granulares), todo ello reduciendo el tiempo de cálculo en aproximadamente un 90 % en comparación con los métodos heurísticos convencionales.

Implicaciones

Este estudio tiene importantes implicaciones prácticas para el diseño de estructuras de hormigón armado. La inclusión de la interacción suelo-estructura permite obtener diseños más robustos y precisos, lo que reduce el riesgo de fallos prematuros y la necesidad de costosos trabajos de mantenimiento a largo plazo. Los modelos que no tienen en cuenta la interacción suelo-estructura pueden dar como resultado estructuras que inicialmente parecen eficientes, pero que con el tiempo se deterioran más rápidamente debido a las tensiones adicionales no previstas. Por tanto, incluir esta interacción desde el inicio del diseño mejora significativamente la durabilidad y la fiabilidad de las estructuras.

Desde el punto de vista ambiental, el uso de metamodelos para optimizar estructuras de hormigón supone un importante avance. Al reducir el material necesario y mejorar la eficiencia estructural, se contribuye a la reducción de las emisiones de CO₂, un objetivo clave en la lucha contra el cambio climático. Además, la metodología propuesta ofrece un enfoque más sostenible al disminuir los recursos computacionales necesarios para realizar simulaciones complejas.

En conclusión, la inclusión de la interacción suelo-estructura y el uso de metamodelos basados en Kriging suponen una contribución innovadora al campo de la ingeniería estructural. Esta investigación no solo proporciona mejores resultados de diseño, sino que también tiene el potencial de reducir el impacto ambiental de las estructuras de hormigón armado, lo que hace que el sector de la construcción sea más sostenible y eficiente.

Referencia:

NEGRÍN, I.; KRIPKA, M.; YEPES, V. (2023). Metamodel-assisted meta-heuristic design optimization of reinforced concrete frame structures considering soil-structure interaction. Engineering Structures, 293:116657. DOI:10.1016/j.engstruct.2023.116657

 

Redes neuronales y metamodelos Kriging para la optimización de la energía en puentes losa pretensados

Acaban de publicarnos un artículo en la revista Sustainability, revista indexada en el JCR. El artículo evalúa la eficacia de las redes neuronales artificiales y los modelos sustitutos de Kriging para optimizar la energía incorporada de los puentes de losas pretensadas, y proporciona recomendaciones prácticas para mejorar el diseño y la sostenibilidad.

El trabajo se enmarca dentro del proyecto de investigación RESILIFE que dirijo como investigador principal en la Universitat Politècnica de València.

A continuación se recoge un resumen sintético del trabajo.

 

 

Introducción

  • La industria de la construcción contribuye significativamente al consumo mundial de energía y a las emisiones de gases de efecto invernadero, lo que suscita un interés creciente en mejorar las prácticas de sostenibilidad.
  • El hormigón pretensado destaca por sus ventajas, que incluyen la durabilidad, la reducción del mantenimiento y la rapidez de construcción, a pesar de los costes iniciales más altos en comparación con los métodos tradicionales.
  • Las investigaciones indican que existe una brecha en la optimización de la energía incorporada en los puentes de losas de hormigón, lo que exige una mayor exploración y metodologías innovadoras, como el Kriging y las redes neuronales artificiales, para optimizar su diseño de manera efectiva.

Descripción de la cubierta del puente de losa aligerada

  • Los diseñadores suelen utilizar una relación canto/luz de 1/25 para las losas de carreteras con el fin de garantizar su integridad estructural. Los diseños de losas aligeradas ofrecen ventajas en cuanto a rigidez a la flexión y adaptabilidad.
  • El estudio se centra en una configuración de losas aligeradas pretensadas adecuada para los pasos superiores, con el objetivo de mejorar la eficiencia del diseño y el rendimiento estructural.
  • La teoría del estado límite se emplea para verificar la resistencia estructural mediante el uso de software avanzado para el modelado tridimensional y el análisis de cargas.
Figura 2. Imagen aérea de la estructura, situada en Cocentaina (Alicante). Imagen: Google Maps.

Metodología

  • El estudio analiza varios materiales, incluidos tipos específicos de acero y calidades de hormigón, para optimizar el diseño del puente de losa aligerada.
  • Se utilizan dos metamodelos predictivos, Kriging y las redes neuronales, con el fin de optimizar el diseño propuesto del puente de losas.
  • La metodología incluye una fase de diversificación para la optimización inicial y una fase de intensificación para refinar los resultados, midiendo los errores de predicción mediante el error cuadrático medio (RMSE).

Metamodelo Kriging

  • Kriging se emplea para estimar las necesidades de energía del puente de losas, utilizando un enfoque determinista que proporciona respuestas consistentes basadas en los datos de entrada.
  • La «caja de herramientas Kriging de MATLAB» se utiliza para crear un modelo sustituto, y el LHS (LHS) mejora el proceso de muestreo para representar mejor el espacio de diseño.
  • Este método permite realizar pruebas computacionales eficientes y, al mismo tiempo, minimizar los errores sistemáticos, lo que lo hace adecuado para tareas complejas de optimización estructural.

Red neuronal artificial

  • Las ANN están estructuradas con capas de neuronas, donde las capas ocultas utilizan funciones sigmoideas para procesar las entradas y la capa de salida emplea funciones lineales para las predicciones.
  • El modelo de perceptrón multicapa (MLP) destaca por su capacidad para aproximar funciones de manera eficaz, basándose en el algoritmo de retropropagación para el entrenamiento.
  • El estudio hace hincapié en la importancia de la validación cruzada para evitar el sobreaprendizaje y garantizar que el rendimiento de la red neuronal sea sólido en los diferentes conjuntos de datos.

Visualización de los datos observados

  • La gráfica de contorno de los datos observados revela múltiples valores óptimos locales, lo que indica la complejidad del problema de optimización y las limitaciones de los modelos de regresión tradicionales.
  • Esta complejidad requiere el uso de modelos predictivos avanzados para identificar con precisión las soluciones óptimas dentro del espacio de diseño.

Comparación de modelos predictivos

  • Los modelos de Kriging son deterministas, mientras que las redes neuronales introducen variabilidad debido a que se basan en la selección aleatoria de datos para su entrenamiento y validación.
  • El rendimiento de la red neuronal se estabiliza mediante múltiples ejecuciones, lo que permite una comparación más fiable de los valores medios con las predicciones de Kriging.

Análisis de errores

  • El promedio de las predicciones de la red neuronal coincide estrechamente con los resultados del modelo de Kriging, aunque la red neuronal presenta un error cuadrático medio (MSE) y un error cuadrático medio (RMSE) más bajos.
  • El análisis destaca la necesidad de una evaluación exhaustiva de la capacidad de la red neuronal para identificar los valores óptimos, comparando las predicciones entre todos los puntos de datos.

Recomendaciones prácticas

  • El estudio proporciona recomendaciones prácticas para reducir las emisiones en los puentes de losas pretensadas, incluidas directrices específicas sobre el contenido de hormigón y refuerzo.
  • Los hallazgos sugieren que tanto las redes neuronales como las de Kriging pueden identificar eficazmente los valores óptimos locales, lo que ayuda a los ingenieros estructurales a optimizar los diseños para obtener beneficios económicos y ambientales.
  • Haciendo hincapié en la importancia de los modelos sustitutivos, la investigación aboga por su uso para perfeccionar los procesos de diseño y mejorar los resultados en materia de sostenibilidad.

Conclusiones

  • Se subraya la complejidad de la superficie de respuesta al consumo de energía, ya que tanto Kriging como las redes neuronales predicen valores superiores a los observados.
  • El modelo de Kriging muestra un error relativo menor en las predicciones óptimas locales en comparación con la red neuronal, que, sin embargo, muestra un rendimiento de RMSE superior.
  • El estudio concluye que, si bien Kriging proporciona resultados deterministas, las redes neuronales requieren múltiples iteraciones para estabilizar los resultados, lo que aporta información valiosa para optimizar los diseños estructurales.

ABSTRACT:

The main objective of this study is to assess and contrast the efficacy of distinct spatial prediction methods in a simulation aimed at optimizing the embodied energy during the construction of prestressed slab bridge decks. A literature review and cross-sectional analysis have identified crucial design parameters that directly affect the design and construction of bridge decks. This analysis determines the critical design variables to improve the deck’s energy efficiency, providing practical guidance for engineers and professionals in the field. The methods analyzed in this study are ordinary Kriging and a multilayer Perceptron neural network. The methodology involves analyzing the predictive performance of both models through error analysis and assessing their ability to identify local optima on the response surface. Results show that both models generally overestimate observed values. The Kriging model with second-order polynomials yields a 4% relative error at the local optimum, while the neural network achieves lower root-mean-square errors (RMSE). Neither the Kriging model nor the neural network provide precise predictions, but point to promising solution regions. Optimizing the response surface to find a local minimum is crucial. High slenderness ratios (around 1/28) and 40 MPa concrete grade are recommended to improve energy efficiency.

KEYWORDS:

bridges; embodied energy; optimization; prestressed concrete; artificial neural network; surrogate model; Kriging; sustainability

REFERENCE:

YEPES-BELLVER, L.; BRUN-IZQUIERDO, A.; ALCALÁ, J.; YEPES, V. (2024). Artificial neural network and Kriging surrogate model for embodied energy optimization of prestressed slab bridges. Sustainability, 16(19), 8450; DOI:10.3390/su16198450

Descargar (PDF, 4.78MB)

Optimización energética de tableros tipo losa pretensados aligerados mediante modelos Kriging

Durante los días 10-13 de julio de 2023 tuvo lugar en Donostia-San Sebastián (Spain) el 27th International Congress on Project Management and Engineering AEIPRO 2023. Fue una buena oportunidad para debatir y conocer propuestas sobre dirección e ingeniería de proyectos. Nuestro grupo de investigación, dentro del proyecto de investigación HYDELIFE, presentó varias comunicaciones. A continuación os paso el resumen de una de ellas.

El objetivo de este trabajo es desarrollar una metodología para optimizar la energía en la construcción de tableros losa pretensado aligerados. Se lleva a cabo un análisis de la sección transversal para determinar los parámetros de diseño a través de un estudio del estado del arte. A partir de ese análisis, se identifican las variables de diseño que mejorarán la eficiencia energética del tablero. La metodología se divide en dos fases: primero, se utiliza una técnica estadística llamada hipercubo latino para muestrear las variables del tablero y determinar una superficie de respuesta; y en segundo lugar, se optimiza la superficie de respuesta mediante un modelo de optimización basado en Kriging. Como resultado, se ha desarrollado una metodología que reduce el costo energético en la construcción de tableros losa pretensado aligerados. Las recomendaciones para mejorar la eficiencia energética incluyen emplear esbelteces elevadas (alrededor de 1/28), reducir el consumo de hormigón y armadura activa, y aumentar la cantidad de armadura pasiva.

El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València.

Palabras clave:

Optimización; energía; puentes; Kriging; metamodelos; sostenibilidad

Agradecimientos:

This research was funded by MCIN/AEI/10.13039/501100011033, grant number PID2020-117056RB-I00 and The APC was funded by ERDF A way of making Europe.

Referencia:

BRUN-IZQUIERDO, A.; YEPES-BELLVER, L.; ALCALÁ, J.; YEPES, V. (2023). Optimización energética de tableros tipo losa pretensados aligerados mediante modelos Kriging. 27th International Congress on Project Management and Engineering, AEIPRO, 10-13 de julio, Donostia/San Sebastián (Spain), pp. 426-437. DOI:10.61547/3374

A continuación os dejo un vídeo donde presentamos el trabajo. Espero que os sea de interés.

Os dejo la comunicación completa, pues está publicada en abierto.

Descargar (PDF, 1.88MB)

Optimización de estructuras de hormigón armado asistida por metamodelos considerando la interacción suelo-estructura

Acaban de publicarnos un artículo en Engineering Structures, revista indexada en el primer cuartil del JCR. El artículo propone una estrategia de optimización metaheurística asistida por metamodelos para minimizar las emisiones de CO₂ de las estructuras de armazón de hormigón armado, teniendo en cuenta la interacción suelo-estructura. El enfoque permite abordar problemas de optimización estructural de alta complejidad y, al mismo tiempo, lograr un ahorro computacional de alrededor del 90%. El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València.

Las contribuciones de este trabajo son las siguientes:

  • El artículo propone una estrategia de optimización metaheurística asistida por metamodelos para minimizar las emisiones de CO₂ de las estructuras de armazón de hormigón armado, teniendo en cuenta la interacción suelo-estructura.
  • El enfoque sugerido permite abordar problemas de optimización estructural de alta complejidad y, al mismo tiempo, lograr un ahorro computacional de alrededor del 90%.
  • El estudio muestra que incluir la interacción suelo-estructura conduce a resultados de diseño diferentes a los obtenidos con los soportes clásicos, y que los cimientos también resultan importantes dentro del ensamblaje estructural.
  • El enfoque metaheurístico permite obtener resultados (de media) con una precisión de hasta el 98,24% en los suelos cohesivos y del 98,10% en los suelos friccionales, en comparación con los resultados de la optimización heurística.

Abstract:

It is well known that conventional heuristic optimization is the most common approach to deal with structural optimization problems. However, metamodel-assisted optimization has become a valuable strategy for decreasing computational consumption. This paper applies conventional heuristic and Kriging-based meta-heuristic optimization to minimize the CO2 emissions of spatial reinforced concrete frame structures, considering an aspect usually ignored during modeling, such as the soil-structure interaction (SSI). Due to the particularities of the formulated problem, there are better strategies than simple Kriging-based optimization to solve it. Thus, a meta-heuristic strategy is proposed using a Kriging-based two-phase methodology and a local search algorithm. Three different models of structures are used in the study. Results show that including the SSI leads to different design results than those obtained using classical supports. The foundations, usually ignored in this type of research, also prove significant within the structural assembly. Additionally, using an appropriate coefficient of penalization, the meta-heuristic approach can find (on average) results up to 98.24% accuracy for cohesive soils and 98.10% for frictional ones compared with the results of the heuristic optimization, achieving computational savings of about 90%. Therefore, considering aspects such as the SSI, the proposed metamodeling strategy allows for dealing with high-complexity structural optimization problems.

Keywords:

Structural optimization; Reinforced concrete; Frame structures; CO₂ emissions; Metamodel; Kriging; Soil-structure interaction

Reference:

NEGRÍN, I.; KRIPKA, M.; YEPES, V. (2023). Metamodel-assisted meta-heuristic design optimization of reinforced concrete frame structures considering soil-structure interaction. Engineering Structures, 293:116657. DOI:10.1016/j.engstruct.2023.116657

Al tratarse de un artículo publicado en abierto, os dejo el mismo para su descarga. Espero que os sea de interés.

Descargar (PDF, 8.18MB)

Optimización mediante metamodelos en la ingeniería estructural

Acaban de publicarnos un artículo en Structures, revista indexada en el JCR. Se trata de la evaluación del coste del ciclo de vida mediante la función de densidad espectral de potencia en un puente de hormigón en ambiente costero. El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València.

La optimización asistida por metamodelos es una alternativa valiosa para manejar los procedimientos de optimización de diseño estructural, que suelen ser bastante costosos y a veces incluso prohibitivos. Este estudio ofrece una revisión actualizada de la literatura sobre la optimización asistida por metamodelos en el campo de la ingeniería estructural, analizando 111 publicaciones y 169 casos de estudio. Para proporcionar recomendaciones prácticas sobre las mejores prácticas para realizar esta optimización, se analizan ocho variables categóricas y se detectan relaciones subyacentes entre ellas mediante el análisis de correspondencia simple y múltiple. Sorprendentemente, hay menos documentos publicados sobre el tema de lo que se esperaba. La mayoría se centran en mejorar o desarrollar estrategias de metamodelización utilizando casos de estudio simples (benchmark) para validar las metodologías propuestas. La originalidad y el valor de este estudio radican en las conclusiones obtenidas a partir del análisis estadístico, que sirven como guía práctica para incorporar estrategias de metamodelización en futuros proyectos relacionados con la optimización del diseño estructural.

Como el artículo está publicado en abierto, lo podéis descargar en el siguiente enlace: https://www.sciencedirect.com/science/article/pii/S2352012423004782

Abstract

Metamodel-assisted optimization is a valuable alternative to handle structural design optimization procedures, which are usually quite expensive and sometimes even prohibitive. This paper presents an up-to-date literature review on metamodel-assisted structural design optimization (MASDO) in the structural engineering field. The period analyzed is from 2000 to the present, involving 111 publications and 169 case studies. In order to provide practical recommendations on best practices to perform MASDO, eight categorical variables are analyzed, and underlying relationships between them are detected by applying simple and multiple correspondence analysis. Surprisingly, there are fewer published papers on the subject than expected. Most focus on improving or developing metamodeling strategies using simple (benchmark) case studies to validate the proposed methodologies. Consequently, the originality and value of this study lie in the conclusions obtained from the statistical analysis, which serve as a practical guide for incorporating metamodeling strategies in future projects related to structural design optimization.

Keywords

State-of-the-art; Structural design optimization; Metamodel-assisted optimization; Surrogate-based optimization; Structural engineering

Reference

NEGRÍN, I.; KRIPKA, M.; YEPES, V. (2023). Metamodel-assisted design optimization in the field of structural engineering: a literature review. Structures, 52:609-631. DOI:10.1016/j.istruc.2023.04.006

Descargar (PDF, 6.89MB)

Optimización del diseño robusto de puentes en cajón

Acaban de publicarnos un artículo en la revista Mathematics,  revista indexada en el primer cuartil del JCR. En este artículo tratamos de solucionar uno de los problemas que presentan las estructuras óptimas, que es su cercanía a los estados límite y demás restricciones. El trabajo se enmarca dentro del proyecto de investigación DIMALIFE que dirijo como investigador principal en la Universitat Politècnica de València.

En efecto, el diseño de una estructura se lleva a cabo generalmente según un enfoque determinista. Sin embargo, todos los problemas estructurales tienen asociados parámetros iniciales inciertos que pueden diferir del valor de diseño. Esto se vuelve importante cuando el objetivo es alcanzar estructuras optimizadas, pues una pequeña variación de estos parámetros inciertos iniciales puede tener una gran influencia en el comportamiento estructural. El objetivo de la optimización de un diseño robusto es obtener un diseño óptimo con la menor variación posible de las funciones objetivas. Para ello, es necesaria una optimización probabilística para obtener los parámetros estadísticos que representen el valor medio y la variación de la función objetivo considerada. Sin embargo, una de las desventajas del diseño robusto óptimo es su alto costo de cálculo. En el presente artículo, la optimización del diseño robusto se aplica al diseño de un puente peatonal continuo de sección en cajón  que sea óptimo en cuanto a su costo y robusto en cuanto a la estabilidad estructural. Además, se utiliza el muestreo de hipercubo latino y el metamodelo de kriging para hacer frente al alto costo computacional. Los resultados muestran que las principales variables que controlan el comportamiento estructural son la profundidad de la sección transversal y la resistencia a la compresión del hormigón y que se puede llegar a una solución de compromiso entre el coste óptimo y la robustez del diseño.

Abstract

The design of a structure is generally carried out according to a deterministic approach. However, all structural problems have associated initial uncertain parameters that can differ from the design value. This becomes important when the goal is to reach optimized structures, as a small variation of these initial uncertain parameters can have a big influence on the structural behavior. The objective of robust design optimization is to obtain an optimum design with the lowest possible variation of the objective functions. For this purpose, a probabilistic optimization is necessary to obtain the statistical parameters that represent the mean value and variation of the objective function considered. However, one of the disadvantages of the optimal robust design is its high computational cost. In this paper, robust design optimization is applied to design a continuous prestressed concrete box-girder pedestrian bridge that is optimum in terms of its cost and robust in terms of structural stability. Furthermore, Latin hypercube sampling and the kriging metamodel are used to deal with the high computational cost. Results show that the main variables that control the structural behavior are the depth of the cross-section and compressive strength of the concrete and that a compromise solution between the optimal cost and the robustness of the design can be reached.

Keywords

Robust design optimization; RDO; post-tensioned concrete; box-girder bridge; structural optimization; metamodel; kriging

Reference:

Penadés-Plà, V.; García-Segura, T.; Yepes, V. Robust Design Optimization for Low-Cost Concrete Box-Girder Bridge. Mathematics 2020, 8, 398.

Descargar (PDF, 1.11MB)

 

Optimización de pasarelas de sección en cajón mediante metamodelos Kriging

Uno de los objetivos del proyecto DIMALIFE es la obtención de procedimientos novedosos y rápidos para optimizar estructuras mediante metamodelos. Los algoritmos heurísticos siguen un proceso inteligente en el que se modifican las variables de diseño con el fin de optimizar la función objetivo y verificar las restricciones. Metodologías como la optimización del diseño basada en metamodelos, como es el caso del método Kriging, proporcionan una superficie de respuesta de la muestra que puede ser optimizada.

A continuación os dejo una comunicación que presentamos en el pasado congreso IALCCE 2018 en Gante (Bélgica) sobre la optimización de una pasarela hiperestática de sección en cajón de hormigón postesado. En este trabajo, la optimización heurística convencional y la optimización heurística basada en kriging se aplican al mismo estudio de caso. En este caso se trata de una pasarela peatonal continua de vigas de cajón. La comparación muestra las ventajas y desventajas de ambas metodologías. Espero que os sea de interés.

ABSTRACT:

The structural optimization aims to determine the best solutions for the project objectives while guaranteeing the structural constraints. The heuristic algorithms follow an intelligent process in which the design variables are modified for the purpose of optimizing the objective function and verify the constraints. Methodologies like metamodel-based design optimization or surrogate-based optimization carry out a pseudo optimization applicable to structures. The kriging method provides a response surface from the sample that can be optimized. In this paper, conventional heuristic optimization and kriging-based heuristic optimization are applied to the same case study. This case involves a continuous box-girder pedestrian bridge. The comparison of the methodologies shows the advantages and disadvantages of both methodologies. Furthermore, a major compression of both processes gain a better understanding of the methods and the most suitable cases.

REFERENCE:

PENADÉS-PLÀ, V.; GARCÍA-SEGURA, T.; YEPES, V.; MARTÍ, J.V. (2018). Kriging-based heuristic optimization of a continuous concrete box-girger pedestrian bridge. Sixth International Symposium on Life-Cycle Civil Engineering (IALCCE 2018), Ganth (Belgium), October 2018, pp. 2753-2759. ISBN: 9781138626331

Descargar (PDF, 592KB)

 

Método acelerado de optimización de puentes en cajón

 

Acaban de publicarnos en Engineering Structures, revista de ELSEVIER indexada en el primer cuartil del JCR, un artículo en el que hemos propuesto un novedoso método de optimización que acelera los cálculo al emplear Kriging como metamodelo en los cálculos intermedios de las iteraciones de un proceso de optimización heurística. Se ha aplicado en la optimización de la energía requerida para la construcción de un puente en cajón de hormigón pretensado, pero la metodología es aplicable al cálculo de cualquier estructura. Este artículo forma parte del proyecto de investigación DIMALIFE. Como se ha publicado en abierto, os puedo pasar el artículo completo, que os podéis descargar también en la propia revista.

ABSTRACT:

Structural optimization is normally carried out by means of conventional heuristic optimization due to the complexity of the structural problems. However, the conventional heuristic optimization still consumes a large amount of time. The use of metamodels helps to reduce the computational cost of the optimization and, along these lines, kriging-based heuristic optimization is presented as an alternative to carry out an accelerated optimization of complex problems. In this work, conventional heuristic optimization and kriging-based heuristic optimization will be applied to reach the optimal solution of a continuous box-girder pedestrian bridge of three spans with a low embodied energy. For this purpose, different penalizations and different initial sample sizes will be studied and compared. This work shows that kriging-based heuristic optimization provides results close to those of conventional heuristic optimization using less time. For the sample size of 50, the best solution differs about 2.54% compared to the conventional heuristic optimization, and reduces the computational cost by 99.06%. Therefore, the use of a kriging model in structural design problems offers a new means of solving certain structural problems that require a very high computational cost and reduces the difficulty of other problems.

KEYWORDS: Low-embodied energy; Post-tensioned concrete; Box-girder bridge; Structural optimization; Metamodel; Kriging

REFERENCE:
PENADÉS-PLÀ, V.; GARCÍA-SEGURA, T.; YEPES, V. (2019). Accelerated optimization method for low-embodied energy concrete box-girder bridge design. Engineering Structures, 179:556-565. DOI:10.1016/j.engstruct.2018.11.015