Optimización del coste energético de puentes losa postesados mediante un Kriging en dos fases

Acaban de publicarnos un artículo en la revista Materials, revista indexada en el JCR. El objetivo del estudio es optimizar la energía empleada en la construcción de pasos elevados de carreteras aligeradas mediante la identificación de las principales variables de diseño y el desarrollo de una metodología que utilice el muestreo latino de hipercubos y la optimización basada en el método Kriging. El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València.

  • El artículo establece una metodología para optimizar la energía incorporada en la construcción de pasos elevados de carreteras aligeradas mediante la identificación de las principales variables de diseño y el uso del hipercubo latino y la optimización basada en el método Kriging.
  • El estudio recomienda emplear índices de esbeltez elevados, minimizar el uso de hormigón y armaduras activas y aumentar la cantidad de armaduras pasivas para mejorar la eficiencia energética.
  • El artículo utiliza una técnica estadística llamada muestreo de hipercubo latino para muestrear variables y crear una superficie de respuesta, que luego se ajusta con precisión mediante un metamodelo Krixing.
  • La metodología desarrollada en el trabajo reduce el coste energético de la construcción de puentes de losas aligeradas.
  • El estudio contribuye al campo de la optimización energética en la construcción al proporcionar una metodología específica para los puentes de losas de hormigón pretensado aligerado, especialmente en los pasos elevados de carreteras postesadas.

Abstract:

This study aims to establish a methodology for optimizing embodied energy while constructing lightened road flyovers. A cross-sectional analysis is conducted to determine design parameters through an exhaustive literature review. Based on this analysis, key design variables that can enhance the energy efficiency of the slab are identified. The methodology is divided into two phases: a statistical technique known as Latin Hypercube Sampling is initially employed to sample deck variables and create a response surface; subsequently, the response surface is fine-tuned through a Kriging-based optimization model. Consequently, a methodology has been developed that reduces the energy cost of constructing lightened slab bridge decks. Recommendations to improve energy efficiency include employing high slenderness ratios (approximately 1/28), minimizing concrete and active reinforcement usage, and increasing the amount of passive reinforcement.

Keywords:

Optimization; embodied energy; bridges; surrogate model; Kriging; prestressed concrete; sustainability

Reference:

YEPES-BELLVER, L.; BRUN-IZQUIERDO, A.; ALCALÁ, J.; YEPES, V. (2023). Embodied energy optimization of prestressed concrete road flyovers by a two-phase Kriging surrogate model. Materials16(20); 6767. DOI:10.3390/ma16206767

Descargar (PDF, 2.15MB)

Optimización de la cimentación de un aerogenerador mediante metamodelos

Acaban de publicarnos un artículo en la revista Structural and Multidisciplinary Optimization, revista de ELSEVIER indexada en el primer decil del JCR.

En este trabajo se estudia el potencial del metamodelado de kriging para optimizar el diseño estructural con múltiples objetivos mediante el uso de software de análisis de elementos finitos y normas de diseño. Se propone un método que incluye la sostenibilidad y la constructibilidad, y se aplica a un caso de cimentaciones de hormigón armado para aerogeneradores de un gran proyecto de parque eólico sueco. Se realizan análisis de sensibilidad para investigar la influencia del factor de penalización aplicado a las soluciones no viables y el tamaño de la muestra inicial generada por el muestreo de hipercubos latinos. A continuación, se realiza una optimización multiobjetivo para obtener soluciones óptimas para diferentes combinaciones de pesos para los cuatro objetivos considerados. Los resultados indican que los diseños obtenidos mediante kriging a partir de muestras de 20 superan a los mejores diseños de las muestras de 1000. Las soluciones óptimas obtenidas por el método propuesto tienen un impacto de sostenibilidad entre un 8 y un 15% menor que los desarrollados por métodos tradicionales.

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

El artículo lo podéis descargar GRATUITAMENTE por tener acceso libre: https://link.springer.com/article/10.1007/s00158-021-03154-0

Abstract:

In this work, we study the potential of using kriging metamodelling to perform multi-objective structural design optimization using finite element analysis software and design standards while keeping the computational efforts low. A method is proposed, which includes sustainability and buildability objectives, and it is applied to a case study of reinforced concrete foundations for wind turbines based on data from a large Swedish wind farm project. Sensitivity analyses are conducted to investigate the influence of the penalty factor applied to unfeasible solutions and the size of the initial sample generated by Latin hypercube sampling. Multi-objective optimization is then performed to obtain the optimum designs for different weight combinations for the four objectives considered. Results show that the kriging-obtained designs from samples of 20 designs outperform the best designs in the samples of 1000 designs. The optimum designs obtained by the proposed method have a sustainability impact 8–15% lower than the designs developed by traditional methods.

Keywords:

Multidisciplinary design optimization; Structural design; Kriging surrogate model; Reinforced concrete structures; Multi-criteria decision making; Parametric design

Reference:

MATHERN, A.; PENADÉS-PLÀ, V.; ARMESTO BARROS, J.; YEPES, V. (2022). Practical metamodel-assisted multi-objective design optimization for improved sustainability and buildability of wind turbine foundations. Structural and Multidisciplinary Optimization, 65:46. DOI:10.1007/s00158-021-03154-0

Descargar (PDF, 2.05MB)