Optimización del diseño de vigas postensadas con sección tipo “I” de uso frecuente en puentes mediante el uso de algoritmos genéticos

dc.contributor.advisorParra Arango, Ricardo León
dc.contributor.authorAriño Martínez, Diana Paola
dc.date.accessioned2021-06-25T16:46:05Z
dc.date.available2021-06-25T16:46:05Z
dc.date.issued2021-06-23
dc.descriptionDigitalspa
dc.descriptionIlustraciones, diagramas, gráficosspa
dc.description.abstractEl objetivo del presente trabajo final de maestría consiste en elaborar una propuesta metodológica fundamentada en desarrollar una herramienta computacional que permita la optimización del diseño de vigas postensadas en forma de I en Colombia, haciendo uso de un algoritmo genético. El procedimiento de diseño estructural optimizado, como herramienta computacional, se desarrolla en el software Matlab y el procedimiento tradicional de diseño, como herramienta de validación, se desarrolla en el software Microsoft Excel. La función objetivo se formula con base en el costo de la viga como un problema de compromiso entre geometría y preesfuerzo, y planteando penalización por infracción o incumplimiento de las restricciones de diseño. Para la concepción del modelo matemático basado en el algoritmo genético se normalizaron los valores de la función objetivo sujeta a los siguientes planteamientos: - Los individuos se representaron como números reales. - Se conciben dos (2) alternativas para el método de selección: (1) Torneo y (2) ruleta. - Se conciben tres (3) alternativas para el operador genético de cruce: (1) SBX, (2) monopunto y (3) aritmético. - El operador de mutación concebido es el de mutación uniforme, pero se plantean tres (3) alternativas para la probabilidad de mutación: (1) 30%, (2) 50% y (3) 60%. - En cada generación los individuos se reemplazan de manera estacionaria, bajo la premisa de que los descendientes remplazan a los individuos peor adaptados. Finalmente, al aplicar algoritmos genéticos para encontrar soluciones al problema de diseño estructural de puentes simplemente apoyados con superestructura de vigas postensadas en forma de I y se obtienen resultados satisfactorios para todos los tipos de combinación de operadores genéticos planteados. No obstante, la combinación que arroja la mejor solución es la dada por: el método de selección ruleta, con el operador genético de cruce SBX, con una probabilidad de mutación uniforme del 30% y un número máximo de 500 generaciones.spa
dc.description.abstractThe aim of this final master's work is to elaborate a methodological proposal consisting in the development of a computational tool that allows the optimization of the design of post-tensioned I-beams in Colombia, using a genetic algorithm. The optimized structural design procedure, as a computational tool, is developed in the MATLAB software. The traditional design procedure, as a validation tool, is developed in the Microsoft Excel software. The objective function is formulated based on the cost of the beam as a problem of compromise between geometry and pre-stress, and posing a penalty for infringement or failure to comply with design constraints. For the conception of the numerical model based on the genetic algorithm, the values of the objective function were normalized subject to the following approaches: - Individuals were represented as real numbers. - Two (2) alternatives are conceived for the selection method: (1) Tournament and (2) roulette wheel. - Three (3) alternatives are conceived for the genetic cross operator: (1) SBX, (2) single point and (3) arithmetic. - The mutation operator conceived is the uniform mutation operator, but three (3) alternatives are considered for the mutation probability: (1) 30%, (2) 50% y (3) 60%. - In each generation the individuals are replaced in a stationary way, under the premise that the descendants replace the worst adapted individuals. Finally, by applying genetic algorithms to find solutions to the problem of structural design of simply supported bridges, with superstructure of post-tensioned beams in the form of I, satisfactory results are obtained for all types of combination of genetic operators raised. However, the combination that yields the best solution is the one given by the roulette selection method, with the SBX cross genetic operator, with a uniform mutation probability of 30% and a maximum number of 500 generations.eng
dc.description.degreelevelMaestríaspa
dc.description.degreenameMagister en Ingeniería - Estructurasspa
dc.description.researchareaDiseño Estructural - Optimizaciónspa
dc.description.technicalinfoAdicional al documento que se entrega en formato .pdf se entrega una herramienta computacional autodidacta concebida en la plataforma de programación MATLAB a código abierto.spa
dc.format.mimetypeapplication/pdfspa
dc.identifier.instnameUniversidad Nacional de Colombiaspa
dc.identifier.reponameRepositorio Institucional Universidad Nacional de Colombiaspa
dc.identifier.repourlhttps://repositorio.unal.edu.co/spa
dc.identifier.urihttps://repositorio.unal.edu.co/handle/unal/79728
dc.language.isospaspa
dc.publisherUniversidad Nacional de Colombiaspa
dc.publisher.branchUniversidad Nacional de Colombia - Sede Bogotáspa
dc.publisher.departmentDepartamento de Ingeniería Civil y Agrícolaspa
dc.publisher.facultyFacultad de Ingenieríaspa
dc.publisher.placeBogotá, Colombiaspa
dc.publisher.programBogotá - Ingeniería - Maestría en Ingeniería - Estructurasspa
dc.relation.referencesAASHTO. (2014). AASHTO LRFD Bridge Design Specifications.spa
dc.relation.referencesAIS. (2014). Norma Colombiana de Diseño de Puentes- LRFD - CCP 14.spa
dc.relation.referencesAl-Nasra, M., & Daoud, M. (2013). New Optimizing Genetic Algorithm Applied to the Design of Pre-Stressed Concrete Beams. LAP LAMBERT Academic Publishing.spa
dc.relation.referencesAltenberg, L. (2016). Evolutionary Computation. Encyclopedia of Evolutionary Biology, 40–47. https://doi.org/10.1016/B978-0-12-800049-6.00307-3spa
dc.relation.referencesAraujo, L., & Cervigón, C. (2009). Algoritmos evolutivos: Un enfoque práctico (1a edición). Alfaomegaspa
dc.relation.referencesCaballero, J. A., & Grossmann, I. E. (2007). Una revisión del estado del arte en optimización. Revista Iberoamericana de Automática e Informática Industrial RIAI. https://doi.org/10.1016/S1697-7912(07)70188-7spa
dc.relation.referencesCastillo, V. V., Lara, D. H., Merchán Cruz, E. A., Gustavo, R., Cañizo, R., Alfredo, E., & Flores, P. (2017). Implementación de algoritmos genéticos para el diseño, optimización y selección de vigas. Research in Computing Science, 137(2017), 121–134. http://www.rcs.cic.ipn.mx/2017_137/Implementacion de algoritmos geneticos para el diseno_ optimizacion y seleccion de vigas.pdfspa
dc.relation.referencesCoello, Carlos; Santos, Filiberto; Alonso, F. (n.d.). Diseño optimo de vigas de concreto reforzado mediante algoritmos genéticos. Universidad Autonónoma de Chiapas.spa
dc.relation.referencesCruz Trejos, E., Medina Varela, P., & Salazar Arias, H. (2013). Optimización de portafolios de acciones utilizando los multiplicadores de Lagrange. Scientia et Technica, 18(1), 114–119. https://doi.org/10.22517/23447214.8301spa
dc.relation.referencesDarwin, C. (1859). The origin of species. Murray.spa
dc.relation.referencesDavid, L. (1991). Handbook on genetic algorithm. Van Nostral Reinhol New York.spa
dc.relation.referencesDeb, K., Anand, A., & Joshi, D. (2002). A computationally efficient evlutionary algorithm for real-parameter evolution (10th ed.). Evolutionary Computation.spa
dc.relation.referencesDeb, Kalyanmoy, & Gulati, S. (2001). Design of truss-structures for minimum weight using genetic algorithms. Finite Elements in Analysis and Design. https://doi.org/10.1016/S0168-874X(00)00057-3spa
dc.relation.referencesDueñas Puentes, D. (2019). Entrevista personal. Tolerancia de variables geométricas de vigas tipo I para puentes en Colombia.spa
dc.relation.referencesEshelman, L. J., & Schaffer, J. D. (1993). Real-Coded Genetic Algorithms and Interval-Shemata (2nd ed.). Foundations of Genetic Algorithms.spa
dc.relation.referencesGoldberg, D. E. (1989). Genetic Algorithms in Search, Optimization and Machine Learning. Addison-Wesly Longman Publishing Co., Inc.spa
dc.relation.referencesHaug, E. J. (1996). Minimum Weight Design of Beams with inequality Constraint on Stress and Deflection.spa
dc.relation.referencesHerrera, F., & Lozano, M. (2005). Special Issue on Real Coded Genetic Algorithms: Foundations, Models and Operators. SoftComputing 9: 4.spa
dc.relation.referencesHolland, J. H. (1975). Adaptation in Natural and Artificial Systems. University of Michigan Press.spa
dc.relation.referencesInstituto de Infraestructura y Conseciones de Cundinamarca, I. (2016). LISTA DE PRECIOS GOBERNACIÓN DE CUNDINAMARCA.spa
dc.relation.referencesINVIAS. (2019). Inventario de Puentes - Red Nacional de Carreteras. https://www.invias.gov.co/index.php/inventario-de-puentes-red-nacional-decarreteras%0Dspa
dc.relation.referencesLuna Pulgar, R. L. (2019). Optimización del diseño de vigas pos- tensadas de sección “I” para puentes de una sola luz bajo normativa CCP- 14, utilizando algoritmos genéticos. Trabajo nominado a mejor trabajo de grado. Universidad Nacional de Colombiaspa
dc.relation.referencesMartí, J. V., Yepes, V., González-Vidosa, F., & Luz, A. (2014). Diseño automático de tableros óptimos de puentes de carretera de vigas artesa prefabricadas mediante algoritmos meméticos híbridos. Revista Internacional de Metodosspa
dc.relation.referencesNumericos Para Calculo y Diseno En Ingenieria, 30(3), 145–154. https://doi.org/10.1016/j.rimni.2013.04.010spa
dc.relation.referencesMendel, G. (1866). Versuche über Plflanzenhybriden (1865). Verhandlungen Des Naturforschenden Vereines in Brünn, Bd. IV Für Das Jahr 1865, Abhandlungen, 3–47.spa
dc.relation.referencesMontero Vargas, S. (Consorcio S. 2011). (2013). Vigas de accesos luces 1 a 5 Puente Santa Lucía.spa
dc.relation.referencesNilson, A. H. (1987). Design of Prestressed Concrete (2nd ed.). John Wiley & Sons, INC.spa
dc.relation.referencesOliva, G. H. (2006). Métodos Clásicos de Optimización para Problemas NoLineales sin Restriccione. UChile - Departamento de Ingeniería Matemática.spa
dc.relation.referencesRao, S. S. (2009). Engineering Optimization: Theory and Parctice (Fourth Edi). John Wiley & Sons, INC.spa
dc.relation.referencesRechenberg, I. (1973). Evolutionsstrategie: Optimierung technischer Systeme nach Prinzipien der biologischen Evolution. Frommann-Holzboog.spa
dc.relation.referencesRodríguez A., C. (2016). Análisis y diseño sísmico de un puente integral corto de trabes presforzadas tipo AASHTO.spa
dc.relation.referencesSánchez, P., Ramos, A., Ferrer, J., Barquín, J., & Linares, P. (2010). Modelos matemáticos de optimización. Universidad Pontificia Comillas, 55.spa
dc.relation.referencesSivanandam, S., & Deepa, S. (2008). Introduction to Genetic Algorithms.spa
dc.relation.referencesSueldo, Luis Efraín; Olórtiiga, M. A. (2013). Diseño estructural de un puente de vigas postensadas que cruza el río Rímac en Zárate. Journal of Chemical Information and Modeling, 53(9), 1689–1699. https://doi.org/10.1017/CBO9781107415324.004spa
dc.relation.referencesValencia, P. E. (1997). Optimización mediante algoritmos genéticos. Anales Del Instituto de Ingenieros de Chile, May, 83–92.spa
dc.relation.referencesVallecilla Baena, C. R. (2018). Entrevista personal. Tolerancia de variables geométricas y de preesfuerzo de vigas tipo I para puentes en Colombia.spa
dc.relation.referencesVallecilla, C. (2019). Diseño de una viga postensada, simplemente apoyada: Notas de Clase (p. 95).spa
dc.rightsDerechos reservados de autor, 2021
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.licenseAtribución-NoComercial-SinDerivadas 4.0 Internacionalspa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/spa
dc.subject.ddc620 - Ingeniería y operaciones afines::624 - Ingeniería civilspa
dc.subject.proposalOptimizationeng
dc.subject.proposalOptimizaciónspa
dc.subject.proposalGenetic Algorithmeng
dc.subject.proposalAlgoritmo Genéticospa
dc.subject.proposalPost-tensioned beam with type I sectioneng
dc.subject.proposalViga postensada con sección tipo Ispa
dc.subject.proposalPuente simplemente apoyadospa
dc.subject.proposalSimply supported bridgeeng
dc.subject.proposalGenetic Operatorseng
dc.subject.proposalOperadores Genéticosspa
dc.subject.unescoDiseño estructural
dc.subject.unescoStructural design
dc.subject.unescoLenguaje de programación
dc.subject.unescoComputer languages
dc.subject.unescoElemento estructural (construcción)
dc.subject.unescoStructural elements (buildings)
dc.titleOptimización del diseño de vigas postensadas con sección tipo “I” de uso frecuente en puentes mediante el uso de algoritmos genéticosspa
dc.title.translatedOptimization of the design of post-tension beams with type "I" section often used in bridges through the use of genetic algorithmseng
dc.typeTrabajo de grado - Maestríaspa
dc.type.coarhttp://purl.org/coar/resource_type/c_bdccspa
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aaspa
dc.type.contentTextspa
dc.type.driverinfo:eu-repo/semantics/masterThesisspa
dc.type.versioninfo:eu-repo/semantics/acceptedVersionspa
dcterms.audienceGeneralspa
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2spa

Archivos

Bloque original

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
1032448641.2021.pdf
Tamaño:
5.57 MB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo final de Maestría en Ingeniería - Estructuras

Bloque de licencias

Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
3.87 KB
Formato:
Item-specific license agreed upon to submission
Descripción: