Adjustment of shear models for structural concrete using genetic algorithms

El comportamiento de elementos de hormigón armado y pretensado sometidos a cortante ha sido tradicionalmente objeto de estudio de las denominadas Teorías de Campos de Compresiones . En los últimos años varios autores han modificado parcialmente el modelo mecánico en que se apoyan dichas teorías a fin de incluir el efecto de la tensorrigidez del hormigón (o capacidad del hormigón de resistir tracciones entre fisuras) en la ecuación de comportamiento del acero; el sistema de ecuaciones resultante es altamente no-lineal e involucra una gran cantidad de variables. El presente artículo plantea, a partir de datos experimentales ya existentes, el ajuste del modelo de cortante propuesto por una de estas teorías, usando para ello algoritmos evolutivos. Los algoritmos evolutivos son una rama emergente de la computación natural, cuyo principal objetivo es la resolución de problemas de optimización y búsqueda, computacionalmente costosos, en un tiempo razonable. Estos métodos se caracterizan por la creación de una población que representa posibles soluciones del problema. Los individuos de la población se combinan y compiten entre sí con el fin de buscar el individuo (solución) más apto para el problema tratado. Los resultados numéricos obtenidos presentan un error relativo inferior al 10% respecto a los valores experimentales considerados, validando así la estrategia evolutiva y situándola como una alternativa seria en problemas de ajuste computacionalmente costosos. The behavior of reinforced and prestressed concrete members subjected to shear has been traditionally studied by the so-called Compression-Field Theories. In the last years several authors have modified the mechanical model of such theories in order to include the tension-stiffening effect of the concrete in the steel constitutive model; the resulting system of equations is highly non-linear and involves a great number of unknowns. From an experimental database of RC beams, this work performs an adjustment of the shear model proposed by one of these theories using evolutionary algorithms. Evolutionary algorithm is a branch of Natural Computing. Its computations start from an initial population of individuals (randomly generated) and proceed according to rules of selection and other operators, such as recombination and mutation. The main objective of such algorithms is to find good solutions in a reasonable time-frame. Numerical results show a relative error between numerical results and experimental data less than 10%, what validates genetic algorithms as a good alternative for solving these computationally-intensive adjustment problems.