This study critically investigates the material and structural behaviour of Aer-Tech material. Aer- Tech material is composed of 10% by volume of foam mechanically entrapped in a plastic mortar. The research study showed that the density of the material mix controls all other properties such as fresh state properties, mechanical properties, functional properties and acoustic properties. Appreciably, the research had confirmed that Aer-Tech material despite being classified as a light weight material had given high compressive strength of about 33.91N/mm2. The compressive strength characteristics of Aer-Tech material make the material a potential cost effective construction material, comparable to conventional concrete. The material also showed through this study that it is a structural effective material with its singly reinforced beam giving ultimate moment of about 38.7KN. In addition, the Aer-Tech material is seen as a very good ductile material since, the singly reinforced beam in tension showed visible signs of diagonal vertical cracks long before impending rapture. Consequently, the SEM test and the neural network model predictions, carried out had showed how billions of closely tight air cells are evenly distributed within the Aer-Tech void system as well as the close prediction of NN model for compressive strength and density are same with the experimental results of compressive strength and density. The result shows that the Aer-Tech NN-model can simulate inputs data and predicts their corresponding output data.

Early and accurate prediction of the compressive strength of concrete is important in the construction industry. Modeling the compressive strength of concrete to obtain a balance and equality between prediction accuracy, time and uncertainty of the prediction is a very difficult task due to the highly nonlinear nature of concrete. For structural engineering purposes, the 28- day compressive strength is the most relevant parameter. In this study, an attempt has been made to predict the 28-day compressive strength of concrete using Relevance Vector Machine (RVM). An RVM belongs to the class of sparse kernel classifiers, which are powerful tools in classification and regression. It has a model of identical functional form to the popular and state-of-the-art `Support Vector Machine (SVM)'. The benefits of using RVM include automatic estimation of nuisance parameters, probabilistic prediction and the ability to model complex data with little information. A total of 425 different data of high performance mix designs were collected from the University of California, Irvine repository. The data used to predict the compressive strength consisted of nine components. The RVM model was trained and tested using 395 and 30 data sets respectively. The model's performance was assessed at the end of the training and testing period using four performance measures; coefficient of determination, root-mean-square error, percentage of relevance vectors and residual plots. All the performance measures confirmed the accuracy of the model. The results of the study suggested that RVM is an effective tool for predicting the 28- day compressive strength of concrete from its mix ingredients.

Os ensaios não destrutivos servem como uma importante ferramenta para a análise de estruturas de concreto armado. A utilização de ensaios de velocidade de propagação do pulso ultra-sônico (VPU) permite realizar um acompanhamento das características do material ao longo de sua vida útil. Através da análise dos dados obtidos, pode-se averiguar a uniformidade do concreto, controlar a sua qualidade, acompanhar sua deterioração e, através de comparação com corpos de prova de referência e, até mesmo, estimar a resistência do mesmo. No entanto, as técnicas atuais para análise dos resultados coletados são, em grande parte, baseadas na sensibilidade dos profissionais que as aplicam. Para facilitar o controle e inspeção de estruturas de concreto armado é fundamental desenvolver estratégias para tornar esta análise mais simples e precisa. Este trabalho se baseia na hipótese de que a aplicação de Redes Neurais Artificiais (RNAs) pode gerar modelos de relacionamento úteis e acurados entre as características do concreto, sua compacidade e sua resistência à compressão. O intuito é determinar se com o uso de RNAs é possível estabelecer relações não-lineares que permitam estimar a resistência do concreto a partir do conhecimento de algumas propriedades básicas e da verificação da sua compacidade por meio de ensaios de VPU. Os resultados indicam que as RNAs podem ser usadas para gerar métodos numéricos robustos e flexíveis para estimativa da resistência à compressão a partir de dados de VPU. O estudo evidencia uma considerável melhora nos resultados de estimação da resistência quando se empregam modelos neurais, em comparação a modelos estatísticos tradicionais. Para os dados coletados, provenientes de diversas pesquisas, os modelos tradicionais geram estimativas com coeficientes de determinação que não ultrapassam um valor de R² de 0,40. Já as redes neurais conseguem ajustes com R² da ordem de 0,90. Além de contribuir para uma melhor análise de situações em que haja dúvidas sobre a resistência ou homogeneidade de elementos de concreto, o trabalho demonstra que modelos neurais são uma forma eficiente de ordenar e transferir conhecimento não estruturado. Constatou-se, ainda, que, dada sua capacidade de aprendizagem e de generalização do conhecimento adquirido, as RNAs se constituem em um meio rápido e preciso para modelagem de fenômenos complexos. / Nondestructive Testing (NDT) techniques are useful tools for analyzing reinforced concrete (RC) structures. The use of Ultrassonic Pulse Velocity (UPV) measurements enables the monitoring of changes in some critical characteristics of concrete over the service life of a structure. The interpretation of the data collected allows an assessment of concrete uniformity, and can be used to perform quality control, to monitor deterioration and even, by means of comparison against reference samples, to estimate compressive strength. Nonetheless, the current techniques for UPV data analysis are, on a large degree, based on the sensitivity of the professionals who apply these tests. For accurate diagnosis it is necessary to consider the various factors and conditions that can affect the results. To proper control and inspect RC facilities it is essential to develop appropriate strategies to make the task of data interpretation easier and more accurate. This work is based on the notion that using Artificial Neural Networks (ANNs) is a feasible way to generate workable estimation models correlating concrete characteristics, compacity and compressive strength. The goal is to determine if it is possible to establish models based on non-linear relationships that are capable of estimating with good accuracy the concrete strength based on previous knowledge of some basic material characteristics and UPV measurements. The study shows that this goal is achievable and indicates that neural models perform better than traditional statistical models. For the data collected in this work, provided by various researchers, traditional regression models cannot exceed R² = 0.40, while the use of ANNs allows the creation of models that can reach a determination coefficient R² = 0.90. The results make clear that, besides contributing to better the analysis of situations where there is doubts regarding concrete strength or uniformity, neural models are an efficient way to order and transfer unstructured knowledge. It was shown that, given the learning capacity and its ability to generalize acquired information into mathematical patterns, ANNs are a quick and adequate way to model complex phenomena.

A comparison of concrete containing recycled concrete coarse aggregates and natural coarse aggregates subjected to high strain, low cycle compressive fatigue is presented. Using a strain based feedback control loop, concrete cylinders are compressed at 15µε/s to a specified strain then unloaded to zero stress for 10 cycles. After cycling, all samples are loaded to a strain of 0.008. Direct concrete material variables are the water to cement (w/c) ratio, taken as 0.60, 0.45, and 0.39, and percent coarse recycled concrete aggregate content, varied from zero to 100 percent. The primary testing variable is the specified unloading strain. Unloading strains include 60, 75, 90, 100, and 120 percent of the strain at peak stress. Ten batches of concrete were made, generating a total of 224 samples for testing. Findings confirm previous research showing a reduction in strength with increasing recycled concrete coarse aggregate content, an equivalent concrete with only 25 percent replacement of natural coarse aggregates and an equivalent strength concrete with a decrease in the w/c ratio and 100 percent recycled concrete coarse aggregates. Fatigue testing indicates that each cycle’s maximum stress remains unchanged, but the stiffness degrades more rapidly with increasing recycled aggregate content and a constant w/c ratio.

Nors gelžbetonis yra patvari statybinė medžiaga, tačiau iš šios medžiagos pastatytose konstrukcijose labai dažnai pirma laiko atsiranda įvairių pažaidų ir jos pradeda irti. Tyrimų objektas – Virbališkių hidromazge esantys hidrotechnikos statiniai. Virbališkių hidromazgas yra netoli Kačerginės Nemuno žiedo, šalia Dievogalos upelio vagos. Šio darbo metu buvo nustatyta ir įvertinta hidrotechnikos statinių būklė vizualiai. Naudojant neardančius metodus, nustatytas gelžbetoninių konstrukcijų betono stipris gniuždant c (MPa), įvertint hidromazge esančiu atraminių sienų projektinį bei esamą patikimumą, nustatyti kaip galėjo kisti konstrukcijos patikimumas sumažinus arba padidinus armatūros skerspjūvio plotą, bei padidinus arba sumažinus atstumus tarp strypų. Atlikus vizualinius Virbališkių hidromazgo tyrimus pastebėta, kad visos hidromazge esančios konstrukcijos turi pažaidų, bei konstrukcijų neatitikimo su projektu t.y. atraminėse sienose įrengta dvigubai mažiau deformacinių siūlių negu, kad jų buvo suprojektuota (6 suprojektuotos, įrengtos 3 deformacinės siūlės), žemutiniame bjefe įrengtas šlaitų tvirtinimas buvo numatytas iš surenkamų gelžbetoninių plokščių, o įrengta iš monolitinio betono.. Atlikus betono stiprio nustatymo tyrimus neardančiaisiais metodais su Šmidto plaktuku gauta, kad konstrukcijos atitinka statybos metu galiojusias normas, taip pat projekte numatytas betono klases hidromazgo konstrukcijoms. Atlikus patikimumo skaičiavimus gauta, kad konstrukcija šiai... [toliau žr. visą tekstą] / Although reinforced concrete is a durable building material, but very often early defects occur in such structures and they begin to decay. The object of research – hydraulic structures in Virbališkis hydroscheme. Virbališkis hydroscheme is situated near Kačerginė Nemunas ring, near the Dievogala stream bed. The visual condition of hydraulic structures has been identified and evaluated in this work. The concrete compressive strength of reinforced concrete structures  c (MPa) was defined using non – destructive methods, the actual and design reliability of retaining walls located in the hydroscheme were estimated, the reliability of the structure after the increase or decrease of the cross-sectional area of reinforcement as well as after the decrease or increase of the distance between the rods was defined. After the visual surveys of Virbališkis hydroscheme it was found that all the constructions situated in the hydrosheme have defects and non-compliance with the construction project, i.e., only half of the expansion joints were arranged in the retaining walls (6 designed and only 3 expansion joints were arranged). Reinforcemen of the slopes arranged in the downstream dam had to be from prefabricated reinforced concrete panels however, it was equipped with a monolithic concrete. After the fulfiment of concrete strength tests using non-destructive... [to full text]

Os ensaios não destrutivos servem como uma importante ferramenta para a análise de estruturas de concreto armado. A utilização de ensaios de velocidade de propagação do pulso ultra-sônico (VPU) permite realizar um acompanhamento das características do material ao longo de sua vida útil. Através da análise dos dados obtidos, pode-se averiguar a uniformidade do concreto, controlar a sua qualidade, acompanhar sua deterioração e, através de comparação com corpos de prova de referência e, até mesmo, estimar a resistência do mesmo. No entanto, as técnicas atuais para análise dos resultados coletados são, em grande parte, baseadas na sensibilidade dos profissionais que as aplicam. Para facilitar o controle e inspeção de estruturas de concreto armado é fundamental desenvolver estratégias para tornar esta análise mais simples e precisa. Este trabalho se baseia na hipótese de que a aplicação de Redes Neurais Artificiais (RNAs) pode gerar modelos de relacionamento úteis e acurados entre as características do concreto, sua compacidade e sua resistência à compressão. O intuito é determinar se com o uso de RNAs é possível estabelecer relações não-lineares que permitam estimar a resistência do concreto a partir do conhecimento de algumas propriedades básicas e da verificação da sua compacidade por meio de ensaios de VPU. Os resultados indicam que as RNAs podem ser usadas para gerar métodos numéricos robustos e flexíveis para estimativa da resistência à compressão a partir de dados de VPU. O estudo evidencia uma considerável melhora nos resultados de estimação da resistência quando se empregam modelos neurais, em comparação a modelos estatísticos tradicionais. Para os dados coletados, provenientes de diversas pesquisas, os modelos tradicionais geram estimativas com coeficientes de determinação que não ultrapassam um valor de R² de 0,40. Já as redes neurais conseguem ajustes com R² da ordem de 0,90. Além de contribuir para uma melhor análise de situações em que haja dúvidas sobre a resistência ou homogeneidade de elementos de concreto, o trabalho demonstra que modelos neurais são uma forma eficiente de ordenar e transferir conhecimento não estruturado. Constatou-se, ainda, que, dada sua capacidade de aprendizagem e de generalização do conhecimento adquirido, as RNAs se constituem em um meio rápido e preciso para modelagem de fenômenos complexos. / Nondestructive Testing (NDT) techniques are useful tools for analyzing reinforced concrete (RC) structures. The use of Ultrassonic Pulse Velocity (UPV) measurements enables the monitoring of changes in some critical characteristics of concrete over the service life of a structure. The interpretation of the data collected allows an assessment of concrete uniformity, and can be used to perform quality control, to monitor deterioration and even, by means of comparison against reference samples, to estimate compressive strength. Nonetheless, the current techniques for UPV data analysis are, on a large degree, based on the sensitivity of the professionals who apply these tests. For accurate diagnosis it is necessary to consider the various factors and conditions that can affect the results. To proper control and inspect RC facilities it is essential to develop appropriate strategies to make the task of data interpretation easier and more accurate. This work is based on the notion that using Artificial Neural Networks (ANNs) is a feasible way to generate workable estimation models correlating concrete characteristics, compacity and compressive strength. The goal is to determine if it is possible to establish models based on non-linear relationships that are capable of estimating with good accuracy the concrete strength based on previous knowledge of some basic material characteristics and UPV measurements. The study shows that this goal is achievable and indicates that neural models perform better than traditional statistical models. For the data collected in this work, provided by various researchers, traditional regression models cannot exceed R² = 0.40, while the use of ANNs allows the creation of models that can reach a determination coefficient R² = 0.90. The results make clear that, besides contributing to better the analysis of situations where there is doubts regarding concrete strength or uniformity, neural models are an efficient way to order and transfer unstructured knowledge. It was shown that, given the learning capacity and its ability to generalize acquired information into mathematical patterns, ANNs are a quick and adequate way to model complex phenomena.

Os ensaios não destrutivos servem como uma importante ferramenta para a análise de estruturas de concreto armado. A utilização de ensaios de velocidade de propagação do pulso ultra-sônico (VPU) permite realizar um acompanhamento das características do material ao longo de sua vida útil. Através da análise dos dados obtidos, pode-se averiguar a uniformidade do concreto, controlar a sua qualidade, acompanhar sua deterioração e, através de comparação com corpos de prova de referência e, até mesmo, estimar a resistência do mesmo. No entanto, as técnicas atuais para análise dos resultados coletados são, em grande parte, baseadas na sensibilidade dos profissionais que as aplicam. Para facilitar o controle e inspeção de estruturas de concreto armado é fundamental desenvolver estratégias para tornar esta análise mais simples e precisa. Este trabalho se baseia na hipótese de que a aplicação de Redes Neurais Artificiais (RNAs) pode gerar modelos de relacionamento úteis e acurados entre as características do concreto, sua compacidade e sua resistência à compressão. O intuito é determinar se com o uso de RNAs é possível estabelecer relações não-lineares que permitam estimar a resistência do concreto a partir do conhecimento de algumas propriedades básicas e da verificação da sua compacidade por meio de ensaios de VPU. Os resultados indicam que as RNAs podem ser usadas para gerar métodos numéricos robustos e flexíveis para estimativa da resistência à compressão a partir de dados de VPU. O estudo evidencia uma considerável melhora nos resultados de estimação da resistência quando se empregam modelos neurais, em comparação a modelos estatísticos tradicionais. Para os dados coletados, provenientes de diversas pesquisas, os modelos tradicionais geram estimativas com coeficientes de determinação que não ultrapassam um valor de R² de 0,40. Já as redes neurais conseguem ajustes com R² da ordem de 0,90. Além de contribuir para uma melhor análise de situações em que haja dúvidas sobre a resistência ou homogeneidade de elementos de concreto, o trabalho demonstra que modelos neurais são uma forma eficiente de ordenar e transferir conhecimento não estruturado. Constatou-se, ainda, que, dada sua capacidade de aprendizagem e de generalização do conhecimento adquirido, as RNAs se constituem em um meio rápido e preciso para modelagem de fenômenos complexos. / Nondestructive Testing (NDT) techniques are useful tools for analyzing reinforced concrete (RC) structures. The use of Ultrassonic Pulse Velocity (UPV) measurements enables the monitoring of changes in some critical characteristics of concrete over the service life of a structure. The interpretation of the data collected allows an assessment of concrete uniformity, and can be used to perform quality control, to monitor deterioration and even, by means of comparison against reference samples, to estimate compressive strength. Nonetheless, the current techniques for UPV data analysis are, on a large degree, based on the sensitivity of the professionals who apply these tests. For accurate diagnosis it is necessary to consider the various factors and conditions that can affect the results. To proper control and inspect RC facilities it is essential to develop appropriate strategies to make the task of data interpretation easier and more accurate. This work is based on the notion that using Artificial Neural Networks (ANNs) is a feasible way to generate workable estimation models correlating concrete characteristics, compacity and compressive strength. The goal is to determine if it is possible to establish models based on non-linear relationships that are capable of estimating with good accuracy the concrete strength based on previous knowledge of some basic material characteristics and UPV measurements. The study shows that this goal is achievable and indicates that neural models perform better than traditional statistical models. For the data collected in this work, provided by various researchers, traditional regression models cannot exceed R² = 0.40, while the use of ANNs allows the creation of models that can reach a determination coefficient R² = 0.90. The results make clear that, besides contributing to better the analysis of situations where there is doubts regarding concrete strength or uniformity, neural models are an efficient way to order and transfer unstructured knowledge. It was shown that, given the learning capacity and its ability to generalize acquired information into mathematical patterns, ANNs are a quick and adequate way to model complex phenomena.

In this thesis, the development of mechanical properties and structure of latex modified cementious materials during hydration was studied. Latex modified materials are composites of inorganic cement (portland cement) and organic polymer latex. Preparation, processing and fabrication of the polymer cement material based on portland cement was optimized with aim to reach the most compact structure of the product with the finest mechanical characters. The experimental part was pointed to observe influence of the type and amount of polymer latex with focus on mechanical characters and hydration kinetics with given filling as well as without it. In presented work, the possibility of compaction of the material by high-shear mixing within twin-roll mixer (the prototype for production of MDF composite) was verified. The second part of the labor was aimed to analysis of prepared polymer-cementitious material. For determination of influence of batching of added polymer latex on hydration of cement paste the thermal analysis (DTA/TGA) and infrared spectroscopy of composite was done. At last the microscopic observation by optical microscope was carried.

Fundação de Amparo a Pesquisa do Estado de Minas Gerais / The current method for the verification of the concrete strength to compression consists in molding test cylinders or taking cores of the structure elements. The Brazilian Code ABNT NBR 7680:2007 recommends the extraction of cores with a minimum diameter of 100 mm, preferential. The reduced diameter cores have the objective of facilitating and optimizing the evaluation of existing structures, avoiding steel sectioning, reducing costs and allowing the increase of the number of samples. In this line, the sclerometry (for testing the surface hardness) is a non-destructive technique to evaluate the concrete uniformity, the evolution of strength along with time, and to estimate the final concrete s strength. This study presents the results of an experimental research to estimate the compressive concrete s strength using the sclerometry and the extraction of reduced diameter cores. Some factors which have relevant influence in the extraction and testing of cores will be hereby discussed. The investigated variables were: the nominal dimension of the aggregate and the core s diameter. The sclerometry variability results in the blocks it was studied too. In the program of rehearsals three concrete series were used with gravel 0, with gravel 1 and with gravels 1 and 2, maintaining the same relationships for water-cement and aggregatecement. The sclerometric tests were conducted in concrete blocks of 40 cm x 40 cm x 80 cm and cylinders specimens with 150 mm diameter. The analysis was conducted by comparison of the results of drilled cores from the blocks with diameters of 150 mm, 100 mm, 50 mm, 32 mm and 25 mm, test specimens with diameters of 150 mm, 100 mm and 50 mm, and sclerometry testing of specimens of 150 mm diameter. Although the limitations in relation to the number of specimens and some discrepancies between the used techniques the results had indicated a trend in terms of concrete strength variation. / A resistência à compressão do concreto pode ser obtida mediante ensaios em corpos-deprova ou em testemunhos extraídos dos elementos estruturais. A Norma Brasileira ABNT NBR 7680:2007 recomenda extrações com diâmetros preferencialmente maiores que 100 mm. A extração de testemunhos de pequeno diâmetro visa facilitar e otimizar as avaliações de estruturas acabadas evitando cortes em armaduras, reduzindo custos e permitindo ainda aumentar significativamente o número de amostras. No mesmo sentido, a esclerometria, constitui uma técnica para avaliar a uniformidade do concreto, monitorar o desenvolvimento da resistência ao longo do tempo, e ainda estimar a resistência do concreto de forma simples, rápida e relativamente barata. A associação da esclerometria com ensaios em testemunhos constitui uma das melhores formas de estimar a resistência à compressão do concreto. Este trabalho apresenta os resultados de uma pesquisa experimental, para a estimativa da resistência à compressão por meio de esclerometria e extração de testemunhos de pequeno diâmetro. Serão abordados alguns fatores que incidem na extração e ensaio de testemunhos. As variáveis estudadas foram: a dimensão nominal máxima do agregado graúdo e o diâmetro do testemunho. Também foi estudada a variabilidade dos resultados de esclerometria nos blocos. No programa de ensaios foram utilizadas três séries de concreto, com brita 0, com brita 1 e com britas 1 e 2; mantendo as mesmas relações para água-cimento e agregado-cimento. Os ensaios esclerométricos foram realizados em blocos de 40 cm x 40 cm x 80 cm e corpos-de-prova de 150 mm de diâmetro. A análise foi realizada por comparação entre resultados obtidos em testemunhos extraídos dos blocos, com diâmetros de 150 mm, 100 mm, 50 mm, 32 mm e 25 mm; corpos-de-prova de diâmetros 150 mm, 100 mm e 50 mm e esclerometria em corpos-deprova com 150 mm de diâmetro. Apesar das limitações em relação ao número de testemunhos e algumas discrepâncias entre as técnicas utilizadas os testemunhos indicaram uma tendência em termos de variação de resistência. / Mestre em Engenharia Civil

Zur Beantwortung der Frage, wie sich die festigkeitssteigernden Effekte aus mehraxialer und dynamischer Druckbelastung in Beton überlagern wurde ein weltweit einzigartiger zweiaxialer Split-Hopkinson-Bar entwickelt. Es wurden umfangreiche Versuchsserien mit insgesamt mehr als 2500 Einzelversuchen durchgeführt. Ermittelt wurden dabei die ein- und zweiaxialen statischen und dynamischen Betondruckfestigkeiten zweier Betone der Druckfestigkeitsklassen C20/25 und C40/50. Die Versuchsergebnisse wurden hinsichtlich der Festigkeitsentwicklung in Abhängigkeit vom Spannungsverhältnis und der Dehnrate ausgewertet. Die Ergebnisse aus den zweiaxialen dynamischen Betondruckversuchen konnten als dreidimensionale Abhängigkeit der Spannungen in beiden Belastungsachsen von der Dehnrate für jede der beiden Betonsorten abgebildet werden. Aus den Ergebnissen wurde ein Ingenieurmodell für jede Betonsorte entwickelt, welches die Betondruckfestigkeitsentwicklung in Abhängigkeit vom Spannungsverhältnis und der Dehnrate beschreibt. Mit zunehmender Dehnrate wird die zweiaxiale Ergebniskurve um einen zusätzlichen, dynamischen Anteil der Festigkeitssteigerung vergrößert. Dabei kommt es aber nur zu einer teilweisen Überlagerung der beiden betrachteten festigkeitssteigernden Einflüsse. Eine Abschätzung der Größenordnung der jeweiligen Einflüsse aus Mehraxialität und hoher Belastungsgeschwindigkeit konnte durch eine entsprechend differenzierte Auswertung vorgenommen werden. Die Untersuchung der Bruchstücke der zerstörten Probekörper zeigte, dass die Verteilung der Partikelgröße stark von der Dehnrate abhängig ist. Im Gegensatz dazu hängt die Partikelgeometrie und die Form und Masse der entstehenden Kernbruchstücke vom Spannungsverhältnis ab.