[pt] Pontes rodoviárias são estruturas sujeitas à ação conjunta de fadiga e corrosão. Nesse sentido, este trabalho propõe um protótipo de sistema para auxiliar na tomada de decisão sobre a manutenção de pontes de viga de aço, no qual apenas pontes simplesmente apoiadas são consideradas. O sistema considera os efeitos da corrosão-fadiga e estima o tempo de vida útil dessas estruturas a partir de uma análise de confiabilidade estrutural. Tal análise é baseada nas curvas S-N para fadiga da norma americana AASHTO e na regra do acúmulo de dano de Miner. Para considerar a perda de material e a perda de resistência causadas pela corrosão, são realizados ajustes nos parâmetros de fadiga do modelo de confiabilidade utilizado. Além disso, algumas alternativas de manutenção que reduzem a taxa de degradação são consideradas no sistema com a correção dos parâmetros de corrosão do material. O sistema utiliza uma rede neural artificial para estimar as tensões nas vigas de aço com a passagem de um veículo de fadiga da AASHTO a partir de dados geométricos e de material da ponte. A base de dados utilizada para o desenvolvimento da rede neural foi criada a partir de resultados de simulações por elementos finitos. O ciclo de vida de uma ponte de aço projetada conforme a norma americana é simulado usando o sistema proposto. Através dessa simulação, conclui-se que o tempo de vida útil da mesma está relacionado com a combinação dos parâmetros de tráfego e da agressividade do ambiente. Conclui-se também que o aumento no volume de tráfego médio diário de caminhões (ADTT) pode causar uma redução de 48 por cento a 76 por cento na vida útil e dependendo do aumento na sua taxa de crescimento anual a redução pode ser de até 80 por cento. As alternativas de lavagem da superestrutura proporcionam ganho de vida útil para todos os ambientes, sobretudo no ambiente marinho (podendo chegar até 30 por cento). No entanto, em alguns dos cenários de tráfego testados nas simulações esse ganho não é suficiente para garantir o tempo de vida útil mínimo recomendado pela AASHTO. / [en] Highway bridges are structures subjected to the both action of fatigue and corrosion. In this sense, this research proposes the prototype of a system to assist in the maintenance decision making process of steel beam bridges, in which only simply supported steel girder bridges are considered. The system contemplates the effects of corrosion-fatigue and estimates the lifetime of these structures based on a structural reliability analysis. Such analysis is based on AASHTO S-N fatigue curves and Miner s damage accumulation rule. In order to account for material and resistance loss caused by corrosion, adjustments are made to the fatigue parameters of the reliability model used. In addition, some maintenance strategies that reduce the rate of corrosion are considered in the system by correcting the corrosion parameters of the material. The system uses an artificial neural network model to estimate the stresses in steel beams under the passage of an AASHTO fatigue vehicle using geometric and material data from the bridge. The database used for the development of the neural network was created from finite element simulations results. The life cycle of a steel bridge, designed according to the AASHTO American standard, is simulated using the proposed system. Through this simulation, it is concluded that the structure s lifetime is related to the combination of traffic parameters and the environment corrosivity. It is also observed that the increase in the average daily truck traffic (ADTT) can cause a reduction from 48 percent to 76 percent in the bridge s lifetime and depending on its annual growth increase rate the reduction can go up to 80 percent. Maintenance alternatives for the superstructure such as washing provide a lifetime gain for all environments, especially in the marine environment (up to 30 percent). However, in some of the tested traffic scenarios this gain is not sufficient to guarantee the minimum service life recommended by AASHTO.
Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:50813 |
Date | 14 December 2020 |
Creators | VERISSA PINTO MARQUES QUEIROZ |
Contributors | ELISA DOMINGUEZ SOTELINO |
Publisher | MAXWELL |
Source Sets | PUC Rio |
Language | Portuguese |
Detected Language | Portuguese |
Type | TEXTO |
Page generated in 0.0016 seconds