Escolar Documentos
Profissional Documentos
Cultura Documentos
Aprovada por:
________________________________________________
Prof. Eduardo de Moraes Rego Fairbairn, Dr. Ing.
________________________________________________
Prof. Romildo Dias Toledo Filho, D.Sc.
________________________________________________
Prof. Alexandre Gonçalves Evsukoff, Dr.
________________________________________________
Eng. Marcos Martinez Silvoso, D.Sc.
________________________________________________
Eng. Walton Pacelli de Andrade
________________________________________________
Prof. Hélio José Corrêa Barbosa, D.Sc.
ii
Dedico meu trabalho à minha mãe e à minha esposa.
iii
Agradecimentos
Agradeço a tantos que, se fosse listá-los, ou você não teria tempo de concluir a leitura
deste meu trabalho, ou eu facilmente me esqueceria de muitos.
Entretanto, como de costume, agradeço à minha família que, à sua maneira, soube me
dar o que mais precisava: disciplina, amor, honestidade.
À minha mãe, Gilda. Ela é tudo. Pessoa completa. E também às outras mães que tive
nesta minha jornada.
Ao meu pai, que me foi pouco, infelizmente, e ao meu outro pai, na pessoa do meu
padrinho, Antônio Marcos, que me é muito, muito mesmo! Continue assim!
Aos que têm me ajudado como “pais”: Dr. Jairo Roberto da Silva, Laércio Borges da
Silva, Celso José Pires Filho.
Aos meus grandes professores pelas lições de vida, entre eles: Walter Vasconcelos Pinto
“Celito”, Darlan Ésper Kallas e José Augusto de Souza Martins.
A quem não posso deixar de citar: Quintiliano Mascarenhas Guedes, quem iniciou tudo,
e muitos mais. Minha memória está falhando agora.
Aos meus orientadores, Eduardo M. R. Fairbairn e Romildo D. Tolêdo Filho, por tudo o
que me proporcionaram e proporcionam.
A Furnas Centrais Elétricas S.A., nas pessoas dos engenheiros Antonio de Pádua
Bemfica Guimarães, Hélio Goulart Júnior, Walton Pacelli de Andrade, Rubens
iv
Machado Bittencourt, Moacir Alexandre Souza de Andrade, do tecnólogo Élcio Antônio
Guerra e de todo o corpo de apoio técnico do Departamento de Apoio e Controle
Técnico – DCT.T, pela oportunidade e disponibilidade de informações, investimento em
meu aprimoramento profissional e incentivo.
Finalmente, agradeço a quem sempre esteve ao meu lado, porque foram esteios em
minhas atribulações. E aos que se fizeram pedras em meu caminho, porque me exigiram
sabedoria para atingir meu horizonte sem me importar com elas.
v
Resumo da Tese apresentada a COPPE/UFRJ como parte dos requisitos necessários
para a obtenção do grau de Mestre em Ciências (M.Sc.)
Outubro/2004
vi
Abstract of Thesis presented to COPPE/UFRJ as a partial fulfillment of the
requirements for the degree of Master of Science (M.Sc.)
October/2004
The present work presents two models for the prediction of the adiabatic
temperature rise of concrete: a physicist multiphase elaborated by MAEKAWA et al.
[1]; the other, a data model based on artificial neural networks. The parameters of
entrance of the two models are practically the same ones, being consisted of the
characteristics and/or consume of the constituent materials, of the temperature of the
fresh concrete and of the specific heat of the studied concrete.
For the application of the two models a database was elaborated based on
250 rehearsals of adiabatic temperature rise, accomplished by the Laboratory of
Concrete of Furnas Centrais Elétricas S.A.
The results obtained with the application of those models presented
indicative that they are important predictive tools in the phase of project of massive
concrete structures, with medium error of the order of 3,0ºC.
vii
Índice
1. INTRODUÇÃO ............................................................................................ 1
1.1. Motivação........................................................................................................ 1
viii
2.5.4.1. Exemplo de Cálculo da Afinidade Normalizada Ã(ξ)............................... 33
3.1. Introdução........................................................................................................ 45
ix
4.1.1. Análise Química do Cimento....................................................................... 64
4.1.2. Módulo de Finura de Blaine ........................................................................ 64
4.1.3. Elevação Adiabática de Temperatura .......................................................... 64
4.1.3.1. Calorímetro Adiabático ............................................................................. 64
4.1.3.2. Procedimento............................................................................................. 66
4.1.4. Outras Propriedades Térmicas ..................................................................... 68
x
Índice de Figuras
Figura 2.5 – Influência do tipo de cimento na evolução do calor de hidratação [27]. ... 18
TU UT
(Ti)........................................................................................................................... 28
UB UB UT
Figura 2.11 – Relação entre fc e grau de hidratação dada pela expressão (2.5.13)......... 33
TU UB UB UT
Figura 2.12 – Temperatura adiabática e sua derivada em relação ao tempo [27]. ......... 34
TU UT
Figura 2.13 – Resistência à compressão e sua derivada com o tempo [27]. .................. 34
TU UT
Figura 3.4 – Função semilinear e sua derivada em relação à entrada interna. ............... 51
TU UT
Figura 3.5 – Função linear e sua derivada em relação à entrada interna. ....................... 51
TU UT
Figura 3.7 – Função sigmóide (ou logística) e sua derivada em relação à entrada interna.
TU T
................................................................................................................................ 53 U
TU Figura 3.8 – Função gaussiana e sua derivada em relação à entrada interna. ................ 54 UT
Figura 3.10 – Função sigmoidal logística e sua derivada em relação à entrada interna. 56
UT T U
Figura 4.2 – (a) Calorímetro Adiabático - vista geral da ante-sala e (b) corpo-de-prova
TU
Figura 4.3a – Banco de dados parcial – dados utilizados como input nas aplicações –
TU
Figura 4.3b – Banco de dados parcial – dados utilizados como input nas aplicações –
TU
Figura 4.4a – Banco de dados parcial – dados utilizados como output nas aplicações –
TU
Figura 4.4b – Banco de dados parcial – dados utilizados como output nas aplicações –
TU
Figura 5.1 – Taxa de geração de calor dos minerais componentes do clínquer [6]........ 75
TU UT
Figura 5.2 – Taxa de geração de calor da Escória de Alto Forno e da Cinza Volante [6].
TU T
................................................................................................................................ 76 U
xi
Figura 5.3 – Termoativação para a reação de cada componente mineral [1]. ................ 77
TU UT
Figura 5.7 – Curvas experimental e modelada para o ensaio OPC400 realizado por
TU
Figura 6.1 – Exemplos de curvas de elevação adiabática ajustadas através da função Hill
TU
Figura 6.2 – Exemplos de curvas de elevação adiabática ajustadas através da função Hill
TU
– parte II. Os ensaios colocados lado a lado são os mesmos em escalas diferentes:
esquerda - escala decimal e direita - escala logarítmica. ........................................ 93
UT
Figura 7.1 – Gráficos da incerteza padrão para os ajustes do Modelo MCH e do Modelo
TU
HILL-RNA. ............................................................................................................ 99
UT
Figura 7.2 – Gráficos comparativos dos modelos MCH e HILL-RNA com os dados
TU
Figura 7.3 – Gráficos comparativos dos modelos MCH e HILL-RNA com os dados
TU
Figura 7.4 – Gráficos comparativos dos modelos MCH e HILL-RNA com os dados
TU
Figura 7.5 – Gráficos comparativos dos modelos MCH e HILL-RNA com os dados
TU
Figura 7.6 – Gráficos comparativos dos modelos MCH e HILL-RNA com os dados
TU
Figura A.5 – Gráficos da incerteza padrão para os ajustes da função HILL. ............... 121
TU UT
Figura A.6 – Gráficos ajuste da função HILL para o ensaio E-3026 [27]. .................. 121
TU UT
Figura A.7 – Gráficos do ajuste da função HILL para o ensaio E-2832 [27]. ............. 122
TU UT
xii
Figura A.9 – Comparação entre da função HILL e a função de Resposta no Tempo de
TU
xiii
Índice de Tabelas
Tabela 2.6 – Calor específico dos constituintes do concreto a 20ºC [4(*),27] ................ 43
TU UP UP UT
[27,43]. ................................................................................................................... 44
UT
Tabela 5.2 – Composição da mistura OPC400 realizada por MAEKAWA et al. [1]. ... 89
TU UT THU UHT
Tabela 6.3 – Valores médios da incerteza padrão, desvio padrão e amplitude para cada
TU
Tabela 7.1 – Quadro comparativo dos parâmetros estatísticos entre o modelo MCH e o
TU
Tabela 7.2 – Parâmetros estatísticos para o modelo HILL-RNA aplicado a 136 ensaios.
TU T
.............................................................................................................................. 100 U
TU Tabela B.1 – Calor de hidratação das fases do clínquer - WALLER [4] ..................... 128 UT
Tabela B.2 – Calor de hidratação das microssílicas estudadas por WALLER [4] ....... 129
TU UT
Tabela B.3 – Calor de hidratação das cinzas volantes estudadas por WALLER [4] ... 129
TU UT
xiv
Notações gerais utilizadas
xv
Capítulo 1 – Introdução
1.1 MOTIVAÇÃO
1
Introdução
da cinza volante (que são as duas pozolanas estudadas pelos autores), são modelados
separadamente e posteriormente somados para constituir a elevação adiabática de
temperatura do concreto. Além disso, os efeitos do consumo de água, de aditivos
2
Introdução
3
Capítulo 2 – Aspectos Físico–Químicos da
Hidratação
C3 A
+ AFt + H → AFm + CH + FH3 (2.0.6)
C 4 AF
B B B B B B
sendo AFt o símbolo usado para a etringita e AFm o símbolo usado para o
B B B B
monossulfato.
Desta forma, a reação de hidratação do cimento Portland abrange um
conjunto de reações interdependentes de suas diferentes fases, com cinéticas diferentes,
ao curso das quais os grãos de cimento anidro iniciais vão sendo progressivamente
dissolvidos dando origem a uma estrutura que incorpora as moléculas de água. Os
produtos formados, em sua maioria, são os C-S-H, que por sua vez começam a formar
uma matriz porosa coesiva. O desenvolvimento da reação de hidratação corresponde ao
aumento progressivo do número de hidratos que formam o esqueleto poroso
proporcionando o aumento da rigidez e da resistência do material. Devido à exotermia
4
Aspectos Físico–Químicos da Hidratação
da reação de hidratação o calor total gerado fornece uma boa resposta macroscópica da
evolução das reações químicas que envolvem a hidratação, apesar destas gerarem
diferentes taxas de evolução de calor. Considera-se que o calor de hidratação gerado na
hidratação completa de um cimento é aproximadamente uma função aditiva dos calores
gerados na hidratação dos compostos individuais do cimento, ponderados pelos teores
dos compostos [1,9].
2.1 OS REAGENTES
5
Aspectos Físico–Químicos da Hidratação
Ferroaluminato Tetracálcico ou
4CaO⋅Al2O3⋅Fe2O3 C4AF 5% a 10%
Ferrito
B B B B B B B B B B
Gipsita CaSO4⋅2H2O
B B B B C SH 2 3% a 5%
6
Aspectos Físico–Químicos da Hidratação
Estas equações são aplicáveis aos cimentos Portland desde que a relação
entre Óxido de Alumínio e Óxido de Ferro seja maior que 0,64 (Al2O3 / Fe2O3 ≥ 0,64). B B B B B B B B
Caso esta relação não seja válida, a série de equações (II) abaixo deverá ser utilizada
conforme preconiza a norma ASTM C 150-00 [11], pois uma solução sólida de
alumino-ferrito de cálcio, expresso como ss(C4AF + C2F), é formada. Não há C3A em
B B B B B B
C3 S = 4,071 ⋅ %CaO − 7,600 ⋅ % SiO2 − 4,479 ⋅ % Al2 O3 − 2,859 ⋅ % Fe2 O3 − 2,852 ⋅ % SO3
C2 S = 2,867 ⋅ % SiO2 − 0,7544 ⋅ %C3 S
(II)
ss(C 4 AF + C 2 F ) = 2,100 ⋅ % Al2 O3 + 1,702 ⋅ % Fe2 O3
Nome Sigla
Cimento Portland Comum CP I
Cimento Portland Comum com Adição CP I-S
Cimento Portland Composto com Filler CP II F
Cimento Portland Composto com Escória CP II E
Cimento Portland Composto com Pozolana CP II Z
Cimento Portland de Alto Forno CP III
Cimento Portland Pozolânico CP IV
Cimento Portland de Alta Resistência Inicial CP V-ARI
7
Aspectos Físico–Químicos da Hidratação
2.1.2. A Água
8
Aspectos Físico–Químicos da Hidratação
átomos Si4+ ou Ca2+ sobre as faces interna e externa das folhas, estabelecem ligações de
P P P P
9
Aspectos Físico–Químicos da Hidratação
10
Aspectos Físico–Químicos da Hidratação
formado [1]. Este consumo de Ca2+ retarda a formação de núcleos cristais de CH , que
P P B B
são os “gatilhos” que ativam a geração de calor de hidratação, ou pelo menos diminui a
taxa de formação de cristais.
Foi relatado [9,25] que alguns superplastificantes ficam incorporados dentro
dos hidratos dos materiais intersticiais como resultado da rápida hidratação de C3A ou B B
11
Aspectos Físico–Químicos da Hidratação
12
Aspectos Físico–Químicos da Hidratação
13
Aspectos Físico–Químicos da Hidratação
50 50
Elevação Adiabática de Temperatura (ºC)
CPI100 CPI100
E100 E100
30 30
20 20
10 10
0 0
0 5 10 15 20 25 30 0,01 0,1 1 10 100
t (dias) t (dias)
14
Aspectos Físico–Químicos da Hidratação
A + 2CH + 6 H → C2 AH 8 (2.1.2)
C 2 AH 8 + C 4 AH 13 → 2C3 AH 6 + 9 H (2.1.4)
Podem-se reduzir estas últimas três equações a apenas uma, qual seja:
A + 3CH + 3H → C3 AH 6 (2.1.5)
Formam-se, também, alguns silicoaluminatos de cálcio hidratados:
A + xS + 3CH + ( y − 3) H → C3 AS x H y (2.1.7)
Onde x varia de 0,4 a 1,0 e, y , entre 4 e 5. Na presença de etringita, ocorre
a conversão em monossulfoaluminato:
15
Aspectos Físico–Químicos da Hidratação
CH. WALLER [4] concluiu que se torna difícil quantificar a água total consumida sem
saber a ordem de grandeza desta última parte.
É sabido que a adição de cinza volante ao cimento Portland retarda a
hidratação. SANTHIKUMAR [29], citado por MAEKAWA et al. [1], mediu a taxa de
calor de hidratação do cimento composto binário em vários teores de substituição de
cinza volante e, então, observou que o pico exotérmico correspondente à hidratação
ativa do cimento era retardado conforme o aumento na substituição de cinza volante.
Também foi visto [1] que a cinza volante tem um efeito retardador na reação da escória
tanto quanto no cimento, através do estudo da taxa de calor da reação de um compósito
de escória e cinza volante com um reagente.
A cinza volante retarda o início das reações que ocorrem entre o cimento e a
água, por isso seu efeito é considerado semelhante ao de um aditivo químico. O efeito
da adição da cinza volante em concreto pode ser observado no gráfico da Figura 2.3 a
seguir.
60 60
CPIII100 CPIII100
CPIII62 + CV38 CPIII62 + CV38
50 50
CPIII50 + CV50 CPIII50 + CV50
Elevação Adiabática de Temperatura (ºC)
40 40
30 30
20 20
10 10
0 0
0 5 10 15 20 25 30 0,01 0,1 1 10 100
t (dias) t (dias)
16
Aspectos Físico–Químicos da Hidratação
+++ ++++++
+++ ++++++ +++
+++
+++ ++++++ +++
+++
+++ xxxx xxxx++++++xxxx
+++ +++
+++ +++ xxxx xxxx+++ xxxx
+++ +++ xxxx xxxx+++ xxxx +++
+++ xxxx +++ xxxx
+++ xxxx +++ xxxx +++
+++ xxxx +++ xxxx +++
+++ +++ xxxx +++ xxxx
+++ +++ +++
xxxx xxxx +++
+++ +++ +++
xxxx xxxx +++
xxxx
+++
xxxx
xxxx
+++ +++ xxxx +++ xxxx +++
+++ +++ xxxx +++ xxxx xxxx +++
+++ +++ +++ xxxx
+++ +++ xxxx xxxx +++
+++
+++ +++ xxxx +++
+++ +++ xxxx +++ +++ xxxx +++ +++
xxxx xxxx
+++ xxxx +++ xxxx +++
xxxx xxxx
+++ xxxx +++ xxxx +++
+++ xxxx
+++ xxxx xxxx
+++
+++ +++ xxxx +++
+++ +++ xxxx xxxx
+++ +++ xxxx +++
+++ +++ +++ +++ xxxx
+++ +++ +++
+++ +++
+++ ++++++
+++
Figura 2.4 – Representação esquemática das noções de teoria da percolação, segundo ACKER [29].
17
Aspectos Físico–Químicos da Hidratação
somada a uma grande liberação de calor durante a sua hidratação. Por outro lado, um
concreto com alto teor de C2S irá promover uma baixa resistência inicial, alta resistência
B B
a longo prazo e, ainda, baixa liberação de calor. Foi relatado por MAEKAWA et al. [1]
que uma diferença na composição do cimento faz com que a taxa de geração de calor de
cada fase se altere durante o período de difusão.
A Figura 2.5 mostra a influência da composição (tipo) do cimento na
evolução do calor de hidratação do concreto.
60 60
50 50
Elevação Adiabática de Temperatura (ºC)
Elevação Adiabática de Temperatura (ºC)
40 40
30 30
20 20
CP I CP I
10 CP IV 10 CP IV
CP III CP III
0 0
0 5 10 15 20 25 30 0,01 0,1 1 10 100
t (dias) t (dias)
Observa-se, da figura acima, que o cimento Portland de Alto Forno (CP III),
cuja composição inclui a Escória de Alto Forno, libera menos calor durante sua
hidratação do que um cimento Portland comum (CP I).
Convém lembrar que o fenômeno da hidratação é dependente da evolução
da camada de hidratos precipitados ao redor dos grãos de clínquer que, com o aumento
da sua espessura, impede cada vez mais que a água penetre através dos seus nanoporos
para combinar-se com o cimento anidro, formando, assim, novos hidratos. Os maiores
18
Aspectos Físico–Químicos da Hidratação
1º pico
Conversão de
dissolução etringita em
e formação monossulfato
Evolução do calor liberado
da etringita
2º pico
V
Formação de 3º pico
II C–S–H e CH
Controle de difusão
Período dormente,
supersaturação dos
íons Ca2+
P P
IV
I III
Tempo de hidratação
19
Aspectos Físico–Químicos da Hidratação
camada que cobre os íons de Al3+ fica mais espessa, impedindo o seu contato com o P P
controlada, com o aumento de espessura dessa cobertura e do tempo que a água leva
para penetrar na mesma. O C2S hidrata a uma taxa mais lenta porque é um componente
B B
menos reativo. Por isso se nota uma baixa liberação de calor neste estágio. Com o
desaparecimento do SO42– na solução vem a instabilidade da camada de etringita,
B PB P
juntamente com os hidratos precipitados dos íons Ca2+, formam uma proteção em torno P P
do grão de cimento, impedindo o contato da água livre com a sua parte não hidratada.
Inicia-se, assim, o último estágio, o estágio V (12 a 24 horas), também chamado
controle de difusão [1]. Neste estágio, a temperatura tem pouco efeito na hidratação.
Em contraste com os efeitos retardadores dos aditivos químicos e da cinza
volante, os componentes do cimento são provedores de íons Ca2+. Se o cimento provê P P
2+
um abundante suprimento de Ca , o efeito retardador dos aditivos terá curta duração. A P P
dissolução de Ca2+ deve variar de fase para fase. Dada a quantidade de Ca2+ e sua
P P P P
reatividade, o suprimento pelo C2S será menor do que pelo C3S. Pode, portanto, ser B B B B
deduzido que o cimento Portland de baixo calor de hidratação, com sua dissolução de
Ca2+ relativamente mais pobre, deveria ser mais propenso aos efeitos retardadores do
P P
20
Aspectos Físico–Químicos da Hidratação
(
camada de pequenas agulhas, chamadas etringita C3 A ⋅ 3C S ⋅ H 32 ou C6 AS 3 H 32 , como )
já abordado anteriormente, mostradas na Figura 2.7 a seguir.
21
Aspectos Físico–Químicos da Hidratação
produto formado. É sabido que a formação de etringita se encerra quando não há mais
SO42– na fase líquida, porque o gesso foi consumido. Presume-se [1] que não há
B BP P
formação de hidratos de C3A e de C4AF enquanto existir gesso não reagido na fase
B B B B
(
se convertendo em monossulfato C3 A ⋅ C S ⋅ H 12 , que é um dos produtos finais da )
hidratação dos cimentos Portland que contêm mais de 5% de C3A, de acordo com a B B
seguinte equação:
C3 A + 6 H → C3 AH 6 (2.3.7)
22
Aspectos Físico–Químicos da Hidratação
C 3 A + 3C S H 2 + 26 H → C 3 A ⋅ 3C S ⋅ H 32 (2.3.8)
2C3 A + C3 A ⋅ 3C S ⋅ H 32 + 4H [
→ 3 C3 A ⋅ 3C S ⋅ H 12 ] (2.3.9)
C3 A + 6 H → C 3 AH 6 (2.3.10)
C 4 AF + 3C S H 2 + 27 H → C3 ( AF ) ⋅ 3C S ⋅ H 32 + CH (2.3.11)
2C 4 AF + C 4 ( AF ) ⋅ 3C S ⋅ H 32 + 6 H [ ]
→ 3 C3 ( AF ) ⋅ 3C S ⋅ H 12 + 2CH (2.3.12)
C 4 AF + 2CH + 10 H → C3 AH 6 − C3 FH 6 (2.3.13)
C3 A + 3C S H 2 + 26 H → C3 A ⋅ 3C S ⋅ H 32 (2.3.14)
2C3 A + C3 A ⋅ 3C S ⋅ H 32 + 4H [
→ 3 C3 A ⋅ 3C S ⋅ H 12 ] (2.3.15)
C3 A + 6 H → C3 AH 6 (2.3.16)
C 4 AF + 3C S H 2 + 30 H → C 3 A ⋅ 3C S ⋅ H 32 + CH + FH 3 (2.3.17)
2C 4 AF + C 4 A ⋅ 3C S ⋅ H 32 + 12 H [ ]
→ 3 C3 A ⋅ 3C S ⋅ H 12 + 2CH + 2 FH 3 (2.3.18)
C 4 AF + 10 H → C 3 AH 6 + CH + FH 3 (2.3.19)
23
Aspectos Físico–Químicos da Hidratação
W (t )
ξ= , ξ ∈ [0,1] (2.4.3)
W (t = ∞ )
onde
W é a quantidade de água ligada em função do tempo.
Na equação (2.4.3), dada acima, W(t = ∞) representa a quantidade de água
ligada para uma hidratação total do cimento. Um valor aproximado de W (t = ∞), citado
por LAPLANTE [38], como já foi dito, é dado por:
onde
C é a quantidade total de cimento.
Tecnicamente, é impossível extrair de um corpo de prova apenas esta água
ligada. Esta quantidade (água ligada) é então assimilada, geralmente, à quantidade de
água não-evaporável. Esta última pode ser extraída quando o corpo de prova é
submetido a uma análise termogravimétrica por aquecimento entre 105ºC e 1050ºC. A
análise termogravimétrica consiste em pesar continuamente um corpo de prova
submetido a uma temperatura crescente, geralmente linear, programada em função do
tempo. Isto permite observar a evolução de sua massa sob atmosfera controlada. As
diferentes variações de massa que se produzem durante a experiência permitem
conhecer as quantidades de água ligadas sob suas diferentes formas (ver Tabela 2.5).
24
Aspectos Físico–Químicos da Hidratação
25
Aspectos Físico–Químicos da Hidratação
completa).
Visto que:
dm dξ
= m∞ ⋅ (2.5.3)
dt dt
26
Aspectos Físico–Químicos da Hidratação
onde: L = m∞Lm.
B B B B
importante notar que a velocidade da reação de hidratação dada por ξ& depende do
estado em que se encontra a reação de hidratação, ou seja, devemos escrever,
formalmente, ξ&(ξ ) . Visto que a reação de hidratação é termoativada, o estado em que se
encontra a reação de hidratação dependerá da evolução do campo de temperaturas.
A solução numérica da equação (2.5.4) implica, então, em que seja
calculado o campo das hidratações ξ para todos os passos de tempo em que será
calculado o campo de temperaturas T, ou seja, para que a equação (2.5.4) seja resolvida
é preciso que ξ&(ξ ) (cinética da hidratação) possa ser determinada para cada passo de
tempo.
27
Aspectos Físico–Químicos da Hidratação
Ti alta
B
Tad – Ti (ºC)
B
B
P
P
Ti baixa
B
tempo
Figura 2.8 – Elevações adiabáticas de temperatura para diversas temperaturas iniciais (Ti).B B
MICRO-
DIFUSÃO TERMO
ATIVAÇÃO
Água livre
Cimento
Anidro
Hidratos
Com base nos conceitos expressos acima, a equação (2.5.5) para a evolução
da massa do esqueleto, baseada na lei de Arrhenius, foi proposta [33,34,35].
dm 1 ⎛ Ea ⎞
= ⋅ A(m ) ⋅ exp⎜ − ⎟ (2.5.5)
dt η (m ) ⎝ ℜT ⎠
28
Aspectos Físico–Químicos da Hidratação
onde:
dm / dt indica a variação da massa do esqueleto (hidratos C–S–H) no
tempo, parâmetro que correspondente à cinética (velocidade) da reação de hidratação
que pode ser colocada simplificadamente como: água + cimento → hidratos;
η corresponde a alguma medida de viscosidade.
Esta viscosidade η sugere o fato de que o fenômeno que é mostrado na
Figura 2.9 é um fenômeno que, com o passar do tempo, é cada vez mais comandado
pela difusão da água na rede porosa dos nano-hidratos que se forma em torno dos grãos
de cimento anidro. Neste caso, visto que esta viscosidade aumenta com a evolução da
reação química, é razoável que se coloque η = η (m), sendo m a quantidade de
esqueleto já formado, ou ainda, η = η (ξ) , sendo 0 ≤ ξ ≤ 1 o grau de hidratação já
definido anteriormente. Lembramos que um sistema simples de amortecedor, como
mostrado na Figura 2.10, responde a uma tensão constante através da relação
constitutiva dε/dt = (1/η )σ indicando a analogia que pode ser feita entre velocidade de
deformação e velocidade de formação de massa ( dm/dt = (1/ η )A – sendo a tensão σ e,
a afinidade química A , as “forças”, no sentido termodinâmico da palavra).
σ σ
29
Aspectos Físico–Químicos da Hidratação
dξ ~ ⎛ Ea ⎞
= A(ξ ) ⋅ exp⎜ − ⎟ (2.5.6)
dt ⎝ ℜT ⎠
sendo a afinidade normalizada Ã(ξ) correspondente a:
~ A(m(ξ ))
A(ξ ) = (2.5.7)
m∞ ⋅η (ξ )
A afinidade normalizada é um parâmetro que engloba os efeitos físicos
correspondentes ao aumento da massa de hidratos, difusão, viscosidade e a afinidade
química propriamente dita. A afinidade normalizada é também a propriedade do
concreto que independe da temperatura, sendo o termo exp(–Ea/ℜT) , da equação
(2.5.6) responsável pela termoativação. Neste modelo a energia de ativação aparente
(Ea) é considerada constante ao longo do tempo.
Assim, se for possível conhecer uma curva Ã(ξ) – ξ , será possível resolver
a equação (2.5.4), já que ξ& = dξ / dt desde que, para cada passo de tempo calculem-se,
além das temperaturas T, os graus de hidratação ξ – o que é desejável – já que para a
solução do problema mecânico (ou termomecânico) os parâmetros característicos de
diversos fenômenos, como evolução da resistência, módulo de elasticidade, retração
autógena e fluência podem ser correlacionados ao grau de hidratação.
Os valores de Ã(ξ), que são uma medida intrínseca da cinética da reação,
podem ser obtidos experimentalmente, seja através de ensaios adiabáticos, seja através
de ensaios isotermos de compressão uniaxial realizados em diversas idades, como será
mostrado a seguir.
Nos itens que se seguem, a título de exemplo, a função Ã(ξ) será calculada a
partir dos dados experimentais obtidos para o ensaio de evolução adiabática da
temperatura e de evolução da resistência a compressão uniaxial, realizados no
Laboratório de Concreto do Centro Tecnológico de Engenharia Civil de Furnas Centrais
Elétricas S.A. (Goiânia-GO), para uma dosagem de concreto-massa identificada por E-
6343 [27,36].
30
Aspectos Físico–Químicos da Hidratação
laboratoriais desenvolvidas para medir o calor liberado pela hidratação do cimento. Tais
técnicas devem ser capazes de determinar a evolução da temperatura do concreto com o
tempo, devida apenas ao calor de hidratação. Normalmente, ensaios desse tipo são
realizados em equipamentos especiais, denominados calorímetros.
É possível fazer uma divisão em dois tipos básicos de calorímetros: os
calorímetros adiabáticos e os calorímetros semi-adiabáticos. Nos calorímetros
adiabáticos considera-se que a perda de calor para o meio é muito pequena e, assim, o
corpo de prova pode ser considerado isolado e a evolução da sua temperatura é toda
atribuída ao calor de hidratação. Nos calorímetros semi-adiabáticos devem ser
consideradas as perdas para o meio e, assim, uma vez conhecida a capacidade térmica
do calorímetro, é possível determinar a quantidade de calor gerada a partir da reação de
hidratação.
Com os dados do ensaio adiabático é possível obter Ã(ξ) partindo da
equação de difusão de calor que, em condições adiabáticas, apresenta um acoplamento
termo-químico linear. Neste caso a equação (2.5.4), com a consideração de que Q = 0
(não há fluxo ou geração de calor além do calor de hidratação) e ∇2T = 0 (não há P P
(
ξ (t ) = T ad − T0ad ) CL
ε
(2.5.9)
T ad (t ) − T0ad
ξ (t ) = (2.5.11)
T ad (∞) − T0ad
31
Aspectos Físico–Químicos da Hidratação
⎛ Ea ⎞
~ 1 dT ad (t ) ⎜⎜⎝ RT ad (t ) ⎟⎟⎠
A(t ) = ⋅ ⋅e (2.5.12)
T ad (∞) − T0ad dt
32
Aspectos Físico–Químicos da Hidratação
fc(t)
B B
fc,∞
B B
Figura 2.11 – Relação entre fc e grau de hidratação dada pela expressão (2.5.13).
B B
33
Aspectos Físico–Químicos da Hidratação
80.0 2.5
dTad/dt (oC/h)
T ( C)
ad o
2.25
70.0
2
60.0
1.75
50.0
1.5
40.0 1.25
1
30.0
0.75
20.0
0.5
10.0
0.25
0.0 0
0.0 2.0 4.0 6.0 8.0 10.0 12.0 14.0 16.0 18.0 20.0
Tempo (Dias)
Temperatura Adiabática Derivada da Temperatura
Resistência à Compressão
dRc/dt (MPa/h)
Rc (MPa)
40.0 0.75
35.0
30.0
0.5
25.0
20.0
15.0
0.25
10.0
5.0
0.0 0
0.0 10.0 20.0 30.0 40.0 50.0 60.0 70.0 80.0 90.0
Tempo (Dias)
Resistência Derivada da Resistência
34
Aspectos Físico–Químicos da Hidratação
Afinidade Normalizada
10.0
(1/s)
5.0
0.0
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
35
Aspectos Físico–Químicos da Hidratação
Para haver uma reação é necessário que haja colisão entre as moléculas dos
reagentes. Mas esta, embora necessária, não é a única condição. Outras exigências têm
que ser atendidas.
A reação HI + HI → H 2 + I 2 , por exemplo, escrita com fórmulas
estruturais
H–I H-----I H I
+ | + | ,
H–I H-----I H I
H H
H H H H
+ ↔ ↔ +
I I I I I I
36
Aspectos Físico–Químicos da Hidratação
Ea
∆H < 0 ∆H > 0
reagentes
produtos
37
Aspectos Físico–Químicos da Hidratação
T2 > T1 ⇒ EC > eC
T1
B B B B B B B B
B B
número de moléculas
T2
B B
eC
B B EC B B Ea energia cinética
eC = energia cinética média na temperatura T1
B B B B
das moléculas
EC = energia cinética média na temperatura T2
B B B B
38
Aspectos Físico–Químicos da Hidratação
39
Aspectos Físico–Químicos da Hidratação
Ea3 Ea4
Evolução do calor liberado
B B B B
Ea1
B B
Ea constante
Ea5
B B
II III
I IV
V
Tempo de hidratação
40
Aspectos Físico–Químicos da Hidratação
( ) ( )[
Ea T c = 33500 + 1470 ⋅ 20 − T c J ⋅ mol -1 , para T c < 20°C ; ]
(2.6.1)
Ea (T ) =
c
33500 [J ⋅ mol ],
-1
para T ≥ 20°Cc
onde:
ξ é o grau de hidratação;
T é a temperatura do concreto (K);
Tr é a temperatura de referência (K);
B B
α = 0,00017 ⋅ T c (constante);
Tc é a temperatura de cura em ºC;
P P
41
Aspectos Físico–Químicos da Hidratação
42
Aspectos Físico–Químicos da Hidratação
Constituintes
Cith B PB P Concreto
43
Aspectos Físico–Químicos da Hidratação
γ é a Densidade (kg⋅m–3); P P
Efeito
Fator
DifusividadeTérmica Condutividade Térmica
Agregado graúdo ♦ Amplas variações para diferentes tipos ♦ Variações para diferentes tipos
litológicos de agregados; litológicos de agregados;
♦Aumenta com o aumento da dimensão ♦ Diminui com o aumento da massa
máxima do agregado; específica do agregado;
♦ Variações para diferentes procedências de ♦Aumenta com o aumento da dimensão
agregados com mesmos tipos litológicos; máxima do agregado;
♦ Aumenta com o aumento de volume de ♦
agregado.
Fator a/c ♦ Reduz com o aumento do Fator a/c. ♦ Reduz com o aumento do Fator a/c.
Emprego de ♦ Diminui com o aumento de material
material isolante isolante.
Temperatura ♦ Aumenta com o aumento da temperatura. ♦ Para temperaturas crescentes, a
condutividade aumenta para concretos com
agregados de menor condutividade e pouco
varia para concretos com agregados com
maior condutividade.
Teor de Ar ♦ Reduz com o aumento de ar incorporado.
Incorporado
Tipo de Cimento ♦ Variações para diferentes tipos de ♦ Variações para diferentes tipos de
cimento. cimento.
Grau de saturação ♦ Aumenta com o aumento do grau de
do concreto saturação do concreto.
44
Capítulo 3 – Aspectos de Modelos de Dados:
Introdução às Redes Neurais
Artificiais (RNAs)
3.1. INTRODUÇÃO
45
Aspectos de Modelos de Dados: Introdução às Redes Neurais
Artificiais (RNAs)
mamífero pode conter muitos bilhões de neurônios, sendo que o cérebro humano possui
cerca de 1011 neurônios.
P P
46
Aspectos de Modelos de Dados: Introdução às Redes Neurais
Artificiais (RNAs)
Assim, o cérebro pode se adaptar às várias situações devido ao fato de que a efetividade
da transmissão de sinais pode ser modulada.
Os impulsos recebidos por um neurônio “A”, em um determinado momento,
são processados, e atingindo um dado limiar de ação, o neurônio “A” dispara,
produzindo uma substância neurotransmissora que flui do corpo celular para o axônio,
que pode estar conectado a um dendrito de um outro neurônio “B”. O neurotransmissor
pode diminuir ou aumentar a polaridade da membrana pós-sináptica, inibindo ou
excitando a geração dos pulsos no neurônio B. Este processo depende de vários fatores,
como a geometria da sinapse e o tipo de neurotransmissor.
Em média, cada neurônio forma entre mil e dez mil sinapses. O número de
sinapses em um ser humano é de mais de 1014, possibilitando a formação de redes muito
P P
complexas.
47
Aspectos de Modelos de Dados: Introdução às Redes Neurais
Artificiais (RNAs)
48
Aspectos de Modelos de Dados: Introdução às Redes Neurais
Artificiais (RNAs)
Função de F(u)
ativação
x1 u y
x2
Σ f(u)
Saída
Junção
somadora θ u
Figura 3.2 – Esquema de unidade MCCULLOCH e PITTS [63]
⎛ m ⎞
yk = f (u k ) = f⎜
⎜ ∑w kj ⋅ xj ⎟
⎟ (3.5.1)
⎝ j =1 ⎠
Onde os parâmetros wkj representam os pesos das conexões sinápticas; o
B B
49
Aspectos de Modelos de Dados: Introdução às Redes Neurais
Artificiais (RNAs)
uk yk
.
. Σ f(uk)
. wkm Saída
Junção
xm somadora
limiar (bias) bk, ou seja, uma combinação linear das entradas com os pesos associados,
B B
mais o limiar bk. O limiar bk tem o papel de aumentar ou diminuir a influência do valor
B B B B
⎧1 se pu k ≥ 1
⎪
yk = f (u k ) = ⎨ pu k se 0 < pu k < 1 (3.6.1)
⎪0 se pu ≤ 0
⎩ k
50
Aspectos de Modelos de Dados: Introdução às Redes Neurais
Artificiais (RNAs)
⎛ m ⎞
yk = f (u k ) = f⎜
⎜ ∑ wkj ⋅ x j ⎟
⎟ (3.6.2)
⎝ j =1 ⎠
f(u) 5 f(u) 5
0 0
-5 -5
-5 0 5 -5 0 5
u u
51
Aspectos de Modelos de Dados: Introdução às Redes Neurais
Artificiais (RNAs)
⎧0 se u k < bk
yk = f (u k ) = ⎨ (3.6.3)
⎩1 se u k ≥ bk
f(u) 2
0
bk
-1
-2
-5 5
u
neurônio. O ponto de transição pode ser integrado ao modelo do neurônio (3.5.1) como:
⎛ m ⎞
yk = f (u k ) = f⎜
⎜ ∑ wkj ⋅ x j + bk ⎟
⎟ (3.6.4)
⎝ j =1 ⎠
A função de ativação lógica não é contínua em bk = uk , o que dificulta a B B B B
1
yk = f (u k ) = (3.6.5)
1 + e − puk
52
Aspectos de Modelos de Dados: Introdução às Redes Neurais
Artificiais (RNAs)
1 1
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0 0
-0.2 -0.2
-5 0 5 -5 0 5
u u
Figura 3.7 – Função sigmóide (ou logística) e sua derivada em relação à entrada interna.
1 ⎧0, u k < 0
lim y = ; lim y = ⎨ (3.6.6)
p →0 2 p →∞
⎩1, u k ≥ 1
A função de ativação sigmóide (3.6.5) limita a saída de um neurônio no
intervalo [0,1], de forma que os valores das unidades de saída da rede podem ser
interpretados como graus de pertinência em problemas de reconhecimento de padrões.
Outra vantagem da função de ativação sigmóide é que sua derivada pode ser calculada
facilmente como:
∂y
= pu k ⋅ (1 − u k ) > 0 (3.6.7)
∂u k
53
Aspectos de Modelos de Dados: Introdução às Redes Neurais
Artificiais (RNAs)
f (uk ) = e − uk
2
yk = (3.4.10)
0.8
0.6
0
0.4
0.2
-0.2 -1.2
-5 0 5 -5 0 5
u u
54
Aspectos de Modelos de Dados: Introdução às Redes Neurais
Artificiais (RNAs)
RTRL
Multi-Layer Recorrente BP
Boltzman BPTT
Recorrente
ART ART MAP
Competitive LVQ
Treinamento
Supervisionado
Madaline
Multi-Layer
Backpropagation
Camadas
Adaline
Single Layer
Perceptron
Kohonen
SOM
Willshaw,
Malsberg
Memória
Hopfield
Associativa
Recorrente
ART1
ART
ART2
Treinamento não
Supervisionado Vector
Competitive Quantization
Multi-Layer Linker
Camadas
Sanger
Single Layer
Oja
Clustering and
Prob NN
Bayesian
Treinamento
Camadas
Híbrido
Clustering and
RBF
Least Squares
55
Aspectos de Modelos de Dados: Introdução às Redes Neurais
Artificiais (RNAs)
1
yk = f (u k ) = uk , (3.4.11)
−
1+ e p
1 0
0.8 -0.2
0.6 -0.4
0.4 -0.6
0.2 -0.8
0 -1
-0.2 -1.2
-5 0 5 -5 0 5
u u
Figura 3.10 – Função sigmoidal logística e sua derivada em relação à entrada interna.
56
Aspectos de Modelos de Dados: Introdução às Redes Neurais
Artificiais (RNAs)
.
u(t) . y(t)
.
. .
.
.
.
.
u1(t)
B B
57
Aspectos de Modelos de Dados: Introdução às Redes Neurais
Artificiais (RNAs)
a resposta seja produzida pela camada de saída. No segundo passo, a saída obtida é
comparada à saída desejada para esse padrão particular. Se esta não estiver correta, o
erro é calculado. O erro é propagado a partir da camada de saída até a camada de
entrada, e os pesos das conexões das unidades das camadas internas vão sendo
modificados conforme o erro é retropropagado.
58
Aspectos de Modelos de Dados: Introdução às Redes Neurais
Artificiais (RNAs)
saída obtida
E
A
r t
i
r v
i
o d
a
d
e
padrão de entrada
59
Aspectos de Modelos de Dados: Introdução às Redes Neurais
Artificiais (RNAs)
saída obtida
A
t
i
v
i
d
a
d
e
padrão de entrada
60
Aspectos de Modelos de Dados: Introdução às Redes Neurais
Artificiais (RNAs)
serão utilizados para verificar sua performance sob condições reais de utilização. Além
dessa divisão, pode-se usar também uma subdivisão do conjunto de treinamento,
criando um conjunto de validação, utilizado para verificar a eficiência da rede quanto à
sua capacidade de generalização durante o treinamento, podendo ser empregado como
critério de parada do treinamento.
Depois de determinados estes conjuntos, eles são, geralmente, colocados em
ordem aleatória para prevenção de tendências associadas à ordem de apresentação dos
dados. Além disso, pode ser necessário que estes dados sejam pré-processados, através
de normalizações, escalonamentos e conversões de formato, para torná-los mais
apropriados à sua utilização na rede.
3.8.2.3. Treinamento
61
Aspectos de Modelos de Dados: Introdução às Redes Neurais
Artificiais (RNAs)
3.8.2.4. Teste
62
Aspectos de Modelos de Dados: Introdução às Redes Neurais
Artificiais (RNAs)
3.8.2.5. Integração
63
Capítulo 4 – Procedimentos Experimentais e
Elaboração do Banco de Dados
64
Procedimentos Experimentais e Elaboração do Banco de Dados
que, em alguns ensaios, se obtivesse todas as leituras que deveriam ser realizadas. Hoje
em dia, o calorímetro já está equipado com um sistema informatizado, o que tornou
possível garantir que todas as leituras sejam efetuadas nas suas devidas datas.
65
Procedimentos Experimentais e Elaboração do Banco de Dados
. .
.
.
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
CP de Concreto
Termômetros
Resistência
Circulador
de Ar
. . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . .
. . . .
. . .
4.1.3.2. Procedimento
66
Procedimentos Experimentais e Elaboração do Banco de Dados
(a) (b)
Figura 4.2 – (a) Calorímetro Adiabático - vista geral da ante-sala e (b) corpo-de-prova inserido no Calorímetro. [27]
67
Procedimentos Experimentais e Elaboração do Banco de Dados
do ensaio. Nos finais de semana e feriados deve ser realizada, no mínimo, uma leitura
diária até o final do ensaio. O ensaio deve ser conduzido por um período mínimo de 14
dias e máximo de 28 dias até que haja estabilização da temperatura ou até que as leituras
de temperatura se repitam por um período mínimo de 48 horas, na faixa decimal de
temperatura.
Tabela 4.1 – Ensaios de Calor Específico, Difusividade Térmica e Condutividade Térmica [27,43].
Difusividade Térmica NBR12818/93 [85], baseado no método desenvolvido pelo U.S. Bureau of
Reclamation, com pequenas modificações [43,86].
68
Procedimentos Experimentais e Elaboração do Banco de Dados
Cimento
Composição Potencial
Fases Bogue (%)
Consumo Blaine
E- SO3 SiO2 Fe2O3 Al2O3 CaO C3S C2S C3A C4AF CaSO4 2
(Kg/m³) (cm /g)
1395 1.5900 19.3600 4.0300 5.5900 62.8800 59.54 10.59 8.01 12.25 2.70 185.0000 3000.0000
1399 1.5900 19.3600 4.0300 5.5900 62.8800 59.54 10.59 8.01 12.25 2.70 154.0000 3000.0000
1412 1.5900 19.3600 4.0300 5.5900 62.8800 59.54 10.59 8.01 12.25 2.70 139.0000 3000.0000
1416 1.5900 19.3600 4.0300 5.5900 62.8800 59.54 10.59 8.01 12.25 2.70 130.0000 3000.0000
1421 1.5900 19.3600 4.0300 5.5900 62.8800 59.54 10.59 8.01 12.25 2.70 104.0000 3000.0000
1423 1.5900 19.3600 4.0300 5.5900 62.8800 59.54 10.59 8.01 12.25 2.70 92.0000 3000.0000
1433 1.5900 19.3600 4.0300 5.5900 62.8800 59.54 10.59 8.01 12.25 2.70 149.0000 3000.0000
1437 1.5900 19.3600 4.0300 5.5900 62.8800 59.54 10.59 8.01 12.25 2.70 108.0000 3000.0000
1757 2.0400 20.6700 3.2800 5.1400 64.7200 56.67 16.51 8.07 10.28 3.47 337.6000 2911.0000
1759 2.0400 20.6700 3.2800 5.1400 64.7200 56.67 16.51 8.07 10.28 3.47 320.0000 2911.0000
1772 2.0400 20.6700 3.2800 5.1400 64.7200 56.67 16.51 8.07 10.28 3.47 280.0000 2911.0000
1900 2.0400 20.6700 3.2800 5.1400 64.7200 56.67 16.51 8.07 10.28 3.47 345.4500 2911.0000
1941 2.1000 21.0800 5.6900 5.5900 62.1200 38.04 31.74 5.19 17.31 3.57 366.4000 2745.0000
1972 1.9000 20.5900 3.7200 4.6200 64.3400 58.09 15.19 5.95 11.32 2.23 109.0000 3000.0000
1997 1.9000 20.5900 3.7200 4.6200 64.3400 58.09 15.19 5.95 11.32 2.23 97.0000 3000.0000
2010 1.9000 20.5900 3.7200 4.6200 64.3400 58.09 15.19 5.95 11.32 2.23 109.0000 3000.0000
2019 1.9700 18.8900 2.8200 6.0600 62.6100 53.10 16.80 11.28 8.57 3.35 95.0000 3000.0000
Figura 4.3a – Banco de dados parcial – dados utilizados como input nas aplicações – parte I [27].
69
Procedimentos Experimentais e Elaboração do Banco de Dados
DOSAGEM
cimento/aglomerante
Temperatura
Fator água/cimento
Adição Mineral Calor
Água Adição Agregado do Concreto
Consumo
(Kg/m³) Específico
Química Graúdo Fresco
(Kg/m³) (kg/m³)
Consumo
E- Pozo E CV (ºC) (kcal/(m³.ºC))
(Kg/m³)
1395 0.0000 0.0000 0.0000 100.00 93.0000 50.00 0.3795 1874.0000 22.9600
1399 26.0000 0.0000 0.0000 85.65 96.0000 50.00 0.4990 1851.0000 20.0900
1412 40.0000 0.0000 0.0000 77.65 99.0000 50.00 0.5742 1864.0000 21.2200
1416 0.0000 0.0000 0.0000 100.00 91.0000 70.00 0.3117 1831.0000 22.4300
1421 18.0000 0.0000 0.0000 85.53 91.0000 70.00 0.3390 1860.0000 21.2800
1423 26.0000 0.0000 0.0000 77.70 92.0000 70.00 0.3599 1878.0000 21.6800
1433 0.0000 0.0000 0.0000 100.00 90.0000 60.00 0.4066 1790.0000 22.3900 678
1437 31.0000 0.0000 0.0000 77.59 93.0000 60.00 0.4635 1831.0000 21.2000
1757 0.0000 0.0000 57.0000 85.60 190.0000 45.00 0.9490 1057.0000 5.5600 616
1759 0.0000 0.0000 40.0000 88.89 200.0000 52.70 0.0000 1040.0000 12.1700
1772 0.0000 0.0000 80.0000 77.78 200.0000 71.43 0.0000 1040.0000 13.3300
1900 0.0000 0.0000 0.0000 100.00 190.0000 55.00 0.0000 1063.0000 12.8200
1941 0.0000 0.0000 0.0000 100.00 185.0000 55.00 0.8410 1090.0000 13.4900 606
1972 13.0000 0.0000 0.0000 100.00 85.0000 66.80 0.0000 1837.0000 7.2100
1997 11.0000 0.0000 0.0000 100.00 85.0000 75.00 0.0000 1837.0000 5.9000
2010 31.0000 0.0000 0.0000 100.00 93.0000 60.00 0.0000 1830.0000 5.7900
2019 14.0000 0.0000 0.0000 87.16 76.0000 67.80 0.1680 1721.0000 14.0300
Figura 4.3b – Banco de dados parcial – dados utilizados como input nas aplicações – parte II [27].
DOSAGEM
E- 0 0.04 0.08 0.13 0.17 0.21 0.25 0.29 0.33 0.38 0.42 0.46 0.50 0.54 0.58 0.63 0.67 0.71 0.75 0.79 0.83 0.88 0.92 0.96 1.00
1395 0.00 0.29 0.62 0.95 1.47 3.04 5.53 6.82 8.16 9.57 10.71 11.81 12.79 13.67 14.41
1399 0.00 0.35 0.57 0.77 1.04 1.87 3.36 4.42 5.12 5.84 6.59 7.39 8.16 8.90 9.59
1412 0.00 0.39 0.67 0.94 1.35 2.58 4.27 5.06 5.79 6.31 7.36 8.23 9.00 9.71 10.39
1416 0.00 0.34 0.61 0.88 1.27 2.53 4.07 4.91 5.73 6.57 7.40 8.17 8.90 9.57 10.18
1421 0.00 0.55 0.82 1.10 1.41 2.52 3.48 3.99 4.62 5.24 5.85 6.43 6.97 7.47 7.93
1423 0.00 0.54 0.76 0.96 1.22 2.20 3.06 3.60 4.14 4.66 5.20 5.65 6.06 6.46 6.85
1433 0.00 0.37 0.64 0.94 1.25 2.41 4.44 5.65 6.62 7.66 8.61 9.51 10.37 11.06 11.76
1437 0.00 0.37 0.71 0.93 1.82 2.15 3.44 4.02 4.63 5.25 5.81 6.48 7.02 7.53 8.00
1757 0.00 0.37 0.14 0.30 0.34 1.43 2.16 2.84 4.07 6.17 9.34
1759 0.00 0.35 0.73 1.06 1.39 2.09 2.81 3.75 4.94 6.52 8.47 10.89 13.41 15.79 17.20
1772 0.00 0.24 0.58 0.77 0.99 1.32 1.64 2.02 2.50 3.18 4.20 5.46 7.04 8.92 11.03
1900 0.00 0.22 0.47 0.71 0.90 1.34 2.06 3.18 4.66 6.69 8.09 11.86 14.92 18.06 20.25
1941 0.00 0.41 0.74 1.01 1.29 1.87 2.65 3.73 5.21 7.20 9.40 11.33 13.09 14.40 15.43
1972 0.00 0.49 1.00 1.35 1.69 2.29 2.78 3.25 3.75 4.29 4.80 5.32 5.73 6.12 6.46
1997 0.00 1.05 1.62 2.03 2.32 2.85 3.23 3.65 4.08 4.52 5.00 5.44 5.87 6.20 6.51
2010 0.00 0.79 1.52 1.84 2.25 2.71 3.11 3.51 3.96 4.46 4.96 5.46 5.68 5.91 6.15
2019 0.00 0.59 0.83 1.13 1.44 2.25 3.21 4.19 5.03 5.69 7.11 7.50 7.84 9.63 7.84
Figura 4.4a – Banco de dados parcial – dados utilizados como output nas aplicações – parte I [27].
DOSAGEM
E- 1.50 2.00 3.00 4.00 5.00 6.00 7.00 8.00 9.00 10.00 11.00 12.00 13.00 14.00 15.00 16.00 17.00 18.00 19.00 20.00 21.00 22.00 23.00 24.00 25.00 26.00 27.00 28.00
1395 17.55 19.26 21.33 22.75 23.78 24.56 25.17 25.68 26.10 26.45 26.74 26.95 27.19 27.38 27.54 27.68 27.97 28.37 28.75 28.98 29.23 29.44 29.60 29.74 29.89 30.06 30.19 30.34
1399 13.05 15.22 17.79 18.94 19.91 20.65 21.30 21.85 22.35 22.77 23.14 23.47 23.77 24.03 24.25 24.44 24.60 24.74 24.86 24.97 25.07 25.14 25.20 25.26 25.33 25.37 25.41 25.60
1412 13.36 15.21 17.21 18.49 19.45 20.19 20.80 21.36 21.83 22.24 22.59 22.90 23.17 23.39 23.59 23.81 23.97 24.10 24.19 24.29 24.37 24.44 24.52 24.60 24.95 25.04 25.04 25.04
1416 12.81 14.41 16.16 17.18 17.87 18.40 18.80 19.15 19.45 19.69 19.92 20.12 20.44 20.70 20.83 20.95 21.06 21.15 21.23 21.30 21.31 21.44 21.48 21.52 21.56 21.60 21.64 21.68
1421 10.12 11.48 13.00 13.87 14.47 14.99 15.36 15.71 16.01 16.27 16.51 16.74 16.95 17.15 17.33 17.49 17.62 17.74 17.83 17.99 18.08 18.14 18.19 18.32 18.42 18.52 18.62 18.72
1423 8.57 9.69 11.00 11.75 12.31 12.76 13.15 13.48 13.80 14.07 14.32 14.59 14.83 15.06 15.27 15.49 15.66 15.74 15.83 15.99 16.08 16.14 16.19 16.32 16.42 16.52 16.62 16.72
1433 14.31 16.12 17.94 19.12 19.97 20.62 21.14 21.57 21.94 22.25 22.53 22.77 22.98 23.19 23.35 23.49 23.61 23.72 23.84 23.93 24.01 24.08 24.14 24.19 24.23 24.27 24.30 24.23
1437 10.27 11.69 13.36 14.32 15.05 15.61 16.10 16.54 16.95 17.30 17.62 17.93 18.19 18.43 18.64 18.80 18.95 19.08 19.21 19.30 19.38 19.45 19.52 19.59 19.64 19.70 19.75 19.80
1757 14.36 18.49 26.46 34.02 38.97 42.71 45.37 47.29 48.56 49.39 49.98 50.39 50.70 50.96 51.16 51.34 51.50 51.65 51.79 51.89 51.98 52.08 52.16 52.24 52.31 52.38 52.44 52.49
1759 23.36 28.55 34.39 34.92 40.25 41.96 43.13 43.91 44.45 44.87 45.18 45.48 47.75 45.94 46.10 46.21 45.30 46.39 46.50 46.59 46.70 46.80 46.97 47.06 47.10 47.16 47.22 47.28
1772 17.89 22.52 28.83 32.64 35.69 37.95 39.42 40.35 40.96 41.38 41.67 41.91 42.09 42.24 42.35 42.46 42.54 42.62 42.69 42.77 42.86 42.94 42.98 43.02 43.05 43.08 43.11 43.14
1900 28.61 33.04 39.63 43.01 44.60 45.55 46.27 46.79 47.16 47.44 47.68 47.85 47.91 48.07 48.25 48.43 48.63 48.71 48.79 48.72 48.75 48.73 48.74 48.75 48.76 48.77 48.77 48.78
1941 19.34 21.88 26.43 30.59 34.02 36.71 38.72 40.13 41.11 41.85 42.50 42.93 43.29 43.58 43.78 43.93 44.05 44.13 44.19 44.37 44.45 44.50 44.54 44.55 44.56 44.57 44.58 44.59
1972 8.16 9.48 11.27 12.48 13.43 14.20 14.84 15.36 15.79 16.21 16.55 16.84 17.09 17.32 17.51 17.67 17.83 17.96 18.10 18.21 18.31 18.41 18.48 18.58 18.67 18.74 18.79 18.83
1997 7.93 9.21 10.86 11.93 12.72 13.40 13.93 14.36 14.75 15.04 15.31 15.53 15.74 15.93 16.07 16.21 16.33 16.34 16.53 16.61 16.69 16.74 16.79 16.83 16.87 16.90 16.93 16.95
2010 7.37 8.37 9.98 11.30 12.33 13.14 13.76 14.23 14.61 14.91 14.91 15.18 15.42 15.62 15.96 16.11 16.25 16.37 16.50 16.61 16.69 16.74 16.79 16.83 16.87 16.90 16.92 16.94
2019 9.63 11.10 13.37 14.74 15.64 16.33 16.85 17.32 17.64 17.89 18.09 18.32 18.42 18.53 18.61 18.68 18.73 18.78 18.82 18.86 18.90 18.92 18.93 18.94 18.95 18.96 18.97 18.98
Figura 4.4b – Banco de dados parcial – dados utilizados como output nas aplicações – parte II [27].
70
Capítulo 5 – Modelo Multicomponente de
Calor de Hidratação (MCH)
de Maekawa et al.
71
Modelo Multicomponente de Calor de Hidratação (MCH)
de Maekawa, Chaube e Kishi
⎡ Ea(Q ) ⎛ 1 1 ⎞⎤
H = H (T , Q ) = Q& = H (TS , Q ) ⋅ exp⎢− ⎜ − ⎟⎥ (5.1.1)
⎣⎢ ℜ ⎜⎝ T TS ⎟⎠⎦⎥
⎡ Ea(Q ) ⎤
H (TS , Q ) = H ∞ (Q ) ⋅ exp ⎢− ⎥ (5.1.2)
⎣ ℜTS ⎦
Em (5.1.1) e (5.1.2),
H é a taxa de geração de calor por unidade de peso de cimento,
dependente do calor gerado Q e da temperatura T, escrevendo-se, formalmente, H(T,Q);
Q& é a derivada no tempo do calor gerado na hidratação, previsto
pelo modelo;
72
Modelo Multicomponente de Calor de Hidratação (MCH)
de Maekawa, Chaube e Kishi
aluminato (C3A), uma fase ferrito (C4AF), e o gesso (tratado como di-hidrato de gesso).
B B B B
A taxa global de geração de calor pela reação de hidratação (H) é considerada como o
somatório das taxas de geração de calor de cada componente, ponderadas por suas
frações, em massa, na composição do cimento. Assim, tem-se:
H= ∑ p ⋅H i i (5.1.3)
onde:
Hi é a taxa de geração de calor do mineral i por unidade de peso;
B B
H= (
pC3 A ⋅ H C3 AET + H C3 A ) + (
pC4 AF ⋅ H C4 AFET + H C4 AF ) +
pC3S ⋅ H C3S + pC2 S ⋅ H C2 S + (5.1.4)
p ESC ⋅ H ESC + pCV ⋅ H CV
onde:
H C3 AET e H C4 AFET são as taxas de geração de calor na formação de
73
Modelo Multicomponente de Calor de Hidratação (MCH)
de Maekawa, Chaube e Kishi
⎡ Ea ⎛ 1 1 ⎞⎤
H i = si ⋅ β i ⋅ µ ⋅ ζ ⋅ γ ⋅ H i ,T0 (Qi ) ⋅ exp⎢− i ⎜⎜ − ⎟⎟⎥ (5.1.5)
⎣ ℜ ⎝ T T0 ⎠⎦
onde:
si
B B é um coeficiente que muda a taxa de calor de referência conforme a
finura dos pós.
βi B B é a redução da taxa de geração de calor devido à reduzida
disponibilidade de água livre (espaço de precipitação);
µ expressa alterações na taxa de geração de calor em termos de
diferença de composição mineral do cimento Portland.
ζ é a alteração da taxa de geração de calor da escória de alto forno e da
cinza volante devido à escassez de hidróxido de cálcio na fase líquida;
γ é o efeito de retardamento do aditivo químico e da cinza volante no
processo exotérmico de hidratação inicial;
Hi,T0 é a taxa de geração de calor de referência do componente i em
B B
Qi = ∫H i dt . (5.1.6)
74
Modelo Multicomponente de Calor de Hidratação (MCH)
de Maekawa, Chaube e Kishi
são mostradas na Figura 5.1. A temperatura de referência T0 foi fixada em 293 K (20ºC) B B
4
Hi,t0 [ kcal kg-1 h-1 ]
ETAPA 1
ETAPA 2 ETAPA 3
3
C3A
C4AF
2 C3S
C2S
0
0 40 80 120 160 200
Calor acumulado [ kcal kg -1 ] Q i
Figura 5.1 – Taxa de geração de calor dos minerais componentes do clínquer [6].
exotérmico do C3A e C4AF, não foi estabelecida a fronteira entre as etapas 2 e 3 sendo
B B B B
para o C2S foi considerada para percentuais acima dos valores de fronteira da etapa 2.
B B
Tabela 5.1 apresenta o calor de hidratação das fases do clínquer adotados por
MAEKAWA et al. [1], determinados por SUZUKI et al. [6] a partir da geração de calor
75
Modelo Multicomponente de Calor de Hidratação (MCH)
de Maekawa, Chaube e Kishi
teórica de cada mineral. A título de comparação a Tabela 5.1 apresenta ainda os valores
obtidos por WALLER [4].
ºC).
2
H i,t0 [ kcal kg-1 h-1 ]
0
0 20 40 60 80 100 120
Calor acumulado [ kcal kg -1 ] Q i
Figura 5.2 – Taxa de geração de calor da Escória de Alto Forno e da Cinza Volante [6].
76
Modelo Multicomponente de Calor de Hidratação (MCH)
de Maekawa, Chaube e Kishi
mostrados na Figura 5.3. Foram utilizados os valores obtidos por SUZIKI et al. [6] para
a termoativação do cimento como uma referência para determinar a termoativação das
reações dos minerais individuais, considerando a reatividade de cada mineral. Os
valores de SUZIKI et al. [6] para termoativação do cimento tendem a diminuir de
aproximadamente –6500 K para –2500 K quando o calor acumulado excede 25 cal/g
(etapa 3).
0
C3A
C4AF
-E/ ℜ [ K ]
C3S
C2S
-2500
Cinza Volante (CV)
Escória (E)
Atividade Térmica do Cimento
-5000
-7500
-10000
0 40 80 120 160 200
Calor acumulado [ kcal kg -1 ] Q i
77
Modelo Multicomponente de Calor de Hidratação (MCH)
de Maekawa, Chaube e Kishi
90
80
70
60
Hi,t0 [ kcal kg-1 h-1 ]
50
40 C3AET
C4AFET
30
20
10
0
0 50 100 150 200 250 300 350 400
Calor acumulado [ kcal kg -1 ] Q i
e C4AF, e assim, a quantidade de gesso não reagido pode ser obtida deduzindo este
B B
(5.1.7) e (5.1.8).
78
Modelo Multicomponente de Calor de Hidratação (MCH)
de Maekawa, Chaube e Kishi
C3 A + 3C S H 2 + 26 H → C 6 AS 3 H 32 (5.1.7)
C 4 AF + 3C S H 2 + 27 H → C 6 ( AF ) S 3 H 32 + CH (5.1.8)
O modelo considera que uma parte da geração de calor após a mistura já
está considerada na temperatura do concreto fresco. Portanto, em todas as análises deste
modelo, a geração de calor não é contada na elevação de temperatura até 0,015dias
(≈20min). Isto significa que o ponto de partida da elevação de temperatura se dá aos
0,015dias (≈ 20min) após o início da hidratação.
O modelo das reações de formação de etringita continua a operar até que
todo o gesso seja consumido. Assim, a geração do calor de hidratação das fases
intersticiais, expressas por H C3 A e H C4 AF , começa imediatamente após o
não convertido são calculados e foi assumido [1] que a conversão para monossulfato
pára quando não há gesso remanescente. As equações seguintes são usadas para
representar a conversão para monossulfato, a partir da etringita, e para dar as
quantidades não reagidas de C3A e C4AF:
B B B B
2C 4 AF + C6 ( AF )S 3 H 32 + 6 H → 3C6 ( AF )S 3 H 12 + CH (5.1.10)
reagido. No modelo, 1 mol de C3A já convertido para etringita foi tratado como C3A não
B B B B
79
Modelo Multicomponente de Calor de Hidratação (MCH)
de Maekawa, Chaube e Kishi
si = Si Si0 (5.1.11)
onde
Si
B B é o valor de Blaine do componente i (cm2/g); e P P
4330 e 3280 (cm2/g), para as fases do cimento, escória de alto forno e cinza volante
P P
respectivamente.
Os valores de Blaine de referência da escória de alto forno e da cinza
volante são valores obtidos experimentalmente. Na etapa 2 do C3S, C2S e escória, o B B B B
água livre é reduzida e as partículas não-hidratadas estão cobertas por blocos espessos
80
Modelo Multicomponente de Calor de Hidratação (MCH)
de Maekawa, Chaube e Kishi
(5.1.13) e o termo ηi, que representa o aumento da espessura do hidrato formado pela
B B
Wtotal − ∑Wi
ω livre = (5.1.13)
C
1/ 3
⎛ Q ⎞
η i = 1 − ⎜⎜1 − i ⎟⎟ (5.1.14)
⎝ Qi ,∞ ⎠
onde
Wtotal é a quantidade unitária de água;
B B
componentes do cimento Portland usadas neste modelo são dadas pelas equações
(5.1.15) a (5.1.18).
C3 A + 6 H → C3 AH 6 (5.1.15)
C 4 AF + 2CH + 10 H → C3 AH 6 − C3 FH 6 (5.1.16)
2C3 S + 6H → C3 S 2 H 3 + 3CH (5.1.17)
2C 2 S + 4H → C3 S 2 H 3 + CH (5.1.18)
onde S ≡ SiO2. B B B B
81
Modelo Multicomponente de Calor de Hidratação (MCH)
de Maekawa, Chaube e Kishi
Wtotal − ∑ Wi
ω livre = ; com m = ζ / βi . (5.1.19)
C ⋅ ( p PC + mESC ⋅ p ESC + mCV ⋅ pCV )
B B
calor quando o fator C3S/C2S é maior que na composição do cimento Portland comum.
B B B B
[ (
RFL = 1 − exp − 5000 ⋅ pC3S + pC2S )]
10
(5.1.21)
82
Modelo Multicomponente de Calor de Hidratação (MCH)
de Maekawa, Chaube e Kishi
RESCCH e RCVCH
B B B B são as quantidades de CH necessárias para as reações de
escória e de cinza volante, quando houver suprimento suficiente daquele.
O FCH pode ser computado a partir do grau de reação de cada componente e
B B
das taxas de produção e consumo de CH, que são dados pelas equações químicas
adotadas; e o RESCCH e o RCVCH são computados pela taxa de consumo de CH pela
B B B B
escória de alto forno e pela cinza volante, e suas respectivas taxas de reação quando há
CH suficiente.
O fator de substituição em torno de 60% ou 70% do cimento é
freqüentemente adotado no caso da escória, mas a substituição da cinza volante é de
83
Modelo Multicomponente de Calor de Hidratação (MCH)
de Maekawa, Chaube e Kishi
30% ou mais. Deste modo, os fatores de consumo das reações de escória e de cinza
volante são definidos como 22% e 100% da massa reagida, respectivamente. No
cimento composto ternário, foi definido que o CH na fase líquida é quase que
completamente consumido pela reação da escória, já que esta reação é mais rápida do
que a reação da cinza volante.
efeito retardador por unidade de massa de aditivo, é usado para descrever os efeitos dos
aditivos. Multiplicando este coeficiente χsp pela dosagem do aditivo como um fator da
B B
adição de cimento (C x %), υtotal, o efeito retardador total do aditivo pode ser então
B B
onde
pSP B B é a dosagem de aditivo orgânico expresso como fator
aditivo/aglomerante (C x %); e
84
Modelo Multicomponente de Calor de Hidratação (MCH)
de Maekawa, Chaube e Kishi
igual zero.
Admitindo que o efeito retardador ocasionado pela cinza volante é
proporcional ao seu índice de substituição, teremos:
cinza volante na geração de calor podem ser expressos pela seguinte equação:
sendo:
γ o coeficiente de redução da geração de calor na ETAPA 1, onde a
geração de calor é reduzida pelo efeito retardador devido a aditivos químicos e cinza
volante.
Outros aditivos além dos superplastificantes têm mecanismos similares com
relação aos efeitos retardadores. Os valores aplicados a um superplastificante
consistindo principalmente de sulfonato de β-naftaleno, um outro superplastificante
incluindo principalmente policarbonato e um agente redutor de água e incorporador de
ar correspondem a 1,2 , 1,2 e 5,0 , respectivamente. Deve ser observado que este
modelo é especificamente aplicável a intervalos normais de dosagem de aditivos
químicos. Tal limitação deve-se ao fato de que o atraso nas reações, quando é
considerado através da redução individual da taxa de geração de calor de cada mineral
na etapa 1, resulta em diferentes tempos de início da etapa 2 para alguns minerais à
medida que a dosagem dos aditivos aumenta.
Já que a quantidade de calor gerado pelas reações entre os aditivos e o Ca2+ P P
é muito pequena, foi julgado apropriado assumir que o calor na etapa 1 não muda com a
85
Modelo Multicomponente de Calor de Hidratação (MCH)
de Maekawa, Chaube e Kishi
quantidade de aditivo. Isto foi atribuído ao fato de que o efeito retardador de um aditivo
só causa uma extensão no período dormente. Entretanto, se uma dose maior de
superplastificante é adicionada, seus efeitos na geração de calor e na taxa de geração
durante e após a etapa 2, necessitam de avaliação. Esta situação ficou fora do escopo de
aplicação do modelo proposto. De qualquer modo, também deve ser observado que a
combinação de uma quantidade mais alta de aditivo químico e de cinza volante retarda
severamente a hidratação do cimento como um caso extremo. Neste modelo, o
retardamento devido ao aditivo químico e à cinza volante foi simplesmente modelado
como uma primeira aproximação.
86
Modelo Multicomponente de Calor de Hidratação (MCH)
de Maekawa, Chaube e Kishi
ENTRADAS SAÍDAS
Consumo de Cimento – C
(kg/m3)
Água
Escória
%xC
Cinza volante
Ad. Química
Modelo
⇒ ⇒ Ti (ºC)
Potencial
C4AF
Cimento
C2S ⇓
(%) Gesso ⇓
Tipo de Ad. Química ⇐ ⇐
Finura de Blaine dos Materiais
Pulverulentos
87
Modelo Multicomponente de Calor de Hidratação (MCH)
de Maekawa, Chaube e Kishi
Dados de entrada
Qi Qi
Qi
Qi
Q i Qi
HT = C ⋅ H
88
Modelo Multicomponente de Calor de Hidratação (MCH)
de Maekawa, Chaube e Kishi
Tabela 5.2 – Composição da mistura OPC400 realizada por MAEKAWA et al. [1].
Material Valores na mistura Porcentagem na
mistura
Cimento CP I C = 400 kg/m3 P P 100,00%
C3A
B B ⎯ 10,40%
C3S
B B ⎯ 47,20%
C4AF
B B ⎯ 9,40%
C2S
B B ⎯ 27,00%
CS2H (gesso)
B B ⎯ 3,87%
2
Finura de Blaine 3380 cm /g P P
⎯
3
Água 156,8 kg/m P P a/c = 39,2
Adição química ⎯ ⎯
Superplastificante redutor de água e
0,25% x C ⎯
incorporador de ar (efeito = 5,0)
Calor específico do concreto (estimado) 500 kcal⋅kg-1⋅ºC-1
P P P P
⎯
Temperatura inicial do concreto 20ºC ⎯
60 60
Elevação Adiabática de Temperatura (ºC)
50 50
40 40
30 30
20 20
OPC400 OPC400
10 M CH 10 M CH
0 0
0 1 2 3 4 5 6 7 8 0,001 0,010 0,100 1,000 10,000
t (dias) t (dias)
OPC400 - Ensaio com 400kg/m3 de cimento Portland comum realizado por MAEKAWA et al. [1].
P P
Figura 5.7 – Curvas experimental e modelada para o ensaio OPC400 realizado por MAEKAWA et al. [1].
89
Capítulo 6 – Modelo de RNA para a Elevação
Adiabática de Temperatura do
Concreto
adotados diretamente os teores dos óxidos, uma vez que não se dispunham de resultados
de determinação direta da composição potencial, e a aplicação das equações de BOGUE
representaria um mapeamento dos teores de óxidos, além de não ser aplicável para todos
os tipos de cimento. A finura do cimento representa outro neurônio de entrada e foi
caracterizada através do módulo de “Finura de Blaine” (dada em cm2/g, NBR NM76 P P
[82]).
90
Modelo de RNA para a Elevação Adiabática de Temperatura do
Concreto
artificial.
Uma vez definidos os dados de entrada, devem-se definir os neurônios de
saída, que permitem descrever a curva de elevação adiabática da temperatura. A curva
experimental obtida no ensaio de elevação adiabática de temperatura é composta por
dados de leituras efetuadas de hora em hora nas primeiras 24h e diariamente até a
estabilização da temperatura ou até completar 28 dias. Buscou-se identificar uma função
capaz de ajustar tais dados experimentais (vide Apêndice A) e obtendo-se uma capaz de
caracterizar as curvas de elevação adiabática da temperatura através de três parâmetros.
A equação (6.0.1) representa essa função, chamada aqui de função Hill.
tn
T ad (t ) = Tmáx ⋅ (6.0.1)
kn + tn
onde:
TmáxB B é a máxima temperatura atingida durante o ensaio, em ºC;
k representa o atraso devido ao calor latente, grandeza adimensional;
n é o coeficiente de aceleração para o período assintótico, grandeza
adimensional.
As funções testadas, assim como as comparações realizadas, são mostradas
em detalhes no Apêndice A.
Cada um dos ensaios de elevação adiabática da temperatura foi ajustado
através de uma função do tipo dado pela equação (6.0.1), identificando para cada um
deles os parâmetros Tmáx, k e n. Esse modelo mostrou-se satisfatório para as diversas
B B
saída do modelo aqui apresentado. As Figuras 6.1 e 6.2 apresentam, a título ilustrativo,
seis curvas de elevação adiabática da temperatura ajustadas através da função Hill.
91
Modelo de RNA para a Elevação Adiabática de Temperatura do
Concreto
60 60
Ensaio E-2832 Ensaio E-2832
Modelo "Hill" Modelo "Hill"
50 50
Elevação Adiabática de Temperatura (ºC)
30 30
20 20
10 10
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
60 60
Ensaio E-4086 Ensaio E-4086
Modelo "Hill" Modelo "Hill"
50 50
Elevação Adiabática de Temperatura (ºC)
30 30
20 20
10 10
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
60 60
Ensaio E-3026 Ensaio E-3026
Modelo "Hill" Modelo "Hill"
50 50
Elevação Adiabática de Temperatura (ºC)
40 40
30 30
20 20
10 10
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
Figura 6.1 – Exemplos de curvas de elevação adiabática ajustadas através da função Hill – parte I. Os ensaios
colocados lado a lado são os mesmos em escalas diferentes: esquerda - escala decimal e direita - escala logarítmica.
92
Modelo de RNA para a Elevação Adiabática de Temperatura do
Concreto
60 60
Ensaio E-4454 Ensaio E-4454
Modelo "Hill" Modelo "Hill"
50 50
Elevação Adiabática de Temperatura (ºC)
30 30
20 20
10 10
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
60 60
Ensaio E-2569 Ensaio E-2569
Modelo "Hill" Modelo "Hill"
50 50
Elevação Adiabática de Temperatura (ºC)
30 30
20 20
10 10
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
60 60
Ensaio E-1412 Ensaio E-1412
Modelo "Hill" Modelo "Hill"
50 50
Elevação Adiabática de Temperatura (ºC)
40 40
30 30
20 20
10 10
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
Figura 6.2 – Exemplos de curvas de elevação adiabática ajustadas através da função Hill – parte II. Os ensaios
colocados lado a lado são os mesmos em escalas diferentes: esquerda - escala decimal e direita - escala logarítmica.
93
Modelo de RNA para a Elevação Adiabática de Temperatura do
Concreto
ENTRADAS SAÍDAS
Cimento ⇒ X1 B B
Água ⇒ X2 B B
Consumos (Kg/m3)
Pozolana ⇒ X3
PP
B B
Escória ⇒ X4 B B Y1
B B ⇒ Tmáx
B B
Cinza volante ⇒ X5
Agregados ⇒ X6 B B
Redes
Ad. Química
⇒ X7 B B
⇒ ⇒ Y2
B B ⇒ k
Neurais
CaO ⇒ X8 Artificiais
Composição Química do
B B
SiO2 ⇒ X9
cimento (%)
B B B B
Al2O3
B B B B
⇒ X10
B B Y3
B B ⇒ n
Fe2O3 B B B B
⇒ X11
B B
SO3 B B
⇒ X12
B B
Figura 6.3 – Representação esquemática dos dados de entrada e saída do modelo de previsão da exotermia da reação
de hidratação.
94
Modelo de RNA para a Elevação Adiabática de Temperatura do
Concreto
X1 B
X2 B
X3 B
N1
X4
B
N2
X5
B
Y1
X6
B
Y2
X7
B
Y3
X8
B
Nn-1
X9
B
Nn
X10
B
X11
B
X12
B
X13
B
X14
B
⎛ m ⎞
Linear
yk = f ⎜⎜ ∑ wkj ⋅ x j ⎟⎟ 1ª (CE) e 3ª (CS)
⎝ j =1 ⎠
2
Gaussiana y k = e − uk 2ª (CI)
e puk − e − puk
yk = tanh( puk ) =
Tangente Hiperbólica (Tanh)
2ª (CI)
e puk + e − puk
1
Logística yk = 3ª (CS)
1 + e − puk
95
Modelo de RNA para a Elevação Adiabática de Temperatura do
Concreto
curvas geradas pelo modelo HILL-RNA (junção do modelo da RNA e da função HILL).
Para cada curva obtida com o modelo HILL-RNA, foi calculada a incerteza padrão
média (raiz quadrada do erro quadrático médio);
4. Para cada treinamento foram calculados os valores médios da incerteza
padrão média e do desvio padrão e foi identificada a máxima amplitude obtida;
5. Finalmente, repetiu-se o procedimento anterior para obter a incerteza
padrão média, o desvio padrão e amplitude para cada topologia. Com isso, foram
treinadas um total de 90 redes (9 topologias).
96
Modelo de RNA para a Elevação Adiabática de Temperatura do
Concreto
∑ (y
i =0
i − xi )
2
(6.0.2)
Ξ=
ψ
sendo:
Ξ a incerteza padrão (ºC);
yi
B B a temperatura fornecida pelo modelo no instante t (ºC);
xi
B B a temperatura fornecida pelo ensaio no instante t (ºC);
ψ o número de temperaturas medidas no ensaio.
Para efeito de verificação da dispersão, foram calculados o desvio padrão e
a amplitude para a incerteza padrão, conforme as equações (6.0.3) e (6.0.4) a seguir.
∑ (Ξ − Ξ )
2
S= (6.0.3)
n −1
onde:
S é o desvio padrão da amostra (ºC).
Ξ é a incerteza padrão (ºC);
Ξ é a incerteza padrão média (ºC);
n é o tamanho da amostra;
R é a amplitude total da amostra (ºC);
Os valores da incerteza padrão média, desvio padrão e amplitude de cada
topologia estão apresentados na Tabela 6.3. Observa-se, pelos resultados apresentados
nesta Tabela, que a topologia de número três foi aquela que apresentou os melhores
resultados globais (incerteza padrão média, desvio padrão e amplitude) e também foi
identificada como aquela com menor dispersão entre os treinos dentro da mesma
topologia. Também na topologia de número 3 foram obtidos, em um determinado
treinamento os menores valores de incerteza padrão média, desvio padrão e amplitude.
São eles:
Ξ = 2,36ºC; S = 1,75; R = 6,05ºC.
97
Modelo de RNA para a Elevação Adiabática de Temperatura do
Concreto
Tabela 6.3 – Valores médios da incerteza padrão, desvio padrão e amplitude para cada topologia testada.
Incerteza padrão média Desvio padrão Amplitude
Topologia
Ξ (ºC) S R (ºC)
1 4.5238 3.4823 12.1626
2 3.4174 2.4812 8.5554
3 3.2425 2.1047 7.2400
4 4.4971 3.0236 10.3416
5 3.5717 2.6027 8.9413
6 3.6610 2.2187 7.4957
7 8.7140 4.4557 14.8647
8 3.3574 2.3546 7.8748
9 3.3944 2.2522 7.7781
98
Capítulo 7 – Resultados, Análise e
Discussão
3
Incerteza Padrão (ºC)
6.0
13
4.0 2 12
5 6 9 13
1 9
1 4 6 7
11
8 10
2.0 3 8 11
5 7 12
4
10
14
14
0.0
0 3 6 9 12 15
Seqüencial dos ensaios
Figura 7.1 – Gráficos da incerteza padrão para os ajustes do Modelo MCH e do Modelo HILL-RNA.
99
Resultados, Análise e Discussão
maior para o modelo MCH, mas deve ser considerado o fato de apenas o ensaio número
3 (E-1941) ter evidendiado um erro que justifique tal amplitude.
Entretanto, a Tabela 7.2 apresenta os valores obtidos para a incerteza padrão
média e para as medidas de dispersão para o modelo HILL-RNA para os 136 ensaios.
Tabela 7.2 – Parâmetros estatísticos para o modelo HILL-RNA aplicado a 136 ensaios.
Incerteza padrão média Desvio padrão Amplitude
Modelo
Ξ S R
100
Resultados, Análise e Discussão
60 60
Ensaio E-980 Ensaio E-980
Modelo MCH Modelo MCH
50
Elevação Adiabática de Temperatura (ºC)
50
40 40
30 30
20 20
10 10
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
60 60
Ensaio E-1484 Modelo MCH
50 50
Elevação Adiabática de Temperatura (ºC)
30 30
20 20
10 10
60 60
Ensaio E-2299 Ensaio E-2299
Modelo MCH Modelo MCH
50 Modelo HILL-RNA 50 Modelo HILL-RNA
Elevação Adiabática de Temperatura (ºC)
40 40
30 30
20 20
10 10
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
Figura 7.2 – Gráficos comparativos dos modelos MCH e HILL-RNA com os dados experimentais [27].Os ensaios
colocados lado a lado são os mesmos em escalas diferentes: esquerda - escala decimal e direita - escala logarítmica.
101
Resultados, Análise e Discussão
60 60
50 50
Elevação Adiabática de Temperatura (ºC)
30 30
20 20
60 60
Ensaio E-2677 Ensaio E-2677
Modelo MCH Modelo MCH
50 Modelo HILL-RNA 50 Modelo HILL-RNA
Elevação Adiabática de Temperatura (ºC)
30 30
20 20
10 10
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
60 60
Ensaio E-3552 Ensaio E-3552
55 55
Modelo MCH Modelo MCH
Elevação Adiabática de Temperatura (ºC)
40 40
35 35
30 30
25 25
20 20
15 15
10 10
5 5
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
Figura 7.3 – Gráficos comparativos dos modelos MCH e HILL-RNA com os dados experimentais [27].Os ensaios
colocados lado a lado são os mesmos em escalas diferentes: esquerda - escala decimal e direita - escala logarítmica.
102
Resultados, Análise e Discussão
60 60
Ensaio E-1433 Ensaio E-1433
Modelo MCH Modelo MCH
50 50
Elevação Adiabática de Temperatura (ºC)
40 40
30 30
20 20
10 10
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
60 60
50 50
Elevação Adiabática de Temperatura (ºC)
30 30
20 20
60 60
50 50
Elevação Adiabática de Temperatura (ºC)
40 40
30 30
20 20
Figura 7.4 – Gráficos comparativos dos modelos MCH e HILL-RNA com os dados experimentais [27].Os ensaios
colocados lado a lado são os mesmos em escalas diferentes: esquerda - escala decimal e direita - escala logarítmica.
103
Resultados, Análise e Discussão
60 60
40 40
30 30
20 20
10 10
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
60 60
Ensaio E-3303 Ensaio E-3303
Modelo MCH Modelo MCH
50 Modelo HILL-RNA 50 Modelo HILL-RNA
Elevação Adiabática de Temperatura (ºC)
40 40
30 30
20 20
10 10
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
60 60
40 40
30 30
20 20
10 10
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
Figura 7.5 – Gráficos comparativos dos modelos MCH e HILL-RNA com os dados experimentais [27].Os ensaios
colocados lado a lado são os mesmos em escalas diferentes: esquerda - escala decimal e direita - escala logarítmica.
104
Resultados, Análise e Discussão
60 60
Ensaio E-3900 Ensaio E-3900
Modelo MCH Modelo MCH
50 Modelo HILL-RNA 50 Modelo HILL-RNA
Elevação Adiabática de Temperatura (ºC)
30 30
20 20
10 10
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
60 60
50 50
Elevação Adiabática de Temperatura (ºC)
Elevação Adiabática de Temperatura (ºC)
40 40
30 30
20 20
Figura 7.6 – Gráficos comparativos dos modelos MCH e HILL-RNA com os dados experimentais [27].Os ensaios
colocados lado a lado são os mesmos em escalas diferentes: esquerda - escala decimal e direita - escala logarítmica.
os valores mínimo e máximo dos 136 ensaios, além do valor de 3000 cm2/g, que P P
105
Resultados, Análise e Discussão
60 60
2745 cm2/g 2958 cm2/g 3000 cm2/g E-1433 - 3000 cm2/g
3170 cm2/g 3383 cm2/g 3595 cm2/g
50 50
Elevação Adiabática de Temperatura (ºC)
3808 cm2/g 4020 cm2/g 4233 cm2/g
40 40
30 30
20 20
10 10
0 0
0 5 10 15 20 25 30 0 5 10 15 20 25 30
t (dias) t (dias)
60 60
2745 cm2/g 2958 cm2/g 3000 cm2/g E-1433 - 3000 cm2/g
3170 cm2/g 3383 cm2/g 3595 cm2/g
50 50
Elevação Adiabática de Temperatura (ºC)
40 40
30 30
20 20
10 10
0 0
0.01 0.1 1 10 100 0.01 0.1 1 10 100
t (dias) t (dias)
Figura 7.7 – Variações de superfície específica do cimento para a predição da exotermia da dosagem E-1433
utilizando o modelo MCH. Os ensaios colocados acima são os mesmos em escalas diferentes: em cima - escala
decimal e em baixo - escala logarítmica.
106
Capítulo 8 – Conclusões e Recomendações
107
Conclusões e Recomendações
108
Capítulo 9 – Bibliografia
109
Bibliografia
22 FELDMAM R. F., SEREDA, P. J., “A model for hydrated Portland cement past as
deduced for sorption-lenght change and mechanical properties”, Materials and
Structures, v.1-6, pp. 509-520, 1968.
23 SIERRA, R., “Répartitiondes différents formes d’eau dans la structure des pâtes
pures de C3S et de ciment Portland”, in Proceedings of the 7th International
B B
110
Bibliografia
37 BYFORS, J., Plain concrete at early ages. Technical report. Swedish Cement and
Concrete Research Institute, S-100 44 Stockholm. 1980.
39 TORRENTI, J.M, “La résistance du béton au très jeune âge”. Bulletin de Liaison
des LPC, n. 179, pp. 31-41. 1992.
111
Bibliografia
53 ATKINS, P. W., Physical Chemistry, Oxford University Press, New York, 1998.
112
Bibliografia
59 ASTM C 1074 – 98, Standard Practice for Estimating Concrete Strenght by the
Maturity Method, ASTM C 1074-87. Annual Book of ASTM Standards, Vol.
04.02, Philadelphia: American Society for Testing Materials, 1998.
66 HEBB, D., Organization of Behaviour, John Wiley & Sons, New York, 1949.
68 HOPFIELD, J.J., “Neural networks and physical systems with emerging collective
computational abilities”. Proceedings of the National Academy of Sciences, vol. 79,
pp. 2554-2558, 1982.
113
Bibliografia
114
Bibliografia
115
Apêndice A – Funções para Caracterização
das Curvas de Elevação
Adiabática de Temperatura do
Concreto
∑ (y
i =0
i − xi )
2
(A.1)
Ξ=
ψ
sendo:
Ξ a incerteza padrão (ºC);
yi
B B a temperatura fornecida pelo modelo no instante t (ºC);
xi
B B a temperatura fornecida pelo ensaio no instante t (ºC);
ψ o número de temperaturas medidas no ensaio.
Para efeito de verificação da dispersão, foram calculados a amplitude total e
o desvio médio para a incerteza padrão média, conforme as equações (A.2) e (A.3) a
seguir.
DM =
∑ Ξi − Ξ (A.3)
n
onde:
R é a amplitude total da amostra (ºC);
Ξ é a incerteza padrão (ºC);
Ξ é a incerteza padrão média (ºC);
DM é o desvio médio da amostra (ºC).
B B
116
Funções para Caracterização das Curvas de Elevação Adiabática de
Temperatura do Concreto
dy 1 1
+ y= k (A.4)
dt τ τ
Da qual tomando-se as transformadas de Laplace, após a subdivisão da
constante k em k0, que representa o ganho da parte em degrau, e em k1, que representa a
B B B B
⎡ ⎛ −t +δ ⎞⎤ ⎡ ⎛ −t +δ ⎞⎤
y (t ) = k 0 ⋅ ⎢1 − exp⎜ ⎟⎥ + k1 ⋅ ⎢(t − δ ) − τ + τ ⋅ exp⎜ ⎟⎥ (A.5)
⎣ ⎝ τ ⎠⎦ ⎣ ⎝ τ ⎠⎦
⎧0 , y (t ) < 0
T ad (t ) = ⎨ (A.6)
⎩ y (t )
A incerteza padrão para o ajuste desta função aos 141 dados experimentais
foi em média de 0,6ºC [mín = 0,088ºC ; máx = 1,882ºC]. As medidas de dispersão e a
incerteza padrão média foram:
R = 1,79ºC; Ξ = 0,60ºC; DM = 0,26
B B
117
Funções para Caracterização das Curvas de Elevação Adiabática de
Temperatura do Concreto
2.0
1.2
0.8
0.4
0.0
0 20 40 60 80 100 120 140
Seqüencial dos ensaios
Figura A.1 – Gráfico da incerteza padrão para os ajustes da função de Resposta no Tempo de Sistemas de 1ª Ordem.
50 50
Ensaio E-3026 - T ini = 19.67ºC
45 45
Modelo "RT S1O"
Elevação Adiabática de Temperatura (ºC)
Elevação Adiabática de Temperatura (ºC)
10
40 40
35 35
5
30 30
25 0 25
0 1 2 3
20 t (dia s ) 20
5 5
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
Figura A.2 – Gráficos do ajuste da função de Resposta no Tempo de Sistemas de 1ª Ordem (RTS1O) para o ensaio E-
3026 [27].
118
Funções para Caracterização das Curvas de Elevação Adiabática de
Temperatura do Concreto
Esta segunda função, oferecida pelos autores [63] para modelar a extensão
da reação química no mecanismo da reação álcali-agregado no concreto, foi analisada
para configurar a sua curva de elevação adiabática de temperatura:
⎛ −t ⎞
1 − exp⎜⎜ ⎟⎟
T ad (t ) = k1 ⋅ ⎝ k2 ⎠
(A.7)
⎛ −t +δ ⎞
1 + exp⎜⎜ ⎟⎟
k
⎝ 2 ⎠
k1 B B é o valor da temperatura no período assintótico da curva;
k2 B B é o coeficiente de aceleração para o período assintótico;
δ representa o atraso devido ao calor latente.
Neste modelo, a incerteza padrão, em relação aos ensaios, foi em média de
1,038ºC [mín = 0,094ºC ; máx = 2,604ºC]. As medidas de dispersão e a incerteza padrão
média foram:
R = 2,51ºC; Ξ = 1,04ºC; DM = 0,44
B B
3.0
2.5
2.0
Incerteza Padrão (ºC)
1.5
1.0
0.5
0.0
0 20 40 60 80 100 120 140
Seqüencial dos ensaios
119
Funções para Caracterização das Curvas de Elevação Adiabática de
Temperatura do Concreto
15 15
10 10
5 5
Ensaio E-2832 - T ini = 11,60ºC
Modelo de "Ulm-Coussy-Kefei-Larive"
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
Figura A.4 – Gráficos do ajuste da função de “Ulm-Coussy-Kefei-Larive” para o ensaio E-2832 [27].
tn
T ad
(t ) = Tmáx ⋅ n (A.8)
k + tn
sendo que:
VmáxB B é o coeficiente de ;
k representa o atraso devido ao calor latente;
n é o coeficiente de aceleração para o período assintótico.
Este modelo se ajustou melhor aos dados experimentais do que os
anteriores, apresentando uma incerteza padrão média de 0,495ºC [mín = 0,052ºC ; máx
= 1,174ºC] que é mostrada na Figura A.5.
120
Funções para Caracterização das Curvas de Elevação Adiabática de
Temperatura do Concreto
1.6
1.4
1.2
Incerteza Padrão (ºC)
1.0
0.8
0.6
0.4
0.2
0.0
0 20 40 60 80 100 120 140
Seqüencial dos ensaios
50 50
Ensaio E-3026 - T ini = 19,67ºC
45 45
Modelo "Hill"
Elevação Adiabática de Temperatura (ºC)
40 40
35 35
30 30
25 25
20 20
10 Modelo "Hill" 10
5 5
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
Figura A.6 – Gráficos ajuste da função HILL para o ensaio E-3026 [27].
121
Funções para Caracterização das Curvas de Elevação Adiabática de
Temperatura do Concreto
16 16
10 10
8 8
6 6
2 2
0 0
0 5 10 15 20 25 30 0.01 0.1 1 10 100
t (dias) t (dias)
Figura A.7 – Gráficos do ajuste da função HILL para o ensaio E-2832 [27].
45 45
Elevação Adiabática de Temperatura (ºC)
10
40 40
35 35
5
30 30
25 25 0
0 1 2 3
20 20 t (dia s )
5 5
0 0
0 5 10 15 20 25 30 0 5 10 15 20 25 30
t (dias) t (dias)
Figura A.8 – Comparação entre da função HILL e a função de Resposta no Tempo de Sistemas de 1ª Ordem
(RTS1O).
122
Funções para Caracterização das Curvas de Elevação Adiabática de
Temperatura do Concreto
16 15
14
Elevação Adiabática de Temperatura (ºC)
6
5
Ensaio E-2832 - T ini = 11,60ºC Ensaio E-2832 - T ini = 11,60ºC
4
Modelo "Hill" Modelo de "Ulm-Coussy-Kefei-Larive"
0 0
0 5 10 15 20 25 30 0 5 10 15 20 25 30
t (dias) t (dias)
Figura A.9 – Comparação entre da função HILL e a função de Resposta no Tempo de Sistemas de 1ª Ordem
(RTS1O).
123
Apêndice B – Modelo de Vincent Waller
sendo
onde
~ ⎡ Eac ⎤
α& c (τ ) = Ac [α c (τ )]⋅ exp ⎢− ⎥ (B.3)
⎣ ℜ ⋅ T (τ ) ⎦
e
⎡ Ea p ⎤
α& p (τ ) =
~
[ ]
Ap α p (τ ) ⋅ exp ⎢− ⎥ (B.4)
⎣ ℜ ⋅ T (τ ) ⎦
Nas equações acima,
Tad(t) P P é a elevação de temperatura do concreto no instante t;
T& (t) é a derivada da temperatura no instante t;
Cth(t) P P é o calor específico do concreto no instante t;
αc(t) B B é o grau de avanço das reações de hidratação do cimento no
instante t;
ξc(∞)
B B é o grau de hidratação final do cimento;
C é o consumo de cimento no concreto (g);
Qc B B é o calor de hidratação do cimento (J/g);
αp(t) B B é o grau de avanço das reações de hidratação da pozolana no
instante t;
ξp(∞)
B B é o grau de atividade pozolânica final da pozolana;
P é o consumo de pozolana na amostra (g);
124
Modelo de Vincent Waller
onde
Cth é o calor específico do concreto fresco (J/ºC);
P P
(kg); e
cith o seu calor específico (J⋅kg–1⋅ºC–1). P P P P
125
Modelo de Vincent Waller
equação (B.6) e o de MILLS na (B.7), onde ξc(∞) representa o grau final de hidratação
B B
do cimento.
⎛ ac⎞
ξ c (∞ ) = min ⎜1 ; ⎟ (B.6)
⎝ 0,42 ⎠
1,031 ⋅ a c
ξ c (∞ ) = (B.7)
0,194 + a c
tendo em vista que 1g de cimento libera 0,3g de Ca(OH)2 após a hidratação, pode-se
B B
ξCV(∞), respectivamente.
B B
⎛ 0,23 ⋅ ξ c (∞ ) ⎞
ξ FS (∞ ) = min ⎜⎜1 ; ⎟⎟ (A.9)
⎝ fs c ⎠
⎛ 0,27 ⋅ ξ c (∞ ) ⎞
ξ CV (∞ ) = min ⎜⎜1 ; ⎟⎟ (A.10)
⎝ cv c ⎠
Acredita-se que a reação pozolânica Ca (OH )2 + Sílica → C − S − H
não envolve qualquer fonte adicional de água [4,5]. No entanto, a fase hidrato tem uma
alta área específica, e dessa forma o hidrato formado na reação pozolânica adsorve uma
significante quantidade de água, que não está mais disponível para hidratação adicional
do cimento. Assim, o grau de hidratação final do cimento diminui quando uma pozolana
é adicionada ao sistema para um fator água/cimento constante.
126
Modelo de Vincent Waller
o termo δ é dado pelas equações (B.12) e (B.13) para sistemas com fumo
sílica e com cinzas volantes, respectivamente.com
0,60 ⋅ ξ FS (∞) ⋅ fs
δ = exp(1,60⋅ a c ) ⋅ (A.12)
C
0,42 ⋅ ξ CV (∞ ) ⋅ cv
δ = exp(1,60 ⋅ a c ) ⋅ (A.13)
C
A aplicação do modelo de WALLER [4,5] para diversos teores de fumo de
sílica permite observar que a diminuição do grau final de hidratação do cimento é
significativa para uma porcentagem de fumo de sílica igual a 10% (uma dosagem
bastante usual em concretos de alto desempenho); e tende a se estabilizar quando a
dosagem de fumo de sílica é maior que 20 %, teor para o qual toda a cal é consumida.
Para uma composição ternária é necessário generalizar os modelos
anteriores. Para tanto, WALLER [4,5] apresentou duas hipóteses.
1ª Hipótese: Admite-se que o fumo de sílica reage antes da cinza volante.
2ª Hipótese: A cinza volante reagirá somente se houver alguma cal residual
após o máximo consumo de fumo de sílica.
Para resolver o problema, inicialmente admite-se que o fumo de sílica é a
única pozolana a reagir. Assim, ξCV e ξFS são calculados das equações (A.9), (A.11) e
B B B B
(A.8). Se ξFS < 1 então a segunda hipótese está correta, e temos ξCV = 0. Caso ξFS = 1
B B B B B B
considera-se que a cinza volante reagiu e seu montante pode ser quantificado pelo
levantamento do restante de cal disponível, conforme a equação (B.14).
127
Modelo de Vincent Waller
Finalmente, seja qual for o valor de ξFS, o problema pode ser sumarizado
B B
⎛ 0,23 ⋅ ξ c (∞ ) ⎞
ξ FS (∞ ) = min ⎜⎜1 ; ⎟⎟ (B.15)
⎝ fs c ⎠
⎡ ⎛ 0,27 ⋅ ξ c (∞ ) 1,18 ⎞⎤
ξ CV (∞ ) = max ⎢0 ; min⎜⎜1 ; − ⎟⎥ (B.16)
⎣ ⎝ cv c cv fs ⎟⎠⎦
0,60 ⋅ ξ FS (∞ ) ⋅ fs + 0,42 ⋅ ξ CV (∞ ) ⋅ cv
δ = exp(1,60 ⋅ a c ) ⋅ (B.18)
C
Assim, WALLER [4,5] apresenta um modelo que permite conhecer o grau
final de consumo dos três aglomerantes, em qualquer mistura contendo cimento
Portland, cinza volante e fumo de sílica.
A incógnita tratada agora é a quantidade de calor liberado por uma massa
unitária de aglomerante (cimento, fumo de sílica e cinza volante) completamente
hidratado. Neste modelo, o calor de hidratação será calculado a partir da composição de
BOGUE [9], considerando que cada uma das fases reativas (C3S, C2S, C3A, C4AF) do B B B B B B B B
C3S
B B 510 – (122)
C2S
B B 260 – (62)
C3A
B B 1100 – (263)
C4AF
B B 410 – (98)
128
Modelo de Vincent Waller
O calor de hidratação foi medido por WALLER [4], para cada adição
estudada, em testes adiabáticos de misturas com água e excesso de cal para obter o
maior efeito pozolânico possível. Os valores são dados na Tabela B.2 e na Tabela B.3.
Observa-se que os vários produtos não exibem valores significativamente diferentes
dentro das duas categorias.
Tabela B.2 – Calor de hidratação das microssílicas estudadas por WALLER [4]
Tabela B.3 – Calor de hidratação das cinzas volantes estudadas por WALLER [4]
Q (∞ ) = (510 ⋅ ϕ C3 S )
+ 260 ⋅ ϕ C2 S + 1100 ⋅ ϕ C3 A + 410 ⋅ ϕ C4 AF ⋅ ξ c (∞ ) ⋅ C +
(B.19)
860 ⋅ ξ FS (∞ ) ⋅ fs + 560 ⋅ ξ CV (∞ ) ⋅ cv
Na equação (B.19), Q (em J/g) representa o calor total gerado pela reação de
hidratação. Os consumos de cimento, fumo de sílica e cinza volante são dados,
respectivamente, por C, fs e cv (em g/g). O fator ϕ C3S significa a porcentagem de
129
Modelo de Vincent Waller
produzido, calculado pela equação (A.19), pelo calor específico global, fornecido pela
equação (B.5):
Q(∞ )
T ad (∞ ) = (B.20)
C th
WALLER [4] realizou uma ampla série de testes adiabáticos em argamassas
e concretos compostos com agregados calcários. Dois cimentos Portland foram
utilizados, puros ou em combinação (com uma cinza volante ou com um fumo de
sílica). Amplos intervalos de fator água/cimento (0.30–0.65), fator fumo de
sílica/cimento (0–0.30) e fator cinza volante/cimento (0–0.50) foram investigados.
Vários tipos de pozolanas foram comparados, e algumas misturas também incluíram um
filler calcário.
Os 60 testes realizados foram usados primeiro para calibrar o modelo do
grau de hidratação do cimento na presença de pozolanas (equações B.8 e B.9). Então as
elevações de temperatura teóricas previstas pelo modelo foram comparadas com os
dados experimentais. Segundo os autores, o erro médio do modelo é menor que 2K.
Noventa e cinco por cento dos valores foram inferiores a 5K.
Na predição da elevação de temperatura relativa a misturas contendo filler
calcário, este produto foi considerado inerte. O filler calcário tende a acelerar a
hidratação do cimento, e também contribui diretamente para resistência à compressão
pela formação de carboaluminatos. Na teoria, este segundo efeito poderia produzir
algum calor, mas os resultados obtidos indicam que esta fonte de calor pode ser
desprezada quando comparada com outras [4].
130