Escolar Documentos
Profissional Documentos
Cultura Documentos
1 Problema de pesquisa
O transporte de cargas e passageiros, no Brasil, ainda ocorre majoritariamente pelo modo
rodoviário, representando 60% e 95%, respectivamente (MEDINA E MOTTA, 2015). Assim,
devido a sua importância para o desenvolvimento econômico e social do país, torna-se relevante
entender os materiais que compõem as estruturas de pavimentos asfálticos. Essas estruturas são
projetadas para resistirem a esforços mecânicos e aos efeitos do clima, fornecendo conforto e
segurança aos seus usuários. Contudo, a ocorrência de defeitos estruturais como o afundamento
de trilha de roda (ATR) e o trincamento por fadiga reduzem o tempo de vida útil do pavimento,
fazendo-o falhar antes do período ao qual foi projetado.
Desse modo, para reduzir a incidência desses defeitos, é necessário que haja uma investigação
das suas causas, para assim otimizar os parâmetros que as regem, fornecendo uma resistência
mecânica mais elevada. Para a camada de revestimento, geralmente composta por Concreto
Asfáltico (CA), o parâmetro de rigidez para dimensionar e prever o desempenho é o módulo
dinâmico (MD) (GOUVEIA, 2016). Enquanto que, para as camadas granulares como base, sub-
base e reforço do subleito, além do próprio subleito, o módulo de resiliência (MR) tem sido a
propriedade utilizada para as mesmas funções (RIBEIRO, 2016). Ainda, para todas as camadas,
é requerido o estudo da deformação permanente (DP), causa do ATR (CABRAL, 2021;
BARROS, 2022).
Contudo, a execução de ensaios laboratoriais requer equipamentos caros e avançados que não
podem ser obtidos nos principais laboratórios de países em desenvolvimento, como o Brasil.
Desse modo, ocorre a necessidade de modelos preditivos precisos para fornecer um projeto de
pavimento asfáltico de qualidade.
Ainda, devido à complexidade de análise dos dois defeitos, foi delimitada a evolução do dano
por fadiga, por meio da área trincada como foco desta pesquisa. Isso ocorre em razão de ser um
problema comum que afeta significativamente os pavimentos asfálticos nos aspectos de
desempenho, economia e segurança.
2 Objetivo
Analisar, por meio de Redes Neurais Artificiais, quais as propriedades que influenciam nos
resultados de módulo de resiliência (MR) e dinâmico (MD) para fornecer um melhor
desempenho à fadiga em pavimentos asfálticos.
4 Estudos relacionados
Algumas pesquisas já avaliaram o impacto do dano por fadiga quanto ao desempenho de
misturas asfálticas. McDonald e Madanat (2012) apresentaram um método de otimização para
o projeto mecanístico-empírico de pavimentos, minimizando os custos do ciclo de vida
associados com a construção e manutenção dessas estruturas. Os autores realizaram uma análise
de sensibilidade no modelo, visando encontrar a relação entre o projeto ideal e as variáveis de
entradas críticas do projeto. Com base nos modelos de otimização, os autores concluíram que
pavimentos asfálticos de vida útil prolongada, com deformações controladas perto dos limites
de fadiga, são mais econômicos que pavimentos convencionais com projetos de 20 anos, no
caso de rodovias com alto volume de tráfego.
Karlaftis e Badr (2015) utilizaram de redes neurais geneticamente otimizadas para prever o
início de trincas do tipo couro de jacaré. Os autores realizaram uma abordagem representativa
das relações reais entre a probabilidade de ocorrência desse tipo de defeito estrutural e diversos
fatores de projeto como o clima e o tráfego. A partir das modelagens, foi possível identificar
que os fatores que reduzem o risco de trincas são a utilização de material bruto, preparação
rigorosa da camada de subleito e maior espessura da camada de revestimento.
Pożarycki (2015) utilizou métodos numéricos como as redes neurais artificiais para encontrar
valores ótimos de espessura para camadas de revestimento asfáltico. O autor, no entanto,
destaca que esses métodos causam incerteza por potenciais perturbações que ocorrem sob
condições reais nas suposições do conjunto de treinamento. Para este estudo, o autor investigou
variáveis como a temperatura, a tensão aplicada, o valor da deflexão, e a espessura total da
camada de revestimento, além do tipo de estrutura. Como resultados, observou-se que a
metodologia proposta foi confiável para a identificação da espessura da camada de revestimento
sem reforço. Ainda, foi observado que a melhor configuração para determinar a espessura da
camada asfáltica era uma rede neural de percepção multicamadas ajustadas à estrutura. Assim,
foram utilizados dados de entrada como temperatura, tensão aplicada e deflexões e como dado
de saída a espessura.
Gong et al. (2019) abordaram a precisão da função de transferência das trincas por fadiga,
utilizando as redes neurais altamente flexíveis através da estrutura de aprendizagem profunda
chamada Tensorflow. Como variáveis, os autores utilizaram a espessura total do pavimento e
da camada de revestimento, o tempo de serviço, as porcentagens retiradas nas peneiras de
abertura 3/4", 3/8”, nº 4 e nº 200, material de binder, volume de vazios da mistura asfáltica,
volume efetivo de ligante asfáltico, média anual de tráfego diário de caminhões, precipitação
média anual e o congelamento médio anual. Como resultados, foi percebido que os modelos
com mais variáveis apresentaram melhores coeficientes de correlação.
Li et al. (2020) realizaram um processo de otimização com base na sensibilidade dos parâmetros
mecânicos e na área equivalente de envoltória como novos índices para avaliar a interação do
dos materiais das camadas estruturais do pavimento asfáltico. Como inputs dessa análise, os
autores utilizaram os parâmetros de tráfego, nível de carga, condições de temperatura e umidade
e condições do subleito. Assim, várias formas alternativas de estrutura do pavimento asfáltico
e a espessura de cada camada estrutural foram propostas preliminarmente. Os resultados do
cálculo da vida de fadiga foram consistentes com os dados observados em uma pista
experimental durante quatro anos e com os resultados da avaliação obtidos usando a área
equivalente da envoltória. Com essa análise, a avaliação da articulação entre as camadas da
estrutural do pavimento asfáltico utilizando a área equivalente de envoltória torna-se viável e
confiável.
Deng et al. (2021) verificaram que a densidade do dano tinha relações com o tipo de material,
espessura e área de trincamento por fadiga do pavimento. Para isso, realizaram uma atualização
do modelo de elementos finitos baseado em inteligência artificial (IA), aplicada com os
resultados do Falling Weight Deflectometer (FWD) para as calibrações da intensidade do dano
e modulação da camada de reforço. Assim, os autores identificaram que o desenvolvimento da
intensidade do dano com o tempo de serviço do pavimento pode ser categorizado em dois
padrões distintos, sendo potencialmente determinado pela espessura da camada asfáltica.
Sun et al. (2021) propuseram um modelo de previsão da vida útil de fadiga de uma mistura
asfáltica modificada a partir da técnica de máquina vetorial de suporte à otimização por enxame
de partículas (PSO-SVM). Como resultados, os autores identificaram que a previsão do método
PSO-SVM é mais precisa que os dados da observação experimental e podem efetivamente
melhorar a precisão do modelo. Em comparação com o modelo de árvore de decisão (M5’),
redes neurais artificiais e o método de máquina vetorial de suporte, o método PSO-SVM
alcançou melhor desempenho de previsão.
6 Método de pesquisa
Para atingir o objetivo proposto, esta pesquisa será dividida em quatro etapas: (i) obtenção e
tratamentos de um amplo banco de dados de misturas asfálticas e materiais granulares de todas
as regiões do Brasil; (ii) modelagem de previsão de Módulo de Resiliência (MR) para solos e
Módulo Dinâmico (MD) para misturas asfálticas, a partir da 3 técnicas de Redes Neurais
Artificiais; (iii) modelagem e previsão da fadiga e da deformação permanente a partir da
variação da espessura das camadas e dos MR e MD; (iv) validação da técnica de redes neurais
artificiais, a partir de simulações realizadas no software MeDiNa, de dimensionamento de
pavimentos asfálticos.
Figura 1. Rede neural não-linear com camada intermediária (Fonte: Evsukoff, 2020)
Duas camadas intermediárias serão executadas: (i) descobrir as propriedades que influenciam
no módulo de resiliência e (ii) as que interferem no módulo dinâmico. Após essa análise, os
resultados de MR e MD serão testados com as espessuras das camadas granulares para verificar
a influência no percentual final de área trincada no pavimento, relativo ao dano por fadiga.
Assim, será utilizada a linguagem Python e a interface JupyterLab para o tratamento dos dados
com relação às redes neurais artificiais, por ser um ambiente de desenvolvimento interativo que
permite aos usuários configurar e organizar fluxos de trabalho em ciência de dados, computação
científica, e aprendizagem de máquinas. A fonte de códigos a ser utilizada será uma adaptação
dos trabalhos relatados na seção de revisão bibliográfica e que estejam disponíveis em seu
corpo, para as condições e variáveis a serem estudadas.
7 Novidade do trabalho
A novidade do trabalho está centrada na obtenção de uma correlação a nível nacional, sendo
utilizados dados de diversas regiões do Brasil e, ainda, na abordagem de todas as camadas do
pavimento. Nas pesquisas relatadas não são investigadas, simultaneamente, as camadas
granulares e a de revestimento asfáltico. Desse modo, espera-se contribuir para o campo da
ciência com os resultados obtidos na análise a ser realizada.
Referências bibliográficas
BARROS, L. M. de. Implementação do ensaio Stress Sweep Rutting e do Shift Model
para a previsão da deformação permanente de misturas asfálticas brasileiras. 2022. 223
f. Tese (Doutorado) - Curso de Engenharia Civil, Universidade Federal do Rio de Janeiro, Rio
de Janeiro, 2022.
DENG, Y.; LUO, X.; WANG, H. Backcalculation of damage density of in‐service asphalt
pavements using artificial intelligence‐based finite element model updating. Fatigue &
Fracture of Engineering Materials & Structures, v. 45, n. 3, p. 671-686, 2 dez. 2021. DOI:
10.1111/ffe.13624.
GONG, H.; SUN, Y.; HU, W.; HUANG, B. Neural networks for fatigue cracking prediction
using outputs from pavement mechanistic-empirical design. International Journal of
Pavement Engineering, v. 22, n. 2, p. 162-172, 17 fev. 2019. DOI:
10.1080/10298436.2019.1580367.
LI, H.; FANG, N.; WANG, X.; WU, C.; FANG, Y. Evaluation of the Coordination of
Structural Layers in the Design of Asphalt Pavement. Applied Sciences, v. 10, n. 9, p. 3178,
2 maio 2020. DOI: 10.3390/app10093178.
LV, S.; YUAN, J.; PENG, X.; ZHANG, N.; LIU, H.; LUO, X. A structural design for semi-
rigid base asphalt pavement based on modulus optimization. Construction And Building
Materials, v. 302, p. 124216, out. 2021. DOI: 10.1016/j.conbuildmat.2021.124216.
MEDINA, J. de; MOTTA, L. M. G. da. Mecânica dos Pavimentos. 3. ed. Rio de Janeiro:
Interciência, 2015.
SUN, Y.; HE, D.; LI, J. Research on the Fatigue Life Prediction for a New Modified Asphalt
Mixture of a Support Vector Machine Based on Particle Swarm Optimization. Applied
Sciences, v. 11, n. 24, p. 11867, 14 dez. 2021. DOI: 10.3390/app112411867.
UWANUAKWA, I. D.; ALI, S. I. A.; HASAN, M. R. M.; AKPINAR, P.; SANI, A.;
SHARIFF, K. A. Artificial Intelligence Prediction of Rutting and Fatigue Parameters in
Modified Asphalt Binders. Applied Sciences, v. 10, n. 21, p. 7764, 3 nov. 2020. DOI:
10.3390/app10217764.
XU, X.; GU, Y.; HUANG, W.; CHEN, D.; ZHANG, C.; YANG, X. Structural Optimization
of Steel—Epoxy Asphalt Pavement Based on Orthogonal Design and GA—BP Algorithm.
Crystals, v. 11, n. 4, p. 417, 13 abr. 2021. DOI: 10.3390/cryst11040417.
ZEGHAL, M.; KHOGALI, W. Predicting the resilient modulus of unbound granular materials
by neural networks. National Research Council Canada (NRCC-47704). BCRA 2005,
Trondheim, Norway, June 27-29, 2005, pp. 1-9.