Resumo Ensaios não destrutivos (END) que avaliam a constituição ou degradação de estruturas são de grande interesse na Engenharia Civil. Entre as técnicas de END, destaca-se o teste de Velocidade de Pulso Ultrassônico (UPV); no entanto, embora seu uso seja difundido, ainda não existem aplicações que empreguem esse método para determinar a constituição do concreto in situ. Portanto, este artigo aborda a identificação do teor de agregados graúdos em amostras de concreto por meio de uma Rede Neural Artificial (RNA) treinada com um banco de dados de ensaios numéricos que simularam UPV. Neste artigo, o teor de agregados graúdos será descrito como uma porcentagem da área total de um modelo bidimensional de concreto. Três arquiteturas de redes neurais artificiais foram avaliadas. As duas primeiras, treinadas com 13 ou 22 trajetórias, resolveram um problema de classificação para cinco teores de agregados, e a terceira, treinada com 22 trajetórias, resolveu um problema de regressão. Seu desempenho foi comparado com o de outras soluções de regressão, a saber, Regressor XGB, Random Forest e Mínimos Quadrados Ordinários, e mostrou-se superior, com desvios médios de -2,55% a +2,17%. Assim, este artigo demonstrou que o uso da RNA em combinação com o teste UPV tem o potencial de identificar o teor de agregados graúdos em concretos. Os resultados positivos sugerem que essa abordagem é promissora e ressaltam a necessidade de validação experimental adicional em pesquisas futuras. END (END Civil destacase destaca se (UPV) entanto difundido situ Portanto (RNA avaliadas primeiras 1 2 trajetórias terceira regressão saber XGB Ordinários mostrouse mostrou superior 2,55% 255 55 -2,55 217 17 +2,17% Assim concretos futuras (UPV 2,55 25 5 -2,5 21 +2,17 2,5 -2, +2,1 2, -2 +2, - +2 +
Abstract Nondestructive tests that assess the constitution or degradation of structures are of great interest in Civil Engineering. Among the non-destructive testing techniques, the Ultrasonic Pulse Velocity (UPV) test stands out; however, although its use is widespread, there are still no applications that employ this method to determine the constitution of concrete in situ. Therefore, this article addresses the identification of the coarse aggregate content in concrete specimens by an Artificial Neural Network (ANN) trained with a database of numerical tests that simulated UPV. In this paper, the coarse aggregate content will be described as a percentage of the total area of a two-dimensional concrete model. Three artificial neural network architectures were evaluated. The first two, trained with 13 or 22 paths, solved a classification problem for five aggregate contents, and the third, trained with 22 paths, solved a regression problem. Its performance was compared with those of other regression solutions, namely XGB Regressor, Random Forest, and OLS (Ordinary Least Squares), and showed superior, with -2.55% to +2.17% average deviations. Thus, this paper demonstrated that the use of ANN in combination with UPV test has the potential to identify the coarse aggregate content in concretes. The positive results suggest that this approach is promising and highlights the need for further experimental validation in future research. Engineering nondestructive non destructive techniques (UPV out however widespread situ Therefore (ANN twodimensional two dimensional model evaluated 1 2 paths contents third solutions Regressor Forest Ordinary Squares, Squares , Squares) superior 2.55% 255 55 -2.55 217 17 +2.17 deviations Thus concretes research 2.55 25 5 -2.5 21 +2.1 2.5 -2. +2. 2. -2 +2 - +