Durability assessment and prediction of fibre polymer composites using artificial intelligence

Abstract

Os compósitos de polímeros reforçados com fibras têm recebido crescente atenção como alternativas viáveis aos materiais de construção tradicionais, principalmente devido à sua superior relação resistência-peso, resistência à corrosão e durabilidade a longo prazo. Espera-se que sua utilização em aplicações estruturais continue a crescer, especialmente com a recente publicação da CEN/TS 19101:2022, uma especificação técnica europeia para o projeto de estruturas compósitas. Apesar das vantagens, a previsão do desempenho a longo prazo destes compósitos permanece um desafio significativo, particularmente devido à sua degradação sob condições ambientais. Para abordar esta questão, o presente estudo utiliza inteligência artificial (IA) para desenvolver modelos preditivos baseados em dados experimentais. O objetivo principal deste estudo foi avaliar e prever o desempenho a longo prazo de compósitos de polímeros reforçados com fibras em aplicações estruturais, através de uma abordagem orientada por dados que abrange a recolha e análise sistemática de dados de durabilidade. Influências ambientais chave, como humidade, ciclos térmicos e exposição química, foram incorporadas no processo de modelação. A metodologia de investigação inclui a análise exploratória de dados para identificar fatores críticos que influenciam a degradação, seguida da refinação dos parâmetros do modelo analítico através de análise inversa. Modelos preditivos baseados em IA foram desenvolvidos para estimar o desempenho a longo prazo dos compósitos sob diversas condições ambientais. Os resultados esperados incluem a criação de um conjunto de dados abrangente e a formulação de modelos robustos capazes de prever a retenção de resistência do material, orientando a seleção de compósitos e contribuindo para a normalização de materiais compósitos na engenharia estrutural, informando estratégias de projeto e manutenção para uma infraestrutura sustentável.

Fiber polymer composites have gained increasing attention as viable alternatives to traditional construction materials, primarily because of their superior strength-to-weight ratio, resistance to corrosion, and long-term durability. Their use in structural applications is expected to grow further, especially with the recent publication of CEN/TS 19101:2022, a European technical specification for designing composite structures. Despite the advantages, predicting the long-term performance of these composites remains a significant challenge, particularly because of their degradation under environmental. To address this issue, the present study leverages artificial intelligence (AI), to develop predictive models based on experimental data. The main objective of this study was to evaluate and predict the long-term performance of fibre polymer composites in structural applications. This involves a data-driven approach encompassing the systematic collection and analysis of durability data and the implementation of AI models to forecast the long-term behaviour of fibre polymer composites. Key environmental influences, such as humidity, thermal cycling, and chemical exposure, were incorporated into the modelling process. The research methodology includes exploratory data analysis (EDA) to identify critical factors influencing degradation, followed by refinement of analytical model parameters through inverse analysis. AI-based predictive models were then developed to estimate the long-term performance of composites under various environmental conditions. The anticipated outcomes include the creation of a comprehensive dataset and the formulation of robust models capable of predicting material strength retention. These insights aim to guide the selection of composites and contribute to the standardization of composite materials in structural engineering, ultimately informing the design and maintenance strategies for sustainable infrastructure.