Data-driven analytical and ML-based models for shear-strengthened RC beams using FRP systems

Abstract

Reinforced Concrete (RC) structures continue to dominate the construction industry due to their extensive use, durability and economic efficiency. However, as safety formats and performance demands evolve, many of these structures fail to comply with current requirements. Demolition, though sometimes necessary, is often suboptimal due to substantial economic costs and severe environmental consequences, such as waste generation and increased carbon emissions. Consequently, structural strengthening has emerged as a sustainable and cost-effective alternative. This thesis focuses on enhancing the shear resistance of RC beams using Carbon Fibre-Reinforced Polymer (CFRP) reinforcements, with a focus on two widely employed techniques: the Externally Bonded Reinforcement (EBR) and Near-Surface Mounted (NSM) techniques. Existing predictive models for these techniques exhibit insufficient accuracy, often resulting from oversimplified assumptions and failure to capture the complex, nonlinear interactions among various structural parameters. To address these limitations, this research introduces a suite of innovative models designed to significantly improve predictive accuracy and reliability. A comprehensive experimental database was compiled, and advanced data preprocessing methods, including outlier detection and data transformation, were implemented to improve model performance. Analytical models were developed with integrated calibration factors to minimize error variability and ensure consistent predictions across diverse beam characteristics. Additionally, a Reliability Analysis framework was established to calibrate resistance reduction factors, ensuring the proposed models align with safety and cost-effectiveness standards for practical design applications. Furthermore, Machine Learning models were developed, demonstrating substantial advancements in predictive accuracy and reliability compared to traditional analytical approaches. Overall, this research presents significant contributions to the field, offering improved design models that promote the sustainable and safe use of CFRP for shear strengthening, while laying the groundwork for future advancements.

As estruturas de Betão Armado (BA) são amplamente utilizadas na construção devido ao seu desempenho, durabilidade e competitividade económica. No entanto, com a evolução das exigências normativas, muitas deixam de estar em conformidade. A demolição, embora necessária em alguns casos, apresenta custos elevados e impactos ambientais significativos. Assim, o reforço estrutural surge como uma alternativa mais sustentável e económica. Esta tese desenvolve modelos analíticos para o dimensionamento de soluções em Polímeros Reforçados com Fibras de Carbono (CFRP) no reforço ao corte de vigas de BA. O estudo foca-se nas técnicas de colagem externa (EBR) e inserção em entalhes no betão de recobrimento (NSM). A avaliação dos modelos existentes revela limitações devido a simplificações que não captam adequadamente as interações complexas do problema. Para superar essas limitações, esta investigação propõe modelos inovadores que melhoram a precisão e fiabilidade das previsões. Uma base de dados existente de vigas reforçadas ao corte com as técnicas EBR e NSM foi analisada e ampliada com dados de publicações recentes. Métodos avançados de pré-processamento, como a deteção de outliers e a transformação de dados, foram aplicados para melhorar o desempenho dos modelos. Modelos analíticos com fatores de calibração integrados foram desenvolvidos para reduzir a variabilidade dos erros e garantir previsões consistentes. Também foi aplicada uma Análise de Fiabilidade para calibrar fatores de segurança, assegurando a conformidade com as normas de projeto e a eficiência económica das soluções de reforço. Além disso, modelos de Aprendizagem de Máquina foram desenvolvidos, proporcionando ganhos significativos em precisão e fiabilidade face às abordagens analíticas tradicionais. Em suma, esta investigação oferece contribuições significativas na área do dimensionamento de soluções de reforço ao corte de vigas de BA com CFRP, disponibilizando modelos com maior fiabilidade capacidade de preditiva. As ferramentas e metodologias utilizadas podem ser replicadas em outras áreas de utilização de CFRP no reforço de estruturas de BA.