Linhas de Pesquisa

O GPNum desenvolve pesquisas voltadas à análise, ao comportamento e ao dimensionamento de sistemas estruturais inovadores, combinando modelagem numérica, ensaios experimentais, estudos paramétricos e procedimentos analíticos.

As atividades do grupo concentram-se principalmente nas seguintes linhas:

Estruturas de aço e estruturas mistas de aço e concreto

Estudo do comportamento de vigas, pilares, lajes, pisos e sistemas estruturais compostos por aço e concreto. Inclui vigas alveolares, perfis celulares e castelados, vigas mistas em regiões de momento positivo e negativo, sistemas de conexão, estabilidade e diferentes soluções construtivas para edificações, pontes e infraestrutura.

Modelagem numérica e Método dos Elementos Finitos

Desenvolvimento de modelos numéricos para investigação do comportamento estrutural em regime elástico, plástico, não linear geométrico e de materiais. Os estudos utilizam principalmente o Método dos Elementos Finitos, com aplicação de ferramentas como o Abaqus para calibração de modelos, validação com resultados experimentais e realização de análises paramétricas.

Estabilidade, flambagem e comportamento avançado de elementos estruturais

Investigação de fenômenos de instabilidade em vigas, pilares e elementos de aço e mistos, incluindo flambagem lateral com torção, flambagem local, flambagem distorcional, instabilidade em aberturas de alma e comportamento de elementos submetidos à flexão, compressão, cisalhamento e interação entre esforços.

Materiais estruturais de alto desempenho e sustentabilidade

Avaliação do uso de aços de alta resistência, aços microligados ao nióbio, concreto de ultra-alto desempenho, concreto reforçado com fibras, agregados reciclados e outras soluções voltadas à redução do consumo de materiais, emissões de carbono, aumento da durabilidade e melhoria do desempenho estrutural.

Estruturas em situação de incêndio

Inteligência artificial e ciência de dados aplicada às estruturas

Desenvolvimento de modelos de inteligência artificial, aprendizado de máquina e redes neurais artificiais para previsão de resistência, deslocamentos, modos de falha e parâmetros de dimensionamento. Os modelos são alimentados por dados experimentais, resultados de simulações numéricas e estudos paramétricos de grande escala.