Maestría en Ingeniería de Sistemas e Informática · 2018
Simulación de modelos de predicción de la degradación del concreto reforzado expuesto a un medio marino simulado en arquitecturas computacionales basados en múltiples GPU
La simulación del proceso de la difusión de cloruros en el concreto reforzado expuesto a medios marinos, permite conocer la concentración del ion cloruro en una estructura de concreto en un tiempo determinado, por lo tanto, es posible estimar el tiempo necesario para que la estructura alcance la concentración umbral y así iniciar la despasivación del acero de refuerzo. El concreto reforzado es uno de los materiales más utilizados en la construcción, debido a sus propiedades estructurales, bajo costo y gran durabilidad. El carácter alcalino presente en los poros del concreto, permite que el acero de refuerzo en un inicio se encuentre en estado pasivo en cuanto a la corrosión, siendo su velocidad casi nula, sin embargo, esta velocidad comienza a incrementarse debido al ingreso de agentes agresivos los cuales se encuentran presentes en el medio ambiente como son los iones de cloruro y el dióxido de carbono, los cuales llevan al inicio de la corrosión de las estructuras de acero que refuerzan el concreto. En este trabajo se simula un modelo de difusión teniendo en cuenta los diferentes factores que afectan o inciden en la velocidad de inicio de la corrosión de la estructura de refuerzo, como son la relación agua-cemento, temperatura, densidad y capacidad de fijación del cloruro del concreto, dado que se manejan todas estas variables y una gran cantidad de información se hace necesario utilizar arquitecturas computacionales basadas en múltiples GPU con el fin de lograr la obtención de mejores resultados en tiempos más cortos y así poder minimizar este fenómeno cambiando ciertos parámetros de diseño y fabricación.
Texto completo 114 páginas con texto
Leer la tesis completa Ficha en el repositorio
Contenido
- DESCRIPCIÓNp. 13
- EL FENÓMENO DE LA CORROSIÓNp. 13
- Deterioro del concretop. 17
- OBJETIVOSp. 21
- Objetivo Generalp. 21
- Objetivos específicosp. 21
- PROGRAMACIÓN EN PARALELOp. 23
- Técnicas de programación en paralelop. 25
- Método de descomposición de dominiop. 25
- Descomposición funcionalp. 26
- Descomposición recursivap. 27
- Paralelización en GPUp. 28
- Arquitecturas de las GPUp. 31
- GPU Computing aceleradop. 32
- OpenACCp. 34
- OpenMPp. 39
- Herramientas de Profilingp. 39
- Discretización de ecuaciones diferencialesp. 41
- Método de Diferencias Finitasp. 41
- Aproximación a las derivadas en 2D y 3Dp. 44
- Modelos de predicción de la vida útil del concreto reforzadop. 47
- Modelos empíricosp. 47
- Modelos según la comparación de desempeñop. 48
- Modelos estocásticosp. 48
- Modelos matemáticosp. 49
- Modelos tradicionalesp. 51
- Modelos Multi-especiep. 52
- METODOLOGIAp. 54
- Estudio de la literaturap. 54
- Diseño e implementación de la versión secuencialp. 55
- Optimización de la versión secuencialp. 55
- Medición de los tiempos de ejecuciónp. 56
- Paralelización de funcionesp. 56
- Evaluación del rendimientop. 56
- Análisis de resultadosp. 56
- Documentaciónp. 57
- Simulación de la predicción de la vida útil del concretop. 58
- Modelo a simularp. 58
- Algoritmo de Simulaciónp. 74
- Diseño del algoritmo de Simulaciónp. 74
- Implementación del algoritmo de simulaciónp. 81
- Pruebas de rendimiento obtenidop. 92
- Resultados del modelop. 94
- Conclusionesp. 102
- BIBLIOGRÁFIAp. 103
- Tabla 1. Tiempos de ejecuciónp. 93
- Tabla 2. Tiempos de ejecución obtenidos en el algoritmo de simulaciónp. 94
- Tabla 3. Valores de entrada al algoritmo de simulaciónp. 96
- Tabla 4. Valores de entrada segunda simulaciónp. 98
- Tabla 5. Valores de entrada para la tercera simulaciónp. 100
- columnas (b) por filas (c) por bloquesp. 26
- Figura 2. Arquitectura básica de una GPUp. 32
- Figura 3. Series de Taylorp. 42
- Figura 4. Modelo de vida útil de Tuttip. 49
- Figura 5. Fases de desarrollop. 54
- Figura 6. Cubo de datos de variablesp. 75
- Figura 7. Variables de entrada del concretop. 76
- Figura 8. Diagrama de flujo del algoritmop. 78
- Figura 9. Formato del archivo de datos de VTKp. 81
- Figura 10. Resultados de profiling versión secuencialp. 85
- Figura 11. Código paralelizado de la función get_multiplyp. 87
- Figura 12. Código paralelizado de la función get_Ircp. 87
- Figura 13. Código paralelizado de la función fd3d_difussion_2Fick_3Dp. 89
- Figura 14. Visualización de los tiempos de ejecución mediante PGI Profilerp. 90
- concretop. 96
- Figura 16. Comparación de tiempos de ejecuciónp. 93
- Figura 17. Aceleración obtenida para la simulación en GPUp. 95
- Figura 18. Concentración de cloruros para a/c=0.4p. 97
- Figura 19. Concentración de cloruros para a/c=0.5p. 99
- Figura 20. Concentración de cloruros para a/c=0.6p. 101