Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Begambre Carrillo, Óscar JavierGómez Rodríguez, Diana MarcelaJaramillo Sánchez, Daniel CamiloCastellanos Hernández, Fredy HernandoOrellano Ortiz, Iván René2022-04-072022-04-072022-03-312022-03-31https://noesis.uis.edu.co/handle/20.500.14071/9758Dado que el diseño bio-inspirado ha brindado soluciones óptimas en diferentes campos del conocimiento, y actualmente, el desarrollo de nuevas tecnologías computacionales provee algoritmos factibles para descifrar los conocimientos acumulados durante miles de millones de años en la naturaleza, los cuales también podrían dar solución a problemas estructurales en el campo de aplicación de la ingeniería civil. Este estudio integró el modelado tridimensional, la predicción por redes neuronales de aprendizaje profundo y la simulación por el método de elementos finitos mediante el software Ansys, para analizar y comparar el comportamiento a tracción y compresión de las estructuras biomiméticas: giroide, helicoidal y trabecular. De igual forma mediante análisis de sensibilidad se observó e identificó el comportamiento específico de cada geometría bio-inspirada y se determinó la relación y tendencia del volumen neto de material y la deformación, ante la variación de los parámetros geométricos propios, para un intervalo específico del espacio de diseño limitado a una probeta definida según la norma ASTM E9-09 con una altura de 14 cm. Los resultados muestran la comparación entre las curvas esfuerzo-deformación de cada estructura frente a las otras dos, en las cuales se analizaron las características de: rigidez, absorción de energía de deformación (tenacidad) y relación rigidez/volumen traducida como optimización de material.application/pdfspainfo:eu-repo/semantics/openAccessBiomímesisConstrucción bio-inspiradaGiroideTrabecularHelicoidalModelado 3DRedes NeuronalesUniversidad Industrial de SantanderTesis/Trabajo de grado - Monografía - PregradoUniversidad Industrial de Santanderhttps://noesis.uis.edu.coBiomimicryBio-inspired constructionGyroidTrabecularHelical3D ModelingNeural Networkshttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)