Predição de propriedades mecânicas de compósitos unidirecionais através de redes neurais artificiais

• Ano de defesa: 2018
• Autor(a) principal: Oliveira, Giorgio André Brito
• Orientador(a): Freire Júnior, Raimundo Carlos Silvério
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Programa de Pós-Graduação: PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA MECÂNICA
• País: Brasil
• Palavras-chave em Português: RNAs; Propriedades mecânicas; Compósitos unidirecionais
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA MECANICA
• Link de acesso: https://repositorio.ufrn.br/jspui/handle/123456789/24978

Os materiais compósitos são um novo destaque no avanço tecnológico, impondo novas pesquisas relacionadas ao assunto devido a sua crescente demanda nas mais diversas áreas. Dentre essas pesquisas surgem as que tem como objetivo facilitar as aplicações desses materiais, através de uma rápida apuração das suas propriedades mecânicas sem a necessidade de procedimentos experimentais, sendo essa fator primacial na preparação de projetos. Assim surgiram os modelos micromecânicos, que ganharam destaque devido a sua praticidade, como exemplo das equações da Regra das Misturas e das equações de Halpin-Tsai. Recentemente, novos modelos computacionais vem combinando modelos micromecânicos e aperfeiçoando-os para se ter a máxima acurácia, como por exemplo as redes neurais artificiais (RNAs). Com base nisso, este trabalho visa a criação de arquiteturas de RNAs capazes de modelar o módulo de cisalhamento (G12) e a tensão última de tração longitudinal (Xt) de compósitos unidirecionais. Com as RNAs treinadas e testadas, essas vão servir como ferramentas computacionais, semelhante a funções, em que fornecendo as entradas teremos uma saída desejada. Para isso, fez-se necessário uma coleta de dados da literatura, que foram divididos em um conjunto de treino e um conjunto de teste, para realização da validação cruzada. Se desenvolveram sete tipos de arquiteturas diferentes, três para o G12 e quatro para o Xt, na qual essas possuem entre duas, três e quatro entradas. Dentre esses modelos três deles são considerados modelos mistos, que combina valores da saída da RNA com os valores obtidos vindos de modelos micromecânicos, como o modelo de Halpin-Tsai. Após o treinamento das RNAs, foi realizada uma análise comparativa dos valores vindos da RNA e dos valores experimentais, e ainda análises quantitativas e qualitativas com base no modelo de comparação (modelo de Halpin-Tsai e modelo da Regra das Misturas), apresentando maiores valores de coeficiente de correlação e menores valores de erro quadrático médio.