Detalhes bibliográficos
| Ano de defesa: |
2015 |
| Autor(a) principal: |
Rebouças, Igor Guedes |
| Orientador(a): |
Freire Júnior, Raimundo Carlos Silvério |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Federal do Rio Grande do Norte
|
| Programa de Pós-Graduação: |
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA MECÂNICA
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Brasil
|
| Palavras-chave em Português: |
|
| Área do conhecimento CNPq: |
|
| Link de acesso: |
https://repositorio.ufrn.br/jspui/handle/123456789/20716
|
Resumo: |
Este trabalho consiste na elaboração de uma Rede Neural Artificial (RNA) com o fim de modelar o comportamento de compósitos quando submetidos a carregamento de fadiga. A proposta é desenvolver e apresentar um modelo misto, que associa uma equação analítica (Equação de Adam) à estrutura da RNA. Tendo em vista que os compósitos geralmente apresentam comportamentos semelhantes quando sujeitos a carregamentos flutuantes, essa equação visa estabelecer um padrão pré-definido de comparação para um material genérico, a fim de que a RNA ajuste o comportamento de outro compósito a esse padrão. Dessa forma, a RNA não precisaria aprender por completo o comportamento de determinado material, pois a Equação de Adam faria boa parte do trabalho. Este modelo foi utilizado em duas arquiteturas de rede diferentes, modular e perceptron, com o objetivo de analisar a sua eficiência em estruturas distintas. Além das diferentes arquiteturas, foram analisadas as respostas geradas a partir de dois conjuntos de dados diferentes – com três e duas curvas S-N. Esse modelo também foi comparado com os resultados da literatura especializada, que utilizam uma estrutura convencional de RNA. Os resultados consistem em analisar e comparar algumas características, como a capacidade de generalização, a robustez e os Diagramas de Goodman, desenvolvidas pelas redes. |
