Otimização de placas e cascas de materiais compósitos, utilizando algoritmos genéticos, redes neurais e elementos finitos

• Ano de defesa: 2009
• Autor(a) principal: Cardozo López, Sergio Daniel
• Orientador(a): Awruch, Armando Miguel
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Estruturas (Engenharia); Redes neurais artificiais; Algoritmos genéticos; Compósitos; Elementos finitos
• Palavras-chave em Inglês: Composite materials; Artificial neural networks; Structural optimization; Genetic algorithms; Finite elements
• Link de acesso: http://hdl.handle.net/10183/18583

A otimização estrutural, utilizando ferramentas computacionais é um grande campo de pesquisa na atualidade. Os métodos utilizados, dependendo da complexidade do problema, demandam um grande custo computacional, e por isso vem sendo avaliandas várias técnicas para diminuí-lo. Uma delas é o emprego de técnicas de aproximação de análises, dentre as quais destacam-se as redes neurais, que combinadas aos métodos de otimização e de análises clássicos conseguem bons resultados e reduzem significativamente o tempo de processamento. O emprego dos compósitos laminados como material estrutural vem crescendo nos últimos tempos, incentivado pela suas excelentes propriedades mecânicas e baixo peso. Em consenso com todo o esforço científico dedicado a essa área, o presente trabalho visa a implementação de uma ferramenta computacional capaz de otimizar estruturas complexas fabricadas com tais materiais, a um baixo custo computacional. Com isto em mente, é desenvolvido um sistema de otimização, aproveitando módulos implementados previamente para a análise estática linear e não linear através do método dos elementos finitos (MEF), e o módulo de otimização por algoritmos genéticos. Serão desenvolvidos os módulos de análise modal, para otimizar também estruturas com critérios baseados em freqüências e modos, e o modulo de redes neurais de tipo perceptron para aproximações das análises feitas através do MEF. Alguns exemplos são apresentados para demonstrar que bons resultados são obtidos com a utilização de redes neurais artificiais, cujo treinamento permite poupar tempo computacional proveniente do grande número de análises usualmente necessárias no processo de otimização.