Aplicação de Inteligência Artificial na otimização e análise de incertezas em materiais compósitos laminados

• Ano de defesa: 2023
• Autor(a) principal: Krusche, Felipe Biermann
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: algoritmos genéticos; compósitos laminados; Fuzzy logic; genetic algorithms; incertezas; lógica Fuzzy; optimization; otimização; uncertainties
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/85/85133/tde-06102023-101528/

O desenvolvimento de materiais com propriedades especiais para atender aos requisitos de projetos de alto desempenho tem impulsionado o uso de materiais compósitos devido às suas propriedades mecânicas superiores e baixo peso. Personalizar esses materiais para atender requisitos específicos do projeto apresenta desafios na busca pela combinação ideal de parâmetros. Além disso, a fabricação em larga escala dessas estruturas enfrenta variabilidades devido à imperfeições no processo. Para lidar com essas incertezas, há interesse em desenvolver métodos de otimização robustos que considerem as incertezas no projeto e nos parâmetros. Esse estudo desenvolveu uma metodologia e uma ferramenta computacional capazes de otimizar materiais compósitos laminados, levando em consideração as incertezas relacionadas às suas propriedades. O método permite reduzir o tempo e o custo em projetos de estruturas que utilizem esses materiais, além de fornecer informações sobre a resposta dessas estruturas diante de incertezas e demandas específicas da aplicação. A metodologia desenvolvida combina duas técnicas de inteligência artificial com um programa de análise estrutural. Essa abordagem busca identificar as estruturas mais adequadas entre uma ampla gama de possibilidades, considerando também a possível influência das incertezas nos parâmetros de projeto e na aplicação sobre as estruturas otimizadas. Algoritmo Genético e a Lógica Fuzzy são utilizados para otimizar e analisar as incertezas das estruturas, enquanto um Programa de Análise Estrutural (PAE), baseado em métodos de elementos finitos, fornece as respostas mecânicas das estruturas. Os resultados obtidos pelo PAE foram comparados com trabalhos já publicados e realizaram-se avaliações sobre os deslocamentos e tensões apresentados pelas estruturas quando submetidas a forças externas para casos lineares e não-linearidades, com grandes deslocamentos. Os resultados obtidos foram comparados com trabalhos publicados anteriormente, incluindo o método fechado de Navier baseado na Teoria da Deformação Cisalhante de Terceira Ordem (TSDT) e a Teoria de Deformação de Cisalhamento Hiperbólico Inverso (IHSDT), reconhecidos por sua precisão. Os deslocamentos calculados pelo programa apresentaram um desvio médio de apenas 1,22% em relação aos valores encontrados na literatura. Essa diferença tende a ser ainda menor em placas mais finas e com um maior número de camadas. Quanto às tensões, a diferença média foi inferior a 1%. Portanto, conclui-se que o modelo desenvolvido demonstra uma excelente precisão ao estimar os deslocamentos e as tensões nas estruturas, principalmente em placas finas compostas por um grande número de lâminas. A otimização utilizando Algoritmo Genético para encontrar as estruturas de menor peso e menor deslocamento vertical de uma placa composta por oito lâminas simétricas apresentou um alto desempenho computacional, com uma probabilidade superior a 95% de encontrar todas as combinações ótimas em uma única execução. O algoritmo analisou um espaço de busca com 65.536 combinações possíveis para o laminado e foram identificadas 251 estruturas ótimas, formando o conjunto conhecido como Ótimo de Pareto. Os resultados obtidos demonstram que a metodologia desenvolvida é robusta e eficiente, especialmente em situações em que as informações sobre os materiais e sua aplicação são vagas ou imprecisas. Isso evidencia o potencial dessa abordagem para lidar com problemas complexos de projeto de estruturas compósitas.