Modelo substituto usando redes neurais artificiais para o comportamento elastoplástico de materiais fabricados por filamento fundido

Detalhes bibliográficos
Autor(a) principal: Cunha, Estêvão Santos Laureano da
Data de Publicação: 2023
Idioma: por
Título da fonte: Manancial - Repositório Digital da UFSM
dARK ID: ark:/26339/001300001bd84
Texto Completo: http://repositorio.ufsm.br/handle/1/33020
Resumo: Trabalho de Conclusão de Curso (graduação) - Universidade Federal de Santa Maria - Campus Cachoeira do Sul, Curso de Engenharia Mecânica, RS, 2023.
id UFSM_f8182b19cbca38aad000401c44a90be4
oai_identifier_str oai:repositorio.ufsm.br:1/33020
network_acronym_str UFSM
network_name_str Manancial - Repositório Digital da UFSM
repository_id_str
spelling Modelo substituto usando redes neurais artificiais para o comportamento elastoplástico de materiais fabricados por filamento fundidoSurrogate model using artificial neural networks for the elasoplastic behavior of fused filament fabricated materialsModelo constitutivo substitutoFabricação por filamento fundidoMétodo dos elementos finitosAbordagem multiescalaAnisotropiaSurrogate constitutive modelFused filament fabricationFinite element methodMultiscale approachAnisotropyCNPQ::ENGENHARIAS::ENGENHARIA MECANICATrabalho de Conclusão de Curso (graduação) - Universidade Federal de Santa Maria - Campus Cachoeira do Sul, Curso de Engenharia Mecânica, RS, 2023.High fidelity finite element simulations applied to fused filament fabrication materials re quire high computational resources. This occurs due to the non-linear behavior of the poly meric printing material and anisotropic characteristics induced by intrinsic heterogeneous morphologies observed at the lower scales. Thus, this work has the goal of developing a surrogate constitutive model based on artificial neural networks to accelerate finite ele ment simulations of 3D printed structures. A multiscale approach is adopted to obtain the training database, on which a mesoscale representative volume element is defined from experimental tests with printed samples. This representative element is submitted to peri odic boundary conditions for multiple load cases at the finite element software Abaqus™, and effective stresses and strains components are obtained via periodic homogenization to integrate the database. Python programming language is employed to create the artificial neural network, and literature based hyperparameters are defined for predicting the mate rial stress-strain relationships. The trained model is then coupled with Abaqus™ through an user subroutine, and its validation is conducted through a comparison with a finite element model with reduced scales’ characteristics at the macroscopic structure. It is observed that the surrogate method presented an adequate representation of the printed materials’ me chanical behavior, and, simultaneously, provided a 99,85% computational cost decrease for FE simulations concerning such structures.Simulações de elementos finitos de alta fidelidade aplicadas a componentes poliméricos produzidos por fabricação por filamento fundido apresentam elevado custo computacional. Isso ocorre devido ao comportamento não-linear do material e efeitos anisotrópicos induzi dos por morfologias heterogêneas intrínsecas observadas nas escalas reduzidas. Assim, este trabalho tem o objetivo de desenvolver um modelo constitutivo substituto baseado em redes neurais artificiais para acelerar simulações de estruturas impressas em 3D. Uma abordagem multiescala é adotada para obter o banco de dados de treinamento, na qual um elemento de volume representativo é definido a partir de ensaios experimentais com amostras impressas. O elemento representativo é submetido a condições de contorno periódicas para múltiplos casos de carga no software Abaqus™, e os componentes de tensão e deformação efetivos são obtidos por homogeneização periódica para formar o banco de dados. A linguagem de programação Python é usada para gerar a rede neural artificial, e hiperparâmetros baseados na literatura são definidos para predizer as relações tensão-deformação do material. O modelo treinado é acoplado ao Abaqus™ através de uma subrotina de usuário, e sua verificação é conduzida através de uma comparação com um modelo de elementos finitos com atributos das escalas reduzidas na estrutura macros cópica. É observado que o método substituto forneceu uma representação adequada do comportamento mecânico dos componentes impressos, e, simultaneamente, proporcionou uma redução de custo computacional de 99,85% para simulações de EF envolvendo tais estruturas.BrasilUFSMUFSM Cachoeira do SulTonatto, Maikson Luiz PassaiaRamos, Gustavo RobertoCunha, Estêvão Santos Laureano da2024-09-12T15:41:08Z2024-09-12T15:41:08Z2023-12-012023Trabalho de Conclusão de Curso de Graduaçãoinfo:eu-repo/semantics/publishedVersionapplication/pdfhttp://repositorio.ufsm.br/handle/1/33020ark:/26339/001300001bd84porAttribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessreponame:Manancial - Repositório Digital da UFSMinstname:Universidade Federal de Santa Maria (UFSM)instacron:UFSM2024-09-12T15:41:09Zoai:repositorio.ufsm.br:1/33020Biblioteca Digital de Teses e Dissertaçõeshttps://repositorio.ufsm.br/PUBhttps://repositorio.ufsm.br/oai/requestatendimento.sib@ufsm.br||tedebc@gmail.com||manancial@ufsm.bropendoar:2024-09-12T15:41:09Manancial - Repositório Digital da UFSM - Universidade Federal de Santa Maria (UFSM)false
dc.title.none.fl_str_mv Modelo substituto usando redes neurais artificiais para o comportamento elastoplástico de materiais fabricados por filamento fundido
Surrogate model using artificial neural networks for the elasoplastic behavior of fused filament fabricated materials
title Modelo substituto usando redes neurais artificiais para o comportamento elastoplástico de materiais fabricados por filamento fundido
spellingShingle Modelo substituto usando redes neurais artificiais para o comportamento elastoplástico de materiais fabricados por filamento fundido
Cunha, Estêvão Santos Laureano da
Modelo constitutivo substituto
Fabricação por filamento fundido
Método dos elementos finitos
Abordagem multiescala
Anisotropia
Surrogate constitutive model
Fused filament fabrication
Finite element method
Multiscale approach
Anisotropy
CNPQ::ENGENHARIAS::ENGENHARIA MECANICA
title_short Modelo substituto usando redes neurais artificiais para o comportamento elastoplástico de materiais fabricados por filamento fundido
title_full Modelo substituto usando redes neurais artificiais para o comportamento elastoplástico de materiais fabricados por filamento fundido
title_fullStr Modelo substituto usando redes neurais artificiais para o comportamento elastoplástico de materiais fabricados por filamento fundido
title_full_unstemmed Modelo substituto usando redes neurais artificiais para o comportamento elastoplástico de materiais fabricados por filamento fundido
title_sort Modelo substituto usando redes neurais artificiais para o comportamento elastoplástico de materiais fabricados por filamento fundido
author Cunha, Estêvão Santos Laureano da
author_facet Cunha, Estêvão Santos Laureano da
author_role author
dc.contributor.none.fl_str_mv Tonatto, Maikson Luiz Passaia
Ramos, Gustavo Roberto
dc.contributor.author.fl_str_mv Cunha, Estêvão Santos Laureano da
dc.subject.por.fl_str_mv Modelo constitutivo substituto
Fabricação por filamento fundido
Método dos elementos finitos
Abordagem multiescala
Anisotropia
Surrogate constitutive model
Fused filament fabrication
Finite element method
Multiscale approach
Anisotropy
CNPQ::ENGENHARIAS::ENGENHARIA MECANICA
topic Modelo constitutivo substituto
Fabricação por filamento fundido
Método dos elementos finitos
Abordagem multiescala
Anisotropia
Surrogate constitutive model
Fused filament fabrication
Finite element method
Multiscale approach
Anisotropy
CNPQ::ENGENHARIAS::ENGENHARIA MECANICA
description Trabalho de Conclusão de Curso (graduação) - Universidade Federal de Santa Maria - Campus Cachoeira do Sul, Curso de Engenharia Mecânica, RS, 2023.
publishDate 2023
dc.date.none.fl_str_mv 2023-12-01
2023
2024-09-12T15:41:08Z
2024-09-12T15:41:08Z
dc.type.driver.fl_str_mv Trabalho de Conclusão de Curso de Graduação
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://repositorio.ufsm.br/handle/1/33020
dc.identifier.dark.fl_str_mv ark:/26339/001300001bd84
url http://repositorio.ufsm.br/handle/1/33020
identifier_str_mv ark:/26339/001300001bd84
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Brasil
UFSM
UFSM Cachoeira do Sul
publisher.none.fl_str_mv Brasil
UFSM
UFSM Cachoeira do Sul
dc.source.none.fl_str_mv reponame:Manancial - Repositório Digital da UFSM
instname:Universidade Federal de Santa Maria (UFSM)
instacron:UFSM
instname_str Universidade Federal de Santa Maria (UFSM)
instacron_str UFSM
institution UFSM
reponame_str Manancial - Repositório Digital da UFSM
collection Manancial - Repositório Digital da UFSM
repository.name.fl_str_mv Manancial - Repositório Digital da UFSM - Universidade Federal de Santa Maria (UFSM)
repository.mail.fl_str_mv atendimento.sib@ufsm.br||tedebc@gmail.com||manancial@ufsm.br
_version_ 1847103577245351936

Registros relacionados