Estudo do comportamento à fadiga de cabos condutores de energia com alma de alumínio utilizando redes neurais artificiais

Detalhes bibliográficos
Ano de defesa: 2020
Autor(a) principal: Câmara, Eduardo César Bezerra
Orientador(a): Freire Júnior, Raimundo Carlos Silvério
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
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:
Link de acesso: https://repositorio.ufrn.br/handle/123456789/31523
Resumo: As dimensões continentais do Brasil e a distância das unidades geradoras de energia (geralmente hidrelétricas) dos centros consumidores são fatores que elevam a importância das redes de distribuição, já que uma falha inesperada por fadiga nos cabos condutores pode atingir dezenas de milhões de consumidores envolvendo, portanto, custos altíssimos. Para estimar a vida remanescente dos cabos dessas linhas são necessários laboratórios sofisticados e longos ensaios para obtenção de curvas S-N com o mesmo nível de tensão média aplicado no campo. Assim, torna-se desejável um modelo capaz de prever a resistência à fadiga de cabos condutores com eficácia, simplificando a necessidade de ensaios e os custos, além, claro, dos riscos de blackout. Nesse sentido, este estudo busca desenvolver arquiteturas de Redes Neurais Artificiais (RNAs) capazes de estimar a resistência à fadiga de cabos condutores de alumínio, através da variação de parâmetros estruturais dos cabos como, o peso específico (W), o módulo de rigidez à flexão (EI) e a constante K de Poffenberger-Swart, levando em consideração a tensão média (carga de esticamento) e o número de ciclos a que os cabos são submetidos. O treinamento e validação das RNAs foram feitos através de um conjunto de dados obtidos a partir de ensaios de fadiga realizados no laboratório de cabos do Grupo de Fadiga, Fratura e Materiais (GFFM) da Universidade de Brasília (UnB) para diferentes tipos de cabos de ligas de alumínio. Através das RNAs são construídos diagramas de vida constante para essa família de cabos, sendo possível realizar uma comparação dos resultados obtidos experimentalmente e os obtidos pela RNAs através do erro médio quadrático. Os resultados obtidos pelas RNAs se mostraram adequados, baseados principalmente no baixo erro médio quadrático obtido para as diferentes arquiteturas de rede treinadas e validadas e nas curvas de vida constante geradas, atestando, assim, a boa generalização da resistência à fadiga dos cabos condutores de alumínio analisados.
id UFRN_e00614ab2dbb90794a68e4a07babdf8f
oai_identifier_str oai:https://repositorio.ufrn.br:123456789/31523
network_acronym_str UFRN
network_name_str Repositório Institucional da UFRN
repository_id_str
spelling Câmara, Eduardo César Bezerrahttp://lattes.cnpq.br/1654889819568367http://lattes.cnpq.br/1042806990155996Diniz, Bruno da Cunhahttp://lattes.cnpq.br/2022146558295249Araújo, José Alexanderhttp://lattes.cnpq.br/4144409737965759Cardoso, Raphael Araújohttp://lattes.cnpq.br/4020351126682611Bessa, Wallace Moreirahttp://lattes.cnpq.br/3256782908311485Freire Júnior, Raimundo Carlos Silvério2021-02-12T18:58:56Z2021-02-12T18:58:56Z2020-10-30CÂMARA, Eduardo César Bezerra. Estudo do comportamento à fadiga de cabos condutores de energia com alma de alumínio utilizando redes neurais artificiais. 2020. 104f. Tese (Doutorado em Engenharia Mecânica) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2020.https://repositorio.ufrn.br/handle/123456789/31523As dimensões continentais do Brasil e a distância das unidades geradoras de energia (geralmente hidrelétricas) dos centros consumidores são fatores que elevam a importância das redes de distribuição, já que uma falha inesperada por fadiga nos cabos condutores pode atingir dezenas de milhões de consumidores envolvendo, portanto, custos altíssimos. Para estimar a vida remanescente dos cabos dessas linhas são necessários laboratórios sofisticados e longos ensaios para obtenção de curvas S-N com o mesmo nível de tensão média aplicado no campo. Assim, torna-se desejável um modelo capaz de prever a resistência à fadiga de cabos condutores com eficácia, simplificando a necessidade de ensaios e os custos, além, claro, dos riscos de blackout. Nesse sentido, este estudo busca desenvolver arquiteturas de Redes Neurais Artificiais (RNAs) capazes de estimar a resistência à fadiga de cabos condutores de alumínio, através da variação de parâmetros estruturais dos cabos como, o peso específico (W), o módulo de rigidez à flexão (EI) e a constante K de Poffenberger-Swart, levando em consideração a tensão média (carga de esticamento) e o número de ciclos a que os cabos são submetidos. O treinamento e validação das RNAs foram feitos através de um conjunto de dados obtidos a partir de ensaios de fadiga realizados no laboratório de cabos do Grupo de Fadiga, Fratura e Materiais (GFFM) da Universidade de Brasília (UnB) para diferentes tipos de cabos de ligas de alumínio. Através das RNAs são construídos diagramas de vida constante para essa família de cabos, sendo possível realizar uma comparação dos resultados obtidos experimentalmente e os obtidos pela RNAs através do erro médio quadrático. Os resultados obtidos pelas RNAs se mostraram adequados, baseados principalmente no baixo erro médio quadrático obtido para as diferentes arquiteturas de rede treinadas e validadas e nas curvas de vida constante geradas, atestando, assim, a boa generalização da resistência à fadiga dos cabos condutores de alumínio analisados.The Brazil continental dimensions and distance from the power generating units (usually hydroelectric) of the consumers centers are factors that raise the importance of the distribution lines, since an unexpected failure due to fatigue at the conducting cables, can reach tens of millions of consumers involving therefore, very high costs. In order to estimate the remaining cable fatigue life of these transmission lines, sophisticated laboratories and long tests are necessary to obtain S-N curves with the same level of mean stress applied in the field. Thus, it becomes desirable a model capable of predicting the resistance to fatigue of conductive cable effectively, simplifying the need for testing and the costs, in addition, of course, the risks of blackout. At this way, this study seeks to create Artificial Neural Networks (ANNs) architectures capable of estimating the fatigue strength of aluminum conducting cables. By varying the cable’s structural parameters such as the linear weight (W), the flexural stiffness module (EI) and the Poffenberger-Swart constant (K), taking into account the mean stress (stretching load) and the number of cycles to which the cables are subjected. The training and testing of the ANNs were made through a set of data obtained from fatigue tests carried out in the cable laboratory of the Fatigue, Fracture and Materials Group (GFFM) of the Federal University of Brasília (UnB) for different types of aluminum alloys cable. ANNs will be used to construct constant life diagrams for this family of cables, and compare the results obtained experimentally and by ANNs using the root mean square (RMS). The results obtained by the ANNs proved to be adequate, based mainly on the low RMS values obtained for the different ANN architectures and on the plotted constant life curves, thus attesting to the good generalization of the fatigue resistance for the aluminum conductor cables analyzed.Universidade Federal do Rio Grande do NortePROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA MECÂNICAUFRNBrasilRedes neurais artificiaisCabos condutores de alumínioFadiga em cabosTensão médiaDiagramas de vida constantePoffenberger-SwartEstudo do comportamento à fadiga de cabos condutores de energia com alma de alumínio utilizando redes neurais artificiaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALEstudocomportamentofadiga_Camara_2020.pdfapplication/pdf2833481https://repositorio.ufrn.br/bitstream/123456789/31523/1/Estudocomportamentofadiga_Camara_2020.pdf19cb4f46e018a4d0a33a7eff73c91afcMD51TEXTEstudocomportamentofadiga_Camara_2020.pdf.txtEstudocomportamentofadiga_Camara_2020.pdf.txtExtracted texttext/plain188244https://repositorio.ufrn.br/bitstream/123456789/31523/2/Estudocomportamentofadiga_Camara_2020.pdf.txtd3a352b9a371a28bf9b48fcd82e7aee0MD52THUMBNAILEstudocomportamentofadiga_Camara_2020.pdf.jpgEstudocomportamentofadiga_Camara_2020.pdf.jpgGenerated Thumbnailimage/jpeg1292https://repositorio.ufrn.br/bitstream/123456789/31523/3/Estudocomportamentofadiga_Camara_2020.pdf.jpg14a35d0ae87d10e5514339d08d852b18MD53123456789/315232021-02-14 05:49:20.699oai:https://repositorio.ufrn.br:123456789/31523Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2021-02-14T08:49:20Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false
dc.title.pt_BR.fl_str_mv Estudo do comportamento à fadiga de cabos condutores de energia com alma de alumínio utilizando redes neurais artificiais
title Estudo do comportamento à fadiga de cabos condutores de energia com alma de alumínio utilizando redes neurais artificiais
spellingShingle Estudo do comportamento à fadiga de cabos condutores de energia com alma de alumínio utilizando redes neurais artificiais
Câmara, Eduardo César Bezerra
Redes neurais artificiais
Cabos condutores de alumínio
Fadiga em cabos
Tensão média
Diagramas de vida constante
Poffenberger-Swart
title_short Estudo do comportamento à fadiga de cabos condutores de energia com alma de alumínio utilizando redes neurais artificiais
title_full Estudo do comportamento à fadiga de cabos condutores de energia com alma de alumínio utilizando redes neurais artificiais
title_fullStr Estudo do comportamento à fadiga de cabos condutores de energia com alma de alumínio utilizando redes neurais artificiais
title_full_unstemmed Estudo do comportamento à fadiga de cabos condutores de energia com alma de alumínio utilizando redes neurais artificiais
title_sort Estudo do comportamento à fadiga de cabos condutores de energia com alma de alumínio utilizando redes neurais artificiais
author Câmara, Eduardo César Bezerra
author_facet Câmara, Eduardo César Bezerra
author_role author
dc.contributor.authorID.pt_BR.fl_str_mv
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/1654889819568367
dc.contributor.advisorID.pt_BR.fl_str_mv
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/1042806990155996
dc.contributor.referees1.none.fl_str_mv Diniz, Bruno da Cunha
dc.contributor.referees1ID.pt_BR.fl_str_mv
dc.contributor.referees1Lattes.pt_BR.fl_str_mv http://lattes.cnpq.br/2022146558295249
dc.contributor.referees2.none.fl_str_mv Araújo, José Alexander
dc.contributor.referees2ID.pt_BR.fl_str_mv
dc.contributor.referees2Lattes.pt_BR.fl_str_mv http://lattes.cnpq.br/4144409737965759
dc.contributor.referees3.none.fl_str_mv Cardoso, Raphael Araújo
dc.contributor.referees3ID.pt_BR.fl_str_mv
dc.contributor.referees3Lattes.pt_BR.fl_str_mv http://lattes.cnpq.br/4020351126682611
dc.contributor.referees4.none.fl_str_mv Bessa, Wallace Moreira
dc.contributor.referees4ID.pt_BR.fl_str_mv
dc.contributor.referees4Lattes.pt_BR.fl_str_mv http://lattes.cnpq.br/3256782908311485
dc.contributor.author.fl_str_mv Câmara, Eduardo César Bezerra
dc.contributor.advisor1.fl_str_mv Freire Júnior, Raimundo Carlos Silvério
contributor_str_mv Freire Júnior, Raimundo Carlos Silvério
dc.subject.por.fl_str_mv Redes neurais artificiais
Cabos condutores de alumínio
Fadiga em cabos
Tensão média
Diagramas de vida constante
Poffenberger-Swart
topic Redes neurais artificiais
Cabos condutores de alumínio
Fadiga em cabos
Tensão média
Diagramas de vida constante
Poffenberger-Swart
description As dimensões continentais do Brasil e a distância das unidades geradoras de energia (geralmente hidrelétricas) dos centros consumidores são fatores que elevam a importância das redes de distribuição, já que uma falha inesperada por fadiga nos cabos condutores pode atingir dezenas de milhões de consumidores envolvendo, portanto, custos altíssimos. Para estimar a vida remanescente dos cabos dessas linhas são necessários laboratórios sofisticados e longos ensaios para obtenção de curvas S-N com o mesmo nível de tensão média aplicado no campo. Assim, torna-se desejável um modelo capaz de prever a resistência à fadiga de cabos condutores com eficácia, simplificando a necessidade de ensaios e os custos, além, claro, dos riscos de blackout. Nesse sentido, este estudo busca desenvolver arquiteturas de Redes Neurais Artificiais (RNAs) capazes de estimar a resistência à fadiga de cabos condutores de alumínio, através da variação de parâmetros estruturais dos cabos como, o peso específico (W), o módulo de rigidez à flexão (EI) e a constante K de Poffenberger-Swart, levando em consideração a tensão média (carga de esticamento) e o número de ciclos a que os cabos são submetidos. O treinamento e validação das RNAs foram feitos através de um conjunto de dados obtidos a partir de ensaios de fadiga realizados no laboratório de cabos do Grupo de Fadiga, Fratura e Materiais (GFFM) da Universidade de Brasília (UnB) para diferentes tipos de cabos de ligas de alumínio. Através das RNAs são construídos diagramas de vida constante para essa família de cabos, sendo possível realizar uma comparação dos resultados obtidos experimentalmente e os obtidos pela RNAs através do erro médio quadrático. Os resultados obtidos pelas RNAs se mostraram adequados, baseados principalmente no baixo erro médio quadrático obtido para as diferentes arquiteturas de rede treinadas e validadas e nas curvas de vida constante geradas, atestando, assim, a boa generalização da resistência à fadiga dos cabos condutores de alumínio analisados.
publishDate 2020
dc.date.issued.fl_str_mv 2020-10-30
dc.date.accessioned.fl_str_mv 2021-02-12T18:58:56Z
dc.date.available.fl_str_mv 2021-02-12T18:58:56Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv CÂMARA, Eduardo César Bezerra. Estudo do comportamento à fadiga de cabos condutores de energia com alma de alumínio utilizando redes neurais artificiais. 2020. 104f. Tese (Doutorado em Engenharia Mecânica) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2020.
dc.identifier.uri.fl_str_mv https://repositorio.ufrn.br/handle/123456789/31523
identifier_str_mv CÂMARA, Eduardo César Bezerra. Estudo do comportamento à fadiga de cabos condutores de energia com alma de alumínio utilizando redes neurais artificiais. 2020. 104f. Tese (Doutorado em Engenharia Mecânica) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2020.
url https://repositorio.ufrn.br/handle/123456789/31523
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal do Rio Grande do Norte
dc.publisher.program.fl_str_mv PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA MECÂNICA
dc.publisher.initials.fl_str_mv UFRN
dc.publisher.country.fl_str_mv Brasil
publisher.none.fl_str_mv Universidade Federal do Rio Grande do Norte
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRN
instname:Universidade Federal do Rio Grande do Norte (UFRN)
instacron:UFRN
instname_str Universidade Federal do Rio Grande do Norte (UFRN)
instacron_str UFRN
institution UFRN
reponame_str Repositório Institucional da UFRN
collection Repositório Institucional da UFRN
bitstream.url.fl_str_mv https://repositorio.ufrn.br/bitstream/123456789/31523/1/Estudocomportamentofadiga_Camara_2020.pdf
https://repositorio.ufrn.br/bitstream/123456789/31523/2/Estudocomportamentofadiga_Camara_2020.pdf.txt
https://repositorio.ufrn.br/bitstream/123456789/31523/3/Estudocomportamentofadiga_Camara_2020.pdf.jpg
bitstream.checksum.fl_str_mv 19cb4f46e018a4d0a33a7eff73c91afc
d3a352b9a371a28bf9b48fcd82e7aee0
14a35d0ae87d10e5514339d08d852b18
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)
repository.mail.fl_str_mv
_version_ 1797777763347726336