Desenvolvimento de diagramas de vida constante probabilísticos de compósitos utilizando RNA modular

• Ano de defesa: 2017
• Autor(a) principal: Diniz, Bruno da Cunha
• Orientador(a): Freire Júnior, Raimundo Carlos Silverio
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Programa de Pós-Graduação: PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA MECÂNICA
• País: Brasil
• Palavras-chave em Português: Compósitos; Fadiga; Diagrama de Goodman; Distribuição de Weibull; Redes neurais artificiais
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA MECANICA
• Link de acesso: https://repositorio.ufrn.br/jspui/handle/123456789/23313

Em projetos mecânicos, além dos carregamentos estáticos, outro tipo de solicitação muito frequente é o carregamento cíclico nos quais a carga varia ao longo do tempo. Estruturas e equipamentos, quando sujeitos a esses carregamentos, devem ser submetidos a uma grande quantidade de ensaios mecânicos para sua caracterização. Porém, devido ao tempo e custo elevados dos ensaios para caracterização do comportamento devido aos carregamentos cíclicos, a situação ideal seria obtê-lo com um número mínimo de amostras e, por conta disso, desenvolveu-se em trabalhos anteriores modelos matemáticos que representavam o comportamento à fadiga de compósitos com uma quantidade mínima de dados experimentais. Apesar dos resultados se apresentarem satisfatórios na imensa maioria dos casos, estes modelos sempre consideram um comportamento determinístico do material, desprezando-se um fator de grande importância na fadiga, a dispersão dos resultados. Conforme é de conhecimento da literatura, a dispersão dos resultados faz com que seja sempre necessária uma análise probabilística e, na maioria dos casos, utiliza-se uma distribuição de probabilidade de Weibull, obtendo-se uma curva S-N de probabilidade. Com isso, este trabalho tem como objetivo desenvolver uma Rede Neural Artificial (RNA) de arquitetura modular e verificar se a mesma é capaz de modelar o comportamento probabilístico à fadiga dos compósitos laminados com apenas três curvas S-N como dados de entrada, desenvolvendo um algoritmo capaz de analisar qualquer valor de probabilidade de falha desejado, aplicando o equacionamento da distribuição de Weibull, utilizando duas metodologias de obtenção de seus parâmetros, aqui considerados constantes para todo material, somente após o treinamento da rede, o qual foi realizado com dados determinísticos. A partir dos resultados obtidos, pode-se concluir que a robustez do algoritmo foi percebida para os dados determinísticos e ocorreu uma boa repetibilidade nas respostas obtidas. Com intuito de avaliar a capacidade de generalização das RNA probabilísticas, criaram-se os diagramas de vida constante (Diagramas de Goodman) para os materiais analisados e os mesmos foram comparados com os valores obtidos pelas curvas S-N de probabilidade, onde foram percebidos resultados satisfatórios.