Utilização de redes neurais para avaliação do contato roda-trilho baseada na análise de perfis.

• Ano de defesa: 2023
• Autor(a) principal: Lopes, Modesto Valci Moreira
• 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: Artificial intelligence; Contact mechanics; Convolutional networks; Desgaste; Inteligência artificial; Mecânica do contato; Redes neurais; Roda-trilho; Wear; Wheel-rail
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3151/tde-13122023-105941/

A análise do contato entre roda e trilho tem sido amplamente incentivada nos últimos anos, devido à sua influência significativa na segurança e nos custos de transporte. Tradicionalmente, um dos tópicos investigados é a formação de defeitos nas superfícies de rolamento roda-trilho, corroborando na necessidade de inspeções e manutenção. Com o objetivo de minimizar tempo e custos e melhorar essas análises, técnicas de aprendizado de máquina têm sido cada vez mais utilizadas para esse fim. A avaliação da conformidade do contato entre roda e trilho auxilia na determinação do tipo de dano predominante no sistema, podendo ele ser do tipo desgaste ou fadiga de contato por rolamento (RCF, do inglês rolling contact fatigue). RCF será predominante em contatos Não-Conformes, enquanto o desgaste prevalecerá em contatos Conformes e Quase Conforme. Para a determinação do tipo de contato, é possível utilizar uma métrica chamada separação máxima (ou parâmetro s), que compreende a distância entre a superfície do trilho e da roda ao longo do centroide do trilho após o contato. O objetivo do presente trabalho é propor um modelo de Inteligência Artificial, por meio de Redes Neurais Convolucionais (CNNs), para classificar a conformidade do contato roda-trilho. Os dados de entrada são imagens dos perfis do trilho e da roda, obtidos diretamente de medições de campo, e a saída é uma classificação de acordo com o nível do contato. A base de dados foi gerada a partir de uma análise validada de elementos finitos quasi-estática em 2D (MEF), realizada no software Abaqus. A análise também exigiu o desenvolvimento de um script em Python para automatizar o processo de simulação de várias combinações de diferentes perfis de roda e trilho. Finalmente, após treinamento e validação, a CNN apresentou resultados satisfatórios, com acurácia de 93%, permitindo a avaliação direta do contato entre os perfis, sem análises complexas e custosas por meio de software de elementos finitos.