Use este identificador para citar ou linkar para este item:
https://repositorio.ufrn.br/handle/123456789/15697| Título: | Previsão do módulo de elasticidade transversal de compósitos unidirecionais através de redes neurais mistas |
| Autor(es): | Câmara, Eduardo César Bezerra |
| Orientador: | Freire Júnior, Raimundo Carlos Silvério |
| Palavras-chave: | RNA. Módulo de elasticidade transversal. Modelo de Halpin-Tsai. Compósitos unidirecionais;Composite materials. Fatigue. Goodman diagram. Damage mechanism. Artificial neural networks |
| Data do documento: | 14-Dez-2012 |
| Editor: | Universidade Federal do Rio Grande do Norte |
| Referência: | CÂMARA, Eduardo César Bezerra. Previsão do módulo de elasticidade transversal de compósitos unidirecionais através de redes neurais mistas. 2012. 78 f. Dissertação (Mestrado em Tecnologia de Materiais; Projetos Mecânicos; Termociências) - Universidade Federal do Rio Grande do Norte, Natal, 2012. |
| Resumo: | Este trabalho tem como principal objetivo a criação de uma arquitetura de rede neural artificial (RNA) capaz de modelar o módulo de elasticidade transversal (E2) de compósitos unidirecionais. Para tanto, se fez necessário o uso de um conjunto de dados que foi dividido em duas partes, uma parte sendo utilizada para o treinamento e a outra para teste das RNA. Para este trabalho se desenvolveu três tipos de arquiteturas de rede diferentes uma delas possuindo somente duas entradas, a outra três entradas e a última foi uma arquitetura mista que combina uma RNA com um modelo desenvolvido por Halpin-Tsai. Após o treinamento dos algoritmos, os resultados demonstram que o uso de RNAs se mostra bastante promissor, já que quando esses resultados foram comparados com o modelo matemático de Halpin-Tsai, apresentaram maiores valores de coeficiente de correlação e menores valores de erro médio quadrático |
| Abstract: | The aim of this study is to create an artificial neural network (ANN) capable of modeling the transverse elasticity modulus (E2) of unidirectional composites. To that end, we used a dataset divided into two parts, one for training and the other for ANN testing. Three types of architectures from different networks were developed, one with only two inputs, one with three inputs and the third with mixed architecture combining an ANN with a model developed by Halpin-Tsai. After algorithm training, the results demonstrate that the use of ANNs is quite promising, given that when they were compared with those of the Halpín-Tsai mathematical model, higher correlation coefficient values and lower root mean square values were observed |
| URI: | https://repositorio.ufrn.br/jspui/handle/123456789/15697 |
| Aparece nas coleções: | PPGEM - Mestrado em Engenharia Mecânica |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| EduardoCBC_DISSERT.pdf | 1,81 MB | Adobe PDF |  Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.