Please use this identifier to cite or link to this item: https://repositorio.ufrn.br/handle/123456789/15697
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorFreire Júnior, Raimundo Carlos Silvériopt_BR
dc.contributor.authorCâmara, Eduardo César Bezerrapt_BR
dc.date.accessioned2014-12-17T14:58:19Z-
dc.date.available2013-05-08pt_BR
dc.date.available2014-12-17T14:58:19Z-
dc.date.issued2012-12-14pt_BR
dc.identifier.citationCÂMARA, 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.por
dc.identifier.urihttps://repositorio.ufrn.br/jspui/handle/123456789/15697-
dc.description.abstractThe 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 observedeng
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superiorpt_BR
dc.formatapplication/pdfpor
dc.languageporpor
dc.publisherUniversidade Federal do Rio Grande do Nortepor
dc.rightsAcesso Abertopor
dc.subjectRNA. Módulo de elasticidade transversal. Modelo de Halpin-Tsai. Compósitos unidirecionaispor
dc.subjectComposite materials. Fatigue. Goodman diagram. Damage mechanism. Artificial neural networkseng
dc.titlePrevisão do módulo de elasticidade transversal de compósitos unidirecionais através de redes neurais mistaspor
dc.typemasterThesispor
dc.publisher.countryBRpor
dc.publisher.initialsUFRNpor
dc.publisher.programPrograma de Pós-Graduação em Engenharia Mecânicapor
dc.contributor.authorLatteshttp://lattes.cnpq.br/1654889819568367por
dc.contributor.advisorLatteshttp://lattes.cnpq.br/1042806990155996por
dc.contributor.referees1Costa Júnior, João Carlos Arantespt_BR
dc.contributor.referees1Latteshttp://lattes.cnpq.br/5028446242533356por
dc.contributor.referees2Bessa, Wallace Moreirapt_BR
dc.contributor.referees2Latteshttp://lattes.cnpq.br/3256782908311485por
dc.contributor.referees3Amorim Júnior, Wanderley Ferreira dept_BR
dc.contributor.referees3Latteshttp://lattes.cnpq.br/8131607733881361por
dc.description.resumoEste 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 quadráticopor
dc.publisher.departmentTecnologia de Materiais; Projetos Mecânicos; Termociênciaspor
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA MECANICApor
Appears in Collections:PPGEM - Mestrado em Engenharia Mecânica

Files in This Item:
File Description SizeFormat 
EduardoCBC_DISSERT.pdf1.81 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.