Otimização Estrutural de Elementos em Compósitos Usando Redes Neurais Artificiais.

Abstract

Os materiais compósitos apresentam numerosos benefícios como baixo peso, alta resistência mecânica e rigidez. Estruturas feitas em materiais compósitos vêm sendo desenvolvidas por diversas indústrias e, existe uma grande preocupação em relação à segurança das mesmas. Sendo assim, é importante ter mecanismos que detectem futuras falhas neste material e proporcionem a produção de estruturas mais confiáveis. Esta pesquisa buscou desenvolver um mecanismo utilizando as simulações numéricas através do Método de Elementos Finitos (MEF) e do Critério de Falha Tsai-Wu, juntamente com as Redes Neurais Artificiais (RNAs), na busca por configurações para o material compósito laminado que não apresentem falha e tenham uma margem de segurança que atenda as necessidades de projeto. Primeiramente, foram feitas simulações numéricas considerando um laminado com geometria tubular de aplicação médica e uma viga de aplicação qualquer, buscando como resposta o valor máximo do critério de falha para configurações que consideram as orientações das camadas do laminado de 0°, 45° e 90°. Os resultados gerados com as simulações foram empregados em bancos de dados que posteriormente foram utilizados para treinamento e validação das RNAs. Sendo estas, criadas para determinar qual a orientação para a estrutura laminada de acordo com o valor do critério de falha. Após muitos treinamentos, foram encontrados parâmetros ótimos que permitiram que as RNAs gerassem respostas coerentes de acordo com as informações impostas para validação. As orientações geradas pelas RNAs foram validadas e encontraram semelhança com o valor do critério de falha inserido como entrada nas RNAs. Assim, pôde-se fazer uma inversão das RNAs com o propósito de projeto de estruturas compósitas.