Predição do Comportamento Térmico de Tubos Compósitos Através de Redes Neurais
Prediction of Thermal Behavior of Composite Tubes Using Neural Networks
Contant, Sheila; Lona, Liliane M. F.; Calado, Verônica M. A.
http://dx.doi.org/10.1590/S0104-14282004000500004
Polímeros: Ciência e Tecnologia, vol.14, n5, p.295-300, 2004
Resumo
Compósitos poliméricos (plásticos reforçados) são materiais formados a partir de um reforço (fase descontínua, normalmente uma fibra) e uma matriz polimérica. Esse tipo de material apresenta várias vantagens em relação aos materiais convencionais de engenharia. Entre os métodos de fabricação de compósitos poliméricos está o filament winding (filamento contínuo ou enrolamento filamentar), um processo empregado na fabricação de sólidos de revolução, como tubos e tanques. Neste trabalho, redes neurais artificiais, uma ferramenta computacional inspirada no funcionamento do cérebro humano, foram aplicadas ao processo de filament winding para predição do comportamento térmico de tubos compósitos durante a etapa de cura. Informações sobre o comportamento térmico das peças compósitas podem auxiliar na seleção do ciclo de cura, que é um dos desafios na obtenção de peças de qualidade e a um baixo custo. As redes neurais foram treinadas com dados obtidos através do modelo Lee-Springer. A metodologia foi validada com resultados experimentais da literatura.
Palavras-chave
Compósitos poliméricos, comportamento térmico, redes neurais, modelagem
Abstract
Polymeric composites or reinforced plastics are materials made with a polymer matrix and a reinforcement. These materials have many advantages when compared to conventional engineering materials. Among the manufacturing methods for composite parts from continuous fiber reinforcement is the filament winding, often used to fabricate closedsurface structures such as tubes and tanks. In this work artificial neural networks, a computational tool inspired in the human brain, were applied in the filament winding process to predict the thermal behavior of composite tubes during the curing step. Information about the thermal behavior of composite parts may help in the selection of the appropriate cure cycle, which is one of the challenges in obtaining quality parts at low cost. Networks were trained with data obtained with the Lee-Springer model. The methodology was validated with experimental results from the literature.
Keywords
Polymeric composites, thermal behavior, neural networks, modeling
References
1. Agarwal, B. D. & Broutman, L. J. - “Analysis and Performance of Fiber Composites”, John Wiley & Sons, EUA (1990).
2. Bannister, M. - Composites: Part A, 2, p.901 (2001).
3. Banerjee, A; Sun, L.; Mantell, S. C. & Cohen, D. - Composites: Part A, 29, p.251 (1998).
4. Loos, A. C. & Springer, G. S. - J. Comp. Mat., 17, p.135 (1983).
5. Lee, S. & Springer, G. S. - J. Comp. Mat., 22, p.15 (1988).
6. Gorovaya, T. A. & Korotkov, V. N. - Composites Part A, 27A, p.953 (1996).
7. Calado, V. M. A. & Advani S. G. - “Thermoset Cure Kinetics and Rheology”, in: Processing of Continuos Fiber Reinforced Composites, R. Davé, A. Loos (ed.), cap. 2, Hanser Publisher, EUA (1999).
8. Haykin, S. - “Redes Neurais, Princípios e Prática”, Bookman, Porto Alegre (2001).
9. Baughman, D. R. & Liu, Y. A. - “Neural Networks in Bioprocessing and Chemical Engineering”, Academic Press, EUA (1995).
10. Sumpter, B. G. & Noid, D. W. - Annual Rev. Mat. Sci., 26, p.223 (1996).
11. Lee, S. & Springer, G. S. - J. Comp. Mater., 24, p.1270 (1990).
12. Calius, E. P. & Springer, G. S. - Int. J. Solids Struct., 26, p.271 (1990).
13. Chamis, C. C. - SAMPE Quarterly, abril, p.14 (1984).
14. Contant, S. - “Aplicação de Redes Neurais no Processo de Filament Winding”, Tese de Mestrado, Universidade Estadual de Campinas, Brasil (2002).
15. Tang, J.-M.; Lee, W. I. & Springer, G. S. - J. Comp. Mater., 21, p.421 (1987).
16. Zhao, L.; Mantell, S. C.; Cohen, D. & McPeak, R. - Comp. Struct., 52, p.499 (2001).
Facebook
Google+
Twitter
LinkedIn
Mendeley
StumbleUpon
CiteULike
Reddit
Email