Aplicação de redes neurais no apoio à tomada de decisão para a aprovação de componentes estruturais mecânicos

Detalhes bibliográficos
Autor(a) principal: Marcon, Lucas
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: eng
por
Título da fonte: Repositório Institucional da UCS
Texto Completo: https://repositorio.ucs.br/11338/10275
Resumo: O Método de Elementos Finitos (MEF) é um recurso de cálculo virtual utilizado no mundo todo para determinar soluções aproximadas para problemas numéricos de engenharia. É comum que uma análise realizada pelo MEF se delongue de acordo com a sua complexidade, tornando um projeto caro e prolongado. Diante deste cenário, o presente trabalho buscou desenvolver uma Rede Neural Artificial (RNA) capaz de prever respostas de elementos finitos e vida sob fadiga para uma aranha de freio, como ferramenta de apoio na tomada de decisão em tempo real para validação estrutural de componentes mecânicos. Para isso, um modelo virtual numérico foi calibrado pelo MEF com base em teorias da mecânica, resultados obtidos de testes de bancada e instrumentações. Embasado por meio da calibração virtual, um banco de dados de elementos finitos foi gerado para aplicação da RNA, contendo 130 dados de um total de 4.800 combinações. O treinamento, validação e teste da RNA foi determinado por meio de um algoritmo de análise de desempenho da RNA. Por fim, os resultados obtidos com a RNA foram comparados com os resultados de elementos finitos e vida sob fadiga computacional, a eficiência do método de predição de respostas em tempo real foi mensurada por meio do Mean Squared Error (MSE). [resumo fornecido pelo autor]
id UCS_d362302d9322f2e57ab98db32c3eacc4
oai_identifier_str oai:repositorio.ucs.br:11338/10275
network_acronym_str UCS
network_name_str Repositório Institucional da UCS
repository_id_str
spelling Marcon, LucasTeixeira, Giovanni de MoraisLuciano, Marcos AlexandreMezzomo, GustavoNascimento, Vagner doCorso, Leandro LuísVieceli, Alexandre2022-06-13T12:14:24Z2022-06-13T12:14:24Z2022-06-112022-04-29https://repositorio.ucs.br/11338/10275O Método de Elementos Finitos (MEF) é um recurso de cálculo virtual utilizado no mundo todo para determinar soluções aproximadas para problemas numéricos de engenharia. É comum que uma análise realizada pelo MEF se delongue de acordo com a sua complexidade, tornando um projeto caro e prolongado. Diante deste cenário, o presente trabalho buscou desenvolver uma Rede Neural Artificial (RNA) capaz de prever respostas de elementos finitos e vida sob fadiga para uma aranha de freio, como ferramenta de apoio na tomada de decisão em tempo real para validação estrutural de componentes mecânicos. Para isso, um modelo virtual numérico foi calibrado pelo MEF com base em teorias da mecânica, resultados obtidos de testes de bancada e instrumentações. Embasado por meio da calibração virtual, um banco de dados de elementos finitos foi gerado para aplicação da RNA, contendo 130 dados de um total de 4.800 combinações. O treinamento, validação e teste da RNA foi determinado por meio de um algoritmo de análise de desempenho da RNA. Por fim, os resultados obtidos com a RNA foram comparados com os resultados de elementos finitos e vida sob fadiga computacional, a eficiência do método de predição de respostas em tempo real foi mensurada por meio do Mean Squared Error (MSE). [resumo fornecido pelo autor]The Finite Element Method (FEM) is a virtual calculation resource used around the world to determine approximate numerical solutions to engineering problems. It is common for an analysis carried out by the MEF to be delayed according to its complexity, making a project expensive and prolonged. Given this scenario, the present work sought to develop an Artificial Neural Network (ANN) capable of predicting finite element responses and fatigue life for a brake spider, as a support tool in real-time decision making for structural validation of mechanical components. For this, a numerical virtual model was calibrated by the FEM based on theories of mechanics, results obtained from bench tests, and instrumentations. Based on virtual calibration, a finite element database was generated for the ANN application, containing 130 data from a total of 4.800 possibilities. ANN training, validation, and testing were determined using an ANN performance analysis algorithm. Finally, the results obtained with the ANN were compared with the results of finite elements and computational fatigue life, and the efficiency of the real-time response prediction method was measured using the Mean Squared Error (MSE). [resumo fornecido pelo autor]engporEngenharia mecânicaMétodo dos elementos finitosRedes neurais (Computação)Materiais - FadigaInteligência artificialMechanical engineeringFinite element methodNeural networks (Computer science)Materials - ToilArtificial intelligenceAplicação de redes neurais no apoio à tomada de decisão para a aprovação de componentes estruturais mecânicosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UCSinstname:Universidade de Caxias do Sul (UCS)instacron:UCSinfo:eu-repo/semantics/openAccessUniversidade de Caxias do Sulhttp://lattes.cnpq.br/0621650881204669Marcon, LucasMestrado Profissional em Engenharia MecânicaCampus Universitário de Caxias do Sul2022-06-10TEXTDissertacao Lucas Marcon.pdf.txtDissertacao Lucas Marcon.pdf.txtExtracted texttext/plain164604https://repositorio.ucs.br/xmlui/bitstream/11338/10275/3/Dissertacao%20Lucas%20Marcon.pdf.txt3fea46d8c3e65650172a6b019724048aMD53THUMBNAILDissertacao Lucas Marcon.pdf.jpgDissertacao Lucas Marcon.pdf.jpgGenerated Thumbnailimage/jpeg1153https://repositorio.ucs.br/xmlui/bitstream/11338/10275/4/Dissertacao%20Lucas%20Marcon.pdf.jpg9618e46b6b99a7b3e0119d4bf587be24MD54ORIGINALDissertacao Lucas Marcon.pdfDissertacao Lucas Marcon.pdfapplication/pdf3902539https://repositorio.ucs.br/xmlui/bitstream/11338/10275/1/Dissertacao%20Lucas%20Marcon.pdf3c82b6591a8132927042b77578f346bbMD51Dissertacao Lucas Marcon.pdfDissertacao Lucas Marcon.pdfapplication/pdf249479https://repositorio.ucs.br/xmlui/bitstream/11338/10275/2/Dissertacao%20Lucas%20Marcon.pdf95b796697fbba7fd334a6965eb231a64MD5211338/102752022-10-18 17:46:27.85oai:repositorio.ucs.br:11338/10275Repositório de Publicaçõeshttp://repositorio.ucs.br/oai/requestopendoar:2024-05-06T10:01:20.809420Repositório Institucional da UCS - Universidade de Caxias do Sul (UCS)false
dc.title.pt_BR.fl_str_mv Aplicação de redes neurais no apoio à tomada de decisão para a aprovação de componentes estruturais mecânicos
title Aplicação de redes neurais no apoio à tomada de decisão para a aprovação de componentes estruturais mecânicos
spellingShingle Aplicação de redes neurais no apoio à tomada de decisão para a aprovação de componentes estruturais mecânicos
Marcon, Lucas
Engenharia mecânica
Método dos elementos finitos
Redes neurais (Computação)
Materiais - Fadiga
Inteligência artificial
Mechanical engineering
Finite element method
Neural networks (Computer science)
Materials - Toil
Artificial intelligence
title_short Aplicação de redes neurais no apoio à tomada de decisão para a aprovação de componentes estruturais mecânicos
title_full Aplicação de redes neurais no apoio à tomada de decisão para a aprovação de componentes estruturais mecânicos
title_fullStr Aplicação de redes neurais no apoio à tomada de decisão para a aprovação de componentes estruturais mecânicos
title_full_unstemmed Aplicação de redes neurais no apoio à tomada de decisão para a aprovação de componentes estruturais mecânicos
title_sort Aplicação de redes neurais no apoio à tomada de decisão para a aprovação de componentes estruturais mecânicos
author Marcon, Lucas
author_facet Marcon, Lucas
author_role author
dc.contributor.other.none.fl_str_mv Teixeira, Giovanni de Morais
Luciano, Marcos Alexandre
Mezzomo, Gustavo
Nascimento, Vagner do
dc.contributor.author.fl_str_mv Marcon, Lucas
dc.contributor.advisor1.fl_str_mv Corso, Leandro Luís
Vieceli, Alexandre
contributor_str_mv Corso, Leandro Luís
Vieceli, Alexandre
dc.subject.por.fl_str_mv Engenharia mecânica
Método dos elementos finitos
Redes neurais (Computação)
Materiais - Fadiga
Inteligência artificial
topic Engenharia mecânica
Método dos elementos finitos
Redes neurais (Computação)
Materiais - Fadiga
Inteligência artificial
Mechanical engineering
Finite element method
Neural networks (Computer science)
Materials - Toil
Artificial intelligence
dc.subject.eng.fl_str_mv Mechanical engineering
Finite element method
Neural networks (Computer science)
Materials - Toil
Artificial intelligence
description O Método de Elementos Finitos (MEF) é um recurso de cálculo virtual utilizado no mundo todo para determinar soluções aproximadas para problemas numéricos de engenharia. É comum que uma análise realizada pelo MEF se delongue de acordo com a sua complexidade, tornando um projeto caro e prolongado. Diante deste cenário, o presente trabalho buscou desenvolver uma Rede Neural Artificial (RNA) capaz de prever respostas de elementos finitos e vida sob fadiga para uma aranha de freio, como ferramenta de apoio na tomada de decisão em tempo real para validação estrutural de componentes mecânicos. Para isso, um modelo virtual numérico foi calibrado pelo MEF com base em teorias da mecânica, resultados obtidos de testes de bancada e instrumentações. Embasado por meio da calibração virtual, um banco de dados de elementos finitos foi gerado para aplicação da RNA, contendo 130 dados de um total de 4.800 combinações. O treinamento, validação e teste da RNA foi determinado por meio de um algoritmo de análise de desempenho da RNA. Por fim, os resultados obtidos com a RNA foram comparados com os resultados de elementos finitos e vida sob fadiga computacional, a eficiência do método de predição de respostas em tempo real foi mensurada por meio do Mean Squared Error (MSE). [resumo fornecido pelo autor]
publishDate 2022
dc.date.submitted.none.fl_str_mv 2022-04-29
dc.date.accessioned.fl_str_mv 2022-06-13T12:14:24Z
dc.date.available.fl_str_mv 2022-06-13T12:14:24Z
dc.date.issued.fl_str_mv 2022-06-11
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ucs.br/11338/10275
url https://repositorio.ucs.br/11338/10275
dc.language.iso.fl_str_mv eng
por
language eng
por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Institucional da UCS
instname:Universidade de Caxias do Sul (UCS)
instacron:UCS
instname_str Universidade de Caxias do Sul (UCS)
instacron_str UCS
institution UCS
reponame_str Repositório Institucional da UCS
collection Repositório Institucional da UCS
bitstream.url.fl_str_mv https://repositorio.ucs.br/xmlui/bitstream/11338/10275/3/Dissertacao%20Lucas%20Marcon.pdf.txt
https://repositorio.ucs.br/xmlui/bitstream/11338/10275/4/Dissertacao%20Lucas%20Marcon.pdf.jpg
https://repositorio.ucs.br/xmlui/bitstream/11338/10275/1/Dissertacao%20Lucas%20Marcon.pdf
https://repositorio.ucs.br/xmlui/bitstream/11338/10275/2/Dissertacao%20Lucas%20Marcon.pdf
bitstream.checksum.fl_str_mv 3fea46d8c3e65650172a6b019724048a
9618e46b6b99a7b3e0119d4bf587be24
3c82b6591a8132927042b77578f346bb
95b796697fbba7fd334a6965eb231a64
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UCS - Universidade de Caxias do Sul (UCS)
repository.mail.fl_str_mv
_version_ 1813258431640895488