Estudo do comportamento à fadiga de cabos condutores de energia com alma de alumínio utilizando redes neurais artificiais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRN |
Texto Completo: | https://repositorio.ufrn.br/handle/123456789/31523 |
Resumo: | As dimensões continentais do Brasil e a distância das unidades geradoras de energia (geralmente hidrelétricas) dos centros consumidores são fatores que elevam a importância das redes de distribuição, já que uma falha inesperada por fadiga nos cabos condutores pode atingir dezenas de milhões de consumidores envolvendo, portanto, custos altíssimos. Para estimar a vida remanescente dos cabos dessas linhas são necessários laboratórios sofisticados e longos ensaios para obtenção de curvas S-N com o mesmo nível de tensão média aplicado no campo. Assim, torna-se desejável um modelo capaz de prever a resistência à fadiga de cabos condutores com eficácia, simplificando a necessidade de ensaios e os custos, além, claro, dos riscos de blackout. Nesse sentido, este estudo busca desenvolver arquiteturas de Redes Neurais Artificiais (RNAs) capazes de estimar a resistência à fadiga de cabos condutores de alumínio, através da variação de parâmetros estruturais dos cabos como, o peso específico (W), o módulo de rigidez à flexão (EI) e a constante K de Poffenberger-Swart, levando em consideração a tensão média (carga de esticamento) e o número de ciclos a que os cabos são submetidos. O treinamento e validação das RNAs foram feitos através de um conjunto de dados obtidos a partir de ensaios de fadiga realizados no laboratório de cabos do Grupo de Fadiga, Fratura e Materiais (GFFM) da Universidade de Brasília (UnB) para diferentes tipos de cabos de ligas de alumínio. Através das RNAs são construídos diagramas de vida constante para essa família de cabos, sendo possível realizar uma comparação dos resultados obtidos experimentalmente e os obtidos pela RNAs através do erro médio quadrático. Os resultados obtidos pelas RNAs se mostraram adequados, baseados principalmente no baixo erro médio quadrático obtido para as diferentes arquiteturas de rede treinadas e validadas e nas curvas de vida constante geradas, atestando, assim, a boa generalização da resistência à fadiga dos cabos condutores de alumínio analisados. |
id |
UFRN_e00614ab2dbb90794a68e4a07babdf8f |
---|---|
oai_identifier_str |
oai:https://repositorio.ufrn.br:123456789/31523 |
network_acronym_str |
UFRN |
network_name_str |
Repositório Institucional da UFRN |
repository_id_str |
|
spelling |
Câmara, Eduardo César Bezerrahttp://lattes.cnpq.br/1654889819568367http://lattes.cnpq.br/1042806990155996Diniz, Bruno da Cunhahttp://lattes.cnpq.br/2022146558295249Araújo, José Alexanderhttp://lattes.cnpq.br/4144409737965759Cardoso, Raphael Araújohttp://lattes.cnpq.br/4020351126682611Bessa, Wallace Moreirahttp://lattes.cnpq.br/3256782908311485Freire Júnior, Raimundo Carlos Silvério2021-02-12T18:58:56Z2021-02-12T18:58:56Z2020-10-30CÂMARA, Eduardo César Bezerra. Estudo do comportamento à fadiga de cabos condutores de energia com alma de alumínio utilizando redes neurais artificiais. 2020. 104f. Tese (Doutorado em Engenharia Mecânica) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2020.https://repositorio.ufrn.br/handle/123456789/31523As dimensões continentais do Brasil e a distância das unidades geradoras de energia (geralmente hidrelétricas) dos centros consumidores são fatores que elevam a importância das redes de distribuição, já que uma falha inesperada por fadiga nos cabos condutores pode atingir dezenas de milhões de consumidores envolvendo, portanto, custos altíssimos. Para estimar a vida remanescente dos cabos dessas linhas são necessários laboratórios sofisticados e longos ensaios para obtenção de curvas S-N com o mesmo nível de tensão média aplicado no campo. Assim, torna-se desejável um modelo capaz de prever a resistência à fadiga de cabos condutores com eficácia, simplificando a necessidade de ensaios e os custos, além, claro, dos riscos de blackout. Nesse sentido, este estudo busca desenvolver arquiteturas de Redes Neurais Artificiais (RNAs) capazes de estimar a resistência à fadiga de cabos condutores de alumínio, através da variação de parâmetros estruturais dos cabos como, o peso específico (W), o módulo de rigidez à flexão (EI) e a constante K de Poffenberger-Swart, levando em consideração a tensão média (carga de esticamento) e o número de ciclos a que os cabos são submetidos. O treinamento e validação das RNAs foram feitos através de um conjunto de dados obtidos a partir de ensaios de fadiga realizados no laboratório de cabos do Grupo de Fadiga, Fratura e Materiais (GFFM) da Universidade de Brasília (UnB) para diferentes tipos de cabos de ligas de alumínio. Através das RNAs são construídos diagramas de vida constante para essa família de cabos, sendo possível realizar uma comparação dos resultados obtidos experimentalmente e os obtidos pela RNAs através do erro médio quadrático. Os resultados obtidos pelas RNAs se mostraram adequados, baseados principalmente no baixo erro médio quadrático obtido para as diferentes arquiteturas de rede treinadas e validadas e nas curvas de vida constante geradas, atestando, assim, a boa generalização da resistência à fadiga dos cabos condutores de alumínio analisados.The Brazil continental dimensions and distance from the power generating units (usually hydroelectric) of the consumers centers are factors that raise the importance of the distribution lines, since an unexpected failure due to fatigue at the conducting cables, can reach tens of millions of consumers involving therefore, very high costs. In order to estimate the remaining cable fatigue life of these transmission lines, sophisticated laboratories and long tests are necessary to obtain S-N curves with the same level of mean stress applied in the field. Thus, it becomes desirable a model capable of predicting the resistance to fatigue of conductive cable effectively, simplifying the need for testing and the costs, in addition, of course, the risks of blackout. At this way, this study seeks to create Artificial Neural Networks (ANNs) architectures capable of estimating the fatigue strength of aluminum conducting cables. By varying the cable’s structural parameters such as the linear weight (W), the flexural stiffness module (EI) and the Poffenberger-Swart constant (K), taking into account the mean stress (stretching load) and the number of cycles to which the cables are subjected. The training and testing of the ANNs were made through a set of data obtained from fatigue tests carried out in the cable laboratory of the Fatigue, Fracture and Materials Group (GFFM) of the Federal University of Brasília (UnB) for different types of aluminum alloys cable. ANNs will be used to construct constant life diagrams for this family of cables, and compare the results obtained experimentally and by ANNs using the root mean square (RMS). The results obtained by the ANNs proved to be adequate, based mainly on the low RMS values obtained for the different ANN architectures and on the plotted constant life curves, thus attesting to the good generalization of the fatigue resistance for the aluminum conductor cables analyzed.Universidade Federal do Rio Grande do NortePROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA MECÂNICAUFRNBrasilRedes neurais artificiaisCabos condutores de alumínioFadiga em cabosTensão médiaDiagramas de vida constantePoffenberger-SwartEstudo do comportamento à fadiga de cabos condutores de energia com alma de alumínio utilizando redes neurais artificiaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALEstudocomportamentofadiga_Camara_2020.pdfapplication/pdf2833481https://repositorio.ufrn.br/bitstream/123456789/31523/1/Estudocomportamentofadiga_Camara_2020.pdf19cb4f46e018a4d0a33a7eff73c91afcMD51TEXTEstudocomportamentofadiga_Camara_2020.pdf.txtEstudocomportamentofadiga_Camara_2020.pdf.txtExtracted texttext/plain188244https://repositorio.ufrn.br/bitstream/123456789/31523/2/Estudocomportamentofadiga_Camara_2020.pdf.txtd3a352b9a371a28bf9b48fcd82e7aee0MD52THUMBNAILEstudocomportamentofadiga_Camara_2020.pdf.jpgEstudocomportamentofadiga_Camara_2020.pdf.jpgGenerated Thumbnailimage/jpeg1292https://repositorio.ufrn.br/bitstream/123456789/31523/3/Estudocomportamentofadiga_Camara_2020.pdf.jpg14a35d0ae87d10e5514339d08d852b18MD53123456789/315232021-02-14 05:49:20.699oai:https://repositorio.ufrn.br:123456789/31523Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2021-02-14T08:49:20Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false |
dc.title.pt_BR.fl_str_mv |
Estudo do comportamento à fadiga de cabos condutores de energia com alma de alumínio utilizando redes neurais artificiais |
title |
Estudo do comportamento à fadiga de cabos condutores de energia com alma de alumínio utilizando redes neurais artificiais |
spellingShingle |
Estudo do comportamento à fadiga de cabos condutores de energia com alma de alumínio utilizando redes neurais artificiais Câmara, Eduardo César Bezerra Redes neurais artificiais Cabos condutores de alumínio Fadiga em cabos Tensão média Diagramas de vida constante Poffenberger-Swart |
title_short |
Estudo do comportamento à fadiga de cabos condutores de energia com alma de alumínio utilizando redes neurais artificiais |
title_full |
Estudo do comportamento à fadiga de cabos condutores de energia com alma de alumínio utilizando redes neurais artificiais |
title_fullStr |
Estudo do comportamento à fadiga de cabos condutores de energia com alma de alumínio utilizando redes neurais artificiais |
title_full_unstemmed |
Estudo do comportamento à fadiga de cabos condutores de energia com alma de alumínio utilizando redes neurais artificiais |
title_sort |
Estudo do comportamento à fadiga de cabos condutores de energia com alma de alumínio utilizando redes neurais artificiais |
author |
Câmara, Eduardo César Bezerra |
author_facet |
Câmara, Eduardo César Bezerra |
author_role |
author |
dc.contributor.authorID.pt_BR.fl_str_mv |
|
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/1654889819568367 |
dc.contributor.advisorID.pt_BR.fl_str_mv |
|
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/1042806990155996 |
dc.contributor.referees1.none.fl_str_mv |
Diniz, Bruno da Cunha |
dc.contributor.referees1ID.pt_BR.fl_str_mv |
|
dc.contributor.referees1Lattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/2022146558295249 |
dc.contributor.referees2.none.fl_str_mv |
Araújo, José Alexander |
dc.contributor.referees2ID.pt_BR.fl_str_mv |
|
dc.contributor.referees2Lattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/4144409737965759 |
dc.contributor.referees3.none.fl_str_mv |
Cardoso, Raphael Araújo |
dc.contributor.referees3ID.pt_BR.fl_str_mv |
|
dc.contributor.referees3Lattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/4020351126682611 |
dc.contributor.referees4.none.fl_str_mv |
Bessa, Wallace Moreira |
dc.contributor.referees4ID.pt_BR.fl_str_mv |
|
dc.contributor.referees4Lattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/3256782908311485 |
dc.contributor.author.fl_str_mv |
Câmara, Eduardo César Bezerra |
dc.contributor.advisor1.fl_str_mv |
Freire Júnior, Raimundo Carlos Silvério |
contributor_str_mv |
Freire Júnior, Raimundo Carlos Silvério |
dc.subject.por.fl_str_mv |
Redes neurais artificiais Cabos condutores de alumínio Fadiga em cabos Tensão média Diagramas de vida constante Poffenberger-Swart |
topic |
Redes neurais artificiais Cabos condutores de alumínio Fadiga em cabos Tensão média Diagramas de vida constante Poffenberger-Swart |
description |
As dimensões continentais do Brasil e a distância das unidades geradoras de energia (geralmente hidrelétricas) dos centros consumidores são fatores que elevam a importância das redes de distribuição, já que uma falha inesperada por fadiga nos cabos condutores pode atingir dezenas de milhões de consumidores envolvendo, portanto, custos altíssimos. Para estimar a vida remanescente dos cabos dessas linhas são necessários laboratórios sofisticados e longos ensaios para obtenção de curvas S-N com o mesmo nível de tensão média aplicado no campo. Assim, torna-se desejável um modelo capaz de prever a resistência à fadiga de cabos condutores com eficácia, simplificando a necessidade de ensaios e os custos, além, claro, dos riscos de blackout. Nesse sentido, este estudo busca desenvolver arquiteturas de Redes Neurais Artificiais (RNAs) capazes de estimar a resistência à fadiga de cabos condutores de alumínio, através da variação de parâmetros estruturais dos cabos como, o peso específico (W), o módulo de rigidez à flexão (EI) e a constante K de Poffenberger-Swart, levando em consideração a tensão média (carga de esticamento) e o número de ciclos a que os cabos são submetidos. O treinamento e validação das RNAs foram feitos através de um conjunto de dados obtidos a partir de ensaios de fadiga realizados no laboratório de cabos do Grupo de Fadiga, Fratura e Materiais (GFFM) da Universidade de Brasília (UnB) para diferentes tipos de cabos de ligas de alumínio. Através das RNAs são construídos diagramas de vida constante para essa família de cabos, sendo possível realizar uma comparação dos resultados obtidos experimentalmente e os obtidos pela RNAs através do erro médio quadrático. Os resultados obtidos pelas RNAs se mostraram adequados, baseados principalmente no baixo erro médio quadrático obtido para as diferentes arquiteturas de rede treinadas e validadas e nas curvas de vida constante geradas, atestando, assim, a boa generalização da resistência à fadiga dos cabos condutores de alumínio analisados. |
publishDate |
2020 |
dc.date.issued.fl_str_mv |
2020-10-30 |
dc.date.accessioned.fl_str_mv |
2021-02-12T18:58:56Z |
dc.date.available.fl_str_mv |
2021-02-12T18:58:56Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
CÂMARA, Eduardo César Bezerra. Estudo do comportamento à fadiga de cabos condutores de energia com alma de alumínio utilizando redes neurais artificiais. 2020. 104f. Tese (Doutorado em Engenharia Mecânica) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2020. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufrn.br/handle/123456789/31523 |
identifier_str_mv |
CÂMARA, Eduardo César Bezerra. Estudo do comportamento à fadiga de cabos condutores de energia com alma de alumínio utilizando redes neurais artificiais. 2020. 104f. Tese (Doutorado em Engenharia Mecânica) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2020. |
url |
https://repositorio.ufrn.br/handle/123456789/31523 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.publisher.program.fl_str_mv |
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA MECÂNICA |
dc.publisher.initials.fl_str_mv |
UFRN |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRN instname:Universidade Federal do Rio Grande do Norte (UFRN) instacron:UFRN |
instname_str |
Universidade Federal do Rio Grande do Norte (UFRN) |
instacron_str |
UFRN |
institution |
UFRN |
reponame_str |
Repositório Institucional da UFRN |
collection |
Repositório Institucional da UFRN |
bitstream.url.fl_str_mv |
https://repositorio.ufrn.br/bitstream/123456789/31523/1/Estudocomportamentofadiga_Camara_2020.pdf https://repositorio.ufrn.br/bitstream/123456789/31523/2/Estudocomportamentofadiga_Camara_2020.pdf.txt https://repositorio.ufrn.br/bitstream/123456789/31523/3/Estudocomportamentofadiga_Camara_2020.pdf.jpg |
bitstream.checksum.fl_str_mv |
19cb4f46e018a4d0a33a7eff73c91afc d3a352b9a371a28bf9b48fcd82e7aee0 14a35d0ae87d10e5514339d08d852b18 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN) |
repository.mail.fl_str_mv |
|
_version_ |
1802117794058207232 |