Modelagem do comportamento à fadiga de compósitos de fibra de vidro a partir de um modelo misto de RNA

This work consists basically in the elaboration of an Artificial Neural Network (ANN) in order to model the composites materials’ behavior when submitted to fatigue loadings. The proposal is to develop and present a mixed model, which associate an analytical equation (Adam Equation) to the structure of the ANN. Given that the composites often shows a similar behavior when subject to float loadings, this equation aims to establish a pre-defined comparison pattern for a generic material, so that the ANN fit the behavior of another composite material to that pattern. In this way, the ANN did not need to fully learn the behavior of a determined material, because the Adam Equation would do the big part of the job. This model was used in two different network architectures, modular and perceptron, with the aim of analyze it efficiency in distinct structures. Beyond the different architectures, it was analyzed the answers generated from two sets of different data – with three and two SN curves. This model was also compared to the specialized literature results, which use a conventional structure of ANN. The results consist in analyze and compare some characteristics like generalization capacity, robustness and the Goodman Diagrams, developed by the networks.

Este trabalho consiste na elaboração de uma Rede Neural Artificial (RNA) com o fim de modelar o comportamento de compósitos quando submetidos a carregamento de fadiga. A proposta é desenvolver e apresentar um modelo misto, que associa uma equação analítica (Equação de Adam) à estrutura da RNA. Tendo em vista que os compósitos geralmente apresentam comportamentos semelhantes quando sujeitos a carregamentos flutuantes, essa equação visa estabelecer um padrão pré-definido de comparação para um material genérico, a fim de que a RNA ajuste o comportamento de outro compósito a esse padrão. Dessa forma, a RNA não precisaria aprender por completo o comportamento de determinado material, pois a Equação de Adam faria boa parte do trabalho. Este modelo foi utilizado em duas arquiteturas de rede diferentes, modular e perceptron, com o objetivo de analisar a sua eficiência em estruturas distintas. Além das diferentes arquiteturas, foram analisadas as respostas geradas a partir de dois conjuntos de dados diferentes – com três e duas curvas S-N. Esse modelo também foi comparado com os resultados da literatura especializada, que utilizam uma estrutura convencional de RNA. Os resultados consistem em analisar e comparar algumas características, como a capacidade de generalização, a robustez e os Diagramas de Goodman, desenvolvidas pelas redes.