Neste trabalho está apresentada uma alternativa para o cálculo do fator de concentração de tensões (FCT) em juntas tubulares soldadas do tipo Y. Redes Neurais Artificiais (RNA) foram utilizadas para representar a distribuição de tensões ao longo da junta tubular para os casos de carregamento força axial no plano e momento fletor no plano. As RNA podem aprender a partir de um conjunto de dados sem a necessidade de uma expressão matemática entre as variáveis dependentes e independentes; representa uma vantagem sobre o procedimento normalmente utilizado, ou seja, as equações paramétricas. O modelo proposto representa um avanço no projeto de juntas tubulares, uma vez que evita a necessidade de se conhecer uma expressão matemática para representar a distribuição de tensões na junta e fornece um método mais preciso para avaliar a distribuição de tensões ao longo da junta soldada. O conjunto de dados utilizado foi formado a partir de simulações numéricas das juntas soldadas através do MEF, nas quais foi considerada a geometria do cordão de solda. / An alternative approach to calculate stress concentration factors (SCF) in Y-type welded tubular joints is presented. Artificial Neural Networks (ANN) were used to represent the stress distribution along the tubular joints in both in-plane axial force and in-plane bending moment load cases. ANN can learn from a database without establishing a mathematical expression between dependent and independent variables, which is an advantage over the usual parametric equations approach. The proposed model represents an improvement in the tubular joints design, since it avoids the previous knowing of a mathematical expression to represent the stress distribution in the joint and provides an accurate method to evaluate the stress distribution along the welded fillet joint. The database herein used was completed with FE simulations of tubular joints which consider the geometry of the weld fillet.

Neste trabalho está apresentada uma alternativa para o cálculo do fator de concentração de tensões (FCT) em juntas tubulares soldadas do tipo Y. Redes Neurais Artificiais (RNA) foram utilizadas para representar a distribuição de tensões ao longo da junta tubular para os casos de carregamento força axial no plano e momento fletor no plano. As RNA podem aprender a partir de um conjunto de dados sem a necessidade de uma expressão matemática entre as variáveis dependentes e independentes; representa uma vantagem sobre o procedimento normalmente utilizado, ou seja, as equações paramétricas. O modelo proposto representa um avanço no projeto de juntas tubulares, uma vez que evita a necessidade de se conhecer uma expressão matemática para representar a distribuição de tensões na junta e fornece um método mais preciso para avaliar a distribuição de tensões ao longo da junta soldada. O conjunto de dados utilizado foi formado a partir de simulações numéricas das juntas soldadas através do MEF, nas quais foi considerada a geometria do cordão de solda. / An alternative approach to calculate stress concentration factors (SCF) in Y-type welded tubular joints is presented. Artificial Neural Networks (ANN) were used to represent the stress distribution along the tubular joints in both in-plane axial force and in-plane bending moment load cases. ANN can learn from a database without establishing a mathematical expression between dependent and independent variables, which is an advantage over the usual parametric equations approach. The proposed model represents an improvement in the tubular joints design, since it avoids the previous knowing of a mathematical expression to represent the stress distribution in the joint and provides an accurate method to evaluate the stress distribution along the welded fillet joint. The database herein used was completed with FE simulations of tubular joints which consider the geometry of the weld fillet.