O escopo do trabalho é a modelagem de um coxim elastomérico de motor, elemento que possui papel fundamental no isolamento vibracional do conjunto motor e transmissão. O estudo do comportamento mecânico de materiais elastoméricos é um campo que é desenvolvido a muitos anos devida complexidade e não-linearidade desses componentes; e modelos matemáticos fiéis são diferenciais competitivos. Assim essa dissertação tem como objetivo principal propor a modelagem de um coxim de motor elastomérico utilizando a técnica de redes neurais para generalizar a função de transferência entre o deslocamento do coxim e a aceleração vertical de motor. Duas abordagens de treinamento - dados experimentais coletados em bancada hidráulica uniaxial e dados experimentais coletados em campo - são apresentadas com o intuito de identificar a condição que a rede neural apresenta melhor performance de generalização. Para tal comparação uma métrica baseada em área da densidade espectral de potência é apresentada para quantificar o desempenho do modelo na faixa de frequência estudada (0-40 Hz). Finalmente é realizada uma comparação com um modelo mecânico composto por molas e amortecedores combinados. Os resultados demonstram que tanto o treinamento realizado com dados de bancada quanto o modelo mecânico apresentam boa correlação de 0 Hz a 14 Hz enquanto o treinamento realizado com dados de campo tem boa correlação de 0 Hz a 14 Hz e de 23 Hz a 40 Hz uma vez que essa abordagem tem capacidade de capturar a histerese e parte da não linearidade da borracha. É demonstrado que na faixa de frequência na qual todos modelos não foram capazes de generalizar existe modo de vibrar onde um nó no coxim estudado que dificulta a modelagem. Conclui-se que a técnica de redes neurais possui grande potencial em sua utilização, apresentando resultados bastante satisfatórios, além de outras vantagens, como a velocidade de processamento da rede treinada. / This dissertation scope is the modeling of an elastomeric mount, element which has primordial role on powertrain vibration isolation. The study of the mechanic behavior of those elastomeric materials is a field being studied for several years agor since its complexity and non-linarity of those components; and a reliable math models are competitive edge. So this dissertation has as main object purpose the modeling of an elastomeric engine mount using neural networks technician to predict the transfer function between the mount displacement and engine vertical accelerationTwo training approachs experimental data gathered in a uniaxial hydraulic bench and experimental data gathered in field are presented with the objective of identify the condition which the neural network presents better prediction performance. So this comparison being made a metric based on power density spectral area is presented to quantify the performance on the frequency range studied (0-40 Hz). Finally a comparison is made with a mechanical model composed per springs and dumpers combined. The results show that even the training made with the bench data and the mechnical model present good correlation from 0 Hz to 14 Hz while the training made with field data has good correlation from 0 Hz to 14 Hz and 23 Hz to 40 Hz once this approach has the ability to capture the hysteresis and part of rubber non-linearity. It is demonstrated that the frequency range where all the models are not capable to predict, there is a vibration mode where there is a node on the studied mount which dificults the modeling. The conclusion is that the neural network technique has great potential on its usage, presenting very satisfactory results, among other vantages as the processing speed after the network is trained.
Identifer | oai:union.ndltd.org:usp.br/oai:teses.usp.br:tde-22112011-204131 |
Date | 03 October 2011 |
Creators | Oliveira, Paulo Afonso Coppi Aquino de |
Contributors | Costa Neto, Álvaro |
Publisher | Biblioteca Digitais de Teses e Dissertações da USP |
Source Sets | Universidade de São Paulo |
Language | Portuguese |
Detected Language | English |
Type | Dissertação de Mestrado |
Format | application/pdf |
Rights | Liberar o conteúdo para acesso público. |
Page generated in 0.0023 seconds