Orientadores : Liliane Maria Ferrareso Lona, Veronica Maria de Araujo Calado / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica / Made available in DSpace on 2018-08-02T17:35:28Z (GMT). No. of bitstreams: 1
Contant_Sheila_M.pdf: 3408661 bytes, checksum: db56a8e582ae4a13e7c3a0117395ad6f (MD5)
Previous issue date: 2002 / Resumo: Compósitos poliméricos ou plásticos reforçados são materiais formados a partir de uma matriz polimérica e um reforço. Atualmente, o setor dos compósitos poliméricos é um dos mais promissores, devido às muitas vantagens desses materiais, entre elas redução do peso, resistência à corrosão e a temperaturas elevadas, e redução dos custos de fabricação quando comparados aos materiais convencionais da engenharia. O Brasil é o líder desse mercado na América Sul, região que tem exibido o maior crescimento mundial desde 1993. Entre os diversos métodos de fabricação de compósitos poliméricos de matriz termorrigida (que representa cerca de 3/4 dos compósitos poliméricos) e reforço de fibras "contínuas, está. o filament winding, muito .empregado na produção de sólidos de revolução, como dutos, cilindros e tanques. Uma das grandes restrições para uma maior exploração comercial dos métodos de preparação de compósitos, incluindo o filament winding (filamento contínuo), reside na dificuldade de relacionar os vários parâmetros do sistema com a qualidade do produto final e com a eficiência do processo. Neste trabalho, redes neurais artificiais foram aplicadas no processo de filament winding em dois casos: (a) predição de propriedades que descrevem a qualidade do produto final (propriedades mecânicas e térmicas de peças) utilizando como conjunto de treinamento ensaios industriais de caracterização experimental e (b) predições do comportamento térmico de compósitos durante a etapa de cura, sendo que para o treinamento dessas redes foram obtidos dados através do modelo Lee-Springer. Foram desenvolvidos programas computacionais empregando os algoritmos de backpropagation e delta-barra-delta, e a influência de cada variável de entrada nas saídas da rede foi determinada através da Equação de Garson. Os resultados encontrados mostraram a eficiência da aprendizagem das redes em todos os casos estudados. A aplicação de redes neurais na modelagem do processo de filament winding pode levar a uma melhor compreensão do processo, redução do tempo de desenvolvimento de novos produtos e do custo / Abstract: Polymer composites or reinforced plastics are materials made with a polymer matrix and a reinforcement. Nowadays polymer composite market is one of the most promising, because of the many advantages of these materials such as weight saving, corrosion and temperature resistance and manufacturing cost reduction, when compared to conventional engineering materials. Brazil is the leader of polymer composite market in South America, which has shown the largest growth of this segment in the world since 1993. Among manufacturing methods for thermoset polymer matrix composites (that represent about 3/4 of the polymer composites) and continuous fiber reinforcement is the filament winding, often used for manufacture of closed-surface structures such as pipes, cylinders and tanks. One of the constraints in the great commercial exploitation of the composite manufacturing methods, including filament winding, is the difficulty to relate the many process parameters with product quality and process efficiency. In this work, artificial neural networks were applied in the filament winding process in two cases: (a) prediction of properties that describe final product quality (mechanical and thermal strength of parts) using as training set industrial tests of experimental characterization and (b) prediction of thermal behavior of composites during cure step, being the networks trained with data obtained using Lee-Springer mode!. Computer programs have been developed with backpropagation and delta-bar -delta algorithms and the influence of each input variable in the network outputs has been determinated using Garson Equation. Results obtained have shown network learning efficacy in alI studied cases. Application of neural networks in the filament winding process can give a better understanding of the process, reducing product development time and cost / Mestrado / Mestre em Engenharia Química
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.unicamp.br:REPOSIP/267405 |
| Date | 17 December 2002 |
| Creators | Contant, Sheila |
| Contributors | UNIVERSIDADE ESTADUAL DE CAMPINAS, Calado, Veronica Maria de Araujo, Lona, Liliane Maria Ferrareso, 1966-, Morales, Ana Rita, Giordano, Roberto de Campos |
| Publisher | [s.n.], Universidade Estadual de Campinas. Faculdade de Engenharia Quimica |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | 121p. : il., application/pdf |
| Source | reponame:Repositório Institucional da Unicamp, instname:Universidade Estadual de Campinas, instacron:UNICAMP |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0104 seconds