Tese (doutorado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2017. / Submitted by Raquel Almeida (raquel.df13@gmail.com) on 2018-04-16T17:06:45Z
No. of bitstreams: 1
2017_MiélleSilvaPestana.pdf: 5296578 bytes, checksum: 42ed0dca368e0d27549f10739c56bbba (MD5) / Approved for entry into archive by Raquel Viana (raquelviana@bce.unb.br) on 2018-04-25T21:05:13Z (GMT) No. of bitstreams: 1
2017_MiélleSilvaPestana.pdf: 5296578 bytes, checksum: 42ed0dca368e0d27549f10739c56bbba (MD5) / Made available in DSpace on 2018-04-25T21:05:13Z (GMT). No. of bitstreams: 1
2017_MiélleSilvaPestana.pdf: 5296578 bytes, checksum: 42ed0dca368e0d27549f10739c56bbba (MD5)
Previous issue date: 2018-04-25 / Linhas de transmissão de energia têm sido construídas utilizando diversos níveis de carga de pré-esticamento. Para estimar a vida remanescente destas linhas, a CIGRE propôs uma metodologia de cálculo que requer não apenas a medição dos níveis reais de vibração do cabo, mas também sua curva Wöhler ou S-N extraída em laboratório sob o mesmo nível de tensão média aplicada no ensaio. No entanto, como estes ensaios são longos e requerem o uso de laboratórios sofisticados, o desenvolvimento de um modelo técnico capaz de estimar a curva S-N do cabo condutor para determinado nível de tensão média é extremamente desejável. Neste sentido, este trabalho consiste na utilização de um modelo de inteligência artificial conhecido como Redes Neurais Artificiais (RNA) para modelar o efeito da tensão média de tração sobre a resistência em fadiga do cabo condutor CAL 1055 MCM. Para isso, foram levantadas as curvas de Wöhler ou S-N de determinada montagem cabo/grampo de suspensão. Foram realizados 27 ensaios de fadiga submetidos a cargas de esticamento referentes à carga média diária de tração, conhecida como EDS (Every Day Stress) de 17%; 20% e 25,6% da carga de ruptura (RTS) do condutor. Os ensaios foram conduzidos de acordo com as recomendações da CIGRE (1985), EPRI (1979) e IEEE (1978), em uma bancada de 46 m de comprimento. As curvas S-N obtidas podem ser utilizadas para construir diagramas de vida constante. No entanto, para isso seria necessário à execução de um grande número de ensaios experimentais, o que encareceria a análise. Assim, uma forma de diminuir custos envolvidos em procedimentos experimentais é utilizar a RNA na construção destes diagramas. Em uma primeira análise deste trabalho, foram utilizados dados disponíveis na literatura para o condutor Ibis (cabo de alumínio com alma de aço) obtidos por Fadel et al., (2012), para fazer uma avaliação preliminar da eficiência da RNA. Em uma segunda investigação, conforme objetivo principal deste trabalho, utilizou-se os dados experimentais do condutor CAL 1055 MCM (cabo liga alumínio) para construir diagramas de vida constante (105, 106, 107ciclos). A partir dos resultados alcançados para ambos os condutores, percebeu-se que a RNA treinada com poucas curvas S-N produziram resultados bastante satisfatórios. / Power transmission lines have been constructed using several levels of stretching loads. To estimate the remaining life of these lines, CIGRÉ proposed a calculation methodology that requires the measurement of actual vibration levels of the conductor and its Wöhler or S-N curve, drawn in the laboratory for equal mean stress levels. As these tests are long and require the use of sophisticated laboratories, the development of a technical model capable of estimating the S-N curve of the conductor cable for a given level of mean stress is extremely desirable. In this sense, this work consists in the use of an artificial intelligence model, called Artificial Neural Networks (ANN), to model the effect of the mean stress on the fatigue resistance of the conductor cable AAAC 1055 MCM. 27 fatigue tests were carried out for different Every Day Stress levels: 17%, 20% and 25% of the conductor rate tensile strength (RTS). The tests were set up in the laboratory on a 46 m span according to CIGRÉ (1985), EPRI (1979) and IEEE (1978) recommendations. The S-N curves obtained in the laboratory can be used to construct the constant life diagrams. Although, it is necessary to have a large number of expensive tests in order to realize a reliable fatigue strength analysis. One possible solution to minimize the high costs of experimental tests is the use of ANN on the construction of constant life diagrams. On the first stage of this work, experimental data of the conductor Ibis (obtained by Fadel et al., 2012) were used for preliminaries analysis of ANN efficiency. In a second investigation, according to the main objective of this work, experimental data of the conductor AAAC 1055 MCM (aluminum alloy cable) was used to construct constant life diagrams (105, 106, 107 cycles). From the results obtained for both conductors, it was noticed that trained ANN with few S-N curves produced quite satisfactory results.
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.unb.br:10482/31737 |
Date | 18 December 2017 |
Creators | Pestana, Miélle Silva |
Contributors | Freire Júnior, Raimundo Carlos Silverio, Araújo, José Alexander |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
Source | reponame:Repositório Institucional da UnB, instname:Universidade de Brasília, instacron:UNB |
Rights | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data., info:eu-repo/semantics/openAccess |
Page generated in 0.0016 seconds