Optimización de la configuración de materiales compuestos laminados mediante redes neuronales y templado simulado
Open Access
- 1 January 2024
- journal article
- Published by Universidad Autonoma de Ciudad Juarez in Cultura Científica y Tecnológica
- Vol. 21 (3) , 53-65
Abstract
La optimización de materiales compuestos laminados es uno de los principales desafíos en el diseño de componentes o sistemas estructurales debido a la influencia de múltiples parámetros en su desempeño y respuesta mecánica ante la deformación. Esta investigación utiliza un metamodelo basado en redes neuronales artificiales para predecir índices de desempeño, específicamente el índice de falla de Tsai-Wu, a partir de la configuración del laminado de un material compuesto sujeto a cargas considerando espesores y orientaciones de sus fibras. El metamodelo alimenta una función objetivo diseñada para mejorar la configuración de una pieza mediante la optimización de las orientaciones de las fibras. Se combina un algoritmo de templado simulado adaptado para materiales compuestos laminados con redes neuronales, generando un espacio de soluciones que ofrece al diseñador una amplia gama de opciones para abordar el análisis del problema. El método reportado es una alternativa eficiente al método tradicional de análisis de materiales compuestos laminados, agilizando el proceso y ampliando las posibilidades de configuración disponibles para su selección.Keywords
This publication has 28 references indexed in Scilit:
- Progressive damage analysis of carbon fiber-reinforced additive manufacturing compositesThe International Journal of Advanced Manufacturing Technology, 2023
- Past, present and future prospective of global carbon fibre composite developments and applicationsComposites Part B: Engineering, 2022
- A micromechanics and machine learning coupled approach for failure prediction of unidirectional CFRP composites under triaxial loading: A preliminary studyComposite Structures, 2021
- Generative Deep Neural Networks for Inverse Materials Design Using Backpropagation and Active LearningAdvanced Science, 2020
- Optimisation of Fibre-Paths in Composites Produced by Additive Manufacturing2018
- Neural Networks and Deep Learning2018
- Optimum stacking sequence design of composite materials Part II: Variable stiffness designComposite Structures, 2010
- Optimum stacking sequence design of composite materials Part I: Constant stiffness designComposite Structures, 2009
- Design of variable–stiffness laminates using lamination parametersComposites Part B: Engineering, 2006
- The potential for composites in structural automotive applicationsComposites Science and Technology, 1986