Modelo substituto usando redes neurais artificiais para o comportamento elastoplástico de materiais fabricados por filamento fundido
Abstract
Simulações de elementos finitos de alta fidelidade aplicadas a componentes poliméricos
produzidos por fabricação por filamento fundido apresentam elevado custo computacional.
Isso ocorre devido ao comportamento não-linear do material e efeitos anisotrópicos induzi dos por morfologias heterogêneas intrínsecas observadas nas escalas reduzidas. Assim,
este trabalho tem o objetivo de desenvolver um modelo constitutivo substituto baseado em
redes neurais artificiais para acelerar simulações de estruturas impressas em 3D. Uma
abordagem multiescala é adotada para obter o banco de dados de treinamento, na qual
um elemento de volume representativo é definido a partir de ensaios experimentais com
amostras impressas. O elemento representativo é submetido a condições de contorno
periódicas para múltiplos casos de carga no software Abaqus™, e os componentes de
tensão e deformação efetivos são obtidos por homogeneização periódica para formar o
banco de dados. A linguagem de programação Python é usada para gerar a rede neural
artificial, e hiperparâmetros baseados na literatura são definidos para predizer as relações
tensão-deformação do material. O modelo treinado é acoplado ao Abaqus™ através de
uma subrotina de usuário, e sua verificação é conduzida através de uma comparação com
um modelo de elementos finitos com atributos das escalas reduzidas na estrutura macros cópica. É observado que o método substituto forneceu uma representação adequada do
comportamento mecânico dos componentes impressos, e, simultaneamente, proporcionou
uma redução de custo computacional de 99,85% para simulações de EF envolvendo tais
estruturas.
Collections
The following license files are associated with this item:
Except where otherwise noted, this item's license is described as Acesso Aberto