Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/11422/13532
Especie: Tese
Título : Analysis of dynamic compressive fracture of carbon composites by digital image correlation and machine learning
Otros títulos: Análise da fratura dinâmica em compressão em compósitos de carbono pela correlação digital de imagens e aprendizado de máquina
Autor(es)/Inventor(es): Cidade, Rafael de Azevedo
Tutor: Castrodeza, Enrique Mariano
Resumen: Esta tese propõe o uso da técnica da correlação de imagens na análise da fratura dinâmica em compressão de compositos reforçados por fibras de carbono (IM7-8552). Imagens de testes de impacto de corpos de prova bi-entalhados foram analisadas. Também é proposto um método para determinação do tamanho dos subsets baseado nos padrões de speckle. A tenacidade a fratura dinâmica foi definida como a taxa de liberação de energia no momento de carga máxima, durante o ensaio, e foi calculada por meio de uma integral-J extendida, no domínio de área. A comparação entre os resultados das integrais área e contorno é apresentada e mostra que a integral de área é um método mais robusto quanto aos parâmetros do método, apresentando uma discrepância máxima de 14 % entre os resultados. Uma rede neural artificial foi usada para calcular a influência relativa dos parâmetros. Os resultados não apresentaram consistência satisfatória entre amostras da mesma classe, mas mostram, em certo nível, concordância com resultados encontrados pelo grupo de pesquisa utilizando a metodologia da size-effect law. Além disso, uma nova metodologia é proposta, utilizando redes neurais convolucionais para prever o início da fratura por meio dos campos de tensão. Um estudo de caso para espécimes da classe III mostra que uma metodologia incluindo redes neurais convolucionais pode ser desenvolvida como uma alternativa à hipótese de carga máxima.
Resumen: This thesis proposes the use of digital image correlation technique on the analysis of dynamic compressive fracture of carbon fibre reinforced composites (IM7-8552). Impact tests images of double edge notched specimens were analysed. A method for determining the subset size base on morphological aspects of the speckle pattern is presented. The dynamic fracture toughness was defined as the the energy release rate at the peak load, during the test, and was calculated by an extended J-integral over an area domain. The comparison between area and contour domain integrals results is also presented and shows that the area domain is a more robust method regarding the method parameters, showing a maximum of 14% discrepancy amongst results. An artificial neutral network was used to calculate the relative influence of the parameters. The results did not present satisfactory consistency amongst specimen of the same types, yet show, in a certain level, agreement with those found by the research group by using the size-effect law methodology. In addition, a novel methodology is proposed, utilising convolutional neural networks to predict the fracture initiation by the stress fields. A case study for type III specimens shows that a methodology including convolutional neural networks can be developed as an alternative to the peak load assumption.
Materia: Dynamic fracture mechanics
Carbon composites
Digital image correlation
Machine learning
Materia CNPq: CNPQ::ENGENHARIAS::ENGENHARIA DE MATERIAIS E METALURGICA
Programa: Programa de Pós-Graduação em Engenharia Metalúrgica e de Materiais
Unidade de producción: Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia
Editor: Universidade Federal do Rio de Janeiro
Fecha de publicación: may-2019
País de edición : Brasil
Idioma de publicación: eng
Tipo de acceso : Acesso Aberto
Aparece en las colecciones: Engenharia Metalúrgica e de Materiais

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
RafaelDeAzevedoCidade-min.pdf1.36 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.