Please use this identifier to cite or link to this item: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/5144
Title: Identificação da histerese térmica de atuadores de ligas com memória de forma usando redes neurais artificiais
Other Titles: Identification of thermal hysteresis of shape memory alloy actuators using artificial neural networks
???metadata.dc.creator???: RODRIGUES, Luiz Fernando Alves.
???metadata.dc.contributor.advisor1???: ARAÚJO, Carlos José de.
???metadata.dc.contributor.advisor2???: SOUTO, Cícero da Rocha.
???metadata.dc.contributor.referee1???: FREIRE JUNIOR, Raimundo Carlos.
???metadata.dc.contributor.referee2???: CAVALCANTI, José Homero Feitosa.
Keywords: Ligas com memória de forma;Atuadores de LMF;Materiais Inteligentes;Redes Neurais Artificiais;Simulação;Shape Memory Leagues;LMF Actuators;Intelligent Materials;Artificial neural networks;Simulation
Issue Date: 31-Aug-2011
Publisher: Universidade Federal de Campina Grande
Citation: RODRIGUES, L. F. A. Identificação da histerese térmica de atuadores de ligas com memória de forma usando redes neurais artificiais. 2011. 117 f. Dissertação (Mestrado em Engenharia Mecânica) – Programa de Pós-Graduação em Engenharia Mecânica, Centro de Ciência e Tecnologia, Universidade Federal de Campina Grande, Paraíba, Brasil, 2011.
???metadata.dc.description.resumo???: As Ligas com Memória de Forma (LMF) podem recuperar uma deformação plástica por intermédio de um simples aquecimento que origina uma transformação de fase do tipo martensítica termoelástica. Este fenômeno, conhecido por Efeito Memória de Forma (EMF), é especialmente interessante para o desenvolvimento e concepção de atuadores na forma de fios finos ou fitas, já que estes elementos possuem a capacidade de se contrair entre 4 e 8 % do seu comprimento original. Nos casos em que a LMF tem seu deslocamento por EMF restringido, é possível provocar a geração de grandes forças de restituição. Por outro lado, o projeto de estruturas inteligentes usando atuadores de LMF pode ser dificultado em algumas aplicações pela presença de uma histerese térmica intrínseca ao comportamento de EMF. Devido a isso, estudos são frequentemente realizados com a intenção de caracterizar esse fenômeno de histerese para aperfeiçoar as aplicações com atuadores de LMF. Nesse sentido, este trabalho se propõe a usar a técnica de Redes Neurais Artificiais (RNA) para identificar a histerese térmica de atuadores de LMF de NiTi na forma de fios finos sob regime de carregamento isobárico (carga constante) e diferentes formas de aquecimento. Resultados do comportamento histerético foram coletados através de duas bancadas experimentais, sendo uma eletromecânica, que utiliza aquecimento resistivo (efeito Joule) e a outra termomecânica, que realiza o aquecimento por convecção forçada em meio liquido. São apresentados resultados do aprendizado da RNA e verificada a capacidade da rede de estimar o comportamento histerético do atuador de LMF para um comportamento não utilizado no treinamento. De uma forma geral, verificou-se que as RNA foram eficientes na simulação dos laços de histerese do deslocamento sob carga em função tanto da corrente elétrica de ativação quanto da temperatura.
Abstract: Shape Memory Alloys (SMA) can recover a induced plastic deformation through a simple heating which originates a thermoelastic martensitic phase transformation. This phenomenon is known as Shape Memory Effect (SME). It is especially interesting for actuators development and conception in the form of thin wires or ribbons because these elements have ability to recover around 4 to 8 % of its original length. If the SMA has its displacement by SME restricted, it is possible the generation of large recover forces when compared with its dimensions. On the other hand, the design of smart structures using SMA actuators can be hard in some applications due intrinsic thermal hysteresis associated with its SME behavior. Because of this, studies are often carried to characterize this hysteresis phenomenon for improve the applications with SMA actuators. In this sense, this work proposes to use Artificial Neural Networks (ANN) technique to identify the thermal hysteresis of NiTi SMA wire actuators under the regime of isobaric loads (constant loads) and different thermal activation modes. Results of hysteretic behavior were collected through two experimental test benchs, one electromechanical which uses resistive heating (Joule Effect) and other thermomechanical through performing heat by forced convection in a liquid medium. It was shown the results of ANN learning and network's ability to estimate the hysteretic behavior of the SMA actuators from a behavior not used in training. In general, it was found that the ANN were efficient in the simulation of hysteresis loops under load as function of electrical current or temperature.
Keywords: Ligas com memória de forma
Atuadores de LMF
Materiais Inteligentes
Redes Neurais Artificiais
Simulação
Shape Memory Leagues
LMF Actuators
Intelligent Materials
Artificial neural networks
Simulation
???metadata.dc.subject.cnpq???: Engenharia Mecânica
URI: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/5144
Appears in Collections:Mestrado em Engenharia Mecânica.

Files in This Item:
File Description SizeFormat 
LUIZ FERNANDO ALVES RODRIGUES – DISSERTAÇÃO (PPGEM) 2011.pdf2.26 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.