Skip navigation
Please use this identifier to cite or link to this item: http://repositorio.unb.br/handle/10482/40512
Files in This Item:
File Description SizeFormat 
2020_JairoJoséMuñozChávez.pdf5,78 MBAdobe PDFView/Open
Title: Modelagem em espaço de estados e predição da geometria do cordão de solda no processo GMAW usando redes SVM, neurodifusa e recorrentes de alta ordem
Authors: Muñoz Chávez, Jairo José
metadata.dc.contributor.email: jairojmch@hotmail.com
Orientador(es):: Alfaro, Sadek Crisóstomo Absi
Coorientador(es):: Ruiz, José Alfredo Vargas
Assunto:: Soldagem GMAW
Redes neurais
Predição da geometria do cordão
Issue Date: 13-Apr-2021
Citation: MUÑOZ CHÁVEZ, Jairo José. Modelagem em espaço de estados e predição da geometria do cordão de solda no processo GMAW usando redes SVM, neurodifusa e recorrentes de alta ordem. 2020. xxi, 187 f., il. Tese (Doutorado em Sistemas Mecatrônicos)—Universidade de Brasília, Brasília, 2020.
Abstract: Um dos principais problemas na obtenção de soldas com boas características geométricas é a dificuldade em controlar ou predizer as variáveis de saída e seus parâmetros, assim como, a criação de um modelo que represente de forma efetiva as mudanças das principais variáveis envolvidas no sistema. Esta mudança, durante o processo de soldagem, pode promover a formação de respingos, instabilidades e alterações na geometria dos cordões tornando a análise destas variáveis importante, pois será através delas que a qualidade da solda e as características desejadas para cada processo serão estabelecidas. Tais variáveis, apesar de possuírem grande correlação entre si, apresentam comportamento não linear e caótico. Na literatura alguns dos modelos apresentados são de alta complexidade, com um grande número de dados de entrada, poucas saídas e equações de difícil solução, promovendo assim, alto tempo de processamento e alto custo computacional. Por outro lado, existem os modelos simplificados que apresentam menor tempo de processamento, mas não representam a realidade do fenômeno envolvido e somente são aplicados em estreitas faixas de trabalho. A primeira proposta nesta pesquisa é uma modelagem matemática em espaço de estados que permite uma aproximação ao modelo em espaço de estados, uma aproximação dos valores reais do processo e um conhecimento do sistema. O segundo e terceiro modelos são as redes neurodifusas e as maquinas de vetores de suporte (SVM), utilizadas para sistemas não lineares, as quais têm uma aproximação e generalização aceitáveis, mas trabalham apenas em um único ponto de operação e em faixas para as quais foram treinadas. O quarto modelo utiliza redes neurais recorrentes de alta ordem (RHONN) e é um modelo dinâmico adaptativo, treinado online e trabalha para diferentes pontos de operação. Especificamente a finalidade deste trabalho é predizer a largura, reforço e penetração do cordão em soldagem GMAW com os modelos anteriormente propostos e comparar os resultados obtidos.
Abstract: One of the main problems in obtaining welds with good geometric characteristics is the difficulty in controlling or predicting the output variables and their parameters, as well as the creation of a model that effectively represents the changes in the main variables involved in the system. These changes during the welding process can boost the formation of spatter, instabilities, and changes in the welding bead geometry doing the analysis of these variables important since they set up the quality of the weld and the desired characteristics for each process. Such variables, despite being highly correlated with each other, normally have non-linear and chaotic behavior. Some of the models presented in the literature are complex, with a heightened number of input data, few outputs, and equations that are difficult to solve, raising high processing time and computational cost. Other simplified models have shorter processing times, but do not represent the reality of the phenomenon involved and are only applied in narrow ranges of welding parameter profiles. The first model proposed in this research is a mathematical model in state-space that allows an approximation of the real values of the process and knowledge of the system. The second and third models are the neurodiffuse networks and the support vector machines (SVM), used for non-linear systems which have a general and an acceptable approximation, merely they only work in a trained point of operation and range. The fourth model uses recurrent high-order neural networks (RHONN) and it is an adaptive dynamic model that could be trained online and works for different operation points. Specifically, this work aims to predict the width, reinforcement, and penetration of the welding bead in GMAW with the models previously proposed and comparing its results.
metadata.dc.description.unidade: Faculdade de Tecnologia (FT)
Departamento de Engenharia Mecânica (FT ENM)
Description: Tese (doutorado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2020.
metadata.dc.description.ppg: Programa de Pós-Graduação em Sistemas Mecatrônicos
Licença:: 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.
Agência financiadora: Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) e Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).
Appears in Collections:Teses, dissertações e produtos pós-doutorado

Show full item record " class="statisticsLink btn btn-primary" href="/jspui/handle/10482/40512/statistics">



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