Desenvolvimento de uma rede neural artificial para previsão da capacidade de absorção de energia de compósitos commingled termoplásticos: processamento, caracterização e resistência à colisão (crashworthiness)

Resumo

A capacidade de absorção de energia de compósitos termoplásticos estruturais é governada pelas propriedades da matriz polimérica e pelos parâmetros de processamento da consolidação sob pressão. Todavia, estudos prévios revelaram que a cinética de degradação térmica da matriz também tem efeito significativo sob o comportamento mecânico do material e na sua resistência à colisão (crashworthiness). Compreender o nível de degradação termo-oxidativa, bem como os limiares de temperatura e tempo de processamento, permite a fabricação de componentes compósitos de alto desempenho com maior resistência ao impacto, o que aumenta a segurança dos passageiros em um eventual acidente automotivo. Concomitantemente, existe hoje um grande interesse científico quanto à caracterização e acerca dos fenômenos decorrentes do processamento termomecânico de compósitos termoplásticos do tipo commingled, os quais combinam fibras de reforço e fios da matriz polimérica em um mesmo cabo ou tecido. Essa tecnologia retrata novas possibilidades para fabricação de compósitos estruturais de alta performance, visando alta produtividade, redução de tempo e dos custos operacionais. O objetivo desse estudo é desenvolver um processo integrado de modelagem, de cálculo, de previsão e de otimização das propriedades de materiais compósitos termoplásticos commingled por meio de uma rede neural artificial (RNA) treinada por inputs de (i) propriedades térmicas, (ii) propriedades viscoelásticas, (iii) parâmetros cinéticos de degradação do material e (iv) parâmetros de processamento. Este projeto encontra-se vinculado a um projeto regular da FAPESP (nº 2017/16970-0), de responsabilidade do supervisor desta proposta. (AU)