Optimización de la configuración de materiales compuestos laminados mediante redes neuronales y templado simulado

• Julio César Galvis Chacón ^[1] ; Alejandro E. Rodríguez-Sánchez ^[2] ; Elías Rigoberto Ledesma Orozco ^[1]
  1. [1] Universidad de Guanajuato

     Universidad de Guanajuato

     México

     
  2. [2] Universidad Panamericana
• Localización: CULCyT: Cultura Científica y Tecnológica, ISSN-e 2007-0411, Vol. 21, Nº. 3, 2024, 65 págs.
• Idioma: español
• Títulos paralelos:
  • Optimization of laminated composite materials configuration using neural networks and simulated annealing
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    La optimización de materiales compuestos laminados es uno de los principales desafíos en el diseño de componentes o sistemas estructurales debido a la influencia de múltiples parámetros en su desempeño y respuesta mecánica ante la deformación. Esta investigación utiliza un metamodelo basado en redes neuronales artificiales para predecir índices de desempeño, específicamente el índice de falla de Tsai-Wu, a partir de la configuración del laminado de un material compuesto sujeto a cargas considerando espesores y orientaciones de sus fibras. El metamodelo alimenta una función objetivo diseñada para mejorar la configuración de una pieza mediante la optimización de las orientaciones de las fibras. Se combina un algoritmo de templado simulado adaptado para materiales compuestos laminados con redes neuronales, generando un espacio de soluciones que ofrece al diseñador una amplia gama de opciones para abordar el análisis del problema. El método reportado es una alternativa eficiente al método tradicional de análisis de materiales compuestos laminados, agilizando el proceso y ampliando las posibilidades de configuración disponibles para su selección.

  • English

    The optimization of laminated composite materials is one of the main challenges in the design of structural components or systems due to the influence of multiple parameters on their performance and mechanical response to deformation. This research uses a metamodel based on artificial neural networks to predict performance indices, specifically the Tsai-Wu failure index, from the configuration of a laminated composite material subject to loads, considering thicknesses and fiber orientations. The metamodel feeds an objective function designed to improve the configuration of a part by optimizing fiber orientations. A simulated annealing algorithm adapted for laminated composite materials is combined with neural networks, generating a solution space that offers the designer a wide range of options to approach the analysis of the problem. The reported method is an efficient alternative to the traditional method of analyzing laminated composite materials, streamlining the process, and expanding the configuration possibilities available for selection.