Visualização do documento
Título
MODELO PARA A PREDIÇÃO DO DESGASTE EROSIVO DE REVESTIMENTOS UTILIZANDO REDES NEURAIS E TENACIDADE À FRATURA
Orientador
PROF. DR. CARLOS ROBERTO CAMELLO LIMA
Autor
JOEL ALVES BATISTA
Palavra chave
Aspersão Térmica; Modelagem; Desgaste erosivo; Processo de desgaste; Redes Neurais Artificiais.
Grupo CNPQ
Programa
DR - ENGENHARIA DE PRODUÇÃO (PPGEP)
Área
ENGENHARIAS
Data da defesa
26/02/2016
Nº Downloads
754
Resumo
Na indústria metal mecânica, muitos componentes estão submetidos a processos de desgaste superficial. O desgaste é um dos principais problemas industriais que levam à substituição de componentes e equipamentos em engenharia, sendo o desgaste erosivo uma de suas mais comuns manifestações. Encontrar condições de operações e propriedades dos materiais contra o desgaste é de suma importância para a indústria. Uma das propriedades mecânicas mais importantes de um material é a sua dureza. Mas, ela é incapaz de, isoladamente, fornecer proteção contra o desgaste. Por isso, a tenacidade à fratura tem sido utilizada e tem se revelado adequada, e a combinação dela com a dureza deverá refletir a eficiência com a qual o volume de desgaste erosivo é determinado. A taxa de desgaste erosivo depende de vários parâmetros e determinar a influência de cada um deles na taxa de desgaste é uma tarefa desafiadora, o que tem exigido uma abordagem por meio de métodos numéricos, dentre eles as redes neurais artificiais-RNA. Neste sentido, este trabalho propôs um modelo matemático, baseado em redes neurais artificiais, para predizer a evolução da eficiência de desgaste erosivo em revestimentos aplicados por aspersão térmica a chama convencional (FS/FC) e a chama oxi-combustível de alta velocidade (HVOF). Os resultados XVI
demonstram que existe uma relação quase linear entre os valores do modelo proposto e os valores reais da proposta de eficiência do modelo da literatura. Portanto, o modelo proposto pode determinar a eficiência de desgaste e, assim, determinar o comportamento do desgaste erosivo.
Abstract
In the metalworking industry, many components are subjected to surface wear processes. Wear is one of the major industrial problems that lead to replacement components and equipment engineering, and the erosive wear one of its most common manifestations. Find operating conditions and material properties against wear is very important for the industry. One of the most important mechanical properties of a material is its hardness. But she is unable to alone provide protection against wear. Therefore, the fracture toughness has been used and has proved suitable and combining it with the hardness should reflect the efficiency with which the volume of erosive wear is determined. The erosive wear rate depends on various parameters and determining the influence of each one on the wear rate is a challenging task, which has required an approach by means of numerical methods, including artificial neural networks. Thus, this work proposes a mathematical model based on artificial neural networks to predict the evolution of erosive wear efficiency of coatings applied by flame spray (FSFC) and High Velocity Oxygen Fuel (HVOF) spray. The results demonstrate that there is an almost linear relationship between the model and actual values of efficiency in literature model. Therefore, the XVII
proposed model can determine the efficiency and wear, thereby determining the behavior of erosive wear.
