Avaliação de Limite de Resistência de Aços com Inteligência Artificial

Este livro aborda sobre o desenvolvimento de uma metodologia para estimar a propriedade mecânica limite de resistência via ensaios de macroindentação instrumentada. Essa metodologia foi baseada no treinamento de redes neurais artificiais (RNAs) a partir de curvas experimentais de indentações esféricas, obtidas através de ensaios de macroindentação instrumentada. Diferentes arquiteturas de RNAs foram implementadas e treinadas através de três algoritmos, a saber: a) algoritmo genético (AG); b) algoritmo híbrido entre AG e método de Levenberg-Marquardt (LM) com regularização bayesiana (RB), denominado AG-LMRB; e c) o método de AG-LMRB, com o acréscimo de uma etapa de verificação de similaridade entre os indivíduos do AG. Dentre os resultados obtidos, constatou-se que o algoritmo híbrido AG-LMRB forneceu os melhores resultados, isto é, os menores erros na estimativa da propriedade mecânica. A metodologia desenvolvida foi eficiente na determinação da propriedade mecânica, já que o melhor resultado obtido forneceu erros pequenos em relação aos métodos tradicionais. Considerando o nível de confiança de 95 %, os erros para a estimativa do limite de resistência resultaram na faixa de ±6 %.