Utilização do algoritmo de treinamento Levenberg-Marquardt para análise do comportamento à fadiga de materiais compósitos

This work develops a new methodology of artificial neural networks for obtaining constant fatigue life curves of composites using the Levemberg Marquard training algorithm and the synaptic weights initialization technique proposed by Glorot and Bengio. For this, its usefulness was verified in a f...

ver descrição completa

Na minha lista:
Detalhes bibliográficos
Autor principal: Barbosa, Lucas Alexandre Gomes
Outros Autores: Freire Junior, Raimundo Carlos Silverio
Formato: bachelorThesis
Idioma:pt_BR
Publicado em: Universidade Federal do Rio Grande do Norte
Assuntos:
Materiais compósitos
Fadiga
Levenberg-Marquardt
Redes Neurais Artificiais
Composite materials
Fatigue
Levemberg-Marquardt
Artificial Neural Networks
Endereço do item:https://repositorio.ufrn.br/handle/123456789/53264
Tags: Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
id ri-123456789-53264
record_format dspace
institution Repositório Institucional
collection RI - UFRN
language pt_BR
topic Materiais compósitos
Fadiga
Levenberg-Marquardt
Redes Neurais Artificiais
Composite materials
Fatigue
Levemberg-Marquardt
Artificial Neural Networks
spellingShingle Materiais compósitos
Fadiga
Levenberg-Marquardt
Redes Neurais Artificiais
Composite materials
Fatigue
Levemberg-Marquardt
Artificial Neural Networks
Barbosa, Lucas Alexandre Gomes
Utilização do algoritmo de treinamento Levenberg-Marquardt para análise do comportamento à fadiga de materiais compósitos
description This work develops a new methodology of artificial neural networks for obtaining constant fatigue life curves of composites using the Levemberg Marquard training algorithm and the synaptic weights initialization technique proposed by Glorot and Bengio. For this, its usefulness was verified in a fiberglass laminate designated as DD16, comparing its results with previous analyses presented in the literature. The objective of this work is to compare different training and initialization algorithms in order to verify the behavior of the mean squared error curves of the training set and the total data set, as a function of the training epochs, to analyze the repeatability of the developed ANNs, and to identify the behavior of the signal noise. Four cases of ANN training were analyzed using the Back-Propagation (BP) algorithm, the Levemberg-Marquardt algorithm, with and without Glorot's weights initialization. From the results obtained, it was observed that the Levemberg Marquard algorithm has advantages in relation to previously applied methodologies, making the results more reliable, however, it is still necessary to perform new tests for other materials to confirm the results. Another fact observed is that the utilization of the Glorot and Yoshua initialization method presented improvements in repeatability in the ANN trained with LM and worsening in the ANN trained with BP, when compared with the standard initialization method.
author2 Freire Junior, Raimundo Carlos Silverio
author_facet Freire Junior, Raimundo Carlos Silverio
Barbosa, Lucas Alexandre Gomes
format bachelorThesis
author Barbosa, Lucas Alexandre Gomes
author_sort Barbosa, Lucas Alexandre Gomes
title Utilização do algoritmo de treinamento Levenberg-Marquardt para análise do comportamento à fadiga de materiais compósitos
title_short Utilização do algoritmo de treinamento Levenberg-Marquardt para análise do comportamento à fadiga de materiais compósitos
title_full Utilização do algoritmo de treinamento Levenberg-Marquardt para análise do comportamento à fadiga de materiais compósitos
title_fullStr Utilização do algoritmo de treinamento Levenberg-Marquardt para análise do comportamento à fadiga de materiais compósitos
title_full_unstemmed Utilização do algoritmo de treinamento Levenberg-Marquardt para análise do comportamento à fadiga de materiais compósitos
title_sort utilização do algoritmo de treinamento levenberg-marquardt para análise do comportamento à fadiga de materiais compósitos
publisher Universidade Federal do Rio Grande do Norte
publishDate 2023
url https://repositorio.ufrn.br/handle/123456789/53264
work_keys_str_mv AT barbosalucasalexandregomes utilizacaodoalgoritmodetreinamentolevenbergmarquardtparaanalisedocomportamentoafadigademateriaiscompositos
AT barbosalucasalexandregomes usingthelevenbergmarquardttrainingalgorithmtoanalyzethefatiguebehaviorofcompositematerials
_version_ 1773961130989846528
spelling ri-123456789-532642023-07-12T17:32:52Z Utilização do algoritmo de treinamento Levenberg-Marquardt para análise do comportamento à fadiga de materiais compósitos Using the Levenberg-Marquardt training algorithm to analyze the fatigue behavior of composite materials Barbosa, Lucas Alexandre Gomes Freire Junior, Raimundo Carlos Silverio http://lattes.cnpq.br/1920337903521489 http://lattes.cnpq.br/1042806990155996 Cardoso, Raphael Araujo http://lattes.cnpq.br/4020351126682611 Barbosa, Joelton Fonseca http://lattes.cnpq.br/7910377572634313 Materiais compósitos Fadiga Levenberg-Marquardt Redes Neurais Artificiais Composite materials Fatigue Levemberg-Marquardt Artificial Neural Networks This work develops a new methodology of artificial neural networks for obtaining constant fatigue life curves of composites using the Levemberg Marquard training algorithm and the synaptic weights initialization technique proposed by Glorot and Bengio. For this, its usefulness was verified in a fiberglass laminate designated as DD16, comparing its results with previous analyses presented in the literature. The objective of this work is to compare different training and initialization algorithms in order to verify the behavior of the mean squared error curves of the training set and the total data set, as a function of the training epochs, to analyze the repeatability of the developed ANNs, and to identify the behavior of the signal noise. Four cases of ANN training were analyzed using the Back-Propagation (BP) algorithm, the Levemberg-Marquardt algorithm, with and without Glorot's weights initialization. From the results obtained, it was observed that the Levemberg Marquard algorithm has advantages in relation to previously applied methodologies, making the results more reliable, however, it is still necessary to perform new tests for other materials to confirm the results. Another fact observed is that the utilization of the Glorot and Yoshua initialization method presented improvements in repeatability in the ANN trained with LM and worsening in the ANN trained with BP, when compared with the standard initialization method. Este trabalho desenvolve uma nova metodologia de redes neurais artificiais para obtenção de curvas de vida constante à fadiga de compósitos utilizando o algoritmo de treinamento Levemberg Marquard e a técnica de inicialização de pesos sinápticos proposta por Glorot e Bengio. Para tanto verificou-se sua utilidade em um laminado de fibra de vidro designado de DD16, comparando seus resultados com análises anteriores apresentadas na literatura. Objetiva-se com este trabalho a comparação entre os diferentes algoritmos de treinamento e inicialização de maneira a verificar o comportamento das curvas de erro médio quadrático do conjunto de treinamento e do conjunto total de dados, em função das épocas de treinamento, analisar a repetibilidade das redes neurais artificiais desenvolvidas e identificar o comportamento do sinal ruído. Analisou-se quatro casos de treinamento da RNA utilizando o algoritmo Back-Propagation (BP), o algoritmo de Levemberg- Marquardt, com e sem a inicialização de pesos de Glorot. Pelos resultados obtidos, percebeu-se que o algoritmo Levemberg Marquard possui vantagens em relação a metodologias aplicadas anteriormente, tornando o resultado mais confiável, porém ainda é necessário fazer novos testes para outros materiais para confirmação dos resultados. Outro fato observado é que a utilização do método de inicialização de Glorot e Yoshua apresentou melhorias na repetibilidade na RNA treinada com LM e pioras na RNA treinada com BP, quando comparado ao método de inicialização padrão. 2023-07-12T17:32:52Z 2023-07-12T17:32:52Z 2023-07-07 bachelorThesis BARBOSA, Lucas Alexandre Gomes. Utilização do algoritmo de treinamento Levenberg-Marquardt para análise do comportamento à fadiga de materiais compósitos. 2023. 63f. Trabalho de Conclusão de Curso (Graduação em Engenharia Mecânica) - Departamento de Engenharia Mecânica. Universidade Federal do Rio Grande do Norte, Natal, 2023. https://repositorio.ufrn.br/handle/123456789/53264 pt_BR Attribution-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nd/3.0/br/ application/pdf Universidade Federal do Rio Grande do Norte Brasil UFRN Engenharia Mecânica Engenharia Mecânica

Registros relacionados