Resumen

En los últimos años, los compuestos de fibras naturales han sido una estrategia de rápido crecimiento. Los métodos computacionales se han convertido en una herramienta importante para que muchos investigadores diseñen y analicen las propiedades mecánicas de estos compuestos. Las propiedades mecánicas como la rigidez, los efectos, la flexión y los ensayos de tracción se llevan a cabo en los compuestos de fibras naturales. Los compuestos de fibra natural se modelaron utilizando algunas de las técnicas de cálculo. La red neuronal convolucional (CNN) desarrollada se utiliza para predecir con precisión las propiedades mecánicas de estos compuestos. Para el proceso de entrenamiento se utiliza la información de base obtenida de los análisis de elementos finitos bajo la declaración de tensión plana. Una vez completado el proceso de entrenamiento, se autoriza el diseño desarrollado utilizando los datos invisibles a través del entrenamiento. El modelo microestructural óptimo se identifica mediante un modelo desarrollado integrado con un optimizador de algoritmo genético (GA). El optimizador converge a conformaciones con propiedades altamente mejoradas. El optimizador GA se utiliza para mejorar las propiedades mecánicas para tener los elementos blandos en la zona adyacente a la punta de la grieta.

• Materias:Análisis de suelos Hormigón Construcciones de hormigón Asfalto
• Subjects:Soil testing Concrete Concrete construction Asphalt
• Palabras claves:compuesto de fibras naturales, propiedad mecánica, proceso de entrenamiento, red neural convolucional, modelo microestructural óptimo, declaración de tensión plana, propiedad mejorada, modelo desarrollado, elementos blandos, optimizador ga
• Keywords:natural fiber composite, mechanical property, training process, convolutional neural network, optimum microstructural model, plane stress statement, enhanced property, developed model, soft elements, ga optimizer