Blucher Engineering Proceedings

Setembro 2023, vol.10, num.1 - XXX Simpósio Internacional de Engenharia Automotiva
Trabalho completo - Open Access Idioma principal | Segundo principal

Estudo da predição de propriedades mecânicas de compósitos poliméricos de polipropileno e grafeno utilizando redes neurais artificiais

Study on the prediction of the mechanical properties of polymeric composites with polypropylene and graphene using artificial neural networks

REGO, Artur Serpa de Carvalho; LIMA, Gabriel Gonem de; BORTOLI, Bruna Farias de; CAMARGO, Monique Camille Rodrigues; POLKOWSKI, Rodrigo Denizarte de Oliveira; ALBUQUERQUE, Ricardo Ferreira Cavalcanti de

Trabalho completo:

Nanocompóstios são materiais promissores que são capazes de atingir ótima propriedades fiísicas, tendo baixos pesos e sendo de fácil processamento. Para melhorar a performance do material e também otimizar a produção, é imprescidível entender como cada uma dos componentes que formam o material afeta as propriedades mecânicas em geral. Sendo assim, a modelagem matemática é uma boa ferramenta para aumentar a eficiência e reduzir os gastos em experimentos e recursos. Neste trabalho, foi proposto o desenvolvimento de uma rede neural artificial capaz de predizer a resistência a tração de nanocompósitos de polipropileno e grafeno. A base de dados foi obtida na literatura com diversos artigos de pesquisa publicados em periódicos, usando índice de fluidez, concentração de grafeno, concentração de agente de acomplamento, resistência a tração inicial e área superficial do grafeno como variáveis de entrada. As arquiteturas foram testadas variando a quantidade de camadas intermediárias, quantidade de neurônios nas camadas intermediárias e as funções de ativação. A melhor arquitetura de rede consistiu de uma camada intermediária com 5 neurônios e função sigmoide. O resultado da predição da resistência a tração mostrou-se satisfatório, com valor de R2 de 0,83 e erro quadrático médio de 8,47.

Nanocomposites are a promising new materials capable of achieving good physical properties with low weights and easy processing. Understanding how each component and its properties affect the final product

Download (PDF)

Palavras-chave: None None

DOI: 10.5151/simea2023-PAP50

Referências bibliográficas
  • [1] [1] S. Mosey, F. Korkees, A. Rees, e G. Llewelyn,
  • [2] “Investigation into fibre orientation and weldline
  • [3] reduction of injection moulded short glassfibre/polyamide 6-6 automotive components”,
  • [4] Journal of Thermoplastic Composite Materials, vol.
  • [5] 33, no 12, p. 1603–1628, dez. 2020, doi:
  • [6] 10.1177/0892705719833098.
  • [7] [2] D. Nuvoli et al., “High concentration few-layer
  • [8] graphene sheets obtained by liquid phase exfoliation
  • [9] of graphite in ionic liquid”, Journal of Materials
  • [10] Chemistry, vol. 21, no 10, p. 3428–3431, 2011, doi:
  • [11] 10.1039/c0jm02461a.
  • [12] [3] B. Girginer Ozunlu e F. S. Guner, “An Industrial
  • [13] Case for Polypropylene Nanocomposite Foams:
  • [14] Lightweight, Soundproof Exterior Automotive
  • [15] Parts”, Polymers, vol. 14, no 6, p. 1192, mar. 2022,
  • [16] doi: 10.3390/polym14061192.
  • [17] [4] B. Ravishankar, S. K. Nayak, e M. A. Kader, “Hybrid
  • [18] composites for automotive applications – A review”,
  • [19] Journal of Reinforced Plastics and Composites, vol.
  • [20] 38, no 18, p. 835–845, set. 2019, doi:
  • [21] 10.1177/0731684419849708.
  • [22] [5] R. Sadiku et al., “Automotive components composed
  • [23] of polyolefins”, em Polyolefin Fibres, Elsevier, 2017,
  • [24] p. 449–496. doi: 10.1016/B978-0-08-101132-
  • [25] 4.00015-1.
  • [26] [6] R. Yadav et al., “Lignin derived carbon fiber and
  • [27] nanofiber: Manufacturing and applications”,
  • [28] Composites Part B: Engineering, vol. 255, p.
  • [29] 110613, abr. 2023, doi:
  • [30] 10.1016/j.compositesb.2023.110613.
  • [31] [7] M. E. Vallejos et al., “Response of Polypropylene
  • [32] Composites Reinforced with Natural Fibers: Impact
  • [33] Strength and Water-Uptake Behaviors”, Polymers,
  • [34] vol. 15, no 4, p. 900, fev. 2023, doi:
  • [35] 10.3390/polym15040900.
  • [36] [8] X. Yang, X. Wang, J. Yang, J. Li, e L. Wan,
  • [37] “Functionalization of graphene using
  • [38] trimethoxysilanes and its reinforcement on
  • [39] polypropylene nanocomposites”, Chemical Physics
  • [40] Letters, vol. 570, p. 125–131, maio 2013, doi:
  • [41] 10.1016/j.cplett.2013.03.069.
  • [42] [9] X. Wan, H. Lu, J. Kang, S. Li, e Y. Yue, “Preparation
  • [43] of graphene-glass fiber-resin composites and its
  • [44] electromagnetic shielding performance”, Composite
  • [45] Interfaces, vol. 25, no 10, p. 883–900, out. 2018, doi:
  • [46] 10.1080/09276440.2018.1439641.
  • [47] [10] U. R. Hashim, A. Jumahat, e M. Jawaid, “Mechanical
  • [48] Properties of Hybrid Graphene NanoplateletNanosilica Filled Unidirectional Basalt Fibre
  • [49] Composites”, Nanomaterials, vol. 11, no 6, p. 1468,
  • [50] jun. 2021, doi: 10.3390/nano11061468.
  • [51] [11] N. Liu, Q. Tang, B. Huang, e Y. Wang, “Graphene
  • [52] Synthesis: Method, Exfoliation Mechanism and
  • [53] Large-Scale Production”, Crystals, vol. 12, no 1, p.
  • [54] 25, dez. 2021, doi: 10.3390/cryst12010025.
  • [55] [12] S. M. Mahdy, E. Gewfiel, e A. A. Ali, “Production
  • [56] and characterization of three-dimensional graphite
  • [57] nanoplatelets”, J Mater Sci, vol. 52, no 10, p. 5928–
  • [58] 5937, maio 2017, doi: 10.1007/s10853-017-0829-8.
  • [59] [13] X. Fu et al., “Graphene oxide as a promising
  • [60] nanofiller for polymer composite”, Surfaces and
  • [61] Interfaces, vol. 37, p. 102747, abr. 2023, doi:
  • [62] 10.1016/j.surfin.2023.102747.
  • [63] [14] P. Song, Z. Cao, Y. Cai, L. Zhao, Z. Fang, e S. Fu,
  • [64] “Fabrication of exfoliated graphene-based
  • [65] polypropylene nanocomposites with enhanced
  • [66] mechanical and thermal properties”, Polymer, vol.
  • [67] 52, n
  • [68] o 18, p. 4001–4010, 2011, doi:
  • [69] 10.1016/j.polymer.2011.06.045.
  • [70] [15] A. Si, G. Z. Kyzas, K. Pal, e F. G. de Souza Jr.,
  • [71] “Graphene functionalized hybrid nanomaterials for
  • [72] industrial-scale applications: A systematic review”,
  • [73] Journal of Molecular Structure, vol. 1239, p. 130518,
  • [74] set. 2021, doi: 10.1016/j.molstruc.2021.130518.
  • [75] [16] M. Zakaulla, Y. pasha, e S. kesarmadu
  • [76] Siddalingappa, “Prediction of mechanical properties
  • [77] for polyetheretherketone composite reinforced with
  • [78] graphene and titanium powder using artificial neural
  • [79] network”, Materials Today: Proceedings, vol. 49, p.
  • [80] 1268–1274, 2022, doi: 10.1016/j.matpr.2021.06.365.
  • [81] [17] M. Zakaulla, F. Parveen, Amreen, Harish, e N.
  • [82] Ahmad, “Artificial neural network based prediction
  • [83] on tribological properties of polycarbonate
  • [84] composites reinforced with graphene and boron
  • [85] carbide particle”, Materials Today: Proceedings, vol.
  • [86] 26, p. 296–304, 2020, doi:
  • [87] 10.1016/j.matpr.2019.11.276.
  • [88] [18] P. N. Khanam et al., “Optimization and Prediction of
  • [89] Mechanical and Thermal Properties of
  • [90] Graphene/LLDPE Nanocomposites by Using
  • [91] Artificial Neural Networks”, International Journal of Polymer Science, vol. 2016, p. 1–15, 2016, doi:
  • [92] 10.1155/2016/5340252.
  • [93] [19] M.-K. Kazi, F. Eljack, e E. Mahdi, “Optimal filler
  • [94] content for cotton fiber/PP composite based on
  • [95] mechanical properties using artificial neural
  • [96] network”, Composite Structures, vol. 251, p. 112654,
  • [97] nov. 2020, doi: 10.1016/j.compstruct.2020.112654"
Como citar:

REGO, Artur Serpa de Carvalho; LIMA, Gabriel Gonem de; BORTOLI, Bruna Farias de; CAMARGO, Monique Camille Rodrigues; POLKOWSKI, Rodrigo Denizarte de Oliveira; ALBUQUERQUE, Ricardo Ferreira Cavalcanti de; "Estudo da predição de propriedades mecânicas de compósitos poliméricos de polipropileno e grafeno utilizando redes neurais artificiais", p-324-330. In: Anais do XXX Simpósio Internacional de Engenharia Automotiva . São Paulo: Blucher, 2023.
ISSN 23577592, DOI 10.5151/simea2023-PAP50

últimos 30 dias

31
downloads

1
visualizações

2
indexações