Metodología para el ajuste de leyes de daño en modelos de elementos finitos a través del uso de redes neuronales y metamodelos

Resumen

Las variables más comúnmente obtenidas en los ensayos experimentales de caracterización de materiales son: la fuerza y el desplazamiento en los actuadores. Amén de otras medidas experimentales que puedan ser registradas (ej.: apertura en los labios de una grieta (CMOD), deformaciones locales mediante técnicas de correlación de imágenes, etc.), la fuerza y el desplazamiento en los actuadores son las variables que deben ser utilizadas para validar los resultados obtenidos en los modelos numéricos destinados a reproducir el comportamiento del material bajo las condiciones de ensayo. Sin embargo, cuando nos enfrentamos a la modelización numérica del daño observado experimentalmente, existen multitud de parámetros que tienen un papel relevante en la relación fuerza-desplazamiento, por lo que la superposición de los resultados numérico y experimental sobre una misma gráfica no es trivial. En este trabajo, se presenta una metodología basada en el uso de redes neuronales para obtener los parámetros de daño óptimos de un material, garantizando que las diferencias entre las curvas fuerza-desplazamiento numéricas y experimentales se minimicen. Utilizando redes neuronales en el ajuste, no es necesario disponer de conocimientos previos relacionados con los valores que podrían adquirir los parámetros de daño, permitiendo a usuarios inexpertos ajustar leyes de daño fácilmente.