Comparación de algoritmos de inteligencia artificial para la caracterización de emisiones acústicas en materiales compuestos de fibra de carbono (CFRP)

[ES] En la actualidad, el uso de la inteligencia artificial (IA) aplicada a materiales compuestos estructurales se presenta cada vez más en la industria. Una de las aplicaciones es la monitorización de las señales de emisiones acústicas producidas durante el funcionamiento de determinados componente...

Descripción completa

Detalles Bibliográficos
Autor: Martínez Cases, Cristina
Tipo de recurso: tesis de maestría
Fecha de publicación:2023
País:España
Institución:Universitat Politècnica de València (UPV)
Repositorio:RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia
Idioma:español
OAI Identifier:oai:riunet.upv.es:10251/197335
Acceso en línea:https://riunet.upv.es/handle/10251/197335
Access Level:acceso abierto
Palabra clave:Aprendizaje autónomo
Fibra de carbono
Emisiones acústicas
Materiales compuestos
MATLAB
CFRP
Artificial Intelligence
Composite materials
Acoustic emissions
Machine learning
Carbon fibre
INGENIERIA MECANICA
Máster Universitario en Ingeniería Aeronáutica-Màster Universitari en Enginyeria Aeronàutica
id ES_a5ff040c02400a8bd930c4376b1a6499
oai_identifier_str oai:riunet.upv.es:10251/197335
network_acronym_str ES
network_name_str España
repository_id_str
dc.title.none.fl_str_mv Comparación de algoritmos de inteligencia artificial para la caracterización de emisiones acústicas en materiales compuestos de fibra de carbono (CFRP)
Comparison of artificial intelligence algorithms for characterizing acoustic emissions in carbon fiber reinforced polymers (CFRP)
Comparació d&apos
algoritmes d&apos
intel·ligència artificial per a la caracterització d&apos
emissions acústiques en materials compostos de fibra de carboni (CFRP)
title Comparación de algoritmos de inteligencia artificial para la caracterización de emisiones acústicas en materiales compuestos de fibra de carbono (CFRP)
spellingShingle Comparación de algoritmos de inteligencia artificial para la caracterización de emisiones acústicas en materiales compuestos de fibra de carbono (CFRP)
Martínez Cases, Cristina
Aprendizaje autónomo
Fibra de carbono
Emisiones acústicas
Materiales compuestos
MATLAB
CFRP
Artificial Intelligence
Composite materials
Acoustic emissions
Machine learning
Carbon fibre
INGENIERIA MECANICA
Máster Universitario en Ingeniería Aeronáutica-Màster Universitari en Enginyeria Aeronàutica
title_short Comparación de algoritmos de inteligencia artificial para la caracterización de emisiones acústicas en materiales compuestos de fibra de carbono (CFRP)
title_full Comparación de algoritmos de inteligencia artificial para la caracterización de emisiones acústicas en materiales compuestos de fibra de carbono (CFRP)
title_fullStr Comparación de algoritmos de inteligencia artificial para la caracterización de emisiones acústicas en materiales compuestos de fibra de carbono (CFRP)
title_full_unstemmed Comparación de algoritmos de inteligencia artificial para la caracterización de emisiones acústicas en materiales compuestos de fibra de carbono (CFRP)
title_sort Comparación de algoritmos de inteligencia artificial para la caracterización de emisiones acústicas en materiales compuestos de fibra de carbono (CFRP)
dc.creator.none.fl_str_mv Martínez Cases, Cristina
author Martínez Cases, Cristina
author_facet Martínez Cases, Cristina
author_role author
dc.contributor.none.fl_str_mv Giner Maravilla, Eugenio
Infante García, Diego
Escuela Técnica Superior de Ingeniería Aeroespacial y Diseño Industrial
Departamento de Ingeniería Mecánica y de Materiales
Instituto Universitario de Investigación Concertado de Ingeniería Mecánica y Biomecánica
Escuela Técnica Superior de Ingeniería Industrial
AGENCIA ESTATAL DE INVESTIGACION
Repositorio Institucional de la Universitat Politècnica de València Riunet
dc.subject.none.fl_str_mv Aprendizaje autónomo
Fibra de carbono
Emisiones acústicas
Materiales compuestos
MATLAB
CFRP
Artificial Intelligence
Composite materials
Acoustic emissions
Machine learning
Carbon fibre
INGENIERIA MECANICA
Máster Universitario en Ingeniería Aeronáutica-Màster Universitari en Enginyeria Aeronàutica
topic Aprendizaje autónomo
Fibra de carbono
Emisiones acústicas
Materiales compuestos
MATLAB
CFRP
Artificial Intelligence
Composite materials
Acoustic emissions
Machine learning
Carbon fibre
INGENIERIA MECANICA
Máster Universitario en Ingeniería Aeronáutica-Màster Universitari en Enginyeria Aeronàutica
description [ES] En la actualidad, el uso de la inteligencia artificial (IA) aplicada a materiales compuestos estructurales se presenta cada vez más en la industria. Una de las aplicaciones es la monitorización de las señales de emisiones acústicas producidas durante el funcionamiento de determinados componentes. Con el análisis mediante IA de dichas señales se consigue obtener información en tiempo real de la integridad de los mismos, pudiendo incluso llegar a identificar modos de fallo. Es por ello por lo que este estudio se centra en la comparación de diversos algoritmos de inteligencia artificial para la caracterización de emisiones acústicas generadas en un material compuesto de fibra de carbono. En primer lugar, se realiza una exhaustiva revisión del estado del arte, estableciendo las bases teóricas necesarias; se analizan los diversos tipos y las características de los algoritmos de inteligencia artificial, así como los fundamentos de las emisiones acústicas y el comportamiento de los materiales compuestos reforzados con fibra de carbono. Posteriormente, utilizando el programa MATLAB, se desarrollan varios tipos de algoritmos de caracterización empleando distintos parámetros. Para evaluar su desempeño, se lleva a cabo una toma de datos experimental de las emisiones acústicas generadas por diferentes impactos sobre una placa plana de fibra de carbono. Tras ello, estos datos se procesan para extraer las características más relevantes de las señales. Posteriormente, se introducen en los algoritmos diseñados previamente para la creación de los modelos. Finalmente se evalúa el rendimiento de cada algoritmo y se exponen las ventajas e inconvenientes asociadas a su uso para finalizar con la designación de un modelo como óptimo.
publishDate 2023
dc.date.none.fl_str_mv 2023
2023-09-29
2023
2023-09-14
dc.type.none.fl_str_mv master thesis
http://purl.org/coar/resource_type/c_bdcc
dc.type.openaire.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.none.fl_str_mv https://riunet.upv.es/handle/10251/197335
url https://riunet.upv.es/handle/10251/197335
dc.language.none.fl_str_mv Español
spa
language_invalid_str_mv Español
language spa
dc.rights.none.fl_str_mv open access
http://purl.org/coar/access_right/c_abf2
Reserva de todos los derechos
http://rightsstatements.org/vocab/InC/1.0/
dc.rights.openaire.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv open access
http://purl.org/coar/access_right/c_abf2
Reserva de todos los derechos
http://rightsstatements.org/vocab/InC/1.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universitat Politècnica de València
publisher.none.fl_str_mv Universitat Politècnica de València
dc.source.none.fl_str_mv reponame:RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia
instname:Universitat Politècnica de València (UPV)
instname_str Universitat Politècnica de València (UPV)
reponame_str RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia
collection RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869415661594214400
spelling Comparación de algoritmos de inteligencia artificial para la caracterización de emisiones acústicas en materiales compuestos de fibra de carbono (CFRP)Comparison of artificial intelligence algorithms for characterizing acoustic emissions in carbon fiber reinforced polymers (CFRP)Comparació d&aposalgoritmes d&aposintel·ligència artificial per a la caracterització d&aposemissions acústiques en materials compostos de fibra de carboni (CFRP)Martínez Cases, CristinaAprendizaje autónomoFibra de carbonoEmisiones acústicasMateriales compuestosMATLABCFRPArtificial IntelligenceComposite materialsAcoustic emissionsMachine learningCarbon fibreINGENIERIA MECANICAMáster Universitario en Ingeniería Aeronáutica-Màster Universitari en Enginyeria Aeronàutica[ES] En la actualidad, el uso de la inteligencia artificial (IA) aplicada a materiales compuestos estructurales se presenta cada vez más en la industria. Una de las aplicaciones es la monitorización de las señales de emisiones acústicas producidas durante el funcionamiento de determinados componentes. Con el análisis mediante IA de dichas señales se consigue obtener información en tiempo real de la integridad de los mismos, pudiendo incluso llegar a identificar modos de fallo. Es por ello por lo que este estudio se centra en la comparación de diversos algoritmos de inteligencia artificial para la caracterización de emisiones acústicas generadas en un material compuesto de fibra de carbono. En primer lugar, se realiza una exhaustiva revisión del estado del arte, estableciendo las bases teóricas necesarias; se analizan los diversos tipos y las características de los algoritmos de inteligencia artificial, así como los fundamentos de las emisiones acústicas y el comportamiento de los materiales compuestos reforzados con fibra de carbono. Posteriormente, utilizando el programa MATLAB, se desarrollan varios tipos de algoritmos de caracterización empleando distintos parámetros. Para evaluar su desempeño, se lleva a cabo una toma de datos experimental de las emisiones acústicas generadas por diferentes impactos sobre una placa plana de fibra de carbono. Tras ello, estos datos se procesan para extraer las características más relevantes de las señales. Posteriormente, se introducen en los algoritmos diseñados previamente para la creación de los modelos. Finalmente se evalúa el rendimiento de cada algoritmo y se exponen las ventajas e inconvenientes asociadas a su uso para finalizar con la designación de un modelo como óptimo.[EN] Nowadays, the use of artificial intelligence (AI) applied to structural composite materials is increasingly being applied in industry. One of the applications is the monitoring of acoustic emission signals produced during the operation of components. By analysing these signals using AI, it is possible to obtain real-time information on the integrity of the components and even identify failure modes. For this reason, this study focuses on the comparison of different artificial intelligence algorithms for the characterisation of acoustic emissions generated in a carbon fibre composite material. Firstly, an exhaustive review of the state of the art is carried out, establishing the necessary theoretical bases. Various types and characteristics of artificial intelligence algorithms are analysed, as well as the fundamentals of acoustic emissions and the behaviour of carbon fibre reinforced composite materials (CFRP). Afterwards, using MATLAB software, several types of characterisation algorithms are developed using different parameters. To evaluate their performance, an experimental data collection of acoustic emissions generated by different impacts on a carbon fibre plate is carried out. These data are processed to extract the most relevant characteristics of the signals. After that, they are introduced into the algorithms previously designed for the creation of the models. Finally, the performance of each algorithm is evaluated and the advantages and disadvantages associated with their use are presented. Ending with the designation of a model as optimal.Universitat Politècnica de ValènciaGiner Maravilla, EugenioInfante García, DiegoEscuela Técnica Superior de Ingeniería Aeroespacial y Diseño IndustrialDepartamento de Ingeniería Mecánica y de MaterialesInstituto Universitario de Investigación Concertado de Ingeniería Mecánica y BiomecánicaEscuela Técnica Superior de Ingeniería IndustrialAGENCIA ESTATAL DE INVESTIGACIONRepositorio Institucional de la Universitat Politècnica de València Riunet20232023-09-2920232023-09-14master thesishttp://purl.org/coar/resource_type/c_bdccinfo:eu-repo/semantics/masterThesisapplication/pdfhttps://riunet.upv.es/handle/10251/197335reponame:RiuNet. Repositorio Institucional de la Universitat Politécnica de Valénciainstname:Universitat Politècnica de València (UPV)Españolspaopen accesshttp://purl.org/coar/access_right/c_abf2Reserva de todos los derechoshttp://rightsstatements.org/vocab/InC/1.0/info:eu-repo/semantics/openAccessoai:riunet.upv.es:10251/1973352026-06-13T07:49:27Z
score 15,300719

Similares en LA Referencia