• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Mémoire de Maîtrise
DOI
https://doi.org/10.11606/D.85.2021.tde-23062021-144310
Document
Auteur
Nom complet
Bruna Mota Terra
Adresse Mail
Unité de l'USP
Domain de Connaissance
Date de Soutenance
Editeur
São Paulo, 2021
Directeur
Jury
Mesquita, Roberto Navarro de (Président)
Barbosa, Paulo Roberto
Pardini, Luiz Claudio
Titre en portugais
Caracterização da etapa de estabilização do processo produtivo de fibra de carbono a partir de poliacrilonitrila utilizando algoritmos inteligentes
Mots-clés en portugais
estabilização térmica
fibra de carbono
mapas auto-organizáveis
poliacrilonitrila
rede neural
Resumé en portugais
Nos últimos anos, os materiais compósitos vêm expandindo, cada vez mais, sua aplicação em diversos segmentos, e em especial, os materiais compósitos poliméricos reforçados com fibra de carbono, demonstram ser um material estrutural de elevado desempenho que combina baixa massa específica e estabilidade mecânica. A produção de fibra de carbono, utilizando a poliacrilonitrila como precursor, possui diversas etapas em sequência: polimerização, fiação, estabilização térmica, carbonização e tratamento superficial. Em função da elevada duração e da importância das reações que ocorrem durante a estabilização, esta é considerada a etapa mais crítica do processo, na qual ocorre a formação do anéis aromáticos que influenciam diretamente na estrutura final da fibra de carbono e, consequentemente, na qualidade deste material. Visando otimizar o desenvolvimento deste material, bem como obter a redução do custo de produção, o presente trabalho realizou a modelagem computacional da etapa de estabilização térmica utilizando algoritmos inteligentes. Para obter o modelo, foi realizada uma prévia análise qualitativa utilizando as variáveis de processo e de qualidade dos materiais envolvidos na produção destas fibras. Esta análise inicial utilizou Mapas Auto-Organizáveis, a qual baseia-se em um treinamento não-supervisionado desta rede neural artificial. Posteriormente, foi utilizado treinamento supervisionado em uma rede neural feed-forward com retropropagação (backpropagation) para a análise quantitativa. A partir destas análises, foi possível simular a etapa de estabilização térmica de uma planta, em escala laboratorial, de produção de fibra de carbono, obtendo-se resultados com erros relativos de 2,98±0,01% e 2,48±0,02% para os parâmetros de Densidade Volumétrica e do Índice de Conversão por Espectrometria por Infravermelho com Transformada de Fourier (FTIR), quando comparados com os resultados experimentais.
Titre en anglais
Characterization of polyacrylonitrile thermal stabilization process for carbon fiber production using intelligent algorithms
Mots-clés en anglais
carbon fiber
neural network
polyacrylonitrile
self-organizing maps
thermal stabilization
Resumé en anglais
Composite materials have widened their application areas in recent years. The polymeric composite materials reinforced with carbon fibers are a high-performance structural material which merges low weight and mechanical stability. The carbon fiber production using polyacrylonitrile precursor has many stages such as polymerization, spinning, thermal stabilization, carbonization, and surface treatment. Due to long-term and the main stability reactions, this is the critical stage of the carbon fiber process, which produces the aromatic rings, responsible for the carbon fiber structure and, therefore, the quality of this material. A thermal stabilization model using intelligent algorithms is proposed in order to optimize this material development process and to obtain possible production cost reduction. A qualitative analysis using Self-Organizing Maps based on quality and process variables of the materials involved in fiber production was initially performed. Thereafter a supervised training with feedforward backpropagation neural network was used for quantitative analysis. Based on this last analysis, it was possible to simulate the thermal stabilization carbon fiber process for a laboratory-scale production plant, which resulted in 2,98±0,01% and 2,48±0,02% mean relative errors to experimental results of Volumetric Density and FTIR Conversion Index parameters.
 
AVERTISSEMENT - Regarde ce document est soumise à votre acceptation des conditions d'utilisation suivantes:
Ce document est uniquement à des fins privées pour la recherche et l'enseignement. Reproduction à des fins commerciales est interdite. Cette droits couvrent l'ensemble des données sur ce document ainsi que son contenu. Toute utilisation ou de copie de ce document, en totalité ou en partie, doit inclure le nom de l'auteur.
Date de Publication
2021-06-29
 
AVERTISSEMENT: Apprenez ce que sont des œvres dérivées cliquant ici.
Tous droits de la thèse/dissertation appartiennent aux auteurs
CeTI-SC/STI
Bibliothèque Numérique de Thèses et Mémoires de l'USP. Copyright © 2001-2022. Tous droits réservés.