Resumen

Este artículo aborda el problema de la predicción del recalcado de las uniones soldadas por fricción. Basándose en simulaciones de elementos finitos de la soldadura por fricción por inercia (IFW), se desarrolló inicialmente una red neuronal de función de base radial (RBF) para predecir la alteración final para una serie de parámetros de soldadura. La predicción del recalcado de la junta realizada por la red neuronal RBF se comparó con las simulaciones de elementos finitos validadas, produciendo un error inferior al 8,16%, lo cual es razonable. Además, se investigaron los efectos de la velocidad de rotación inicial y la presión axial en el recalcado en relación con la conversión de energía con la red neuronal RBF. La red neuronal RBF desarrollada también se aplicó a la soldadura por fricción lineal (LFW) y a la soldadura por fricción de accionamiento continuo (CDFW). Los coeficientes de correlación de la predicción RBF para LFW y CDFW fueron de 0,963 y 0,998, respectivamente, lo que sugiere además que una red neuronal RBF es un método eficaz para la predicción de la alteración de las juntas soldadas por fricción.

• Materias:Corrosión del acero Aceites y grasas Polimeros Acero Acero inoxidable Descarga eléctrica microfluidos
• Subjects:Corrosion of steel Oils and fats Polymers Steel Stainless steel Electric shock microfluids
• Palabras claves:red neuronal, simulación por elementos finitos, velocidad de rotación inicial, coeficiente de rbf, predicción de la fricción, fricción de accionamiento continuo, problema de predicción de la alteración, función de base radial, rbf, problema de la fricción
• Keywords:neural network, finite elements simulation, initial rotational speed, coefficient of rbf, prediction of friction, continuous drive friction, upset prediction problem, radial basis function, rbf, problem of friction