Genetic programming and CAE neural networks approach for prediction of the bending capability of ZnTiCu sheets

Programación genética y redes neuronales CAE para la predicción de la capacidad de flexión de láminas de ZnTiCu

Se han aplicado la programación genética (GP) y el análisis CAE NN para la predicción de la capacidad de flexión de chapas laminadas de aleación ZnTiCu. La investigación reveló que un análisis con CAE NN es más rápido que GP pero menos preciso para una menor cantidad de datos. Ambos métodos permiten una buena evaluación de los distintos parámetros que influyen en el complejo sistema.

INTRODUCCIÓN

Las chapas de ZnTiCu (zinc-titán) con un contenido aproximado de 0,1% de Cu y 0,1% de Ti se utilizan mucho en la industria de la construcción para revestimiento de tejados, canalones, tubos de desagüe, revestimientos de fachadas, conexiones, repisas de ventanas, elementos decorativos en tejados, productos artísticos, etc. Los datos sobre la tecnología de producción de las chapas de aleación de zinc-titanio y sobre sus propiedades de conformado son muy escasos y poco fiables. Por lo tanto, deben comprobarse para cada paso tecnológico individual y las condiciones en las que se forma la chapa. Sus propiedades de conformado se ven influidas por muchos parámetros, como la composición química, los parámetros tecnológicos del laminado, etc. Debido al gran número de parámetros influyentes, es difícil controlar las propiedades mecánicas deseadas de la chapa (por ejemplo, la capacidad de flexión) y mantenerlas dentro de unos límites tecnológicos aceptables. Los trenes de laminación suelen recopilar datos sobre un lote individual (por ejemplo, composición de la aleación, condiciones en las que se ha laminado la chapa, etc.), pero en la mayoría de los casos no se puede rastrear el enfoque general que garantiza la consecución de las propiedades de conformado deseadas basándose en los parámetros influyentes de la producción de chapas metálicas. A menudo no se sabe qué parámetros son importantes. En tales casos, los métodos de regresión lineal no son eficaces, ya que la abundancia de parámetros de entrada y sus influencias mutuas imposibilitan la determinación de un modelo adecuadamente preciso [1].

En el presente trabajo se han utilizado dos enfoques diferentes basados en datos experimentales sobre la composición de la aleación ZnCuTi y en parámetros tecnológicos de laminación en caliente y en frío para predecir la capacidad de doblado de la chapa metálica. El primero es la GP, que pertenece a la clase de los métodos de computación evolutiva 2-7, y el segundo es la red neuronal CAE, que se ha aplicado con éxito para resolver muchos problemas de ingeniería [por ejemplo, 8-16].

MONTAJE EXPERIMENTAL

El proceso de fabricación de chapas laminadas de ZnTiCu puede dividirse en tres etapas principales: (i) fundición de la aleación, (ii) laminación en caliente de los lingotes metálicos, (iii) laminación en frío en bandas. En el tren de laminación, los lingotes de ZnTiCu se fundieron primero según la tecnología de colada vertical semicontinua.