Desarrollo de modelos basados en redes neuronales para la predicción de Band Gaps en paneles de metamateriales
Professor Advisor
dc.contributor.advisor
Meruane Naranjo, Viviana
Professor Advisor
dc.contributor.advisor
Ruiz García, Rafael
Author
dc.contributor.author
Ramírez Salas, Paula Carolina Montserrat
Associate professor
dc.contributor.other
Fernández Urrutia, Rubén
Admission date
dc.date.accessioned
2021-10-07T14:08:19Z
Available date
dc.date.available
2021-10-07T14:08:19Z
Publication date
dc.date.issued
2021
Identifier
dc.identifier.uri
https://repositorio.uchile.cl/handle/2250/182177
Abstract
dc.description.abstract
Los metamateriales son materiales artificiales cuyas propiedades provienen directamente
de la posición y geometría que ocupan sus componentes dentro de su estructura. Con metamateriales en paneles para control de vibraciones, se pueden lograr bandas de frecuencias (band-gaps) en que las vibraciones son suprimidas por el panel. Esto es de gran interés en casos donde se quiere evitar la vibración de paneles debido a una excitación externa.
La evaluación de los band bags en elementos finitos es muy costosa computacionalmente, esto hace que no sea factible implementar algoritmos de optimización tradicionales para
maximizar el band gap a una cierta frecuencia, por ejemplo. Debido a esto es que se plantea como objetivo entrenar modelos de redes neuronales para predecir band gaps en paneles de metamateriales. En ese mismo sentido, se desprende también la generación de la base de datos para el entrenamiento y la definición del modelo de redes neuronales que mejor se ajuste al problema. Las redes neuronales corresponden a un algoritmo de aprendizaje automático de rápida evaluación, algo que se podría utilizar, posteriormente, para la optimización topológica de los metamateriales.
La ejecución del presente trabajo comprendió dos ejes: la generación de las bases de datos
y el desarrollo de modelos de redes neuronales. La generación de bases de datos lo suficientemente robustas, se realizó a partir de los modelos numéricos de distintos paneles diseñados en trabajos previos relacionados al tema y siguiendo 2 enfoques para el problema de predicción. En tanto, el desarrollo de modelos contempla la implementación de distintas arquitecturas que serán evaluadas para seleccionar la que obtenga los mejores resultados en la predicción de band-gaps.
Como resultados, se determina que modelos basados en redes neuronales logran predecir
exitosamente el ancho y frecuencia central de los band-gaps. En particular, se aprecia que
los modelos predicen más fácilmente estas propiedades en paneles que poseen resonadores
internos en sus núcleos.
es_ES
Patrocinador
dc.description.sponsorship
Proyectos Núcleo Milenio en Soft Smart Mechanical Metamaterials y Fondecyt 1210442
es_ES
Lenguage
dc.language.iso
es
es_ES
Publisher
dc.publisher
Universidad de Chile
es_ES
Type of license
dc.rights
Attribution-NonCommercial-NoDerivs 3.0 United States