Optimización del material laminado compuesto en álabes de turbinas eólicas mediante algoritmos genéticos y redes neuronales

En la fabricación de álabes para turbinas eólicas con materiales laminados compuestos, la determinación de la cantidad de capas y el ordenamiento de fibras de refuerzo suele ser un problema iterativo; muchas veces resuelto por prueba y error, insumiendo una gran cantidad de tiempo. Este problema fue...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Albanesi, Alejandro E., Roman, Nadia D., Bre, Facundo, Fachinotti, Víctor D.
Formato: Objeto de conferencia Resumen
Lenguaje:Español
Publicado: 2017
Materias:
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/105136
https://cimec.org.ar/ojs/index.php/mc/article/view/5388
Aporte de:
id I19-R120-10915-105136
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ingeniería
Energía Eólica
Redes neuronales
Optimización
Materiales compuestos
spellingShingle Ingeniería
Energía Eólica
Redes neuronales
Optimización
Materiales compuestos
Albanesi, Alejandro E.
Roman, Nadia D.
Bre, Facundo
Fachinotti, Víctor D.
Optimización del material laminado compuesto en álabes de turbinas eólicas mediante algoritmos genéticos y redes neuronales
topic_facet Ingeniería
Energía Eólica
Redes neuronales
Optimización
Materiales compuestos
description En la fabricación de álabes para turbinas eólicas con materiales laminados compuestos, la determinación de la cantidad de capas y el ordenamiento de fibras de refuerzo suele ser un problema iterativo; muchas veces resuelto por prueba y error, insumiendo una gran cantidad de tiempo. Este problema fue resuelto por los autores a través de una metodología de optimización basada en simulación que combinaba algoritmos genéticos con elementos finitos inversos (IFEM) para evaluar la respuesta estructural de los álabes. Proponemos aquí una mejora a dicha metodología, mediante el reemplazo de IFEM por un metamodelo basado en redes neuronales, lo que permite reducir de manera importante el costo computacional. Como ejemplo de aplicación, se han rediseñado los álabes de una turbina de 40KW, logrando reducciones del peso del orden del 20 % comparado a un diseño de referencia, cumpliendo simultáneamente con todas las restricciones de diseño.
format Objeto de conferencia
Resumen
author Albanesi, Alejandro E.
Roman, Nadia D.
Bre, Facundo
Fachinotti, Víctor D.
author_facet Albanesi, Alejandro E.
Roman, Nadia D.
Bre, Facundo
Fachinotti, Víctor D.
author_sort Albanesi, Alejandro E.
title Optimización del material laminado compuesto en álabes de turbinas eólicas mediante algoritmos genéticos y redes neuronales
title_short Optimización del material laminado compuesto en álabes de turbinas eólicas mediante algoritmos genéticos y redes neuronales
title_full Optimización del material laminado compuesto en álabes de turbinas eólicas mediante algoritmos genéticos y redes neuronales
title_fullStr Optimización del material laminado compuesto en álabes de turbinas eólicas mediante algoritmos genéticos y redes neuronales
title_full_unstemmed Optimización del material laminado compuesto en álabes de turbinas eólicas mediante algoritmos genéticos y redes neuronales
title_sort optimización del material laminado compuesto en álabes de turbinas eólicas mediante algoritmos genéticos y redes neuronales
publishDate 2017
url http://sedici.unlp.edu.ar/handle/10915/105136
https://cimec.org.ar/ojs/index.php/mc/article/view/5388
work_keys_str_mv AT albanesialejandroe optimizaciondelmateriallaminadocompuestoenalabesdeturbinaseolicasmediantealgoritmosgeneticosyredesneuronales
AT romannadiad optimizaciondelmateriallaminadocompuestoenalabesdeturbinaseolicasmediantealgoritmosgeneticosyredesneuronales
AT brefacundo optimizaciondelmateriallaminadocompuestoenalabesdeturbinaseolicasmediantealgoritmosgeneticosyredesneuronales
AT fachinottivictord optimizaciondelmateriallaminadocompuestoenalabesdeturbinaseolicasmediantealgoritmosgeneticosyredesneuronales
bdutipo_str Repositorios
_version_ 1764820442912129026