Las aleaciones ligeras como el aluminio y el titanio, en concreto UNS A92024 (Al-Cu), UNS A97075 (Al-Zn) y Ti6Al4V, son esenciales en la fabricación de componentes estructurales de aeronaves, donde los estándares de calidad son extremadamente altos y los márgenes de tolerancia muy estrechos. Entre los retos del mecanizado en seco están la adecuada evacuación de la viruta y el control de la temperatura, que pueden afectar la integridad del componente mecanizado.
Este TFG se centra en el desarrollo de modelos predictivos de parámetros geométricos de viruta obtenida en el mecanizado en seco de aleaciones ligeras,
mediante el uso de redes neuronales artificiales (RNA). Este trabajo se incluye dentro del proyecto de investigación "Sistema Experto para la Mejora de la Integridad Superficial en el Mecanizado Sostenible de Aleaciones Ligeras", del "Programa Estatal para Impulsar la Investigación Científico-Técnica y su Transferencia" del Plan Estatal de Investigación Científica, Técnica y de Innovación 2021-2023.
El objetivo principal del trabajo es aplicar técnicas de Machine Learning para predecir
parámetros de la morfología de la viruta: altura de pico, altura de valle, sección,
ancho y espesor, durante el mecanizado en seco de aleaciones de aluminio y titanio. Para ello se usan datos de investigaciones previas hechas por el grupo de investigación iFAB “Ingeniería de Fabricación” (TEP933) de la UMA. La programación de las redes neuronales y su implementación se ha realizado mediante el uso de Matlab y Simulink.
El trabajo incluye una aproximación a aplicaciones recientes de la tecnología, el
aprendizaje y optimización de las RNA, así como el desarrollo de una aplicación que permita predecir los parámetros de la viruta basándose en las condiciones de corte y la aleación utilizada.
Este estudio contribuirá a mejorar los procesos de fabricación aeronáutica y abrirá nuevas vías para la aplicación de inteligencia artificial en el mecanizado de materiales avanzados.
Buscar en Dimension