Inteligencia artificial aplicada al análisis tribológico de texturizados superficiales con Python

García Moltó, Jorge Juan (2021). Inteligencia artificial aplicada al análisis tribológico de texturizados superficiales con Python. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. Industriales (UPM).

Description

Title: Inteligencia artificial aplicada al análisis tribológico de texturizados superficiales con Python
Author/s:
  • García Moltó, Jorge Juan
Contributor/s:
  • Franco Martínez, Francisco
  • Echávarri Otero, Javier
Item Type: Final Project
Degree: Grado en Ingeniería de Organización
Date: September 2021
Subjects:
Freetext Keywords: Tribología, lubricación, coeficiente de fricción, contacto puntual lubricado, microtexturizado, optimización, machine learning, redes neuronales artificiales (RNA)
Faculty: E.T.S.I. Industriales (UPM)
Department: Ingeniería Mecánica
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img]
Preview
PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (18MB) | Preview

Abstract

Uno de los problemas fundamentales a los que se enfrenta la ingeniería de máquinas es el de la reducción de la fricción y el desgaste en el contacto entre superficies metálicas lubricadas. La disciplina científica cuyo objeto de estudio son los fenómenos fisico-químicos que se producen en el contacto entre este tipo de superficies recibe el nombre de tribología. Y una de las técnicas más avanzadas (que a día de hoy se encuentra aún en estudio) para resolución de este problema concreto es el microtexturizado de superficies metálicas. Esta es una técnica que consiste en la creación de un patrón geométrico repetitivo (microtexturizado) sobre la superficie de un material metálico. Estas texturas actúan como depósitos de lubricante y como receptáculos de las partículas que se generan debido al desgaste de material. Este hecho permite reducir significativamente la fricción y el desgaste en superficies lubricadas, particularmente en las condiciones de lubricación más críticas. Lo expuesto anteriormente se debe a que los microtexturizados superficiales favorecen el contacto entre superficies en régimen de lubricación elastohidrodinámica. Es decir, permite aumentar el grosor de la capa de lubricante presente entre las superficies en contacto, favoreciendo un decremento del desgaste y la fricción. Los parámetros característicos de estos texturizados se pueden representar numéricamente (tamaño, profundidad, densidad...). El objetivo del presente proyecto es hallar una relación cuantitativa entre estos parámetros y el coeficiente de fricción que aparece al llevar a cabo ensayos experimentales sobre superficies texturizadas a unas condiciones de trabajo determinadas. La forma de encontrar esta relación será mediante el empleo de algoritmos de machine learning desarrollados con Python y entrenados con datos experimentales reales obtenidos por la División de Ingeniería de Máquinas de la ETSII. Esto permitiría, obtener valores para los coeficientes de fricción para distintos patrones geométricos sin necesidad de llevar a cabo ensayos físicos, dando lugar a un gran ahorro de tiempo y dinero. Además de obtener una combinación de parámetros que permitan crear una geometría óptima, que consiga reducir el coeficiente de rozamiento lo máximo posible.

More information

Item ID: 68594
DC Identifier: https://oa.upm.es/68594/
OAI Identifier: oai:oa.upm.es:68594
Deposited by: Biblioteca ETSI Industriales
Deposited on: 15 Oct 2021 08:05
Last Modified: 21 Dec 2021 23:30
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM