Redes neuronales artificiales para predecir el comportamiento mecánico de una estructura porosa de polímero espumado usada en disipación de impactos

Durante un accidente de tránsito intervienen diversos factores, sin embargo, un factor que invariablemente está presente es la resistencia mecánica, es decir, la forma en la que la estructura y otros componentes vehiculares absorben y disipan la energía. Con el fin de aprobar la utilización de elementos que ayuden a minimizar los daños a los ocupantes cuando un accidente vehicular ocurre, es necesario llevar a cabo pruebas y validaciones para estudiar el comportamiento de estos elementos ante impactos y, entender cuál será su respuesta ante diferentes condiciones de trabajo. Actualmente, en la industria automotriz, estos análisis se llevan a cabo desarrollando pruebas destructivas o con la técnica computacional de análisis de elemento finito; estos métodos consumen mucho tiempo, así como recursos económicos y computacionales, por lo que se buscan nuevos métodos con la capacidad de analizar y predecir el comportamiento de dichos componentes. En el presente trabajo se propone emplear el método de Redes Neuronales Artificiales como una herramienta de predicción del comportamiento de un componente que es sometido a fuerzas de compresión e impacto; la red empleada es una red tipo “feed forward”, una configuración de dos capas con 40 neuronas en la capa oculta que permite resolver problemas de ajuste de datos. Para poder alimentar la red se llevaron a cabo 77 simulaciones de compresión e impacto en una pieza compuesta de una capa de poliestireno extruido (XPS) y una capa con estructura porosa de etileno y acetato de vinilo espumado (EVA), valorando la capacidad del diseño para disipar impactos en un accidente vehicular

https://orcid.org/ 0000-0001-6478-6709