Evaluación de la distribución geométrica de fibra en un material compuesto y su aplicación a la estimación de la conductividad térmica efectiva

Abstract

A partir de una base de datos generada artificialmente y consistente en un conjunto de imágenes de secciones transversales de un compuesto de fibras unidireccional con distribuciones no ideales, se han analizado diversos métodos de caracterización y una nueva forma de estimar la conductividad térmica efectiva, La caracterización se realizó sobre la teselación de Voronoi de la microestructura a analizar y se extrajeron algunas propiedades geométricas básicas, otras características basadas en la transformación de Fourier, y ciertos momentos invariantes. Se probaron diversos métodos de selección y combinación de características como el análisis de componentes principales discriminante de Fisher. Adicionalmente, se calculó con el método de los Elementos Finitos la conductividad térmica efectiva de cada microestructura de la base de datos. Para llegar a determinar un nuevo modelo de estimación los métodos de caracterización fueron combinados en un procedimiento de remuestreo aleatorio con diversos modelos de regresión múltiple clásica y con redes neuronales multicapa basadas en backpropagation. De esta forma los resultados de la estimación pudieron ser comparados desde un punto de vista estadístico, y validados para conjuntos de muestras de test diferentes a la de diseño, comprobándose además que los resultados mejoraban si se realizaba un procedimiento de clasificación previo. Se probó que los mejores modelos, basados en redes neuronales, proporcionaban una estimación de la conductividad prácticamente idéntica a la obtenida con el método de Elementos finitos.