Author(s):
Lapa, Vítor Manuel da Cruz 
Date: 2007
Persistent ID: http://hdl.handle.net/10773/2557
Origin: RIA - Repositório Institucional da Universidade de Aveiro
Subject(s): Engenharia mecânica; Maquinagem; Materiais compósitos; Termoplásticos
Description
Sendo o PEEK (poli-éter-éter-cetona) um termoplástico de Engenharia de
última geração que apresenta excelentes propriedades físicas/mecânicas, tem
a possibilidade de ser aplicado simples ou compósito nos mais variados tipos
de componentes das indústrias (automóvel, aeronáutica, aeroespacial, nuclear,
transportes, petrolífera, médica, biomédica, e outras). Este presente trabalho
pretende mostrar a sua aptidão para ser processado através da maquinagem
convencional por arranque de apara (torneamento, fresagem e furação).
Verificou-se que a maquinagem do PEEK e seus compósitos PEEK/CF30 e
PEEK/GF30, obrigou à utilização de ferramentas diamantadas com geometrias
especiais e parâmetros de corte apropriados. Na maquinagem em corte
ortogonal destes três materiais, em virtude dos diferentes tipos de apara
obtidos, pôde ser aplicado o modelo de Merchant. Igualmente, utilizando o
corte ortogonal, foi possível desenvolver uma Rede Neuronal Artificial (RNA)
que aponta para a modelação eficiente de um conjunto de condições de
maquinagem dos materiais compósitos com matriz de PEEK. A aprendizagem
supervisionada da RNA baseou-se num Algoritmo Genético (AG) suportado
por uma estratégia elitista. Os resultados obtidos mostram que a pesquisa
evolucionária é uma boa opção, quando se associa o processo de optimização
à aprendizagem supervisionada. Na maquinabilidade dos três materiais, as
menores forças de corte ocorrem para o PEEK seguido do PEEK/GF30, sendo
mais elevadas para o PEEK/CF30. Quanto às rugosidades nas superfícies
obtidas, elas são menores para o PEEK seguidas do PEEK/CF30, enquanto
que o PEEK/GF30 apresenta os valores mais elevados. Nas operações de
fresagem e furação verificou-se que a utilização de ferramentas com
geometrias especiais é um factor importante para se obterem forças de corte
optimizadas e superfícies com bom acabamento.
ABSTRACT: Being PEEK (poli-ether-ether-ketona) a last generation engineering
thermoplastic which has excellent physical/mechanical properties, it can be
used both simple and composite in several varied sorts of components in
automobile, aeronautical, aerospatial, nuclear, transportation, oil, medical,
biomedical, and other industries. This present research intends to show its
capability for being processed through conventional machining by taking off
chip (turning, milling and drilling). It has been observed that the machining of
PEEK and its composites PEEK/CF30 and PEEK/GF30, required the use of
diamond tools with especial geometries and proper cutting parameters. For the
machining in orthogonal cutting of these three types of materials, it was
possible to use the Merchant model, due to the different sorts of chips
acquired. Likewise, using the orthogonal cutting it was possible to develop an
Artificial Neural Network (RNA) which leads to the efficient moulding of a series
of machining conditions of composites materials with a PEEK matrix. The
supervisioned learning RNA is based on a Genetic Algorithm (AG) supported
by an elitist strategy. The results obtained show that, when the optimization
process is linked to the supervisioned learning, the evolutionary research is a
good option. In the machinability of these three materials, the lowest cutting
forces occur for PEEK, then for PEEK/GF30, being the highest values for
PEEK/CF30. In what concerns the roughness on the surfaces obtained, PEEK
has the lowest values, followed by PEEK/CF30 and while PEEK/GF30 presents
the highest values. By milling and drilling, it has been observed that the use of
tools with special geometries is an important factor to get optimized cutting
forces and a good surface finish. Doutoramento em Engenharia Mecânica
