Desarrollo de modelos computacionales para el análisis dinámico explícito de una máquina de fatiga multiaxial basada en un mecanismo de cinemática paralela

Abstract

El presente trabajo se enmarca en el contexto del proyecto FONDEF IDeA I+D ID23I10188, que tiene como objetivo diseñar y construir una máquina de fatiga con seis grados de libertad basada en una plataforma Stewart. Este dispositivo permitiría estudiar el comportamiento del efector final en respuesta a diversas situaciones de carga, simulando condiciones multiaxiales como torsión, flexión, tensión y compresión. La configuración de cinemática paralela de la plataforma Stewart es ampliamente utilizada en aplicaciones industriales, incluyendo simuladores de vuelo, ensamblaje de componentes y mecanizado de materiales. El objetivo principal de este trabajo fue desarrollar un modelo computacional de la plataforma Stewart que permita el análisis dinámico explícito de su desempeño bajo condiciones de carga complejas, aproximándose a escenarios realistas de ensayo de materiales. Para alcanzar este objetivo, se integró el diseño CAD de la plataforma en el software SIMSCAPE Multibody de MATLAB, permitiendo evaluar las respuestas de fuerzas en los actuadores y las restricciones en las uniones de los cuerpos del sistema. Además, se utilizaron modelos de elementos finitos desarrollados en ANSYS para simular las respuestas de las probetas ante cargas multiaxiales. La metodología propuesta integró tres pilares principales: el ensamblaje de la plataforma en SIMSCAPE Multibody, el modelado de probetas en ANSYS considerando no linealidades geométricas y del material, y el entrenamiento de una red neuronal recurrente (RNN) para predecir las fuerzas y momentos generados por las probetas en ensayos dinámicos. La RNN demostró ser una herramienta eficaz para predecir las reacciones mecánicas bajo diversas combinaciones de carga, lo que permitió integrar sus predicciones en el modelo dinámico completo de la plataforma. En cuanto a los resultados, se evaluaron tres casos de interés definidos por diferentes condiciones de carga: ensayo de carga axial, ensayo axial-torsión y ensayo axial-torsión-flexión. Estas pruebas permitieron analizar la efectividad de las predicciones generadas por el modelo de la probeta en ANSYS mediante la red neuronal recurrente (RNN). La evaluación se realizó utilizando métricas como el error cuadrático medio (RMSE) y el coeficiente de correlación entre los datos simulados y predichos. Los resultados muestran que la RNN posee una excelente capacidad de predicción para las reacciones de carga, incluso en casos donde los parámetros de amplitud, media y fase de las señales de entrada fueron definidos de manera aleatoria dentro del rango de entrenamiento. En todos los casos, el RMSE se mantuvo bajo, considerando el rango de trabajo, y los coeficientes de correlación fueron altos, cercanos a 0.99, validando la precisión del modelo. Por otra parte, la integración de la respuesta de carga de la probeta, obtenida mediante las predicciones de la red neuronal, permitió simular situaciones de carga para ensayos de fatiga en el modelo integral en SIMSCAPE Multibody. De este modelo, se extrajeron los valores de respuesta de fuerza para cada uno de los actuadores en ensayos donde se prescribe el movimiento de la plataforma superior. Con este enfoque, es posible evaluar, entre otras cosas, el consumo de potencia por actuador y el total del sistema, además de verificar si se supera el límite de carga definido para cada actuador, lo que permite diseñar ensayos dentro de un rango seguro para la integridad de la máquina y de quien la opere. En relación a la potencia obtenida en los ensayos, para los rangos de trabajo utilizados, considerando los tres tipos de prueba establecidos, se obtuvo una potencia total máxima de aproximadamente 600[W]. En conclusión, este trabajo proporciona una herramienta integral para analizar el desempeño dinámico de máquinas de fatiga multiaxial, combinando técnicas avanzadas de modelado y simulación. La plataforma Stewart, modelada y simulada en este estudio, se perfila como una solución efectiva para abordar desafíos complejos en el análisis y diseño de sistemas mecánicos avanzados.