Pular para o conteúdo
Even3

O que são materiais energéticos e como avaliá-los com machine learning

Trecho de 1 min 55 s de Apresentação de Trabalhos - Sala 1, gravado no evento 2a Conferência Brasileira de Planejamento Experimental e Análise de Dados.

Assistir à gravação completaNo Even3 Conteúdos · 2 h 5 min

Sobre este trecho

Apresentam-se a definição e as classes de materiais energéticos, além da proposta de usar inteligência artificial para otimizar formulações e prever o poder de queima.

Vai de a da gravação.

O que é dito neste trecho

Então para começar o trabalho, o que seria então esses materiais energéticos? Os materiais energéticos eles podem ser definidos como compostos ou misturas de compostos químicos e que através de algumas reações eles liberam uma grande quantidade de energia. E esse processo ele pode eh quando ele acontece, ele libera essa energia de forma abrupta, produzindo calor. E esse calor então ele é denominado calor de explosão. E esse material energético ele pode ser dividido em três classes. A primeira delas são os pirotécnicos, eh que podem ser, por exemplo, citados os fogos de artifício, aquelas chamas de sinalização, eh os explosivos que podem ser divididos em primários e secundários de acordo com seu poder de explosão, como, por exemplo, as granadas, aquele material TNT, eh e os propelentes que podem ser divididos em sólidos, líquidos e híbridos, que são muito usados na propulsão de foguetes. E qual é então o objetivo desse trabalho? Esse trabalho teve alguns objetivos eh para chegar no final, né, que seria analisar o resultado deles através das ferramentas de Machine Learning. A primeira então era sintetizar os dois polímeros que foram utilizados na formulação desse material energético, que seria a síntese da polialilina e da poliureia formaldeído. Após a síntese desse material, eh variar concentrações da composição do material energético, avaliando os tipos de polímero e o agente oxidante utilizado. Após esse eh essa avaliação da composição, realizar os testes de queima e avaliar o poder de queima desses materiais e com os resultados obtidos através desses testes fazer algumas análises estatísticas desses dados. E posteriormente então analisar através das ferramentas de Machine Learning para não só explorar os dados, mas ter a possibilidade de fazer algumas previsões utilizando essa ferramenta.

Outros trechos deste conteúdo