Este trabalho consiste em uma investigação sobre os efeitos das ondulações das fibras nas principais propriedades estruturais de compósitos reforçados com fibras de carbono. As ondulações das fibras são um tipo de defeito de fabricação comumente encontrado em componentes de material composto. Modelagem em elementos finitos utilizando a plataforma comercial Abaqus® foi empregada pra simular lâminas unidirecionais contendo ondulações graduais no plano da peça com forma de ondas senoidais. O máximo ângulo de desalinhamento foi tomado como único parâmetro de influência a ser analisado nas simulações. Foi realizada a geração automática dos modelos por meio do uso de scripts em linguagem paramétrica em Python. Os compósitos foram então sujeitos a condições de carregamento e de contorno no plano, com as análises sendo divididas em cargas uniaxiais normais longitudinais/transversais e biaxiais normais. O objetivo era estabelecer uma metodologia computacional eficiente para dar suporte a decisões de controle de qualidade. Os resultados provaram que a curvatura da fibra afeta a distribuição local dos esforços, o que resulta em concentração/relaxamento das tensões originais e induz a ocorrência de tensões locais de natureza diferente das encontradas em placas sem defeito. A influência demonstrada nas propriedades efetivas de rigidez mostrou-se menos significativa que a obtida nos valores de resistência. O início da falha foi determinado por meio da aplicação do critério de falha de Hashin, que faz a distinção entre falhas ocorridas na matriz e na fibra do compósito. Foi observada uma redução de resistência à medida que se aumenta o ângulo de desalinhamento das fibras, favorecendo um modo de falha dominado pelo comportamento da matriz. Carregamentos longitudinais apresentaram maior redução na resistência comparativamente a cargas transversais. Em relação aos carreamentos biaxiais, o caso de carga tração longitudinal + compressão transversal foi o mais severamente afetado em termos de falha; o caso compressão longitudinal + tração transversal mostrou-se como o menos afetado.

A energia eólica, com sua rápida expansão global, destaca-se como uma das fontes de energia renovável de crescimento mais rápido. Com os avanços na tecnologia das turbinas eólicas, houve um aumento notável no tamanho das pás, melhorando sua eficácia na captação do vento. O setor da energia eólica está ativamente explorando tecnologias inovadoras de inspeção para mitigar riscos humanos e minimizar custos. Com os avanços em robótica e técnicas de inspeção, algoritmos de aprendizado automática e inteligência artificial estão sendo desenvolvidos para automatizar e processar eficientemente grandes volumes de dados, reduzindo custos e riscos de segurança relacionados ao perigoso trabalho humano necessário para inspecionar as pás das turbinas eólicas. Em linha com esse objetivo, a presente dissertação de mestrado visa desenvolver e/ou melhorar uma ferramenta de inteligência artificial capaz de processar e detetar defeitos em imagens RGB das pás de turbinas eólicas. Conclui-se que as redes neurais convolucionais se destacam no processo de classificação de imagens em grande escala. Consequentemente, um modelo de rede neural convolucional é proposto e posteriormente treinado. Três diferentes técnicas de treino são exploradas e comparadas na capacidade de previsão geral do modelo final. Apesar do desempenho promissor para bancos de dados mais volumosos, o modelo não conseguiu treinar efetivamente no conjunto de dados de danos das pás de turbina disponível, principalmente devido ao tamanho limitado do banco de dados. Uma tentativa subsequente de desenvolver outra arquitetura CNN adaptada para bancos de dados menores também produziu resultados insatisfatórios.