Vibrações Aleatórias - Azevedo PDF

Vibraes Aleatrias
Dinmica Estocstica
Apontamentos da Disciplina de Dinmica e Engenharia
Ssmica

Mestrado em Engenharia de Estruturas

Instituto Superior Tcnico

Joo J. R. T. de Azevedo

1996

NDICE Pg.

1 - Introduo 1
1.1 Conceito de vibrao aleatria 1
1.2 Processos determinsticos e estocsticos 2
1.3 Classificao de processos determinsticos e estocsticos 4
1.4 Estatstica de processos 10
2 - Correlao de processos 15
2.1 Correlao de variveis 15
2.2 Funo de autocorrelao 18
2.3 Correlao cruzada 21
3 - Densidade espectral 23
3.1 Noo de densidade espectral 23
3.2 Densidade espectral de processos derivados 28
3.3 Densidade espectral terica e experimental 30
4 - Relaes excitao-resposta para sistemas lineares 31
4.1 Introduo 31
4.2 Procedimento clssico de anlise de relaes
excitao-resposta 32
4.3 Mtodo da resposta impulsiva 36
4.4 Relao entre H() e h(t) 37
4.5 Transmisso de vibraes 38
5 - Estatstica de processos de banda estreita 47
5.1 Introduo 47
5.2 Caracterizao de processos 49
6 - Bibliografia 61
Anexo I Tabelas de integrais para clculo de valor quadrtico mdio 63

Vibraes Aleatrias. Dinmica Estocstica IST
1

1. Introduo

1.1 Conceito de vibrao aleatria
O estudo de vibraes aleatrias, est intimamente ligado ao estudo de
processos estocsticos em que os fenmenos envolvidos so do mbito da
mecnica e mais especificamente da dinmica.
Referncias como vibraes aleatrias, conjunto de valores aleatrios,
anlise de sries temporais ou processos estocsticos podem ser vrias formas
de mencionar um mesmo fenmeno. Muitas vezes, a noo de processo
estocstico serve tambm para caracterizar fenmenos aleatrios.
A palavra estocstico, normalmente sinnimo de conjectural ou de
natureza aleatria, provem do grego stokhastikos que significa habilidoso
no objectivo. Posteriormente, a palavra passou a ter o significado de
conjectura ou de tentativa de obteno um resultado, tendo sido finalmente
adoptada para descrever um fenmeno aleatrio.
O conceito matemtico dos processos estocsticos tem-se revelado
adequado para descrever alguns fenmenos fsicos, e no s. Entre estes
podem citar-se a caracterizao de rudo nas transmisses por rdio, o estudo
das ondas cerebrais, as flutuaes nos mercados das bolsas de valores. Em
engenharia civil tem sido essencialmente utilizado para proceder
caracterizao das aces ssmicas, do vento e dos seus efeitos sobre as
construes e ainda para estudar vibraes em estruturas e de forma indirecta
avaliar as suas caractersticas dinmicas.
Com efeito, em aplicaes de Engenharia Civil e especialmente em
Engenharia de Estruturas, torna-se necessrio analisar os fenmenos que
causam vibraes em construes, quer por poderem influenciar a segurana
estrutural, quer por poderem causar desconforto aos utentes dessas
construes. Entre as aces que provocam vibraes em construes, podem
citar-se a aco ssmica, o vento, as exploses, o funcionamento de mquinas,
o trfego rodovirio e ferrovirio e at o movimento de pessoas.
2
A aco ssmica sem dvida a mais importante do conjunto atrs
enunciado, j que, pelo menos em muitas zonas do globo e tambm em
Portugal, condiciona o dimensionamento estrutural. No entanto outros tipos
de aces de caractersticas aleatrias, tais as vibraes induzidas pela
passagem de trfego pesado, pela cravao de estacas, pela ocorrncia de
exploses ainda que controladas, etc., podem tambm colocar questes de
segurana, especialmente em estruturas mais antigas, devendo portanto ser
objecto de anlise cuidada.
Finalmente, cada vez mais importante ter em conta o desconforto
humano causado por fontes de vibrao tais como o trfego urbano, o
funcionamento de mquinas e outras fontes, que tambm pela seu carcter
repetitivo podem induzir para alm do desconforto, doenas tanto do foro
psquico como fsico.

1.2 Processos determinsticos e estocsticos
O conceito de processo determinstico radica na oposio ao conceito de
processo estocstico. Suponha-se que se registam vrias vezes, e sempre
sobre as mesmas condies, as vibraes de um dado equipamento, obtendo-
se um conjunto de registos que se denomina por processo. Suponha-se ainda
que os registos obtidos (realizaes desse processo) so idnticos, quer sejam
regulares ou irregulares. Pode ento dizer-se que esse processo
determinstico (portanto no estocstico), j que as caractersticas de uma
prxima realizao desse processo so partida conhecidas.
Um exemplo de um processo determinstico um conjunto de
movimentos de um mesmo pndulo em que as condies iniciais (posio e
velocidade) sejam inequivocamente conhecidas. Nessas condies, possvel
deduzir uma expresso matemtica que traduza, inequivocamente, o
movimento do pndulo, para cada vez que o mesmo seja colocado em
movimento.
No entanto, se os registos efectuados (cada uma das realizaes do
processo) diferirem entre si, ainda que as condies sejam idnticas, ento o
processo diz-se estocstico ou de natureza aleatria. As diferenas
3
encontradas de registo para registo derivam neste caso de variabilidades
naturais e no podem ser controladas pelo observador.
Um exemplo de um processo estocstico uma sequncia de registos
ssmicos efectuados num dado local. Todos os registos sero diferentes, no
existindo, excepto de um ponto de vista estatstico, qualquer tipo de
previsibilidade relativamente s caractersticas de um dado evento.
Outro exemplo de um processo estocstico pode ser o conjunto de
vibraes medidas numa mquina em que se verifique qualquer anomalia, ou
em que as condies de trabalho impliquem que o seu funcionamento no
seja perfeitamente regular.
O conceito de imprevisibilidade est portanto associado noo de
processos estocsticos, em relao aos quais se pode dizer que a sua
previsibilidade puramente estatstica. Estes processos s podem, portanto,
ser descritos atravs da sua probabilidade de ocorrncia, ainda que sejam
funo de uma varivel determinstica. Essa varivel usualmente o tempo,
mas pode tambm ser qualquer outra.
Na realidade, poderia at afirmar-se que, de um ponto de vista formal,
no existem fenmenos estritamente determinsticos. Mesmo em relao ao
exemplo do movimento pendular, poder conjecturar-se que as condies de
fixao do pndulo no so estveis, que o movimento do ar circundante e o
consequente atrito no sero constantes ao longo do tempo, que as condies
iniciais do movimento no so exactamente as mesmas e so elas prprias
aleatrias, etc.
Deve portanto existir a convico de que todos os fenmenos tm, por
natureza, caractersticas aleatrias, embora, nalguns casos, se possa com
suficiente aproximao admitir que sejam simulados e estudados assumindo
que possuem um carcter determinstico. esse o caso em grande parte dos
fenmenos que so estudados em engenharia, nomeadamente em engenharia
civil e especificamente em engenharia de estruturas. Em muitas situaes
assumem-se determinados fenmenos como sendo determinsticos,
considerando na realidade valores estatsticos inferidos atravs da anlise dos
processos estocsticos correspondentes. Exemplos relacionados com a
engenharia de estruturas correspondem caracterizao da resistncia dos
4
materiais e quantificao dos vrios tipos de aces: sismos, vento, outras
aces variveis e at cargas permanentes.
O estudo dos fenmenos aleatrios, e especificamente das vibraes
aleatrias, que so o objectivo do presente texto, pressupe a utilizao da
teoria dos processos estocsticos, a qual por sua vez se baseia na teoria da
probabilidade.

1.3 Classificao de processos determinsticos e estocsticos
Um conjunto de valores funo da varivel tempo e representando um
fenmeno fsico, pode ser classificado, como se viu, como determinstico ou
estocstico.
Um conjunto de valores determinstico, que pode ser descrito atravs de
uma relao matemtica, pode ser classificado, de acordo com as suas
caractersticas, em peridico ou no peridico consoante os valores se
repitam aps um dado perodo de tempo.
Os fenmenos peridicos podem classificar-se em sinusoidais e no
sinusoidais. Os fenmenos sinusoidais so aqueles que podem ser descritos
atravs de funes de tipo seno ou coseno. Os peridicos no sinusoidais so
aqueles que podem ser descritos atravs de outras funes peridicas que no
as sinusoidais.
Como exemplo de fenmeno peridico sinusoidal pode citar-se a
vibrao induzida por uma mquina rotativa quando se encontra a funcionar
em regime permanente. Como exemplo de um fenmeno peridico no
sinusoidal pode referir-se a vibrao induzida por um martelo pneumtico em
que as pancadas possuem a mesma amplitude e se encontram igualmente
espaadas.
Entre os fenmenos no peridicos podem destacar-se os quase
peridicos e os transitrios. Os fenmenos quase peridicos so aqueles em
que no existindo uma periodicidade formal, podem ser analisados
considerando a existncia de um perodo. Os fenmenos determinsticos
5
transitrios so aqueles em que no possvel observar nenhuma repetio de
valores aps um dado perodo de tempo. Um exemplo de fenmeno
transitrio pode ser o das vibraes induzidas por uma mquina rotativa na
altura do seu arranque.
Um conjunto de valores que no possa ser descrito atravs de uma
relao matemtica explcita considerado como estocstico e tem a
propriedade de ser um conjunto nico.
Uma srie de registos dependentes do tempo, [x
i
(t); i=1,n], denominado
um conjunto de realizaes, considera-se um processo estocstico quando
pode ser descrito atravs de propriedades estatsticas apropriadas. Essas
propriedades estatsticas de um processo estocstico so obtidas, em geral,
fazendo mdias do conjunto considerando todos os registos. Vrias
classificaes so possveis quanto s caractersticas dessas propriedades.
Assim, os processos estocsticos podem ser classificados em
estacionrios ou no estacionrios. Os processos estacionrios so aqueles em
que as propriedades estatsticas no variam com o tempo. Os processos no
estacionrios so caracterizados por terem as suas propriedades estatsticas a
variar com o tempo e por as propriedades estatsticas conjuntas em dois
instantes diferentes serem funo desses mesmos instantes e no da sua
diferena temporal.
A classe de processos estocsticos estacionrios caracterizada pelo
facto de as suas propriedades estatsticas serem invariantes relativamente a
qualquer translao no tempo. Tambm as propriedades estatsticas conjuntas
para dois instantes diferentes, no so uma funo desses instantes mas sim
da diferena temporal. Este facto permite que as propriedades estatsticas de
processos estacionrios sejam muito mais fceis de determinar do que as de
um processo no estacionrio.
Como exemplo de um processo estacionrio pode considerar-se as
vibraes induzidas por uma mquina a trabalhar em regime permanente e
como exemplo de processo no estacionrio pode considerar-se as vibraes
induzidas por sismos.
Na Figura 1.1, ilustra-se uma realizao de um processo estocstico, que
corresponde a uma sucesso de nmeros aleatrios contidos num dado
6
intervalo, centrado em zero, e uniformemente distribudos nesse intervalo.
Como pode inferir-se do tipo de processo em causa e como pode observar-se,
o valor mdio e as outras caractersticas estatsticas mantm-se constantes ao
longo do tempo. No caso apresentado na figura, a estacionaridade pode ser
visualmente observada pelo facto de o conjunto de valores ter
simultaneamente a mdia e a envolvente a assumir valores constantes ao
longo do tempo. Dada a natureza do sinal pode portanto dizer-se que as
caractersticas estatsticas so independentes do tempo e, partindo do
princpio que todas as realizaes tero idnticas caractersticas, o processo
pode ser considerado estacionrio.

Fig. 1.1 Realizao de um processo estocstico estacionrio.

Exemplos tpicos de processos no estacionrios so os registos
ssmicos, nomeadamente os acelerogramas. Na Figura 1.2 pode observar-se
um acelerograma tpico. A no estacionaridade patente, j que as
propriedades estatsticas variam com o tempo. Embora o valor mdio do sinal
seja constante, j a envolvente, que est relacionada com os valores mximos
e com a varincia do sinal, assume diferentes valores em funo do instante
em que determinada.

t
0

t
Y(t)
7
a (m/s
2
)
Tempo (seg.)
-3
-2
-1
0
1
2
3
0 2 4 6 8 10 12 14 16 18 20

Fig. 1.2 Realizao de um processo estocstico no estacionrio Acelerograma tpico.

O conjunto que pode ser observado na Figura 1.3, constitudo por uma
srie de realizaes y
i
(t), todas elas semelhantes exibida na Figura 1.1. O
processo pode ser interpretado como um processo bidimensional ou seja,
como um processo y(i,t).
Se por um lado, se fixar um dado i=i, ento a funo y(t) para i=i
chamada uma realizao do processo e os valores que assume podem ser
definidos atravs de uma funo densidade de probabilidade.
Para um dado valor de t=t, y(i,t) uma funo do espao de
realizaes i, ou seja, y(i) para t=t uma varivel aleatria unidimensional
definida atravs de uma funo densidade de probabilidade (por exemplo o
conjunto de valores indicado para t igual a t
1
ou t
2
na Figura 1.3).
Uma subclasse dos processos estacionrios so os processos ergdicos.
Estes processos so caracterizados pelo facto de as mdias de qualquer uma
das realizaes desse processo serem iguais. Daqui resulta que as mdias
temporais de todas as realizaes so iguais s mdias de qualquer uma das
realizaes.
No caso da Figura 1.3, o processo dito um processo ergdico, j que
cada um dos sinais x
i
(t) (realizaes do processo estocstico estacionrio) tem
um valor mdio que, dadas as caractersticas das realizaes o mesmo para
todos os sinais. A estatstica de um conjunto de valores igual quer a
8
amostragem seja efectuada numa s realizao para todos os valores de t,
quer o seja para um dado valor t para todas as realizaes.
Como se pode concluir, um processo ergdico necessariamente um
processo estacionrio (o inverso no verdadeiro). Tal verifica-se porque, se
num instante genrico (na Figura 1.3 para t igual a t
1
ou t
2
), a mdia dos
valores registados para cada realizao for igual mdia dos valores
registados ao longo do tempo para cada uma das realizaes, ento a
estatstica de cada uma das realizaes no dependente do tempo.
A grande vantagem de lidar com processos ergdicos a de bastar uma
realizao do processo para se poder inferir propriedades estatsticas sobre
todo o processo.
A possibilidade de assumir a estacionaridade e a ergodicidade de
processos pois de vital importncia para a anlise de processos estocsticos.
Finalmente refira-se que, consoante o conjunto de valores de uma dada
realizao finito ou no, assim se pode classificar um processo como
discreto ou contnuo. De um ponto de vista prtico, muitos dos processos
contnuos so transformados em processos discretos, j que, pela necessidade
de digitalizar a informao obtida, se torna obrigatrio discretizar o processo
atravs de uma amostragem de valores.
Como processo estocstico contnuo pode-se por exemplo referir a
variao da temperatura ao longo de um ciclo diurno. Cada realizao do
processo corresponde assim a um registo contnuo de temperaturas durante
um dia, e o processo consiste na conjugao da informao relativa a todos os
dias em que exista um registo contnuo.
Como processo discreto pode-se referir a precipitao diria ao longo de
um ano num dado local. Nesse caso cada realizao consiste num conjunto de
365 valores referente s precipitaes dirias durante um ano e o processo
consiste no conjunto de realizaes para todos os anos em que tal informao
esteja disponvel.
9

Fig. 1.3 Mltiplas realizaes de um processo estocstico estacionrio.
t
Yi(t)
t
Y1(t)
t
Y2(t)
t
Y3(t)
t
Y4(t)
t
Y5(t)
t
Yn(t) t = t
2
t = t
1

10
1.4 Estatstica de processos
Considere-se um processo estocstico x(t), por exemplo, os valores de
acelerao medidos num acelergrafo. Num dado instante t
1
, essa acelerao
assume um valor aleatrio, que tem uma certa probabilidade de ocorrncia.
Essa probabilidade pode ser expressa em termos da funo densidade de
probabilidade ou em termos da funo cumulativa.
A funo densidade de probabilidade expressa a probabilidade do valor
registado estar contido num intervalo elementar x.
P [ x < x (t
1
) x + x] = p
x
(x;t
1
) x

(1.1)
a qual igual razo entre o perodo de tempo em que x (t) se situa entre x e
x+x e o perodo de tempo em que se procedeu ao registo do acelerograma.
A funo cumulativa define a probabilidade de o valor registado ser
inferior a um dado valor x
P [ x (t
1
) x] = F
x
(x;t
1
) = p
x
(x,t
1
)
-
x
dx

(1.2)
a qual igual razo entre o perodo de tempo em que x(t) x e o perodo de
tempo em que se procedeu ao registo do acelerograma.
Finalmente, a probabilidade de o valor de x(t) estar situado entre dois
valores x
0
e x
1
, dada pela seguinte expresso
P [ x
0
< x (t
1
) x
1
] = F
x
(x
1
;t
1
) - F
x
(x
0
;t
1
) = p
x
(x, t
1
)
x
0
x
1
dx

(1.3)
Para se compreender a caracterizao probabilstica de um processo,
atente-se ao indicado na figura 1.4.

11
Fig. 1.4 Avaliao da funo densidade de probabilidade de um processo

Nessa figura pode observar-se que os valores registados assumem, em
seis zonas do registo, valores situados no intervalo entre x e x+x. Assim
sendo, uma forma simplificada de calcular a probabilidade de os valores
registados se situarem nesse intervalo calcular o quociente entre a soma das
duraes desses intervalos e a durao total do registo.
p
x
(x) = P [ x < x (t) x +x] =
dt
1
+dt
2
+ dt
3
+dt
4
+dt
5
+dt
6
T

(1.4)
Suponha-se que se pretende calcular a funo densidade de
probabilidade da histria de deslocamentos descrita pela funo peridica
(perodo T)
x (t)
2t
T

t
2
T
2

(1.5)
cuja representao grfica efectuada na figura 1.5, para o intervalo
correspondente a um perodo T.

x(t)
T
x + dx
x
dt
1

dt
2

dt
3
dt
5

dt
6
dt
4

12
Fig. 1.5 Funo peridica definida para o perodo T

Nesse caso, pode-se inequivocamente calcular o valor de x em qualquer
instante e tambm determinar a funo densidade de probabilidade dos
valores de x.
Diferenciando a funo x(t) obtm-se:
dx
2
T

2t
T
2

_
,

dt

(1.6)
ou seja
dt
T

T
2(T t)

_
,
dx
(1.7)
Assim sendo, e dado que
dt
T
p
x
(x) dx

(1.8)
p
x
(x) =
T
2(T- t)

(1.9)
funo que se representa na figura 1.6.

t
X(t)
T
13

Fig. 1.6 Funo densidade probabilidade da funo peridica definida na Figura 1.5

Como pode observar-se, a probabilidade de se verificarem valores da
funo perto de zero muito menor do que a probabilidade de se obterem
valores perto da unidade.
Entre os valores estatsticos de uma funo mais relevantes podem citar-
se o valor esperado de um dado processo num dado instante e a mdia
temporal de uma dada realizao desse processo. Obviamente, no caso de
processos ergdicos estes dois valores so coincidentes.
O primeiro pode ser calculado atravs da expresso
E x(t' ) [ ] x
p
x
(x, t' ) dx - (valor esperado)

(1.10)
O segundo pode ser calculado atravs da expresso
E x(t) [ ] lim
T
1
2T
x
0
+
(t) dt - (mdia temporal)

(1.11)
Outros parmetros estatsticos que interessa determinar so o valor
quadrtico mdio e a varincia.
O valor quadrtico mdio, o valor mdio ou esperado de x
2
e pode ser
calculado atravs da expresso
x
p(x)
14
E x
2
[ ] x
2

p
x
(x) dx

(1.12)
A varincia, por seu lado, pode ser calculada atravs da expresso
2
E (x E[x])
2
[ ]
(x E[x])
2

p
x
(x) dx

(1.13)
e representa o valor mdio do quadrado do desvio de x em relao ao seu
valor mdio. O valor da raiz quadrada da varincia denominado desvio
padro ().
A expresso (1.13) pode ser simplificada como se segue
2
E (x E[x])
2

1
]
E x
2
[ ]
2E[x]E[x] + (E[x])
2
E x
2
[ ]
(E[x])
2

(1.14)
o que significa que a varincia igual diferena entre o valor quadrtico
mdio e o quadrado do valor mdio.
A seguinte expresso
E x
n
[ ]
x
n

p
x
(x) dx

(1.15)
permite calcular os momentos de ordem superior (neste caso o momento de
ordem n) que so por vezes importantes para caracterizar estatisticamente um
dado processo. Para n=1 estaremos perante o valor esperado e para n=2
perante o valor quadrtico mdio.
Uma das funes densidade de probabilidade que frequentemente
utilizada para caracterizar um dado fenmeno, a funo densidade
probabilidade correspondente a uma distribuio normal ou Gaussiana.
A expresso que caracteriza essa distribuio
p
x
(x) =
1
2
e

(xm)
2
2
2

(1.16)
em que m e so respectivamente a mdia e o desvio padro do processo.

15
2. Correlao de processos

2.1 Correlao de variveis
Considerem-se a Figura 2.1 onde esto representadas duas sries de
pontos com coordenadas x e y.
Uma simples inspeco dos grficos permite ver que no existe qualquer
correlao entre os valores de x e y do grfico da Figura 2.1a, enquanto existe
uma grande correlao entre os valores representados na Figura 2.1b.

a) Valores no correlacionados b) Valores correlacionados
Fig. 2.1 Correlao entre variveis

Supondo que as mdias dos valores de x e de y so nulas,
desejavelmente, seria interessante poder correlacionar ambos os valores
atravs de uma recta que passe na origem e que fornea uma estimativa de y.
y ax

(2.1)

X
Y
X
Y
16
Nesse caso, os desvios de qualquer ponto a essa recta poderiam ser
determinados atravs de
e y y y ax

(2.2)
e o erro quadrtico mdio, cometido ao considerar a recta interpoladora ser
E e
2
[ ]
E (yax)
2
[ ]
E y
2
[ ]
2aE xy [ ]+a
2
E x
2
[ ]

(2.3)
Qual nesse caso o valor de a que minimiza o erro quadrtico mdio?
A resposta pode ser obtida considerando a condio
dE e
2
[ ]
da
0 2E xy [ ]+2aE x
2
[ ]

(2.4)
Assim o valor de a que minimiza o erro
a
E xy [ ]
E x
2
[ ]

(2.5)
e y pode ser melhor estimado atravs de
y
E xy [ ]
E x
2
[ ]
x

(2.6)
Caso os valores mdios de x e de y no sejam nulos, poderia deduzir-se que
(y m
y
)
E (x m
x
)(y m
y
)
[ ]
y

;

'

(x m
x
)
x

(2.7)
em que m
x
e m
y
so respectivamente os valores esperados de x e y.
V-se assim que o desvio de y relativamente sua mdia, normalizado
ao seu desvio padro, pode ser correlacionado com similar valor de x, atravs
de um coeficiente que denominado coeficiente de correlao e que se pode
calcular atravs de

17

E (x m
x
)(y m
y
)
[ ]
y
coeficiente de correlao

(2.8)
Nos casos em que existe uma correlao perfeita entre y e x, o
coeficiente toma um valor igual a 1, sendo que quando =1 os valores
correspondentes de x e y tm o mesmo sinal e quando = -1 os valores
correspondentes tm sinal contrrio.
Como exemplo de determinao de coeficiente de correlao,
considerem-se dois sinais sinusoidais, com amplitudes constantes e a mesma
frequncia, mas com diferentes fases.
x (t) x
0
sent
y (t) y
0
sen(t +)

(2.9)
Qual a correlao entre esses dois sinais? Se forem obtidos pares de
valores x e y em determinados instantes, possvel determinar o coeficiente
de correlao entre esses valores, podendo para isso observar-se o que se
passa num perodo T=2/.
Dado os sinais serem sinusoidais pode verificar-se que m
x
= m
y
= 0 e
poderia demonstrar-se que
x
2
= x
0
2
/2 e que
y
2
= y
0
2
/2. Nesse caso, pode-se
determinar o coeficiente de correlao, usando a equao (2.8), calculando
E (x
0
sent
0
)(y
0
sen(t
0
+)) [ ]
x
0
y
0
/ 2

+
x
0
y
0
sen(t
0
)sen(t
0
+)p(t
0
)dt
0
x
0
y
0
/ 2

(2.10)
Considerando apenas um intervalo de tempo correspondente ao um
perodo T e dado que p(t
0
) uniforme nesse intervalo e igual a /2, resulta
que
18

x
0
y
0

2
x
0
y
0
2
0
2
sen(t
0
)sen(t
0
+)dt
0

0
2
sen
2
(t
0
)cos()+ sen(t
0
)cos(t
0
)sen dt
0

0
2
sen
2
(t
0
)cos() cos

(2.11)
Resulta do obtido, que a correlao entre os dois sinais mxima
quando a desfasagem entre os dois sinais nula (=0 ou 2 ) ou quando os
sinais esto totalmente desfasados (=), e mnima para =/2 ou 3/2.

2.2 Funo de autocorrelao

A funo de autocorrelao de um processo estocstico definida como
o valor esperado (ou mdia para todas as realizaes do processo) do produto
{x(t).x(t+)}. Para obter essa funo, obtm-se o valor de cada registo num
dado instante t e outra vez num dado instante t+. Seguidamente calcula-se,
para cada uma das realizaes do processo, o produto desses dois valores (em
funo de ). Finalmente obtm-se (tambm em funo de ) a mdia desses
produtos para todas as realizaes do processo. A funo assim obtida
geralmente funo das variveis t e , mas, caso o processo seja estacionrio,
no depende do instante t, e denominada R
x
().
R
x
() E x(t) x(t +) [ ]

(2.12)
A Figura 1.3 ilustra tambm a forma como um valor especfico da
funo de autocorrelao (para um dado valor de ) pode ser obtido.
Multiplicando, para cada realizao, o valor da funo para t=t
1
pelo valor da
mesma funo para t=t
2
, e fazendo a mdia para todas as realizaes, obter-
se-ia o valor da funo de autocorrelao para =(t
2
-t
1
). Repetindo este
processo para diferentes valores de , a funo de autocorrelao seria
determinada.
19
No caso de os processos serem estacionrios, a mdia e a varincia do
sinal so invariantes com o tempo e assim, o coeficiente de autocorrelao
(ver equao 2.8) pode ser definido como
E (x(t) m)(x(t + ) m)
[ ]
2

E x(t)x(t +)
[ ] mE x(t + )
[ ]mE x(t)
[ ]+m
2
2

(2.13)
Dado que a mdia invariante com o tempo, a equao (2.13) resulta
em
E x(t)x(t + )
[ ]
m
2
m
2
+ m
2
2

R
x
()m
2
2

(2.14)
ou seja
R
x
()
2
+m
2

(2.15)
Como o coeficiente de correlao varia entre 1 e 1, daqui resulta que a
funo de autocorrelao tambm est limitada entre dois valores
2
+ m
2
R
x
( )
2
+m
2

(2.16)
Para =0
R
x
(0) E x(t)x(t +0) [ ] E x
2
(t)
[ ]
2
+ m
2

(2.17)
e o valor da funo de autocorrelao no mais do que o valor quadrtico
mdio, igual soma da varincia com o quadrado da mdia.
Para = , o coeficiente de autocorrelao igual a zero, pois no
haver correlao entre os sinais e da resulta que
R
x
( ) m
2

(2.18)
ou seja, o valor da funo de autocorrelao igual ao quadrado da mdia.

20
Uma outra propriedade da funo de autocorrelao para processos
estacionrios, a de ser uma funo par, j que, dado que o valor esperado
no varia com o tempo
R
x
( ) E x(t) x(t +)
[ ] E x(t ) x(t)
[ ] R
x
( )

(2.19)
Na figura 2.2, apresenta-se uma funo de autocorrelao tpica de um
processo estacionrio, indicando-se os seus valores mximo e assimptticos
para = .

Fig. 2.2 Caractersticas da funo de autocorrelao

A funo de autocorrelao contm, como se pode observar, toda a
informao estatstica relevante sobre o processo. Para alm disso, permite
conhecer como que os valores variam com o tempo e como que se
interrelacionam entre si. portanto uma forma alternativa de descrio dos
processos, com grande utilidade na avaliao estatstica dos mesmos.

Mximo = + m
2
2
m
2
R()

21
2.3 Correlao cruzada
A funo de correlao cruzada para duas variveis x e y definida
como o valor esperado do produto de x(t) y(t+) ou y(t) x(t+).
R
xy
( ) E x(t) y(t + )
[ ]
R
yx
( ) E y(t) x(t + ) [ ]

(2.20)
Pode demonstrar-se que estas funes no so iguais e no so funes
pares.
Na verdade, se ambos os processos forem estacionrios
R
xy
( ) E x(t) y(t +)
[ ]
= E y(t) x(t )
[ ]
= R
yx
( )

(2.21)
Demonstrar-se-ia da mesma forma que
R
yx
() R
xy
( )

(2.22)
Finalmente pode dizer-se que as funes de correlao cruzada so
funes contidas dentro de limites, sendo possvel provar que
y
+ m
x
m
y
R
xy
( )
x
y
+m
x
m
y

(2.23)
e que tendem assimptoticamente para (m
x
m
y
) quando tende para infinito.
22
23
3. Densidade espectral

3.1 Noo de densidade espectral
Considere-se uma realizao de um processo x(t). Note-se que a
condio
x(t) dt
<

(3.1)
que a condio necessria para que se possa encontrar a transformada de
Fourier de uma funo, no pode ser satisfeita, dado que tal requereria que
x(t) tendesse para zero para = .
Por outro lado, sabe-se que, se um processo tem mdia nula, a funo de
autocorrelao tende para zero para t= .
Ento, se um determinado processo estocstico estacionrio e tem
mdia nula pode dizer-se que
R
x
()d
<

(3.2)
Nesse caso pode determinar-se a transformada de Fourier da funo de
autocorrelao atravs da expresso
S
x
()
1
2
R
x
( )e
i
d

(3.3)
sendo a transformada inversa calculada pela expresso
R
x
( ) S
x
()e
i
d

(3.4)
S
x
() , a transformada de Fourier da funo de autocorrelao
denominada a densidade espectral do processo x(t). A densidade espectral ,
portanto, a transposio da funo de autocorrelao (e indirectamente do
sinal em questo) para o domnio da frequncia, com a particularidade de as
suas unidades serem unidades iguais ao quadrado das unidades do sinal, por
unidade de frequncia.
24
Com efeito, relembrando que R
x
(0) = E[x
2
] e notando que
R
x
(0) S
x
() 1 d

(3.5)
pode-se concluir que
S
x
() d
E x
2
[ ]

(3.6)
ou seja que a rea sob a curva que representa a funo densidade espectral
igual ao valor quadrtico mdio do processo. Dado que a funo densidade
espectral definida no domnio da frequncia conclui-se que as suas
unidades so unidades iguais ao quadrado das unidades de x(t) por unidade
de frequncia. Dessa forma, supondo por exemplo, que o sinal que se analisa
uma acelerao, as unidades da densidade espectral sero em (m
2
s
-4
/ s
-1
) ou
seja (m
2
s
-3
).
Nesse caso, de o sinal em causa ser um registo de aceleraes, por
exemplo um acelerograma, a densidade espectral costuma ser designada por
densidade espectral de potncia, ou vulgarmente espectro de potncia.
A razo dessa denominao resulta das unidades da funo densidade
espectral serem nesse caso aceleraes
2
por unidade de frequncia que,
considerando o produto por uma massa unitria, so unidades de potncia
(FLT
-1
). Por essa razo ainda, vulgar referir-se que a funo densidade
espectral de potncia contm a informao sobre a energia de um sinal
ssmico. Na verdade, para se poder obter a energia, haveria que multiplicar
essa potncia por um intervalo de tempo e admitir que essa potncia era
constante durante esse intervalo, o que s seria verdadeiro se o sinal em causa
fosse um sinal estacionrio.
Para um dado intervalo de frequncia (), a rea sob a funo S()
representa a potncia associada frequncia central desse intervalo. Este
facto permite que, a partir da funo densidade espectral, seja possvel
reconstituir, do ponto de vista estatstico, um dado sinal, desde que seja
possvel admitir a estacionaridade do processo. Um dos mtodos para a
gerao de acelerogramas artificiais a partir de espectros de potncia recorre
a este facto.
25
Entre as principais caractersticas da funo densidade espectral esto,
para alm da j enunciada de a rea sob a sua curva ser igual ao valor
quadrtico mdio do processo, a de ser uma funo real, par e no negativa.
Como se viu, se se imaginar que um sinal estocstico estacionrio pode
decompor-se no somatrio de um nmero infinito de sinais com frequncias
espaadas de , pode dizer-se que a densidade espectral , para cada
intervalo de frequncia , a potncia associada com esse intervalo de
frequncia.
Como exemplo, atente-se na seguinte densidade espectral ilustrada na
Figura 3.1.
Fig. 3.1 Densidade espectral de um processo de banda estreita

O valor quadrtico mdio e a funo de autocorrelao podem ser
determinados como se segue
E x
2
[ ] rea debaixo de S
x
() S
x
() d
2S
0
(
2

1
)

(3.7)
R
x
( ) S
x
()
e
i
d S
x
()
cos(t) +i sen(t)
[ ]
d
S
x
()
cos(t) d + i S
x
()
sen(t) d

(3.8)

-
2
-
1

2
1
S
0
S ( )
x

0 0
26
O segundo termo da expresso anterior nulo, j que sendo S
x
() uma
funo par e o seno uma funo impar, o produto uma funo impar cujo
integral nulo. Assim sendo, a expresso 3.8 resulta em
R
x
( ) 2S
0
cos( )
d
2S
0
sen(
2
) sen(
1
)
[ ]
4S
0
cos(
2
+
1
2
)sen(
2

1
2
)

(3.9)
Esta funo tem um andamento semelhante ao da apresentada na Figura
2.2.
A funo densidade espectral representada na Figura 3.1 corresponde a
um processo dito de banda estreita. Um processo de banda estreita um
processo que recebe contribuio de componentes (sinais sinusoidais) com
frequncias contidas numa zona limitada do espectro, no caso da Figura 3.1
frequncias situadas numa zona espectral limitada, j que
1

2
.
Na figura 3.2 pode ser visualizada uma realizao do processo que tem a
densidade espectral semelhante constante da Figura 3.1 Como pode ser
visto, este processo um processo de banda estreita, j que o sinal tem
nitidamente uma frequncia predominante
Fig. 3.2 Realizao de um processo de banda estreita

t
x(t)
27
Na Figura 3.3 mostra-se a densidade espectral de um processo de banda larga.
Neste caso, as duas frequncias extremas do intervalo so consideravelmente
diferentes uma da outra.
Fig. 3.3 Densidade espectral de um processo de banda larga

Uma realizao deste processo de banda larga pode ser visualizada na
Figura 3.4. Como se pode ver, este processo um processo de banda larga, j
que o sinal tem nitidamente uma contribuio de vrias frequncias.

Fig. 3.4 Realizao de um processo de banda larga

t
x(t)
S ( )
-
2
-
1

2
1
S
0
x

0 0
28
Um processo de banda larga que interessa conhecer o chamado rudo
branco (white noise), que caracterizado por ter igual contribuio em
todas as frequncias, pelo que a sua densidade espectral tem um valor
constante entre - e +. Note-se que este tipo de processo meramente
terico, j que o seu valor quadrtico mdio (rea debaixo da linha definidora
da densidade espectral) infinito. No entanto, o conceito pode, como se ver,
ser por vezes utilizado para inferir caractersticas da resposta de sistemas a
processos de banda larga.
Poderia mostrar-se que a transformada de Fourier de um processo de
rudo branco com amplitude S
0
, uma funo de Dirac centrada na origem e
com uma rea igual a 2S
0
. Tal significa que a respectiva funo de
autocorrelao pode ser escrita como
R
x
( ) 2S
0
( )

(3.10)
e que, dado o nmero infinito de frequncias que contribuem para o sinal, no
existe correlao do sinal com ele prprio, excepto para =0, quando a
correlao efectuada com o valor do sinal no prprio instante, ou seja com o
prprio valor.
3.2 Densidade Espectral de Processos Derivados
Um processo derivado pode definir-se como um processo que pode ser
descrito atravs de outro por derivao deste. Um exemplo de um processo
derivado um processo relativo a velocidades ou aceleraes que pode ser
inferido atravs do correspondente processo relativo a deslocamentos.
Quais so ento as caractersticas de um processo derivado que podem
ser inferidas ou derivadas do processo original?
Tal como foi j visto, a funo de autocorrelao definida como
R
x
( ) E x(t) x(t + ) [ ]

(2.12 rep.)
e a mdia para o conjunto das realizaes
R
x
( )
1
N
n1
N
x
n
(t) x
n
(t + )
[ ]

(3.11)
29
Como se pode ento obter a funo de autocorrelao de processos
derivados?
Diferenciando a equao (3.11) termo a termo, em relao a , e
assumindo estacionaridade, obtm-se
( ) [ ] [ ]
[ ] [ ] ) ( ) ( ) ( ) (
) ( ) ( ) ( ) ( ) (
1 1
1 1

t x t x E t x t x E
t x t x t x t x
d
d
x
R
d
d
n n
N
n
n n
N
n
N N
& &
&

+
+ +

(3.12)
Se a expresso (3.12) for novamente diferenciada em relao a , obtm-
se por sua vez
( ) [ ] [ ]
[ ] ) (
1 1

) ( ) (
) ( ) ( ) ( ) ( ) (
1 1
2
2

x
N
n
N
n
R
N N
t x t x E
t x t x t x t x
d
d
x
R
d
d
&
& &
& & &

(3.13)
Por outro lado, da relao entre a funo de autocorrelao e a
densidade espectral pode concluir-se que
d
d
R
x
( )
( )
S
x
() i e
i
d
d
2
d
2
R
x
( )
( )

2
S
x
() e
i
d

(3.14)
Juntando os resultados das equaes (3.13) e (3.14) pode ento concluir-
se que

+

+

d e S d e S R
i
x
i
x x
) ( ) ( ) (
2
& &

(3.15)
Tal permite concluir que
S
x
()
2
S
x
()

(3.16)
[ ] d S d S x E
x x
) ( ) (
2 2

+

+

&
&

(3.17)

30
) ( ) (
4

x x
S S
& &

(3.18)
[ ] d S d S x E
x x
) ( ) (
4 2

+

+

& &
& &

(3.19)

3.3 Densidade espectral terica e experimental
Sempre que se torna necessrio determinar experimentalmente uma
densidade espectral, tona-se necessrio utilizar limites diferentes dos atrs
enunciados e, muitas das vezes expressar a frequncia em outras unidades
(Hertz em vez de radianos por segundo).
Com efeito, nas definies atrs efectuadas, considerou-se que a funo
era definida no intervalo [-;+] e que a unidade de frequncia era expressa
em radianos por segundo.
De um ponto de vista prtico, interessa considerar uma funo que seja
definida para frequncias positivas e com as unidades expressas em Hertz
(Hz).
Essa nova funo que se denominar W(f) pode ser relacionada com
S() tendo em conta que o seu integral deve continuar a ser o valor
quadrtico mdio
E x
2
[ ]
S
x
()d
0
+
W
x
( f )df
(3.20)
Considerando a igualdade das reas e a relao =2f, pode dizer-se
que
W
x
( f )df W
x
( f )
d
2
2S
x
()d

(3.21)
de onde resulta que
W
x
( f ) 4 S
x
()

(3.22)

31

4. Relaes excitao-resposta para sistemas lineares

4.1 Introduo
Um dos principais objectivos do estudo de processos estocsticos
aplicados a vibraes em estruturas o de conseguir caracterizar a resposta
de um sistema estrutural, atravs do conhecimento das caractersticas desse
sistema e das caractersticas das aces que sobre ele actuam.
No estudo que seguidamente se apresenta, considera-se que os sistemas
em anlise tm comportamento fsica e geometricamente linear e invarivel
com o tempo.
Considerar-se- ainda, que o sistema pode ser actuado por excitaes
singulares ou mltiplas, prevendo-se a possibilidade de analisar uma ou mais
respostas.
Na figura 4.1 apresenta-se um esquema das relaes que se pretendem
estudar, em que o sistema estrutural idealizado como um filtro, pelo qual as
excitaes so convertidas em respostas estruturais.

Fig. 4.1 Relaes excitao-resposta para sistemas lineares.
x1(t)
x2(t)
x3(t)
xn(t)
y1(t)
y2(t)
y3(t)
yn(t)
Sistema linear
invariante
com o tempo
Excitao
(Input)
Resposta
(Output)
32
De um ponto de vista prtico, pode-se idealizar uma situao em que um
sistema estrutural actuado por uma ou mais excitaes, tais como sismo,
vento, vibraes induzidas pelo trfego, etc. e a sua resposta a cada uma
destas aces pode ser analisada em vrios locais de uma estrutura e em
termos de diversas grandezas, como aceleraes, velocidades, deslocamentos,
esforos internos, etc.
Nesse caso, cada resposta estrutural (por exemplo deslocamento num
dado grau de liberdade) pode ser relacionado com uma dada excitao (por
exemplo uma fora aplicada noutro grau de liberdade) atravs de leis que se
pretendem conhecer.
O que se analisar de seguida so as formas como, conhecida a
excitao e as caractersticas do sistema linear, pode ser conhecida a resposta,
ou, como conhecida a resposta e as caractersticas do sistema, pode ser
inferida a excitao.
As tcnicas que sero descritas tm ainda aplicao na identificao
dinmica de sistemas estruturais ou seja, atravs do conhecimento da
excitao e da resposta proceder determinao das caractersticas do
sistema. Como se ver depois, tal permitir, por exemplo, determinar as
frequncias prprias de um edifcio, a partir dos registos da resposta
estrutural a uma dada aco para a qual sejam tambm conhecidas as
caractersticas.

4.2 Procedimento clssico de anlise de relaes excitao-resposta
Imagine-se um sistema estrutural composto por um sistema de um grau
de liberdade, tal como representado na Figura 4.2.
Fig. 4.2 Sistema de um grau de liberdade
c
k
m
F (t)
x (t)
x (t)
s
33
Imagine-se ainda que o sistema sujeito a uma fora exterior F(t) ou a
um movimento do seu apoio, x
s
(t).
As equaes de movimento para cada uma das situaes atrs descritas
so
) (t F kx x c x m + + & & &

(4.1a)
s r s r r r
x x x com x m kx x c x m + + & & & & &

(4.1b)
As equaes (4.1a) e (4.1b) so equaes diferenciais lineares, que
permitem determinar x(t), conhecidas as condies iniciais do movimento e
as excitaes F(t) ou x
s
(t). No entanto, no caso de se estar perante uma
excitao aleatria, a resoluo da equao no ser em princpio possvel, j
que a excitao no pode ser expressa atravs de uma equao matemtica.
Considerem-se ento as equaes (4.1a) e (4.1b) rescritas sob a forma
) ( 2
2 2
t f p x p x p x + + & & &

(4.2)
em que
) 2 . 4 ( ) (
) 1 . 4 (
) (
) (
2
2
2
equao na
p
x
t f
equao na
k
t F
t f
m
k
p
km
c
s
& &

Suponha-se que f(t) pode ser escrito sobre a forma
f (t) f
0
sen(t)

(4.3)

34
Ento, a funo
x(t) x
0
sen(t )

(4.4)
descreve a resposta do sistema, em que x
0
e so respectivamente a
amplitude e a fase da resposta.
Define-se funo de transferncia como a razo entre a amplitude do
movimento e a amplitude da fora e a desfasagem entre a excitao e a
resposta a qual define as caractersticas do sistema para uma dada frequncia
. Nesse caso, em vez de se pensar na razo de amplitudes e na fase como
duas entidades separadas, pode usar-se uma varivel complexa que represente
ambas as quantidades.
A funo de transferncia, definida no domnio da frequncia, que
estabelece a relao entre a excitao e a resposta, vulgarmente designada
por H().
Para determinar essa funo considere-se que a expresso (4.3) rescrita
da seguinte forma:
f (t) f
0
sen(t ) f
0
Im{e
i t
}

(4.5)
designando Im a parte imaginria de.
Nessas condies
x(t ) f
0
Im{H()e
i t
}

(4.6a)
} ) ( { ) (
0
t i
e i H Im f t x

&

(4.6b)
} ) ( { ) (
2
0
t i
e H Im f t x

& &

(4.6c)
Substituindo as equaes (4.5), (4.6a), (4.6b) e (4.6c) na equao (4.2)
obtm-se
} { } ) ( {
} ) ( { 2 } ) ( {
0
2
0
2
0
2
0
t i t i
t i t i
e Im f p e H Im f p
e i H Im f p e H Im f

+
+

(4.7a)
35
Rescrevendo esta equao retirando a referncia parte imaginria, mas
sempre tendo em conta que a soluo para x(t) ainda a parte imaginria,
obtm-se a seguinte equao
f
0
H()
2
e
i t
+ 2pf
0
H() i e
i t
+ p
2
f
0
H() e
i t
p
2
f
0
e
i t
(4.7b)
Por sua vez, cancelando os termos f
0
e
it
em ambos os lados da equao
(4.7b) resulta
2 2 2
) ( ) ( 2 ) ( p H p i pH H + +

(4.7c)
de onde se pode concluir que
H()
p
2
2
+2ip + p
2

(4.8)
A equao (4.8) pode ser escrita sob a forma A() - i B()
H()
1

p

_
,

2

'

;

i 2

p

_
,

'

;

1

p

_
,

2

'

;

2
+ 2

p

_
,

'

;

2

(4.9)
A magnitude e a fase da funo transferncia H() so ento
) ( ) ( ) (
2 2
B A H +

(4.10)
,
_
) (
) (
arctan
A
B

(4.11)
Como se ver, para alm de permitir calcular a amplitude e a fase da
resposta, a funo H() ir permitir calcular as caractersticas da densidade
espectral de uma resposta y() conhecida a densidade espectral de uma
excitao x().

36
4.3 Mtodo da resposta impulsiva
Enquanto a funo de transferncia permite determinar a resposta de um
sistema linear no domnio da frequncia, ou seja quando a varivel
independente a frequncia, o mtodo da resposta impulsiva permite efectuar
essa determinao no domnio do tempo.
Um impulso definido como uma perturbao instantnea de um
sistema, da qual resulta uma resposta transitria. Este impulso normalmente
representado atravs de uma funo de Dirac, tal que
x(t) I (t
0
)

(4.12)
I Magnitude do impulso

(4.13)
(t
0
)
para t t
0
0 para t t
0

'

(4.14)
(t)
dt 1

(4.15)
em que I tem unidades de (fora x tempo).
Se I tiver um valor unitrio, a resposta designada por funo de
transferncia a um impulso unitrio.
No caso de a excitao ser uma funo contnua no tempo, a resposta em
qualquer instante t, pode ser calculada como a soma das respostas a uma
srie de impulsos que tenham ocorrido anteriormente, sendo no limite o
integral a que se chama o integral de convoluo
y(t) x()
h(t ) d

(4.16)
em que h(t-) a o valor da resposta no instante t, a um impulso unitrio
aplicado no instante , utilizado por exemplo no integral de Duhamel, e
que pode ser calculado atravs de
( ) ( )

t p sen
mp
e
t h
t p
2
2
) (
1
1
) (

(4.17)
37
4.4 Relao entre H() e h(t)
J que tanto a funo H() como a funo h(t) permitem determinar a
relao entre uma excitao e a correspondente resposta, deve ser possvel
estabelecer-se uma relao entre elas.
Atente-se que sendo a excitao x(t) um impulso unitrio (t), e a
resposta y(t) a funo h(t), pode mostrar-se que as transformadas de Fourier
de x(t) e y(t), respectivamente X() e Y(), podem ser obtidas da seguinte
forma
X()
1
2
x(t) e
i t
dt

1
2
(t) e
i t
dt
1
2
(t) cos(t)dt
i
1
2
(t) sen(t)dt

1
2
Y()
1
2
y(t) e
i t
dt

1
2
h(t) e
i t
dt

(4.18a)

(4.18b)
Tendo em conta que
Y() H() X()

(4.19)
pode demonstrar-se que H() e h(t) esto relacionados como se segue
H() h(t) e
i t
dt

(4.20)
e consequentemente
h(t)
1
2
H() e
i t
d

(4.21)
sendo H() e h(t) um par de transformadas de Fourier.

38
4.5 Transmisso de vibraes

4.5.1 Propriedades de h(t)
Conhecendo as relaes excitao-resposta para sistemas lineares, pode-
se estudar o problema da transmisso de vibraes aleatrias, ou seja,
conhecendo as caractersticas das vibraes, determinar a natureza da
resposta de sistemas lineares.
Interessa assim examinar como determinar as caractersticas da resposta
de um sistema linear y(t) a uma excitao x(t), supondo que se conhece a
funo de transferncia a um impulso unitrio h(t).
Comece-se por analisar diferentes formas de rescrever a equao (4.16).
Com efeito, atendendo a que h(t-) a resposta no instante t para um
impulso aplicado no instante , pode concluir-se que essa funo nula
para valores de t inferiores a , ou seja, o impulso no causa qualquer
resposta antes de ser aplicado. Dada essa circunstncia, os limites do integral
da equao (4.16) podem ser alterados como se segue
y(t) x() h(t )
d

(4.22)
Por outro lado, considerando uma nova varivel =t-, que representa o
tempo que decorre entre o instante de aplicao do impulso e o instante da
medio da resposta, os limites de integrao =- e =t, transformam-se em
= e =0, e a equao (4.16) pode ser rescrita como
y(t) x(t ) h()
(d) x(t ) h()

0
d

(4.23)
que tendo em conta o facto de h()=0 para < 0, leva a que a equao possa
ser escrita como
y(t) x(t ) h()
d

(4.24)
As equaes (4.16), (4.22), (4.23) e (4.24) so assim formas alternativas
de determinar a resposta a uma excitao x(t).

39
4.5.2 Valor mdio de resposta
Considere-se um sistema sujeito a duas excitaes estacionrias x
1
(t) e
x
2
(t).
A sua resposta a essas excitaes pode ser obtida atravs de
y(t) x
1
(t ) h
1
()
d + x
2
(t ) h
2
()
d

(4.25)
Dada a estacionaridade, o valor mdio da resposta pode ser calculado por
E y(t) [ ] E x
1
[ ] h
1
()
d + E x
2
[ ] h
2
()
d

(4.26)
pelo que se conclui que y(t) tambm estacionrio.
Se se utilizar o domnio da frequncia, torna-se mais fcil calcular o valor
mdio da resposta, j que, relembrando a equao (4.20)
H( 0) h(t)
dt

(4.27)
a equao (4.26) pode ser rescrita como
[ ] [ ] [ ] ) 0 ( ) 0 (
2 2 1 1
H x E H x E y E +

(4.28)
que mostra os valores mdios da resposta e da excitao relacionados por
H(0).

4.5.3 Funo de autocorrelao e densidade espectral da resposta
A funo de autocorrelao da resposta y(t) definida como
[ ]
1
]
1
+
+
1
]
1
+
+
1
]
1
+
+
1
]
1
+
+

+

+

+

+

+

+

+

+

2 2 2 2 2 1 1 2 1 2
2 2 1 2 1 1 1 2 1 2
2 2 2 2 2 1 1 1 1 1
2 2 1 2 1 1 1 1 1 1
) ( ) ( ) ( ) (
) ( ) ( ) ( ) (
) ( ) ( ) ( ) (
) ( ) ( ) ( ) ( ) ( ) (

d t x h d t x h E
d t x h d t x h E
d t x h d t x h E
d t x h d t x h E t y t y E

(4.29)
40
Poder-se-ia demonstrar que o valor esperado do produto dos integrais da
equao (4.29) resultam na seguinte expresso para R
x
()

+

+

+

+

+

+

+

+

+
+ +
+ +
+ +
2 1 1 2 2 2 1 2
2 1 1 2 2 1 1 2
2 1 1 2 2 2 1 1
2 1 1 2 2 1 1 1
) ( ) ( ) (
) ( ) ( ) (
) ( ) ( ) (
) ( ) ( ) ( ) (
2
1 2
2 1
1

d d R h h
d d R h h
d d R h h
d d R h h R
x
x x
x x
x y

(4.30)
Por outro lado, se esta relao for expressa no domnio da frequncia, a
expresso (4.30) pode ser muito simplificada, podendo demonstrar-se que
resulta em
) ( ) ( ) ( ) ( ) ( ) (
) ( ) ( ) ( ) ( ) ( ) ( ) (
2 1 2
2 1 1
2
*
2 1
*
2
2
*
1 1
*
1

x x x
x x x y
S H H S H H
S H H S H H S
+
+ +

(4.31)
equao onde * significa conjugado de.
Esta equao pode ser rescrita para calcular a densidade espectral de
uma resposta a N excitaes (considerando S
x
i
x
i
= S
x
i
)
) ( ) ( ) ( ) (
*
1 1

j i
x x j i
N
i
N
j
y
S H H S

(4.32)
ou da resposta a uma excitao nica
) ( ) ( ) ( ) ( ) ( ) (
2
*

x x y
S H S H H S

(4.33)
ou ainda a um conjunto N de excitaes independentes (no correlacionadas)
) ( ) ( ) (
2
1

i
x i
N
i
y
S H S

(4.34)
Se se pretendesse, por exemplo, determinar o valor quadrtico mdio de
um sinal resposta, tal poderia ser efectuado a partir de
[ ]

+

d S y E
y
) (
2

(4.35)

41
o que, no caso de uma excitao simples resulta em
[ ]

+

d S H y E
x
) ( ) (
2
2

(4.36)
ou para N excitaes independentes (no correlacionadas)
[ ]

N
i
x i
d S H y E
i
1
2
2
) ( ) (

(4.37)
pois evidente que se torna muito mais simples analisar relaes
excitao-resposta no domnio da frequncia do que no domnio do tempo. A
tarefa de determinar as caractersticas de uma resposta (atravs da sua
densidade espectral) reside portanto na determinao das caractersticas da
densidade espectral da, ou das excitaes, e na determinao das
propriedades da funo H(). este ltimo objectivo que se ilustrar de
seguida.
Considere-se para o efeito o sistema de um grau de liberdade ilustrado
na Figura 4.2. Suponha-se que esse sistema actuado por uma excitao
correspondente a uma fora F(t) com contedo espectral correspondente a um
rudo branco. Nesse caso S
x
=S
0
e portanto
0
2
) ( ) ( S H S
y

(4.38)
Para determinar H(), considere-se que a excitao da forma x(t)=e
it

e que a resposta portanto y(t)=H() e
it
.
A equao de equilbrio dinmico (4.1) pode assim ser rescrita
t i t i t i t i
e e H k e H ci e H m

+ + ) ( ) ( ) (
2

(4.39)
ou

ic k m
H
+ +
2
1
) (
(4.40)

42
Pode ento calcular-se a densidade espectral, tendo em conta que
( )
2 2
2
2
0
0 2 2
1 1
) (

c m k
S
S
ic k m ic k m
S
y
+
+ + +

(4.41)
Uma vez calculada a densidade espectral, pode, por exemplo, calcular-se
o valor mdio quadrtico, o qual est relacionado com a varincia do
processo e igual a
[ ]

d S
k ic m
y E
0
2
2
2
1
+

+ +

(4.42)
e pode ser calculado, recorrendo a uma tabela de integrais (ver anexo),
resultando
[ ]
kc
S
y E
0 2

(4.43)
A densidade espectral constante da equao (4.41) apresentada na
Figura 4.3, para valores genricos de m, k e c.
Fig. 4.3 Densidade espectral da resposta de um sistema a uma excitao rudo branco

S()

43
Como pode observar-se, a funo simtrica, pelo que se poderia
analisar apenas os valores correspondentes ao eixo positivo de .
Apresenta mximos para valores de que correspondem frequncia
prpria do sistema estrutural. Da equao (4.43) pode tambm verificar-se
que o valor quadrtico mdio da resposta proporcional ao valor da
densidade espectral da excitao (S
0
) e inversamente proporcional rigidez e
ao amortecimento do sistema.
No entanto, o valor mximo, que se verifica para valores de p
aproximadamente iguais a
m
k
p

(4.44)
igual a
k c
m S
c
S
S
mx y 2
0
2 2
0
) (
(4.45)
O processo que se acaba de analisar corresponde filtragem de um
rudo branco atravs de um sistema de um grau de liberdade com frequncia
p.
Como pode verificar-se, o grfico da densidade espectral apresentado
na Figura 4.3 aproxima-se de um grfico tpico de um processo de banda
estreita, j que a maior parte da energia do sinal se centra em torno dos
valores de p e portanto numa zona limitada do espectro. pois quase
irrelevante se a excitao um rudo branco ou um processo de banda larga,
j que o sistema apenas selecciona (ou amplifica) as componentes da
excitao com frequncias prximas da sua frequncia prpria. Tal o
fenmeno da ressonncia dinmica j conhecido da dinmica clssica.
A densidade espectral do processo resposta correspondente ao caso
analisado, tem pois a forma da funo |H()|
2
, j que a densidade espectral da
resposta no mais do que a funo |H()|
2
multiplicada por uma constante.
Assim a forma da funo |H()|
2
, apresentada na Figura 4.4, exactamente a
representada na figura 4.3.
Tal sucede sempre que se analisa uma excitao que tenha
caractersticas de processo de banda larga. Por outro lado, se uma excitao
44
tem caractersticas de processo de banda estreita, a resposta ser tambm
tendencialmente um processo de banda estreita que reflectir as
caractersticas da aco e eventualmente do sistema.
Os parmetros que podem influenciar a forma da funo |H()|
2
so os
parmetros estruturais m, k e c. A relao entre m e k define o valor de para
o qual a funo apresenta o valor mximo, ou seja, no caso de sistema de um
grau de liberdade, o valor da frequncia prpria do sistema. O valor de c,
define a forma da funo, ao influenciar a abertura da curva que a
representa. Reduzidos valores de c fazem com que a funo assuma valores
elevados apenas na vizinhana prxima da frequncia prpria, ao passo que,
para maiores valores de c, ou seja para sistemas mais amortecidos, a funo
no apresenta picos to pronunciados. A influncia do amortecimento na
forma da funo |H()|
2
pode observar-se na Figura 4.4, onde o atrs descrito
facilmente visvel.

Fig. 4.4 |H()|
2
de um sistema em funo do amortecimento

Observando a Figura 4.4 pode tambm verificar-se que a resposta a uma
excitao com caractersticas de rudo branco ou de banda larga difere
consoante as caractersticas do sistema. Assim a resposta de um sistema
amortecido ser certamente um processo de banda estreita (tal como a
correspondente funo |H()|
2
, e a resposta de um sistema muito amortecido
ser certamente um processo de banda larga, tambm de acordo com a forma
da funo |H()|
2
.
|H()|
2

c = c*
c = 2 c*
45
4.5.4 - Exemplo de aplicao
Considere-se o exemplo de um sistema de um grau de liberdade
representado na Figura 4.5. O sistema um sistema sem massa, com
comportamento visco-elstico e actuado por uma excitao F(t).

Fig. 4.5 Sistema de um grau de liberdade, sem massa, com comportamento visco-elstico
A determinao da funo de transferncia do sistema pode ser
efectuada da seguinte forma:
Em primeiro lugar, importa determinar a equao de equilbrio
dinmico, a qual neste caso pode ser escrita como
x c x k
x x ck
x k
x c x k
x k t f
&
&
&
+
+
+
+
2
2
1
2
1
1 1
1
) (

(4.46)
Fazendo f(t)=f
0
e
it
e x= f
0
e
it
H(), e substituindo esses valores na
equao (4.46) resulta
) ( ) (
) ( ) (
) (
0 0 2
0 0 2
0 1 0

H e i cf H e f k
H e i f H e f ck
H e f k e f
t i t i
t i t i
t i t i
+
+

(4.47)
Cancelando, na equao anterior os termos em f
0
e
it
obtm-se
,
_
+
+
+
+
ci k
i ck
k H
H ci H k
H i H ck
H k
2
2
1
2
2
1
) (
) ( ) (
) ( ) (
) ( 1
(4.48)
pelo que
c
F(t)
x(t)
k
1
k
2
46
( )
2 1 2 1
2
) (
k k ci k k
ci k
H
+ +
+

(4.49)
Imagine-se agora que a fora F(t) corresponde a um processo
estacionrio com densidade espectral dada pela seguinte equao
,
_
2
0
2
0
1
) (
S
S
F

(4.50)
e que se pretende determinar o valor quadrtico mdio da resposta x(t).
Para tal, precisa determinar-se a densidade espectral da resposta, da
forma que se segue
( )
( )
( ) ( ) [ ]
2
2 1 0 2 1 2 1
2
2 1 0
2 2
0 0
2
2 1 2 1
2
2
0
2
0 0
2
2 1 2 1
2
2
0
2
0
2
1
1
) ( ) ( ) (
k k c k k i k k c k k
ci k
S
k k ci k k
ci k
i
S
k k ci k k
ci k S
H S S
F x
+ + + +
+
+ +
+
+
+ +
+
,
_

(4.51)
e a partir desse valor calcular
[ ]
( ) ( ) [ ]

+ + + +
+

d
k k c k k i k k c k k
ci k
S
d S x E
x
2
2 1 0 2 1 2 1
2
2 1 0
2 2
0 0
2
) (

(4.52)
o que recorrendo tabela de integrais disponvel em anexo, resulta em
[ ]
( )
( ) ( ) [ ]
'
+ + +
+ +
2 1 0 2 1 2 1 1
2 2 1 1 0 2
0 0
2
k k c k k k k k
k k k c k
S x E

(4.53)

47
5. Estatstica de processos de banda estreita

5.1 Introduo
Entre os processos estocsticos, os processos de banda estreita tm
especial interesse, j que representam grande parte dos processos que
resultam da resposta estrutural a qualquer tipo de excitao. Com efeito,
qualquer que sejam as caractersticas de uma excitao, seja ela de banda
larga ou estreita, a sua filtragem atravs de um sistema linear, resulta na
maior parte das vezes num processo de banda estreita. Para tal basta que o
sistema no seja altamente amortecido.
Por outro lado, mesmo sistemas muito amortecidos, quando actuados
por excitaes de banda estreita, originam respostas de banda estreita.
Considere-se ento um processo de banda estreita caracterizado por uma
densidade espectral com valor igual a S
0
para frequncias num intervalo
centrado em
0
e valor igual a zero em toda a restante zona do espectro, tal
como ilustrado na Figura 5.1.
Fig. 5.1 Densidade espectral de um processo de banda estreita.

Nesse caso poderia mostrar-se que a funo de autocorrelao pode ser
obtida pela seguinte expresso
0
S
0
S ( )
x

0 0

48

0 0
cos
2
4 ) (

,
_
sen
S R
y

(5.1)
Assuma-se agora que o processo Gaussiano e que portanto so
conhecidas a funo densidade de probabilidade relativa ao parmetro em
questo (suponha-se que um deslocamento) e ainda dos processos derivados
(neste caso a correspondente velocidade) e ainda a funo densidade de
probabilidade conjunta.
So portanto conhecidos, a mdia dos deslocamentos, o desvio padro
do deslocamento, os correspondentes valores de velocidades e o coeficiente
de correlao entre deslocamentos e velocidades.
A mdia do processo nula dado que
0 ) (
y y
m R

(5.2)
Relembrando que
) ( ) (
2

y y
S S
&

(5.3)
pode-se concluir que a mdia das velocidades ser tambm nula.
Por outro lado
[ ]
+

0
2 2
2 ) ( S d S y E
y y

(5.4)
[ ]
+

2
0 0
2 2 2
2 ) ( S d S y E
y y
&
&

(5.5)
Pode ainda mostrar-se que
[ ] [ ]
0 ) (
0 ) (

d S i
para R
d
d
y y E
y
y
&

(5.6)

49
pelo que
[ ]
0
y y
y y
y y E
&
&
&

(5.7)
no existindo portanto correlao entre y e a sua derivada e sendo
) ( ) ( ) ( y p y p y y p
y y y y
& &
& &

(5.8)
Assim sendo, e relembrando a equao (1.16), as distribuies dos
deslocamentos e velocidades podem ser escritas como
2
2
2
) (

2
1
= ) (
y
y
y
e
y
y p

(5.9)
2
2
2
) (

2
1
= ) (
y
y
y
e
y
y p
&
&
&
&
&

(5.10)

5.2 Caracterizao de processos
Imagine-se uma realizao de um processo de banda estreita, com
densidade espectral semelhante indicada na Figura 5.1 e com expresso no
domnio do tempo tal como representada na Figura 5.2.
Para caracterizar o processo, pode tentar-se responder a algumas
perguntas:
Quantas vezes, durante um certo perodo T, se ultrapassa um dado nvel
pr-definido y=a?
Durante quanto tempo, nesse perodo T, se ultrapassa o mesmo nvel?
Qual a distribuio estatstica dos valores mximos ou valores de pico?
Qual a frequncia com que esses valores de pico ocorrem?
50
Fig. 5.2 Realizao de um processo de banda estreita

De um ponto de vista visual, seria fcil responder s questes acima
colocadas. Como pode verificar-se, para a funo representada na Figura 5.2,
o nvel a foi ultrapassado por quatro vezes, sendo tambm fcil quantificar
o tempo durante o qual a funo se situou acima desse nvel. Ainda fcil
por exemplo verificar que ocorreram 9 mximos positivos e 9 negativos, pelo
que a frequncia de mximos seria de 18/T. J no seria possvel de uma
forma simples responder ltima questo, ou seja qual a funo densidade de
distribuio dos valores mximos.
portanto necessrio encontrar uma forma de responder de uma forma
sistemtica a essas questes, j que so questes de ordem prtica que se
podem colocar se se pretender por exemplo verificar a fiabilidade de uma
resposta estrutural, avaliando por exemplo a probabilidade de se ultrapassar
um determinado nvel representativo do colapso, ou por exemplo num
processo que possa envolver colapso por fadiga, avaliar quantos mximos se
verificam durante um dado perodo e qual a sua amplitude.

y(t)
t
y=a
T
51
5.2.1 Passagem ascendente de um dado nvel
Qual ento o nmero de vezes que ultrapassado um dado nvel a
num processo de banda estreita?
Denomine-se por n
a
+
(T), o nmero passagens ascendentes do nvel a
durante um perodo T, numa dada realizao do processo. Nesse caso, a
mdia para todo o processo, N
a
+
(T), dada por
( ) ( ) [ ] T n E T N
a a
+ +

(5.11)
Caso o processo seja estacionrio, essa mdia proporcional a T e pode
definir-se a frequncia com que se verificam passagens ascendentes de a,
v
a
+
, como
( )
T
T N
v
a
a
+
+

(5.12)
que tambm a frequncia com que a funo cruza o nvel a com derivada
positiva.
Considere-se ento um pequeno intervalo de tempo dt, durante o qual
se verifica uma passagem ascendente de a.
Se dt for suficientemente pequeno, haver uma passagem ascendente
do nvel a se, no incio do intervalo,
dt
y a
dt
dy
e a y

> <

A probabilidade de tal acontecer pode ser determinada atravs da funo
distribuio conjunta de y e da sua derivada, da seguinte forma
[ ]

,
_

0
) , ( y d dy y y p v
dt a y P
a
y
y y a
dt
durante positiva derivada com cruzar
& &
&
(5.13)
Para que se verifique uma passagem ascendente do nvel a, ter que se
verificar a seguinte condio

52
dt y a y
dt
y a
y & &

(5.14)
pelo que, o limite inferior do integral em dy na equao (5.13), y, pode ser
substitudo pelo correspondente valor, resultando
( )

,
_
,
_
0 0 0
) , ( ) , (
1
) , (
1
y d y y a p y d dt
dt
dy
y a p
dt
y d dy y y p
dt
v
y y y y
a
dt y a
y y a
& & & & & & &
& &
&
&
(5.15)
que o valor da frequncia de passagens ascendentes do nvel a, qualquer
que seja a funo densidade probabilidade conjunta de y e da sua derivada.
Supondo que o processo Gaussiano, e que no existe correlao entre
y e a sua derivada
( ) ( )
,
_

0
2 2
0 0
2
2
2
2
2
1
2
1
) ( ) ( ) , (
y d y e e
y d y y p a p y d y y a p v
y y
y
y
a
y
y y y y a
& &
& & & & & &
&
&
&
& &

(5.16)
que, resolvendo o integral, conduziria ao resultado final
2
2
2
2
1
y
a
y
y
a
e v

&

(5.17)
Um caso particular da expresso anterior (a=0) conduz ao valor da
frequncia de passagens ascendentes do nvel 0, ou seja uma indicao
aproximada da frequncia do processo. Nesse caso, esse valor aproximado
obtido atravs da expresso
y
y
v
&
2
1
0

+

(5.18)
Como exemplo de aplicao, analise-se a frequncia com que a resposta
de um sistema de um grau de liberdade ultrapassa um dado nvel a, quando
sujeito a uma excitao de caractersticas Gaussianas, tipo rudo branco com
densidade espectral S
0
.
53
Nesse caso, como se demonstrou para y (equao 4.43) e se poderia
demonstrar para a sua derivada
mc
S
e
kc
S
y y
0 2 0 2

&

pelo que
,
_
kc
S
a
a
e
m
k
v
0
2
2
2
1

(5.19)
( ) Hz. em v e rad./seg. em
+
0 0
0
0
2 2
1

+
m
k
v

(5.20)
sendo
0
a frequncia angular e resultando portanto que v
0
+
a frequncia
circular.
A equao (5.18) pode ser rescrita tendo em conta que
) 0 ( ) 0 (
2 2
y y y y
R e R
& &
&

pelo que
( )
) 0 (
) 0 (
2
1
2
2
0
y
y
R
R
v
& &
,
_

(5.21)
e, atendendo relao entre v
0
+
e
0
e relao entre R
y
() e S
y
()
d S
d S
R
R
y
y
y
y
) (
) (
) 0 (
) 0 (
2
2
0
& &

(5.22)

54
5.2.2 Distribuio dos mximos (valores de pico)
O conhecimento da estatstica dos valores mximos ou de pico
extremamente importante, j que, a maior parte das vezes, so os valores
mximos de um processo que caracterizam esse mesmo processo ou
condicionam a sua segurana.
Conhecidas as frequncias de passagem do nvel a e a frequncia de
passagem do nvel 0, torna-se possvel determinar a funo densidade de
probabilidade dos valores mximos ou de pico.
Com efeito, dado estar-se perante um processo de banda estreita e
portanto a cada ciclo corresponder um valor mximo, pode afirmar-se que
durante um certo intervalo T, ocorrero aproximadamente v
0
+
T valores
mximos positivos e v
a
+
T valores mximos superiores a a.
Assim sendo, a percentagem de ciclos que excedem a pode calcular-se
atravs de
+
+

0 0
) ( ) ( 1
v
v
da a p da a p
a
a
p
a
p

(5.23)
de onde resulta que
( )
+
+

a p
v
da
d
v
a p
0
1
) (
(5.24)
expresso geral que permite calcular a funo densidade de probabilidade dos
valores mximos ou de pico.
No caso de o processo ser Gaussiano, e tendo em conta as equaes
(5.19 e 5.20), pode afirmar-se que essa funo dada pela seguinte expresso

,
_
a para
y y
a
y
a
p
e
a
e
da
d
a p 0
2
2
2
2
2
2
2
) (

(5.25)
que conhecida como distribuio de Rayleigh e se representa na Figura 5.3.
55

Fig. 5.3 Funo densidade de distribuio de Rayleigh

Como pode observar-se na Figura 5.3, a funo tem o seu maior valor
para a=
y
, o que significa que a maioria dos valores de pico tero valores
prximos do desvio padro do processo. Existiro assim poucos valores de
pico de reduzido valor ( 0) e de elevado valor (>>
y
).
Para obter a probabilidade de um valor de pico exceder um dado valor
a, basta integrar a expresso da equao (5.25) ou utilizar a expresso da
equao (5.23) obtendo-se
1 P
p
(a)
a
y
2
e
a
2
2
y
2
da e
a
2
2
y
2

(5.26)

P
p
(a)
a
y

56
5.2.3 Frequncia de mximos
Outro aspecto importante da anlise de qualquer processo a
determinao da frequncia com que ocorrem valores mximos.
Se o processo for um processo Gaussiano de banda estreita, sabe-se que
a funo densidade de probabilidade dos valores de pico dada pela equao
(5.25). Para tal assumiu-se que a cada ciclo corresponde um valor mximo,
pelo que se pode esperar que a frequncia de mximos corresponda
frequncia do sistema em ciclos por unidade de tempo. Verifique-se at que
ponto tal assuno vlida.
Se um dado valor de y um valor mximo ou de pico, ento, ter de se
verificar dy/dt=0 e d
2
y/dt
2
<0. Consequentemente, a frequncia de
mximos ser a frequncia com que a derivada de y, dy/dt, tem ela
prpria passagens descendentes do valor 0, ou seja com derivada negativa.
Dado que para cada passagem descendente de 0 existe uma passagem
ascendente, a frequncia de mximos pode ser calculada como a frequncia
com que dy/dt, cruza o valor 0, com derivada positiva. Esse valor pode
ser calculado, por semelhana com a expresso (5.18), atravs de
y
y
y
v
&
& &
&
2
1
0

+

(5.27)
que a expresso geral para a frequncia de mximos.
Para um processo de banda estreita, tal como o ilustrado na Figura 3.1, e
fazendo =
2
-
1
e
0
= (
2
+
1
)/2, pode mostrar-se que a frequncia
de mximos obtida atravs de
[ ]
[ ]

2 2
2
2
1
) (
) (
2
1
2
1
2
1
0
2
0 0
4
0 0
2
4
2
2
0

S
S
d S
d S
y E
y E
v
y
y
y
y
y
&
& &
&
& &
&

(5.28)
que um valor igual ao da frequncia de ciclos, tal como se obteve na
equao (5.20).
Caso o processo no seja de banda estreita, pode mostrar-se que
57
[ ]
[ ]
[ ] ) (
5
2
) (
) (
3
2
) (
) ( 2 ) (
5
1
5
2 0
4 2 2
3
1
3
2 0
2 2 2
1 2 0
2 2

S d S y E
S d S y E
S d S y E
y y
y y
y y
& &
&
& &
&

e portanto a frequncia de mximos
( )
( )
3
1
3
2
5
1
5
2
0
5
3
2
1

+
y
v
&

(5.29)
diferente da frequncia de passagens ascendentes do nvel 0
( )
( )
1 2
3
1
3
2
0
3 2
1

+
y
v
(5.30)
Tal diferena deve-se ao facto de no existir necessariamente apenas um
mximo por cada passagem ascendente do nvel 0, tal como pode verificar-
se observando a Figura 5.2, onde so visveis dois picos positivos sem que se
tenha cruzado o eixo das abcissas.
Como exemplo, suponha-se um processo de banda larga em que a
frequncia inferior seja igual a 10Hz (
1
=2 x 10) e a superior igual a 20Hz
(
2
=2 x 10). Nesse caso, a frequncia central ou aparente do processo seria
15 Hz, enquanto a frequncia de passagens ascendentes do nvel 0 seria
15,3 Hz e a frequncia de mximos 16,3 Hz.

5.2.4 Valor esperado do mximo
O valor esperado do mximo valor observado num dado intervalo t,
M, pode ser obtido assumindo que tal o valor de a, para o qual, em
mdia, se verifica durante esses intervalo apenas uma passagem ascendente.
Nesse caso, usando a equao (5.17)
58
2
2
2
2 2
ln
2
1 1
2
2
y y
y
M
y
y
M
t
e
t
y

& &

(5.31)
de onde resulta
( )
+

0
2 2
ln 2
2
ln 2 v t
t
M
y
y
y
y

&

(5.32)

5.2.5 Outras caractersticas de processos
Considere-se
( ) d S
y
k
k

(5.33)
que se denominar por momento espectral de ordem k do processo e em
que, por exemplo, o momento espectral de ordem 0
0
o valor quadrtico
mdio, ou, para processos de mdia nula, a varincia de y.
Poderia demonstrar-se, tendo em conta o descrito em 3.2, que o
momento espectral de ordem k+2n o momento espectral de ordem k da
n
sima
derivada do processo, pelo que, por exemplo, o momento espectral de
ordem 2
2
o valor quadrtico mdio (ou varincia para processos de
mdia nula) da derivada de y.
Assim sendo pode usar-se essa notao para definir outras
caractersticas de processos, tais como a largura de banda, envolvente e
durao de uma excurso acima de um dado nvel.
Assim, a largura de banda de um processo, que caracteriza a disperso
da funo densidade espectral em torno da sua frequncia central, definida
como
2 0
2
1
1

b
L
(5.34)
59
podendo demonstrar-se que assume valores entre 0 e 1. A ttulo indicativo,
pode considerar-se que para processos de banda estreita 0,1 L
b
0,25 e para
processos de banda larga 0,5 L
b
1,0.
Considere-se por envolvente de um processo, o conjunto de duas curvas
simtricas, cujos valores so, em valor absoluto, sempre superiores ou iguais
aos valores da funo que traduz o processo.
Poderia demonstrar-se que o desvio padro da envolvente
env
pode
ser obtido multiplicando o desvio padro da derivada do processo pelo valor
da largura de banda.
b y env
L
&

(5.35)
No que respeita durao de uma excurso acima de um dado nvel a,
o seu valor esperado pode ser obtido atravs de
[ ] .....) 1 (
1
6
6
4
4
2
2
0
+ +
+ a a a
a
v
T E
y y y
y
a

(5.36)
e o valor esperado da durao de uma excurso da envolvente acima desse
mesmo nvel atravs de
[ ]
b
y
env
a
L a v
T E
+
0
2

(5.37)

60
61

Bibliografia

Newland D. E.; 1993; An Introduction to Random Vibration and Spectral and
Wavelet Analysis; 3 Edio, Longman, Nova Yorque.
Slnes, J., 1997; Stochastic Processes and Random Vibrations; John Wiley &
Sons, Chichester.
Clough, R. e Penzien, J., 1993; Dynamics of Structures; 2 Edio, McGraw-
Hill, Nova Yorque.
Duarte, R. T.; 1987; Dinmica de Estruturas, Apontamentos da Disciplina
de Mestrado em Engenharia de Estruturas do IST - Dinmica de Estruturas;
IST, Lisboa.
Pereira, J.; 1974; Mtodos Probabilsticos em Engenharia Ssmica,
Memria N 442; LNEC, Lisboa.
Azevedo, J. e Proena J.; 1990; Dinmica de Estruturas, Disciplina da
Licenciatura em Eng Civil do IST - Dinmica de Estruturas e Engenharia
Ssmica; IST, Lisboa.
62

63
Anexo I Tabelas de integrais para clculo de valor quadrtico mdio

A seguinte tabela, permite calcular o valor de integrais da forma
d H I
n n
2
) (

em que
( ) ( ) ( )
( ) ( ) ( )
n
n
n
n
n
A i A i A i A
B i B i B i B
H

+ + + +
+ + + +
...
...
) (
2
2
1 0
1
1
2
2
1 0

Tabela A-1 Tabela de integrais

( )
1 0
0
1
1 0
0
1
) (
A A
B
A i A
B
H I

+

n=1
2 1 0
2
0 2
2
1 0
2
2
2
1 0
1 0
2
} {
) (
A A A
B A B A
A A i A
B i B
H I
+
+
+

n=2
) (
} ) 2 ( {
) (
2 1 3 0 3 0
2
0 3 2
2
2 1 0
2
1 2 0 3 0
3
3
3
2
2
1 0
2
2
1 0
3
A A A A A A
B A A B A A B B B A A
A i A A i A
B B i B
H
I

+
+

n=3
) (
)} ( ) 2 (
) 2 ( ) ( {
) (
3 2 1 4
2
1
2
3 0 4 0
3 2 4 1
2
0 4 2 0
2
1 4 3 0
2
2 3 1 4 1 0 2 1 3 0
2
3 0
4
4
4
3
3
2
2
1 0
3
3
2
2
1 0
4
A A A A A A A A A
A A A A B A B B B A A A
B B B A A A A A A A B A
A A i A A i A
B i B B i B
H
I
+
+
+
+ +
+

n=4
2 (
)} (
)( 2 ( ) )( 2 2 (
)( 2 ( ) ( {
) (
3 2 1 4
2
3 0
2
4
2
1 5
2
2 1 5 3 2 0 5 4 1 0
2
5
2
0 5 0
4 3 2 5 4 0 5
2
2
2
4 1
2
0 5
2 4 3
2
1 4 0 5 0 4 1 5 0
2
2 3 1 4 0 5 0
0 2 1
2
3 4 2 5 0 3 2 1 5 1 0 4
2
1
2
3 0
2
4 0
5
5
5
4
4
3
3
2
2
1 0
4
4
3
3
2
2
1 0
5
A A A A A A A A A A A A A A A A A A A A A A A
A A A A A A A A A A B A
A A A B B B A A A A A A B B B B B A A
A A A A B B B A A A A A A A A A A A A B A
A i A A i A A i A
B B i B B i B
H
I
+ + + +
+ +
+ + +
+ +
+ + +
+ +

n=5

64

Vibrações Aleatórias - Azevedo PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Vibrações Aleatórias - Azevedo PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Vibraes Aleatrias

(t) dt - (mdia temporal)

Vibraes Aleatrias. Dinmica Estocstica IST

(d) x(t ) h()

Vibraes Aleatrias. Dinmica Estocstica IST

Vibraes Aleatrias. Dinmica Estocstica IST

Você também pode gostar