Escolar Documentos
Profissional Documentos
Cultura Documentos
CURITIBA
2008
ii
CURITIBA
2008
iii
iv
AGRADECIMENTOS
Agradeo a todos aqueles que me acompanharam nesta caminhada, me trouxeram
inspirao e contriburam com idias para a superao das dificuldades.
Em especial, minha esposa Denise, principal motivadora para a minha deciso em
ingressar no Doutorado em Mtodos Numricos em Engenharia da UFPR.
Ao orientador Prof. Anselmo Chaves Neto, pela amizade, pela orientao precisa e
objetiva e pela confiana depositada em mim e no meu trabalho.
Profa. Midred Ballin Hecke, pelo incentivo ao meu ingresso no PPGMNE e pelo
encaminhamento inicial da pesquisa.
Aos colegas estudantes do PPGMNE, pela amizade e solidariedade e, em especial, aos
colegas Ana Beatriz Tozzo Martins e Edson Antnio Alves da Silva.
secretria do CESEC, Maristela Bandil, pela alegria e amizade constantes, que
motivam os alunos todos os dias.
Ao Prof. Eloy Kaviski, pela importante contribuio na soluo de problemas
computacionais.
Profa. Flvia Tormena, pela reviso do captulo de metodologia e pelas sugestes
para a soluo do problema estrutural.
Companhia Paranaense de Energia COPEL e ao Instituto de Tecnologia para o
Desenvolvimento LACTEC pela cesso dos dados do controle tecnolgico do concreto da
barragem de Salto Caxias para a realizao do estudo.
Universidade Positivo, em especial aos professores Marcos Jos Tozzi e Maurcio
Dziedzic, pelo incentivo ao meu ingresso e participao nas atividades do PPGMNE.
SUMRIO
1
INTRODUO.......................................................................................................................... 1
O PROBLEMA ...........................................................................................................................1
OBJETIVO..................................................................................................................................1
JUSTIFICATIVA........................................................................................................................2
ESTRUTURA DO ESTUDO ......................................................................................................2
2
REVISO DA LITERATURA .................................................................................................. 3
2.1 A SEGURANA DAS BARRAGENS ......................................................................................3
2.2 O CONCEITO DA CONFIABILIDADE ESTRUTURAL ........................................................5
2.3 FUNDAMENTOS DA ANLISE DE CONFIABILIDADE ESTRUTURAL ........................11
2.4 MTODO DAS TENSES ADMISSVEIS ............................................................................13
2.5 MTODO DOS ESTADOS LIMITES PROJETO SEMI-PROBABILSTICO....................15
2.6 CONFIABILIDADE E OTIMIZAO....................................................................................16
2.7 MTODOS PROBABILSTICOS............................................................................................16
2.7.1
Mtodos de Confiabilidade de Primeira Ordem (FORM)............................................22
2.7.2
Mtodos de Confiabilidade de Segunda Ordem (SORM)............................................35
2.7.3
Anlise de Confiabilidade com variveis correlacionadas...........................................43
2.7.4
Simulao Monte Carlo................................................................................................46
2.7.5
A tcnica computacionalmente intensiva Bootstrap.................................................49
2.7.6
ndices probabilsticos de sensibilidade .......................................................................55
2.7.7
Avaliao da confiabilidade de um sistema .................................................................56
2.7.8
Estimativa da confiabilidade com cargas e resistncias variveis no tempo................58
2.7.9
O Mtodo dos Elementos Finitos Estocstico..............................................................62
2.7.10
O problema das funes desempenho implcitas .........................................................64
3
MATERIAIS E MTODOS..................................................................................................... 67
3.1 DADOS UTILIZADOS .............................................................................................................67
3.1.1
Controle de qualidade do CCR Dados Estatsticos....................................................69
3.1.2
Ensaios dos testemunhos de CCR ................................................................................71
3.2 DEFINIO DO PROBLEMA ESTRUTURAL .....................................................................75
3.2.1
Foras que atuam em uma barragem gravidade ........................................................75
3.2.2
Fatores de segurana para projeto de barragens de concreto .......................................77
3.2.3
Tenses admissveis no concreto-massa ......................................................................81
3.2.4
Tenses admissveis na fundao.................................................................................81
3.2.5
Valores mnimos admissveis dos coeficientes de segurana ......................................82
3.3 DEFINIO DO PROBLEMA EM TERMOS PROBABILSTICOS ....................................83
3.3.1
Flutuao......................................................................................................................83
3.3.2
Tombamento ................................................................................................................84
3.3.3
Deslizamento................................................................................................................85
3.3.4
Tenses Normais..........................................................................................................86
3.4 APLICAO DOS MTODOS BARRAGEM DE SALTO CAXIAS ...............................88
3.4.1
Fluxogramas dos mtodos de anlise de confiabilidade ..............................................88
4
RESULTADOS E DISCUSSO ............................................................................................. 95
4.1 QUANTO FLUTUAO .....................................................................................................95
4.2 QUANTO AO TOMBAMENTO..............................................................................................95
4.3 QUANTO S TENSES NORMAIS ......................................................................................96
4.4 QUANTO AO DESLIZAMENTO .........................................................................................105
5
CONCLUSO ........................................................................................................................112
REFERNCIAS...................................................................................................................................115
APNDICE 1 Listagens de programas de computador
APNDICE 2 Listagens de resultados dos programas e outros clculos
1.1
1.2
1.3
1.4
vi
LISTA DE FIGURAS
Figura 1 Distribuio da freqncia de falhas em perodos de 10 anos .................................. 4
Figura 2 Grficos da freqncia e do nmero total de vtimas em grandes catstrofes de
barragens,............................................................................................................................ 4
Figura 3 Fluxograma de um estudo probabilstico ................................................................10
Figura 4 Ilustrao do conceito de avaliao de risco ........................................................... 17
Figura 5 Ilustrao do conceito de estado limite. ..................................................................20
Figura 6 Regio de integrao para determinao da probabilidade de falha .......................20
Figura 7 Classificao dos mtodos de anlise de confiabilidade......................................... 22
Figura 8 Regies de falha e de segurana no espao das variveis reduzidas....................... 25
Figura 9 Mtodo de Hasofer-Lind. Sistema de coordenadas originais..................................31
Figura 10 Mtodo de Hasofer-Lind. Sistema de coordenadas reduzidas. ............................. 31
Figura 11 ndice de confiabilidade de Hasofer-Lind. Funo desempenho no-linear......... 33
Figura 12 Rotao de coordenadas no mtodo SORM..........................................................38
Figura 13 Gerao de variveis aleatrias Normais .............................................................. 47
Figura 14 Fluxograma do algoritmo da distribuio bootstrap............................................. 53
Figura 15 Vista area da Usina Hidreltrica de Salto Caxias................................................67
Figura 16 Salto Caxias. Seo transversal tpica...................................................................68
Figura 17 Extrao das amostras de CCR da barragem de Salto Caxias .............................. 74
Figura 18 Amostras de CCR da barragem de Salto Caxias................................................... 74
Figura 19 Foras atuantes na seo de uma barragem gravidade .......................................76
Figura 20 Ncleo Central de Inrcia em uma seo retangular.............................................87
Figura 21 Fluxograma do procedimento FOSM....................................................................89
Figura 22 Fluxograma do procedimento AFOSM (Hasofer-Lind) ....................................... 90
Figura 23 Fluxograma do procedimento de simulao Monte Carlo .................................... 91
Figura 24 Fluxograma do procedimento SORM ...................................................................92
Figura 25 Curva de distribuio acumulada Bootstrap - Compresso (1998) ................. 100
Figura 26 Curva de distribuio acumulada Bootstrap - Compresso (2005) ................. 100
Figura 27 Curva de distribuio acumulada Bootstrap - Trao (1998).......................... 101
Figura 28 Curva de distribuio acumulada Bootstrap - Trao (2005).......................... 101
Figura 29 Histograma de freqncias Bootstrap Compresso (1998) .......................... 102
Figura 30 Histograma de freqncias Bootstrap Compresso (2005) .......................... 102
Figura 31 Histograma de freqncias Bootstrap Trao (1998) ................................... 103
Figura 32 Histograma de freqncias Bootstrap Trao (2005) ................................... 103
Figura 33 Reta de regresso y = 1,522 x + 3,323 dos ensaios de cisalhamento .................. 109
vii
LISTA DE TABELAS
Tabela 1 Causas de rupturas de barragens............................................................................... 4
Tabela 2 Estados limites tpicos para estruturas.................................................................... 11
Tabela 3 Controle de Qualidade do CCR - Dados Estatsticos. ............................................70
Tabela 4 Resistncia Compresso do CCR - Dados Estatsticos........................................ 71
Tabela 5 Densidade Mdia do CCR - Dados Estatsticos. .................................................... 72
Tabela 6 Cisalhamento - ngulo de Atrito e Coeso do CCR - Dados Estatsticos. ............ 72
Tabela 7 Mdulo de Elasticidade do CCR - Dados Estatsticos............................................72
Tabela 8 Resistncia Trao Tenso Direta do CCR - Dados Estatsticos...................... 73
Tabela 9 Resistncia Trao Compresso diametral do CCR - Dados Estatsticos......... 73
Tabela 10 Dados do CCR obtidos em 1998 e 2005............................................................... 75
Tabela 11 Tenses admissveis do concreto-massa trao e compresso .......................... 81
Tabela 12 Coeficientes de segurana para as tenses admissveis na fundao ................... 82
Tabela 13 Fatores de reduo da resistncia do atrito e da coeso e fatores de segurana ... 82
Tabela 14 Coeficientes de segurana de cargas e de resistncia ........................................... 82
Tabela 15 Propriedades geomtricas da barragem de Salto Caxias. ..................................... 93
Tabela 16 Propriedades fsicas do CCR da Barragem de Salto Caxias (dados de 1998). ..... 94
Tabela 17 Anlise de tenses normais - Resultados.............................................................. 98
Tabela 18 Intervalos de confiana Bootstrap................................................................... 104
Tabela 19 Anlise do Deslizamento - Resultados. ..............................................................110
viii
LISTA DE SMBOLOS
i = co-seno diretor em relao ao eixo coordenado Zi
= ndice de confiabilidade
= erro
= fator de minorao da resistncia; ngulo de atrito interno do material
( ) = funo distribuio Normal acumulada
(i )
i = estimador de
~
i = pseudo-valor
FS = fator de segurana
FSF = fator de segurana flutuao
FST = fator de segurana ao tombamento
g(X) = funo desempenho
ix
pf = probabilidade de falha
Q = carga
r = raio de curvatura principal mdio
R = matriz do mtodo SORM
R = resistncia
S = matriz de rotao do mtodo SORM; matriz de desvios padres
T = tempo de recorrncia
T = matriz de transformao
Tn( ) = estimador de
Tt = matriz T transposta
ui = varivel uniforme
U = espao n-dimensional de variveis normais padro
U = sub-presso
V(X) = varincia de X
X = vetor de variveis X1, X2, ..., Xn
X* = ponto de projeto X1*, X2*, ..., Xn* no espao das variveis originais
W = peso prprio
Yi , Zi = variveis normais reduzidas
Z* = ponto de projeto Z1*, Z2*, ..., Zn* no espao das variveis reduzidas
RESUMO
A construo de barragens um exemplo mpar da obrigatoriedade da considerao dos
aspectos de incerteza e risco para a obteno de uma estrutura com desempenho e segurana
adequados. O Brasil possui um grande nmero de barragens construdas e projetos em
andamento, e os critrios de projeto so permanentemente questionados e revisados em fruns
diversos. A confiabilidade estrutural um assunto relativamente recente e existem poucos
trabalhos publicados com aplicaes em barragens de concreto gravidade. O objetivo
principal do presente estudo desenvolver uma metodologia para a anlise de confiabilidade
estrutural de barragens de concreto, e compar-la com os procedimentos determinsticos
normalmente utilizados nas anlises de estabilidade, bem como elaborar programas
computacionais genricos em linguagem FORTRAN, para o clculo da probabilidade de
falha, ponto de projeto, etc., em situaes semelhantes de barragens de concreto gravidade.
Foram desenvolvidas equaes de estado limite para os vrios modos de falha analisados em
barragens de concreto gravidade: flutuao, tombamento, deslizamento e tenses normais.
Foram implementados algoritmos computacionais para aplicao dos mtodos de
confiabilidade de primeira ordem FOSM e AFOSM e para o mtodo de segunda ordem
SORM. Para fins de comparao de resultados, tambm foram realizadas simulaes pelo
mtodo Monte Carlo. O procedimento desenvolvido foi testado e validado a partir de dados
do concreto compactado com rolo (CCR) obtidos durante a construo e de levantamentos
recentes, na barragem de Salto Caxias, situada no Rio Iguau, Estado do Paran. Neste
volume, so apresentadas as principais formulaes tericas da anlise de confiabilidade
estrutural, a aplicao desses mtodos barragem de Salto Caxias e a comparao dos
resultados dos vrios modelos probabilsticos com a anlise determinstica convencional.
Palavras-chave: confiabilidade estrutural, estabilidade de barragens, bootstrap.
xi
ABSTRACT
Dam construction is a civil engineering field where the importance of the consideration of
uncertainty and risk concepts is crucial for the attainment of a structure with adequate
performance and safety during its lifetime. Brazil has a considerable number of constructed
dams and projects in progress, and the design criteria are permanently questioned and revised
in diverse forums. Structural reliability is a relatively recent research topic and there are few
published works applied to concrete gravity dams. The main objective of the present study is
to develop a methodology for the analysis of structural reliability of concrete gravity dams,
and compare it to the deterministic procedures normally used in the structural stability
analyses of gravity dams, as well as to implement generic software in the FORTRAN
language for the computation of the probability of failure, design point and so on, in
analogous situations in concrete dams. Limit state functions had been developed for the most
common failure modes in gravity dams: fluctuation, rotation, slipping and by normal tension.
Computational algorithms were developed for the application of first order FOSM method
and AFOSM reliability procedures and for the second order SORM method. For the purpose
of comparison of results, simulations had been also carried through Monte Carlo method. The
developed procedures were tested and validated with roller-compacted concrete (RCC) data
obtained during the construction phase and in recent surveys, in the Salto Caxias dam,
situated in the Iguau River, State of Paran. In this report, the main theoretical formulations
of the structural reliability analysis are discussed, and the main advantages and disadvantages
of the above methods are also presented.
Keywords: structural reliability analysis, stability analysis of dams, bootstrap.
1 INTRODUO
1.1 O PROBLEMA
Assegurar a segurana e o bom desempenho de estruturas construdas ,
essencialmente, uma tarefa de engenharia. Atingir esse objetivo no simples,
particularmente para grandes obras, como so as barragens. Os sistemas de engenharia
ocasionalmente falham nas funes para as quais foram projetados, incluindo at casos de
rupturas de grandes estruturas. Em vista disso, o risco de falha pode ser admitido como algo
implcito em todos os sistemas de engenharia.
A construo de barragens, dada a multiplicidade de aspectos e reas de conhecimento
envolvidas, um exemplo mpar da obrigatoriedade da considerao dos aspectos de incerteza
e risco para a obteno de uma estrutura com desempenho e segurana adequados.
O Brasil um pas que possui um grande nmero de barragens construdas e muitos
projetos e obras em andamento. Os critrios de projeto so permanentemente questionados e
revisados em fruns diversos, tais como centros de pesquisas, empresas projetistas,
seminrios tcnicos e grupos de trabalho em rgos governamentais envolvidos com a
segurana e projeto de barragens.
Mesmo com a tradio e profissionalismo em projeto e construo de barragens
existente no Brasil, que remonta a mais de um sculo de experincia, acidentes tm ocorrido
com relativa freqncia. So exemplos recentes: a ruptura da barragem Camar, no Estado da
Paraba, ocorrida no ano de 2004 e a ruptura da estrutura de desvio da barragem Campos
Novos e o conseqente esvaziamento do reservatrio, em Santa Catarina em 2006.
1.2 OBJETIVO
O objetivo principal do presente estudo desenvolver um procedimento para a anlise
de confiabilidade estrutural de barragens de concreto gravidade que possa ser aplicado em
projetos de engenharia, e comparar este procedimento com a abordagem determinstica
geralmente utilizada. O procedimento desenvolvido foi testado a partir de dados do concreto
compactado com rolo (CCR), coletados durante a construo e de levantamentos recentes, na
barragem de Salto Caxias, situada no Rio Iguau, no Estado do Paran.
1.3 JUSTIFICATIVA
A rea de confiabilidade estrutural relativamente recente e existem poucos trabalhos
publicados sobre o assunto com aplicao em barragens de concreto gravidade. Os trabalhos
existentes no respondem de forma objetiva a perguntas, tais como:
2 REVISO DA LITERATURA
P(%)
20
10
5
Freqncia de falhas ou danos
em barragens de concreto
Freqncia de falhas em
todos os tipos de barragens
1
Freqncia de falhas em
barragens de concreto
0.5
0.1
1900
1910
1920
1930
1940 1950
Anos
1960
1970
1980
1990
250
257
Nmero de vtimas
Freqncia (pessoas/ano)
300
240
200
208
150
100
50
0
1900
53
54
1920
1940
1960
1980
2000
2020
5000
4500
4576
4000
4165
3500
3000
2500
2000
1500
1000
1075 1074
500
0
1900 1920 1940 1960 1980
3858
2000
2020
Anos
Anos
Freq. (%)
40
23
12
10
5
3
2
2
2
1
Total
100
Fonte: YENIGUN e ERKEK (2007)
Dos nmeros expostos nos grficos e tabela conclui-se que a confiabilidade estrutural
, ainda, um problema que merece a ateno dos engenheiros e pesquisadores. E, o
desenvolvimento de metodologias, algoritmos, programas computacionais, e outros
procedimentos que otimizem os pontos crticos dos projetos e forneam a probabilidade de
falha com rapidez e preciso uma tarefa que exige a dedicao dos pesquisadores da rea da
engenharia.
2.2 O CONCEITO DA CONFIABILIDADE ESTRUTURAL
Conscientes da responsabilidade em projetar obras seguras, os engenheiros
freqentemente dimensionam estruturas conservadoras, por meio da aplicao de coeficientes
de segurana ou fatores de sobrecarga. Usualmente, os coeficientes de segurana so
definidos por padres e normas oficiais e representam o conhecimento e experincia de
muitos engenheiros ao longo da histria. Mesmo assim, falhas ainda ocorrem, algumas delas
catastrficas, como as j citadas na seo 1.1. Ao mesmo tempo, tambm comum se
encontrar estruturas que so excessivamente conservadoras e superdimensionadas, e isto,
evidentemente, com aumentos de custos, sem necessidade.
Os requisitos principais de um projeto de engenharia, alm de sua funcionalidade,
devem ser a adequao de custos, segurana, durabilidade e minimizao de impactos
ambientais. Desses objetivos, a segurana o mais importante, pois uma eventual perda de
vidas em um evento catastrfico no pode ser compensada. O custo de manuteno tambm
muito importante, pois uma estrutura projetada de forma inadequada pode causar despesas de
manuteno que podem ser da ordem ou maiores que o custo dos prprios componentes da
estrutura. Falhas estruturais podem resultar na destruio de outras propriedades, incorrendo
em custos no previstos de enorme magnitude. Catstrofes em estruturas de desempenho
crtico (usinas nucleares, por exemplo) podem impactar o meio ambiente atual e as futuras
geraes.
Nesse contexto e, como conseqncia desses requisitos, a incerteza ou aleatoriedade
dos dados de entrada e parmetros de projeto deve ser includa no projeto. necessrio
estabelecer quais so os parmetros mais relevantes e o quanto esses parmetros podem
variar, para ser inferida a confiabilidade da estrutura que est sendo projetada.
Muitos fenmenos observados na natureza ou nas atividades humanas contm uma
certa incerteza inerente, ou seja, estes fenmenos no podem ser previstos com preciso
absoluta. Em geral, observaes repetidas de fenmenos fsicos geram mltiplos resultados,
alguns sendo mais freqentes que outros. A ocorrncia de mltiplos resultados sem um padro
caracterstico descrita atravs de termos como incerteza, aleatoriedade e estocasticidade. A
palavra estocasticidade vem do grego stochos, que significa incerto. A capacidade de carga
de um elemento estrutural , portanto, uma quantidade aleatria formalmente conhecida como
varivel aleatria. Em geral, todos os parmetros de interesse em projetos de engenharia so
representados por estatsticas que possuem algum grau de incerteza, podendo, portanto, ser
considerados como variveis aleatrias.
O planejamento e projeto de sistemas em engenharia utilizam geralmente os conceitos
bsicos de capacidade, resistncia, ou suprimento, que devem pelo menos satisfazer a uma
certa demanda ou solicitao. Diferentes terminologias so usadas para descrever esse
conceito, dependendo do problema. Em engenharia estrutural, geotcnica e mecnica, o
suprimento pode ser representado pela capacidade ou resistncia de um elemento ou conjunto
de elementos, e a demanda pode ser expressa em termos das cargas aplicadas, combinaes de
cargas, seus efeitos, ou ainda, solicitao.
A presena de incerteza em projetos de engenharia sempre foi um fato reconhecido,
contudo, as abordagens tradicionais simplificam o problema ao considerar os parmetros de
maneira determinstica e no considerar as estatsticas existentes para represent-los. A forma
usada para se levar em conta a variabilidade dos parmetros considerados atravs do uso de
coeficientes de segurana empricos. Os coeficientes de segurana so geralmente baseados
em experincias anteriores, porm no garantem segurana ou desempenho satisfatrio de
forma absoluta. Tambm no proporcionam informaes sobre a influncia que os diferentes
parmetros do sistema possuem sobre a segurana do mesmo. Portanto, difcil projetar um
sistema com uma distribuio uniforme de nveis de segurana entre os diferentes
componentes ao utilizar coeficientes de segurana empricos.
O ponto central do problema que, independentemente de como as cargas e
resistncias sejam modeladas ou descritas, a meta principal de um projeto assegurar um
desempenho satisfatrio, ou seja, assegurar que a capacidade ou resistncia seja maior que a
solicitao durante a vida til do sistema. Tendo em vista as incertezas do problema, o
desempenho satisfatrio no pode ser assegurado com confiana absoluta. Neste caso, deve-se
inferir a probabilidade de falha para satisfazer a algum critrio de desempenho. Em termos da
engenharia, confiabilidade seria a probabilidade de ocorrncia do desempenho satisfatrio.
Para Hartford e Baecher (2004), a noo de risco depende da rea profissional na qual
utilizada. Segundo os mesmos autores, quando aplicado engenharia, o termo risco
interpretado como sendo: (1) uma estimativa da probabilidade de um conjunto de eventos no
desejados; e (2) uma estimativa das conseqncias destes mesmos eventos ocorrerem. Em
termos mais simples, o risco normalmente definido como o produto da probabilidade e de
suas conseqncias ou, em outras palavras, o valor esperado de um resultado adverso:
Risco = probabilidade x conseqncias
(2.1)
(2.2)
admissvel. Tanto a resistncia (R), como a carga (Q), so quantidades sujeitas a incertezas, de
modo que podem ser representadas na forma:
R = R +
Q = Q +
(2.3)
valor determinstico (parmetro) especificado pelo projetista ou fabricante para a carga e/ou
resistncia para fins de projeto. No caso das cargas, o valor nominal normalmente maior que
a mdia. No caso das resistncias, o valor nominal em geral menor que o valor mdio.
Em muitos campos da engenharia, particularmente aqueles que envolvem produtos
manufaturados produzidos em massa, as demandas e capacidades so relativamente
previsveis; a tecnologia facilmente controlada e existe um amplo acesso a dados do
desempenho dos produtos, disponveis por meio de testes de componentes. As conseqncias
de falhas so, principalmente, inconvenincias ou perdas econmicas. Na rea de engenharia
civil e estrutural em geral, a situao muito diferente: a maioria das estruturas no
produzida em massa, de modo que o desempenho no pode ser verificado por meio de
repeties de circunstncias. As demandas no sistema, exercidas pelos usurios e por
fenmenos naturais, so altamente variveis. Alm disso, na engenharia civil, em geral, as
falhas so altamente visveis e podem ter conseqncias severas (ELLINGWOOD, 2000).
As incertezas em um sistema podem ser de origem quantitativa (ou no-cognitivas) ou
qualitativa (cognitivas). As incertezas quantitativas podem surgir de diversas fontes, tais
como: aleatoriedade do fenmeno fsico, incerteza estatstica devido insuficincia ou
inadequao dos dados observados e incerteza no modelo escolhido para representar o
fenmeno em estudo.
As incertezas qualitativas surgem em funo de fatores difceis de quantificar, tais
como a definio dos parmetros relevantes no desempenho, qualidade, deteriorao dos
materiais, experincia e habilidade dos operrios e engenheiros, impactos ambientais dos
projetos, condies de estruturas existentes, fatores humanos e outras definies das interrelaes entre os parmetros.
10
exemplo. Para descrever esta funo densidade de forma nica, os parmetros da distribuio
terica devem ser estimados. A aleatoriedade presente em cada caracterstica relacionada com
as cargas e resistncias pode ser quantificada atravs dessas estatsticas. Assim, o risco
envolvido no projeto pode ser estimado para um critrio de desempenho especfico. A figura 3
ilustra os passos necessrios para a modelagem da incerteza.
Mundo real
Informaes relevantes
Espao
amostral
Representao matemtica de
quantidades incertas
Histograma
Estimativa de
parmetros ou
estatsticas
Distribuio de
probabilidades
Definio do critrio
de desempenho
Avaliao da
probabilidade de falha
Conseqncias
Decises de projeto
11
______________________________________________________________________
Tipo de estado limite
Descrio
____________________________________________________________________________________
ltimo
Servio
12
13
estatsticas
para
adm =
lim
FS
(2.4)
14
da
estrutura
ou
de
diferentes
estruturas
pode
ento
variar
consideravelmente;
7. novos materiais de construo e tcnicas de projeto podem demandar anos de
testes at que um fator de segurana possa ser definido;
8. todas as cargas so assumidas como tendo a mesma variabilidade;
9. a probabilidade de falha desconhecida e o mesmo fator de segurana pode
corresponder a distintas probabilidades de falha.
15
Rn i Qi
(2.5)
16
CVU = C i + C insp + C r + C f
(2.6)
C f = p fi C fi
(2.7)
i =1
onde pfi a probabilidade de falha associada ao i-simo modo de falha e Cfi o custo
associado ao i-simo modo de falha (custo em decorrncia de danos, perda de vidas humanas,
atrasos para o usurio, etc). Desta maneira, o problema de projeto um problema de
otimizao sujeito a restries quanto confiabilidade da estrutura.
2.7 MTODOS PROBABILSTICOS
No simples satisfazer aos requisitos bsicos de um projeto na presena de
incertezas. A figura 4 mostra um caso no qual se consideram apenas duas variveis: uma
representando a demanda sobre o sistema, por exemplo, cargas na estrutura, Q, e a outra
relacionada com a capacidade do sistema, por exemplo, resistncia da estrutura, R. Tanto Q
como R so variveis aleatrias. Os parmetros dessas variveis aleatrias so suas mdias,
respectivamente: Q e R , e os seus desvios padres Q e R . Suas correspondentes
funes densidade de probabilidade podem ser representadas por f Q (q ) e f R (r ) . A figura 4
17
RN
QN
(2.8)
f R (r )
Densidade de
probabilidade
f Q (q )
A B C D
E F G H
QN RN
K Q Q
R, Q
K R R
18
construtivos. A rea de sobreposio das duas curvas (regio sombreada) fornece uma medida
quantitativa da probabilidade de falha. Essa rea depende essencialmente de trs fatores:
1. Posio relativa das duas curvas: medida que as duas curvas se distanciam,
reduzindo a rea de interseo, a probabilidade de falha diminui. As posies
relativas das duas curvas so representadas pelas mdias Q e R das duas
variveis;
2. A disperso das duas curvas: se as duas curvas forem estreitas, a rea de
sobreposio e a probabilidade de falha tambm so pequenas. A disperso
caracterizada pelos desvios padres Q e R das duas variveis. Assim, quanto
maior for a qualidade dos materiais empregados na obra, bem como a habilidade
da mo de obra executora, menores sero os desvios padres e, conseqentemente,
as curvas sero mais delgadas e a rea de sobreposio ser reduzida;
3. As formas das duas curvas: as formas podem ser representadas pelas funes
densidade de probabilidades f Q (q ) e f R (r ) .
(2.9)
19
(2.10)
(2.11)
20
g(R,Q) < 0
Regio insegura
Carga
Q
Estado limite
g(R,Q) = 0
g(R,Q) > 0
Regio segura
Resistncia
R
Figura 5 Ilustrao do conceito de estado limite.
f R (r )
f RQ (r , q )
f Q (q )
r
f RQ ( )
Q
g=0
g < 0: domnio
de falha
g > 0: domnio
da segurana
21
p f = L
X
g ( X )<0
(2.12)
22
FORM
SORM
23
para a anlise. Utilizando inicialmente apenas duas variveis, uma funo desempenho pode
ser escrita como:
g (X) = X 1 X 2 , com X1 = R e X2 = Q
(2.13)
f X ( x) =
( x )2
2 2
(2.14)
X , , + , E( X ) = , V( X ) = 2
Portanto,
probabilidade
de
falha
pode
ser
definida
g (X) g ( X )
p f = P
< 0 ,
g (X)
(2.15)
R Q R Q
p f = P
< 0 ,
R Q
(2.16)
0 ( )
R
Q
p f =
2
2
R + Q
(2.17)
onde
ou seja,
ou,
como
24
R
Q
p f = 1
2
R + Q2
(2.18)
g ( X ) R Q
R Q
=
=
g ( X ) R Q
R2 + Q2
(2.19)
(2.20)
R R
e Y2 =
Q Q
(2.21)
(2.22)
25
d=
R .0 Q .0 + R Q
R2 + Q2
R Q
R2 + Q2
(2.23)
g (X) = 0
Regio de falha
g (X) < 0
d
R
g (X) > 0
Regio de segurana
f X ( x) =
1
x 2
1
2 2
(ln( x ) ) 2
(2.24)
X + , , +
(2.25)
1
2
+ 2
(2.26)
= ln( ) 2 e
(2.27)
V ( X ) = 2 = 2 (e 1) ,
(2.28)
26
resultando, ento,
2
2 = ln1 + 2
(2.29)
, , , +
(2.30)
R
,
Q
(2.31)
ou,
ln( ) = ln( R) ln(Q)
(2.32)
Ento, se for o quociente entre duas variveis aleatrias log-normais e sabe-se que
n
i =1
i =1
(2.33)
(2.34)
27
Assim, o evento de falha definido como < 1 ou g(X) = ln( ) = ln( R) ln(Q) < 0 .
Se R e Q so log-normais, ln(R) e ln(Q) so normais e, portanto, ln( ) tambm normal.
Logo, g (X) uma varivel normal, e a probabilidade de falha pode ser definida por:
p f = P[ln( ) < 0] = P[ln( R) ln(Q) < 0]
(2.35)
0 ( R Q )
R
Q
pf = P Z <
= 1
2
2
2
R + Q2
R + Q
(2.36)
(2.37)
(2.38)
g (X) = g ( g ( X ) ) +
i =1
g
1 n n 2g
( X i Xi ) +
( X i Xi )( X j Xj ) + ... (2.39)
X i
2 i =1 j =1 X i X j
onde as derivadas so avaliadas nos valores mdios das variveis aleatrias ( X 1 , X 2 ,..., X n ) e
g ( X ) g ( X , X ,..., X )
1
(2.40)
e
n
g g
cov( X i , X j )
j =1 X i X j
n
g2( X )
i =1
(2.41)
28
(2.42)
2
g (X)
g
i =1 X i
n
V ( X i )
(2.43)
O ndice de confiabilidade pode ser calculado pela razo entre a mdia e o desvio
padro de g(X), como na equao (2.19). Convm lembrar que a funo desempenho, neste
caso, linearizada nos valores mdios das variveis aleatrias, de acordo com o conceito do
mtodo MVFOSM.
Ao utilizar o ndice , possvel calcular as probabilidades de falha exatas apenas em
alguns poucos casos. Por exemplo, se todas as variveis X i forem normais e independentes e
se g(X) for uma funo linear dos X i , ento g(X) normal e a probabilidade de falha pode
ser calculada pela equao p f = 1 ( ) . Da mesma forma, se todos os X i forem variveis
log-normais independentes e se g(X) uma funo multiplicativa dos X i , ento ln[g(X)]
normal e a probabilidade de falha tambm dada pela equao p f = 1 ( ) .
Entretanto, na maioria dos casos nem todas as variveis sero independentes e com
distribuio normal ou log-normal. E, ainda, nem sempre a funo desempenho ser uma
funo aditiva ou multiplicativa destas variveis. Nesses casos, o ndice no pode ser
relacionado diretamente com a probabilidade de falha. Mas mesmo assim, pode fornecer um
valor aproximado do nvel de risco ou confiabilidade do projeto (RACKWITZ, 2001).
Segundo Haldar e Mahadevan (2000), o mtodo MVFOSM possui algumas
deficincias. O mtodo no usa a informao da distribuio das variveis quando esta
disponvel. A funo g(X) linearizada nos valores mdios dos valores de X i . Quando g(X)
no-linear, erros significativos podem ser introduzidos ao se desprezar os termos de ordem
mais elevada. Mais importante ainda, o ndice de confiabilidade definido na equao (2.19)
29
Zi =
X i Xi
Xi
(i = 1, 2, ... , n)
(2.44)
onde Z i uma varivel aleatria com mdia zero e desvio padro unitrio, ou seja, normal
padro. A equao (2.44) utilizada para transformar o estado limite original g(X) = 0 para
o estado limite reduzido g(Z) = 0. Assim, transforma-se do espao original de projeto para o
30
H L = (z*)T (z*)
(2.45)
O mtodo de Hasofer-Lind pode ser melhor entendido com a ajuda das figuras 9 e 10.
Considerando uma equao de estado limite com duas variveis:
g(Z) = R Q = 0
(2.46)
ZR =
ZQ =
R R
Q Q
(2.47)
(2.48)
(2.49)
31
Q
Ponto de projeto
(r*, q*)
RQ=0
q*
Regio insegura
( R , Q )
Regio segura
r*
ZQ
regio
insegura
Z<0
Ponto de projeto
(zr*, zq*)
(0,
R Q
)
Q
regio
segura
Z>0
H-L
(-
R Q
,0)
R
ZR
32
H L =
R Q
(2.50)
R2 + Q2
caso
geral,
para
variveis
aleatrias
representadas
pelo
vetor
33
Z2
g ( Z) < 0
z * (ponto de projeto)
g ( Z) = 0
HL
g ( Z) > 0
Z1
Figura 11 ndice de confiabilidade de Hasofer-Lind. Funo desempenho no-linear.
Minimizar D = Z Z
Sujeito restrio g ( Z) = 0
g
z
i =1
Z i
=
n
g
z i*
i =1
Z i
n
HL
*
i
*2
(2.51)
34
(2.52)
onde
i =
Z i
i =1 Z i
n
(2.53)
*2
(2.54)
Ditlevsen (1979) apud Haldar e Mahadevan (2000) mostraram que, para uma
superfcie de estado limite no linear, HL perde a condio de comparabilidade; a ordem dos
valores de HL podem no ser consistentes com a ordem das verdadeiras confiabilidades. Isto
pode ser demonstrado observando-se a figura 11, com duas funes de estado limite: uma
plana e outra curva. A regio sombreada direita de cada curva representa a correspondente
regio de falha. A estrutura com funo de estado limite plana possui uma confiabilidade
diferente daquela com superfcie de estado limite curva, mas os valores de HL so iguais nas
duas superfcies, sugerindo uma mesma confiabilidade. Para superar esta inconsistncia,
Ditlevsen (1979) introduziu o conceito de um ndice de confiabilidade generalizado, g ,
definido como:
g = 1 [ L ( z1 ) ( z 2 ) L ( z n )dz1 dz 2 L dz n ]
g ( Z > 0)
(2.55)
35
36
com equaes de estado limite lineares so relativamente simples. Entretanto, o estado limite
pode ser no-linear ou devido a uma relao no linear entre as variveis aleatrias na
equao do estado limite ou devido existncia de variveis no-normais no problema. Um
estado limite linear no espao de coordenadas originais torna-se no-linear quando
transformado para um espao de variveis normais padro, que onde a busca da distncia ao
ponto de projeto conduzida, se qualquer das variveis envolvidas for no-normal (HALDAR
e MAHADEVAN, 2000). Alm disso, a transformao de variveis correlacionadas para nocorrelacionadas tambm pode induzir no-linearidades. Se a funo densidade de
probabilidade conjunta decai rapidamente medida que se move para longe do ponto de
mnima distncia, ento a estimativa de primeira ordem da probabilidade de falha
suficientemente precisa. Se o decaimento da funo densidade conjunta lento e o estado
limite altamente no-linear, ento torna-se necessrio utilizar uma aproximao de maior
ordem para o clculo da probabilidade de falha.
A figura 11, apresentada anteriormente, contm duas funes de estado limite: uma
linear e outra no-linear. Ambas possuem o mesmo ponto de distncia mnima, mas os
domnios de falha, representados pelas regies sombreadas, so diferentes nos dois casos. A
abordagem FORM produzir a mesma estimativa de confiabilidade em ambos os casos. Mas
pode-se observar que a probabilidade de falha na condio de estado limite no-linear deve
ser menor que no estado limite linear, devido diferena nos domnios de falha.
A curvatura do estado limite no-linear ignorada na abordagem FORM. A curvatura
da funo de estado limite em torno do ponto de distncia mnima determina a preciso da
aproximao de primeira ordem no mtodo FORM. A curvatura, em uma funo qualquer,
avaliada por meio das derivadas segundas das variveis bsicas. Logo, a abordagem de
segunda ordem SORM melhora a aproximao FORM ao incluir informaes sobre a
curvatura da funo de estado limite.
Uma aproximao em srie de Taylor de segunda ordem para uma funo genrica no
linear g ( X 1 , X 2 ,..., X n ) no ponto ( x1* , x 2* ,..., x n* ) pode ser escrita como:
g ( X 1 , X 2 ,..., X n ) = g ( x1* , x 2* ,..., x n* ) +
g 1 n n
2g
*
*
+ ( xi x )
+ ( xi xi )( x j x j )
+ ...
X i 2 i =1 j =1
X i X j
i =1
n
*
i
(2.56)
37
Yi =
( X i XNi )
XN
(2.57)
onde XNi e XNi so a mdia e desvio padro da varivel normal equivalente de X i no ponto
de projeto xi* . A transformao de X i em Yi exige um algoritmo especfico para variveis
correlacionadas (HALDAR e MAHADEVAN, 2000).
Na aproximao em srie de Taylor da equao anterior, a abordagem FORM ignora
os termos alm dos de primeira ordem (envolvendo derivadas primeiras), e a abordagem
SORM ignora os termos alm dos de segunda ordem (envolvendo derivadas de segunda
ordem).
A abordagem SORM foi primeiro explorada por Fiessler et al. (1979) apud Haldar e
Mahadevan (2000) usando aproximaes quadrticas. Uma soluo para o clculo da
probabilidade ( p f 2 ) usando uma aproximao de segunda ordem foi dada por Breitung
(1984) que usa a teoria das aproximaes assintticas:
n 1
p f 2 ( ) (1 + k i ) 1 / 2
(2.58)
i =1
38
Y2
g (Y1 , Y2 ) < 0
Y1
g (Y1 , Y2 ) = 0
g (Y1 , Y2 ) > 0
Y1
Y2
Figura 12 Rotao de coordenadas no mtodo SORM.
(2.59)
39
cos
R=
sen
sen
,
cos
(2.60)
onde o ngulo de rotao mostrado na figura 12 (rotao no sentido anti-horrio dos eixos
para um valor positivo de ). Quando o nmero de variveis for maior que dois, a matriz R
calculada em duas etapas. Primeiro, uma matriz R0 calculada como:
1 0
0 1
R0 = .
.
.
.
1 2
. .
0 . .
.
.
. .
. .
. .
0
0
.
.
n
(2.61)
aij =
(RDR T ) ij
*
G ( y )
i, j = 1, 2, ... , n 1
(2.62)
onde D a matriz das derivadas segundas da matriz da superfcie do estado limite, no espao
das variveis normais padro, calculada no ponto de projeto, R a matriz de rotao, e
*
y n = +
1 T
y A y
2
(2.63)
40
G S ( U) = F u n +
1 n 1
k j j 2j
2 j =1
(2.64)
GS ( U) = F un +
1 n 1 2
u j
2 R j =1
(2.65)
onde R o raio de curvatura principal mdio, o qual pode ser obtido sem o uso de matriz de
transformao ou anlise de autovalores e n o nmero de variveis aleatrias.
Zhao e Ono (1999) investigaram a preciso das abordagens FORM e SORM,
concluindo que a exatido dos resultados depende principalmente de trs parmetros: o raio
41
S = F +
n 1
,
2R
(2.66)
s2 = 1 +
n 1
,
2R 2
(2.67)
3 S s3 =
n 1
,
R3
(2.68)
2
SOTM = SOSM + 3 S ( SOSM
1) ,
onde
(2.69)
42
SOSM =
S
+ (n 1) / 2 R
= F
S
1 + (n 1) / 2 R 2
(2.70)
S = F +
s2 = 1 +
1 n 1
ki ,
2 i =1
1 n 1 2
ki ,
2 i =1
n 1
3 S s3 = k i3
(2.71)
(2.72)
(2.73)
i =1
SOSM =
S
=
S
F +
1 n 1
ki
2 i =1
1 n 1
1 + k i2
2 i =1
(2.74)
Lembrando que a abordagem FORM aplicvel apenas nos casos em que o raio de
curvatura da funo desempenho muito grande, Zhao et al. (2002) definiram um critrio
para julgar quando a abordagem FORM suficientemente precisa:
43
S F
(2.75)
S = F +
n 1
2R
(2.76)
1 n 1
ki
2 i =1
(2.77)
S = F +
n 1
2 F
(2.78)
2 F
(2.79)
ou
n 1
k
i =1
2.7.3
44
X2 1
Cov( X 1 , X 2 )
Cov( X 2 , X 1 )
X2 2
V(X) =
M
M
Cov( X n , X 1 ) Cov( X n , X 2 )
L Cov( X 1 , X n )
L Cov( X 2 , X n )
O
M
2
L
Xn
(2.80)
Zi =
X i Xi
(i = 1, 2, ... , n)
(2.81)
Z ,Z
C = 2 1
M
Z n , Z1
Z ,Z
1
1
M
n ,Z 2
L Z1 , Z n
L Z 2 , Z n
O
M
1
L
(2.82)
(2.83)
45
1(1) 1( 2)
(1)
2 2( 2)
T=
M
M
(1)
( 2)
n n
L 1( n )
L 2( n )
O M
L n(1)
(2.84)
(i )
(2.85)
onde L uma matriz triangular inferior obtida por fatorizao de Cholesky da matriz de
correlao C . Se as variveis originais forem no-normais, seus coeficientes de correlao se
alteram na transformao para variveis normais equivalentes (HALDAR e MAHADEVAN,
2000).
O procedimento apresentado nesta seo pode ser aplicado quando as distribuies
marginais de todas as variveis e a matriz de covarincia forem conhecidas, o que , em geral,
difcil de acontecer. Quando as distribuies conjuntas de todas as variveis correlacionadas
no-normais forem conhecidas, um conjunto equivalente de variveis normais independentes
pode ser obtido usando a transformao Rosenblatt (ANG e TANG, 1990). De um ponto de
vista prtico, esta situao rara (HALDAR e MAHADEVAN, 2000), a menos que todas as
variveis sejam normais ou todas sejam log-normais. Alm disso, no possvel definir a
funo densidade de probabilidade conjunta apenas usando as informaes sobre as
distribuies marginais e a matriz de covarincia (BICKEL e DOKSUM, 1977).
No presente estudo, as variveis envolvidas nas equaes de estado limite do projeto
foram consideradas independentes (no-correlacionadas).
46
2.7.4
47
(2.86)
u = (z)
ui
0,5
0 zi
Para uma varivel aleatria X com mdia X e desvio padro X , a varivel xi gerada
na simulao i pode ser calculada por:
xi = X + z i X
(2.87)
48
pf =
n
N
(2.88)
p2 =
f
1
[ p fv (1 p fv )]
N
(2.89)
(2.90)
49
50
i = 1, 2, .... , n
(2.91)
1 n ~
~
= i
n i =1
(2.92)
51
1 n
( xi x ) 2
n i =1
(2.93)
R=
X
Y
(2.94)
b) O Bootstrap.
O Bootstrap uma tcnica no-paramtrica computacionalmente intensiva que
permite a avaliao da variabilidade de estatsticas com base nos dados de uma nica amostra
original. Essa tcnica foi desenvolvida por Efron (1979) e, hoje em dia, j faz parte das
opes existentes nos programas computacionais estatsticos. Essa tcnica um produto do
estgio atual da computao eletrnica, que se tornou extraordinariamente veloz e barata. Em
1979, Efron estudou o problema da estimao da distribuio amostral de uma estatstica
Tn(x, F) com base nos dados de uma nica amostra de tamanho n, x = [x1, x2, ... ,xn], de uma
distribuio de probabilidade desconhecida F, sendo os xi i.i.d. segundo uma distribuio de
probabilidades F, ou seja: xi ~ i.i.d. F.
Operacionalmente, o procedimento Bootstrap consiste na re-amostragem de mesmo
tamanho e com reposio dos dados da amostra original e clculo da estatstica de interesse
para cada re-amostragem denominada bootstrap. Tem-se, assim, os pseudodados. E o
conjunto de valores bootstrap obtido para a estatstica em questo corresponde a uma
estimativa da verdadeira distribuio amostral dessa estatstica. Uma descrio desse
procedimento em trs passos apresentada a seguir.
Considere-se o parmetro e o seu estimador Tn(x, F), onde x = [x1, x2,...,xn] a
amostra aleatria disponvel da varivel aleatria com distribuio desconhecida F, sendo os
xi ~ i.i.d. F. Ento, o procedimento composto dos passos:
1. o estimador no-paramtrico de mxima verossimilhana F n(x) de F :
52
1
F n(x) =
n
I( x
i =1
x)
(2.95)
com I(xi x) sendo uma funo indicadora e, assim, uma distribuio emprica
formada colocando-se uma massa probabilstica 1/n em cada ponto amostral;
2. toma-se de F n(x) um nmero muito grande, B, de amostras bootstrap de mesmo
tamanho n, ou seja,
*
*
*
*
x 2 = [ x21
, x22
,...., x2n
]
...................................
...................................
*
*
*
x B = [ xB* 1 , xB2
,..., xBn
]
(2.96)
uma simulao da verdadeira distribuio amostral da estatstica Tn(x, F) e obtmse a estimativa bootstrap do parmetro , dada por:
Tn* =
1
B
T
l =1
*
n
(x l )
(2.97)
Tn(x, F), tal como o erro-padro bootstrap e a tendenciosidade dessa estimativa, a qual
definida por:
b[, Tn(x, F)] = Tn(x, F) Tn*
(2.98)
Ento, a distribuio boostrap obtida por simulao Monte Carlo com um nmero,
B, suficientemente grande de replicaes. Na figura 14 tem-se o fluxograma do algoritmo da
distribuio bootstrap de Tn(x, F).
53
Amostra original
Estimador no-paramtrico
associado amostra aleatria x
1
F n(x) =
n
I( x
i =1
x)
Amostra bootstrap de x
x* = [x1*, x2*, ... , xn*]
repete B
vezes
Clculo da estatstica bootstrap
Tn(x*)
Distribuio bootstrap de
Tn*(x*)
{Tn*( x l ), l = 1, 2 ,...., B}
*
Tn* =
1
[
B
T
l =1
*
n
(x l ) ]
(2.99)
54
distribuio condicional bootstrap de Tn(X, F )|X = x pode ser usada como a distribuio de
Tn(X, F )|X = x. Como se v, no procedimento bootstrap os pontos da amostra original
(x1, x2 ,..., xn) so considerados como uma populao com funo distribuio F e mdia x . A
estatstica bootstrap T *n considerada como um estimador de T(x, F ). E ainda, a
distribuio de Tn(x*, F ) pode ser usada para aproximar a distribuio amostral desconhecida
de Tn(x, F ). Portanto, a distribuio de
distribuio amostral de
assinttica de
1
s =
B 1
*2
(T ( x
l =1
*
l
) Tn* ) 2 ,
(2.100)
(2.101)
55
2.7.6
confiabilidade necessitam ser consideradas aleatrias. Para avaliar a sua importncia relativa
na determinao da confiabilidade geral, o conceito de ndices probabilsticos de sensibilidade
interessante. Variveis cujo ndice de sensibilidade seja relativamente baixo podem ser
tratadas como determinsticas, reduzindo assim a dimenso do problema.
A idia de um ndice de sensibilidade se baseia no fato de que nem todas as variveis
aleatrias possuem a mesma influncia nas estatsticas das respostas de um problema. A
quantidade g(Y) , o vetor gradiente da funo desempenho no espao das variveis normais
padro, usado para este fim. Seja um vetor unitrio na direo deste vetor gradiente,
ento, como o ponto de projeto pode ser expresso como y = , mostra-se que:
*
i =
y i*
(2.102)
SB t
SB t
(2.103)
onde S uma matriz diagonal com os desvios padres das variveis de entrada (desvios
padres das variveis equivalentes normais das variveis aleatrias no-normais) e B
tambm uma matriz diagonal necessria para a transformao das variveis originais para as
variveis equivalentes no correlacionadas normais padro Y, isto : Y=A+BX. Para a i-sima
varivel aleatria, esta transformao Yi = ( X i X i ) / X i . Portanto, a matriz B contm os
inversos dos desvios padres das variveis equivalentes normais. Se estas variveis forem
estatisticamente independentes, o produto SBt ser uma matriz unitria diagonal. Logo, o
vetor de sensibilidades ser idntico ao vetor dos co-senos diretores das variveis aleatrias.
56
sistema. Uma anlise de confiabilidade completa deveria incluir tanto estimativas no nvel dos
componentes quanto para o sistema como um todo.
Em geral, a avaliao de confiabilidade de um sistema complexa, pois depende de
muitos fatores, como: (1) contribuio da falha dos componentes na falha do sistema, (2)
redundncias no sistema, (3) comportamento de um componente ou de todo o sistema aps
uma falha, (4) correlao estatstica entre os eventos de falha, e (5) falha progressiva de
componentes.
57
E1 E 2 ... E m . Para um sistema estrutural, cada um dos modos Ei pode ser definido por
uma funo desempenho gi = gi(X), de forma que Ei = ( g i < 0) e a probabilidade de falha do
sistema , portanto:
p f = P[ g1 0 g 2 0 L g m 0]
(2.104)
(2.105)
(2.106)
e a funo desempenho do sistema G(X) pode ser escrita como o valor mnimo das funes
desempenho que correspondem a todos os modos de falha potenciais:
(2.107)
58
podem ser insuficientes para esta estimativa, Zhao e Ang (2003) sugerem o uso de momentos
de ordem elevada (at terceira ou quarta ordens, por exemplo, envolvendo assim a assimetria
e curtose da funo desempenho).
Na presente pesquisa, apesar de ser correta e factvel a considerao da confiabilidade
da barragem como sistema, as dificuldades para estabelecimento das correlaes entre os
modos de falha e a falta de estudos especficos desta natureza para barragens, inviabilizaram a
aplicao prtica desta considerao dentro da metodologia proposta. Ademais, foi assumida
no incio do estudo a premissa no sentido de propor uma metodologia que pudesse ser
aplicada em paralelo com a abordagem determinstica tradicional de anlise de estabilidade da
barragem, a qual considera os modos de falha independentes entre si.
2.7.8
59
g (a, t ) = 1 at n ;
n 1
(2.108)
r (t ) = r g (a, t )
(2.109)
(2.110)
(2.111)
LS = FS max im=1
c
j =1
i
(2.112)
(2.113)
60
r g (a, t )
dt
LS = exp t L FS max im i i
ci
(2.114)
Pf (t L | R = r ) = 1 LS
tL
r g (a, t )
dt
Pf (t L | R = r ) = 1 exp t L FS max im i i
ci
(2.115)
(2.116)
p f (t L ) = 1 exp
tL
t L FS () dt f R (r ) f A (a ) dr da
(2.117)
p f (t L | R = r ) = 1 exp
tr
tL
1
t L FS ()dt L FS ()dt
0
t rm
(2.118)
61
tr
r g (a, t )
p f (t L | R = r ) = 1 exp t L n FS (max im i i
dt
ci
(2.119)
onde n = t L / t r .
Segundo Dey e Mahadevan (2000), a integral acima de difcil soluo, pois seu
domnio o espao multidimensional das variveis que representam a resistncia dos
componentes.
Singh e Koenke (2000) apresentam um esquema de simulao capaz de sintetizar as
variaes probabilsticas durante a vida til de uma estrutura, de forma a se definir um
programa adequado de inspees peridicas. So apresentados resultados numricos obtidos
para uma pea de estrutura metlica de uma ponte. Os autores concluem que impossvel
assegurar 100% de segurana, mesmo em estruturas novas, e que o incio de um dano, seu
crescimento, deteco e tolerncia admissvel possuem natureza probabilstica. A reduo de
inspees na estrutura aumenta a probabilidade de falha, enquanto que o excesso leva a
aumento de custos e perodos de inatividade. Um conceito importante defendido pelos autores
a filosofia da tolerncia ao dano ou segurana por inspeo. Concluem tambm que ao se
considerar a variao probabilstica do incio e crescimento do dano, no mais possvel
estabelecer uma soluo matemtica simples. necessrio criar um procedimento de
simulao numrica, que modela o crescimento do dano e a deteco do mesmo como eventos
probabilsticos. As distribuies de probabilidades adotadas para as variveis envolvidas
foram a Normal, Log-Normal e Weibull com 2 e 3 parmetros. A distribuio Uniforme foi
usada para a gerao de nmeros aleatrios para representar as variaes de uso e dos danos.
Dados experimentais e tcnicas computacionais de mecnica das fraturas foram utilizados
para prever as fissuras na pea em estudo.
Biondini et al. (2006) apresentam uma abordagem geral para a previso probabilstica
da vida til estrutural e para o planejamento da manuteno de estruturas de concreto sob
deteriorao. A formulao proposta baseada em uma metodologia que utiliza algoritmos
evolutivos e processos de difuso qumica para a estimativa do desempenho de estruturas sob
ataques de agentes agressivos externos. Baseando-se nesta metodologia, simulaes Monte
Carlo so utilizadas para levar em conta a aleatoriedade dos principais parmetros estruturais,
incluindo propriedades dos materiais, parmetros geomtricos e taxas de progresso dos
danos. A confiabilidade varivel no tempo calculada com respeito a vrias medidas de
desempenho estrutural. Os resultados da anlise de durabilidade ao longo do tempo so
62
63
64
65
66
dentro dos limites das variveis consideradas na anlise, pois eventuais extrapolaes podem
conter erros considerveis.
A terceira abordagem se baseia na anlise de sensibilidade da resposta estrutural s
variveis de entrada. Esta resposta pode ser calculada usando os mtodos FORM e SORM,
lembrando-se que nestes dois mtodos, um conceito fundamental a busca do ponto de
projeto, ou ponto de mnima distncia funo de estado limite. Usando a anlise de
sensibilidade, apenas o valor e o gradiente da funo desempenho necessitam ser conhecidos
a cada iterao. No caso de funes desempenho explcitas, o gradiente pode ser calculado
diretamente usando diferenciao analtica ou numrica com relao a cada varivel aleatria.
No caso de problemas que no possuem solues explcitas, mtodos aproximados devem ser
utilizados para o clculo do gradiente. Considera-se que os mtodos de anlise de
confiabilidade baseados em anlise de sensibilidade so mais elegantes e, em geral, mais
eficientes que os mtodos de simulao ou de superfcies de resposta. Outra vantagem desta
abordagem a possibilidade de deteco de variveis bsicas cuja incerteza pode ter forte
influncia na resposta estrutural ou, o oposto, a possibilidade de ignorar variveis que no
possuem influncia significativa na confiabilidade estrutural, economizando recursos
computacionais nas anlises, sem prejuzo da preciso dos resultados.
67
MATERIAIS E MTODOS
A usina hidreltrica de Salto Caxias situa-se no Rio Iguau, nos municpios de Capito
Lenidas Marques e Nova Prata do Iguau, a 560 km de Curitiba, no Estado do Paran. Com
uma potncia instalada de 1.240 MW, na poca de sua inaugurao, a barragem de Salto
Caxias era a maior barragem de concreto compactado com rolo (CCR) em volume no mundo,
com um total de 1,01x106 m3 de concreto. De propriedade da Companhia Paranaense de
Energia COPEL, o projeto foi eleito um dos marcos da engenharia de barragens, recebendo
o prmio International Milestone RCC Project, na cidade de Guiyang, China, em novembro
de 2007. A rea de drenagem no local da barragem 57.000 km e a vazo mdia do Rio
68
Iguau no local de 1.240 m/s. A rea do reservatrio 141 km com 3.573 x 106 m de
volume de armazenamento. A barragem, do tipo gravidade de CCR, possui uma altura
mxima de 67 m e comprimento de 1.100 m, incluindo o vertedouro. A barragem construda
em CCR at a Elevao (El.) 327,00 m, e a crista foi concluda com concreto convencional
(CCV) at a El. 329,30 m. A face de montante vertical e construda em CCV. A face de
jusante, tambm construda em CCV, em degraus, possui uma declividade de 0,75H : 1,0V
abaixo da El. 315,00 m e vertical acima desta elevao. Duas galerias foram projetadas para
drenagem e para uma cortina de injees. A anlise de estabilidade da barragem foi realizada
na fase de projeto levando-se em conta a sua geometria, propriedades fsicas dos materiais e
fatores de segurana descritos em norma (COPEL, 1993). A Figura 16 mostra uma seo
transversal tpica da barragem.
BARRAGEM
LINHA BASE
GALERIA DE DRENAGEM
FLUXO
DRENO
GALERIA DE DRENAGEM
CORTINA DE INJEO
69
70
Trao (kg/m)
NMERO
Cimento
gua
Areia
Brita
25 mm
50 mm
Volume
(m)
(%)
Teor de
cimento
(kg/m)
Tempo
VeBe
Teor de
gua
(s)
(kg/m)
Resistncia Compresso
(fck - MPa)
180 dias
Nmero de
Amostras
J.2.e.2
100
155
1100
746
497
111.227
11,8
107
16
140
9,1
184
J.2.e.6
100
143
1143
745
497
688.636
72,8
103
32
140
10,3
1.022
J.2.e.7
100
135
1153
752
501
14.767
1,6
103
39
133
9,4
70
J.2.e.9
100
150
1131
739
492
123.126
13,0
101
24
149
10,2
166
71
Trao
J.2.e.2
J.2.e.6/7/9
Outros
Coeficiente de
Resistncia
Desvio Padro
Variao
Mdia (fcj)
(Mpa)
(%)
(MPa)
10,7
3,3
30,5
13,7
3,4
25,1
12,8
3,0
23,8
Amostras
40
320
108
72
b) Densidade
Os critrios do projeto exigem uma densidade igual a 2.550 kg/m. Os resultados dos
ensaios acham-se na tabela 5.
Tabela 5 Densidade Mdia do CCR - Dados Estatsticos.
Coeficiente de
Densidade
Desvio Padro
Variao
Mdia
(kg/m)
(%)
(kg/m)
2.586
49
1,9
2.608
59
2,3
Trao
J.2.e.2
J.2.e.6/7
Amostras
145
649
c) Cisalhamento
Foram realizados ensaios com os traos J.2.e.2, J.2.e.6 e J.2.e.7, cujos resultados esto
a seguir.
Tabela 6 Cisalhamento - ngulo de Atrito e Coeso do CCR - Dados Estatsticos.
Trao
J.2.e.2
J.2.e.6/7
ngulo de
Atrito
50,44
67,85
Coeso
(MPa)
1,19
1,91
Amostras
46
138
d) Mdulo de Elasticidade
Foram realizados os ensaios com os traos J.2.e.2, J.2.e.6 e J.2.e.7, cujos resultados
esto a seguir.
Tabela 7 Mdulo de Elasticidade do CCR - Dados Estatsticos.
Trao
J.2.e.2
J.2.e.6/7
Outros
Mdulo de
Elasticidade
(MPa)
8.998
15.941
14.615
Desvio
Padro
(MPa)
3.924
7.237
5.641
Coeficiente de
Variao
(%)
43,6
45,4
38,6
Amostras
25
220
74
73
e) Resistncia Trao
Os resultados dos ensaios de resistncia trao direta e os resultados dos ensaios de
de compresso diametral (split-cylinder) acham-se nas tabelas seguintes:
Tabela 8 Resistncia Trao Tenso Direta do CCR - Dados Estatsticos.
Trao
J.2.e.2
J.2.e.6/7
Outros
0,5
0,5
0,6
0,3
0,3
0,2
Coeficiente de
Variao
(%)
55,3
51,0
37,6
Amostras
15
202
64
Trao
Mdia
(MPa)
J.2.e.2
J.2.e.6/7
Outros
1,4
1,8
1,8
Desvio
Padro
(MPa)
0,4
0,5
0,6
Coeficiente de
Variao
(%)
30,0
25,6
34,2
Amostras
24
201
10
Em 2005, novos ensaios foram realizados nos blocos B5, B8 e B11, para
acompanhamento dos parmetros do projeto em uma regio especfica da barragem onde
foram detectadas fissuras no concreto. Os valores do peso especfico do concreto confirmaram
aqueles obtidos em 1998, mas houve um ganho considervel de resistncia compresso e
trao. Estes novos resultados foram utilizados para uma anlise comparativa com os
resultados obtidos para os dados de 1998. A tabela 10 resume os dados do CCR obtidos em
1998 e 2005 (LACTEC, 2006). Convm notar que como os testemunhos foram coletados em
regio de fissurao, a variabilidade dos parmetros estatsticos tende a ser maior. As figuras
17 e 18 mostram momentos da extrao das amostras da barragem, no ano de 2005.
74
Figura 17 Extrao das amostras de CCR da barragem de Salto Caxias (Fonte: LACTEC, 2006)
75
1998
2005
(B5)
2005
(B8)
2005
(B11)
Mdia
2.608
2.626
2.625
2.635
Desviopadro
59
31
30
28
Amostras
649
185
169
191
Mdia
13,7
16,5
16,4
16,0
Desviopadro
3,4
5,0
3,5
3,1
Amostras
320
57
54
69
Mdia
0,51
0,76
0,71
0,69
Desviopadro
0,26
0,24
0,25
0,25
Amostras
202
28
26
25
Blocos
Densidade
(kg/m3)
Resistncia
compresso
(MPa)
Resistncia
trao
(MPa)
3.2
3.2.1
capaz de resistir s foras que nela atuam. A figura 19 um diagrama da seo transversal
tpica de uma barragem gravidade. So indicadas foras que podem atuar na estrutura, como
o peso da barragem W, a componente horizontal da presso hidrosttica Hh, sua componente
vertical Hv, a sub-presso U, a presso do gelo Fi, o aumento da presso hidrosttica
provocado por terremoto Ew e a fora de inrcia decorrente da ao do terremoto na prpria
barragem Ed. O vetor resultante dessas foras igual e contrrio a R, que a reao do terreno
agindo sobre o embasamento da barragem.
76
Fi
Hv
Ew
Ed
Hh
Hv
W
Hh
77
3.2.2
78
FSF = V / U 1,0
(3.1)
onde:
FST = Me / Mt 1,0
(3.2)
onde:
79
N tg ( ) + C A
i
FSD =
FSD
FSDc
1,0
onde:
(3.3)
80
N i tg (i )
FSD =
FSD
Ti
1,0
(3.4)
I x I y I xy
I x I y I xy
(3.5)
onde:
As tenses assim obtidas devem ser somadas s tenses devidas aos efeitos de retrao
trmica e variao de temperatura e depois comparadas com as tenses admissveis dos
materiais.
81
Carregamento
Tenso admissvel
compresso
Tenso admissvel
trao
CCN
CCC
CCE
CCL
0,50 fck
0,55 fck
0,60 fck
0,65 fck
0,050 fck
0,055 fck
0,060 fck
0,065 fck
adm =
(3.6)
82
Coeficiente de
segurana*
3,0 (4,0)
2,0 (3,0)
1,5 (2,0)
1,3 (1,5)
Carregamento
CCN
CCC
CCE
CCL
3.2.5
Fatores de reduo e
coeficientes de segurana
FSDc
FSD
Flutuao
FSF >
Tombamento FST >
CCN
CCE
CCL
CCC
3,0 (4,0)
1,5 (2,0)
1,3
1,5
1,5 (2,0)
1,1 (1,3)
1,1
1,2
1,3 (2,0)
1,1 (1,3)
1,1
1,1
2,0 (2,5)
1,3 (1,5)
1,2
1,3
Alm destes, devem ser aplicados coeficientes de majorao das cargas (f) e de
minorao das resistncias do concreto (c) e do ao (s), conforme a tabela 14:
Tabela 14 Coeficientes de segurana de cargas e de resistncia
Carregamento
CCN
Tipo de estrutura
Concreto massa
Concreto armado ou
protendido
CCC,CCE,CCL
Concreto massa
Verificao
Ausncia de armadura
Necessidade de
armadura
Estado limite ltimo
Estado limite de
servio
Ausncia de armadura
Necessidade de
armadura
Estado limite ltimo
Cargas Concreto
(c)
(f)
2,0
Ao
(s)
1,4
1,4**
1,0
1,4*
1,4*
1,0
1,15
1,15
1,0
1,6
1,4*
1,1
1,4*
1,15
Concreto armado ou
1,1
1,4*
1,15
protendido
Fonte: ELETROBRS (2003)
* para obras com alto padro de controle de qualidade do concreto pode-se adotar 1,3 (NBR 6118)
**podero ser observadas as recomendaes da NBR 8681 (ABNT, 2003)
83
3.3
3.3.1
Flutuao
A definio probabilstica para a flutuao imediata, pois a nica varivel aleatria
FSF = V / U =
H vm + H vj + W
U
hm d
=
h 2j
+cA
2
hm + h j
L
2
(3.7)
onde:
L = comprimento do diagrama de sub-presses, supondo variao linear da subpresso ao longo da fundao. No caso da existncia de drenos, a resultante das foras
84
H +cA
U
(3.8)
onde H seria a soma das foras hidrostticas verticais a montante e jusante da barragem.
Desta forma, pode-se definir a equao de estado limite por:
g (X) = H U + c A
(3.9)
(3.10)
FST = Me / Mt =
Wx1 + H vm x 2 + H vj x3 + H hj x 4
H hm x5 + Ux6
(3.11)
85
momentos tombadores, causados principalmente pela sub-presso sob a barragem e pela fora
hidrosttica a montante da barragem.
Da mesma forma, simplificando a notao anterior para uma equao mais compacta:
FST =
c Ax1 + M H
(3.12)
Mt
g (X) = c Ax1 + M H M t
(3.13)
3.3.3
(3.14)
Deslizamento
Na anlise do deslizamento da seo sobre a fundao ou entre planos da seo da
barragem, a equao de estado limite resultante envolver trs variveis aleatrias: o peso
especfico do concreto (representado por c), a coeso do material C e o ngulo de atrito
interno ou coeficiente de atrito entre a barragem e a fundao ou entre planos .
Tomando-se o caso de materiais coesivos, tem-se:
FSD =
N tg ( ) + CL = (W + H
T
i
vm
+ H vj U )tg ( ) + CL
H hm H hj
(3.15)
86
( c A + V )tg ( ) + CL
H
FSD =
(3.16)
g (X) = ( c A + V )tg ( ) + CL H
(3.17)
(3.18)
e a probabilidade de falha :
3.3.4
Tenses Normais
Na anlise das tenses normais na fundao ou no concreto em qualquer seo
V M
A
I
onde:
bh 3
;
12
h
2
(3.19)
87
Sendo assim, para que no ocorra trao na seo, a resultante das foras deve estar
aplicada dentro do ncleo central de inrcia, que no caso de uma seo retangular, um
losango definido como na figura 20 (BEER e JOHNSTON, 1976):
1/3
ponto de aplicao
da resultante
1/3
1/3
1/3
1/3
1/3
e = d
(3.20)
d=
Momentos
V
(3.21)
I
A
e
p f = P[ g (X) < 0]
(3.22)
(3.23)
88
3.4
89
g(X) = g ( X 1 , X 2 ,..., X n )
g g ( X , X ,..., X )
1
g
i =1 X i
n
g2
Var ( X i )
g
g
p f = 1 ( ) = ( )
90
Zi =
xi X i
i =
Z
i
g
i =1 Z i
n
2*
g
z
i =1
Z i
=
n
g
zi*
i =1
Z i
n
HL
*
i
2*
nova iterao
converge
x i* = X i i X i H L
FIM
91
g(X) = g ( X 1 , X 2 ,..., X n )
N =0
Nf =0
N = N +1
Se g ( x1 , x 2 ,..., x n ) < 0
at NS simulaes
ento N f = N f + 1
pf = N f / N
92
Definio da funo de estado limite
g(X) = g ( X 1 , X 2 ,..., X n ) = 0
Clculo de e os co-senos diretores
do procedimento FORM ou AFOSM:
1 , 2 ,..., n
Montagem da matriz R0:
0
0 L 0
1
0
1
0 L 0
R0 = 0
0
1 L 0 .
M
M O M
M
1 2 3 L n
2 g
2
Y21
g
D = Y Y
2 1
2M
g
Y Y
n 1
2 g
Y1Y2
2 g
Y22
M
2 g
Yn Y2
2 g
Y1Yn
2
g
L
Y2 Yn
O
M
2
g
L
Yn2
L
(R D R T )ij
G ( y * )
p f 2 ( ) (1 + k i ) 1 / 2
i =1
93
Descrio
Carga hidrulica de montante
Carga hidrulica de jusante
Comprimento da base da seo
rea da seo transversal
rea retangular da seo A
rea triangular da seo A
Brao de alavanca de A1
Brao de alavanca de A2
Brao de alavanca de U
Excentricidade da resultante
Meia distncia da base
Momento de inrcia da base
Peso prprio da seo
Fonte: COPEL (1993)
Smbolo
Valor e unidade
hm
hj
L
A
A1
A2
d1
d2
du
e
63,0 m
17,0 m
46,5 m
1501,5 m2
1014,0 m2
487,5 m2
42,8 m
26,0 m
27,7 m
7,10 m
23,25 m
8378,7 m4
38298 kN (3904 tf)
I
W
94
25,5 kN/m3
Desvio padro c
0,579 kN/m3
c mximo*
c admissvel
Mdia
0,93 MPa
6,0 MPa
13,7 MPa
Desvio padro c
3,4 MPa
t mximo*
t admissvel
Mdia
t
Desvio padro t
0,26 MPa
ngulo de atrito ()
Mdia ()
Mdia de t ( t )
45o
1,000
Desvio padro de t ( t )
0,1547
Coeso (C)
Mdia C
Desvio padro C
*tenses mximas dos clculos determinsticos
Fonte: o autor e COPEL(2005)
0,29 MPa
0,02134 MPa
95
RESULTADOS E DISCUSSO
Da metodologia aplicada, foram obtidos os seguintes resultados:
g
g
H U + c A
A C
2
21446,3 kN
= 24,7
868,2 kN
(4.1)
p f = 1 ( ) = (24,7) 0 ,
(4.2)
(4.3)
g = c ( A1 d1 + A2 d 2 ) + M H M t
(4.4)
96
(4.5)
ou seja,
g c ( A1 d1 + A2 d 2 ) + M H M t 313407,9 kN
=
=
= 16,1
g
19431,2 kN
( A12 d12 + A22 d 22 ) 2
(4.6)
p f = 1 ( ) = (16,1) 0
(4.7)
FST =
c ( A1 d1 + A 2 d 2 ) + M H
Mt
1226848 kN.m
= 1,34
913440 kN.m
(4.8)
P U ( P U ) L M
g = adm
2 P U
I
Ab
(4.9)
(4.10)
97
A U ( c A U )L
g = adm c
( c A1 d 1 + c A2 d 2 E m z m + E j z j Ud u ) (4.11)
I
2
Ab
(4.12)
g = x2 1
( x1 A1 d1 + x1 A2 d 2 E m z m + E j z j Ud u ) (4.13)
I
2
Ab
y1 =
x1 x1
e y2 =
x 2 x2
(4.14)
A1 d1 A2 d 2
y1
I 2
Ab
(4.15)
g
= x2
y 2
(4.16)
98
Compresso
1998*
2005**
FOSM
AFOSM
MC
pf FOSM
pf AFOSM
pf MC
3,756
3,760
3,763
0,0086 %
0,0085 %
0,0084 %
3,114
3,117
3,121
0,0922 %
0,0913 %
0,0901 %
Trao
1998*
2005**
FOSM
AFOSM
MC
1,811
1,844
1,893
3,506%
3,259%
2,921%
3,003
3,090
3,170
0,1337%
0,1001%
0,0761%
pf FOSM
pf AFOSM
pf MC
Fonte: o autor
* todas as amostras
** somente amostras do bloco B5
99
100
Probabilidade
80
70
60
50
40
30
20
10
0
3,0
3,5
4,0
4,5
ndice de confiabilidade
100
90
Probabilidade
80
70
60
50
40
30
20
10
0
2,0
2,5
3,0
3,5
4,0
4,5
5,0
ndice de confiabilidade
101
100
90
80
Probabilidade
70
60
50
40
30
20
10
0
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
ndice de confiabilidade
100
90
80
Probabilidade
70
60
50
40
30
20
10
0
2,5
3,0
3,5
4,0
4,5
5,0
ndice de confiabilidade
102
103
104
2005*
1998
Compresso
pf
pf
5%
MC
95%
3,405
3,763
4,145
0,0331%
0,0084%
0,0017%
2,425
3,121
4,754
0,7660%
0,0901%
0,0001%
Trao
pf
pf
5%
MC
95%
1,756
1,893
2,115
3,9521%
2,9211%
1,7227%
3,140
3,170
4,754
0,0845%
0,0761%
0,0001%
Fonte: o autor
105
(4.17)
N = P + H vm + H vj U ,
(4.18)
H = H hm + H hj
(4.19)
g = ( c A + V ) tg ( ) + CL H
(4.20)
g = c A t + V t + CL H ,
(4.21)
ou
106
g = ( A + V ) t + C L H
(4.22)
g2 = ( At ) 2 2 + ( A c + V ) 2 t2 + L2 C2
(4.23)
g
=L
C
(4.24)
g
= At
c
(4.25)
g
= A c + V
t
(4.26)
Para a aplicao do procedimento AFOSM, a equao (4.21) foi reescrita para facilitar
a notao:
g = Ax1 x 2 + Vx 2 + Lx3 H
(4.27)
y1 =
x1 1
, y2 =
x2 2
e y3 =
x3 3
(4.28)
onde i = xi e i = xi , i = 1, 2, 3.
Assim, pode-se obter:
g = A( 1 + y1 1 )( 2 + y 2 2 ) + V ( 2 + y 2 2 ) + L( 3 + y 3 3 ) H
g
g
g
= Ax 2 1 ,
= ( Ax1 + V ) 2 ,
= L 3
y1
y 2
y 3
(4.29)
(4.30)
107
2g
2g
2g
2g
2g
2g
=
0
,
=
0
,
=
0
,
=
A
,
=
0
,
= 0 (4.31)
1 2
y1y 2
y1y 3
y 2 y 3
y12
y 22
y 32
Portanto,
2g
2
y2 1
g
D = y y
2 1
2M
g
y n y1
2g
y1y 2
2g
y 22
M
2g
y n y 2
L
L
O
L
2g
y1y n
2g 0
y 2 y n = A 1 2
M 0
2
g
y n2
A 1 2
0
0
0
0
0
(4.32)
G ( y * ) = * = ( Ax1* + V ) 2 ,
y
g2
L 3
*
y 3
(4.33)
onde o asterisco (*) indica valores no ponto de projeto, obtidos aps convergncia do
procedimento AFOSM. Convm notar que, nesta notao simplificada, 1 = c , 2 = t ,
0
1
2
0
0 ,
3
(4.34)
108
a ij =
(R D R T ) ij
G ( y * )
(4.35)
p f 2 ( ) (1 + k i ) 1 / 2
(4.36)
i =1
109
6
5
4
3
2
1
0
0
0,5
1,5
Figura 33 Reta de regresso y = 1,522 x + 3,323 dos ensaios de cisalhamento (trao J2.e.6)
var(a1 ) =
2
n
(x
i =1
x)
(4.37)
2
2
1
var(a 0 ) = 2 + n
n
2
( xi x )
i =1
(4.38)
S2 =
1 n 2
1 n
=
( y i y i ) 2 ,
i
n 1 i =1
n 1 i =1
(4.39)
110
onde o smbolo ^ representa valor estimado. A partir de 138 corpos de prova, foram
obtidos os valores:
tg ( ) = 0,2355 (adimensional);
C = 0,024 MPa.
Os valores acima foram utilizados apenas de forma indicativa, pois h uma grande
disperso de resultados dos ensaios de cisalhamento. Como no havia ensaios da interface
concreto-rocha da fundao disponveis, os coeficientes de variao dos parmetros do
modelo de Mohr-Coulomb foram utilizados como representativos do CCR e da interface
concreto-rocha e o clculo da probabilidade de falha por deslizamento foi realizado apenas
para ilustrar a aplicao dos mtodos apresentados. O clculo para o deslizamento foi
realizado para a seo inteira da barragem, no nvel da fundao, utilizando-se os mesmos
valores mdios do ngulo de atrito ( = 45) e coeso (C = 0,3 MPa) da memria de clculo
do projeto da barragem (COPEL, 1993) e os desvios-padres correspondentes foram
estimados aplicando-se os coeficientes de variao obtidos para os ensaios do CCR. A tabela
19 mostra os resultados para o modo de falha por deslizamento.
A ttulo de comparao, o coeficiente de segurana ao deslizamento, calculado pela
expresso 4.17, resultou FSD = 1,95.
FOSM
AFOSM
SORM
pf FOSM
pf AFOSM
pf SORM
pf MC
4,782
4,998
5,004
8,693 x 10-7
2,903 x 10-7
2,809 x 10-7
0
Fonte: o autor
Pela anlise dos resultados da tabela 19, percebe-se a concordncia dos valores dos
ndices de confiabilidade obtidos pelas abordagens FOSM, AFOSM e SORM. Mesmo sendo a
funo desempenho no linear, as abordagens FOSM ou AFOSM apresentaram resultados
muito prximos do mtodo de segunda ordem SORM, o que confirma as indicaes da
literatura (RACKWITZ, 2001) de que a abordagem AFOSM permite uma boa aproximao
do ndice de confiabilidade, na grande maioria dos casos prticos, e que sua aproximao
111
numrica mais que suficiente. As simulaes realizadas pelo Mtodo Monte Carlo, mesmo
com 1 milho de simulaes, no apresentaram nenhum evento de falha, provavelmente por
ser a probabilidade de falha muito baixa neste caso, ou por haver uma inadequao no modelo
gaussiano escolhido para gerao das variveis aleatrias. Simulaes realizadas com
pequenas alteraes nos parmetros de coeso e ngulo de atrito resultaram em probabilidades
de falha no nulas pelo mtodo Monte Carlo.
112
5 CONCLUSO
No presente estudo, foram revisados e apresentados os mtodos de anlise de
confiabilidade estrutural mais utilizados em problemas de Engenharia Civil: FOSM, AFOSM,
SORM e Simulao Monte Carlo. Suas formulaes tericas e fluxogramas para aplicao
computacional foram elaborados e programas em linguagem Fortran foram implementados
para a aplicao dos mtodos na anlise de confiabilidade estrutural de uma seo transversal
representativa da barragem de Salto Caxias, construda em concreto compactado com rolo
(CCR). A anlise de confiabilidade realizada foi acompanhada, para fins de comparao, com
a abordagem determinstica convencional, seguindo as normas da Eletrobrs (2003) e do
Bureau of Reclamation, dos Estados Unidos (1993). As anlises realizadas envolveram os
principais modos de falha verificados em barragens de concreto gravidade: flutuao,
tombamento, deslizamento e tenses normais.
As principais concluses obtidas ao final do estudo so as seguintes:
a) Os mtodos probabilsticos de confiabilidade estrutural apresentados no tm sido
rotineiramente aplicados no projeto de barragens no Brasil e no constam em
normas de projeto brasileiras atuais;
b) Os mtodos de confiabilidade estrutural apresentados so viveis para uso prtico,
mas exigem o conhecimento de dados do controle tecnolgico do concreto: mdias
e desvios padres do peso especfico do concreto, mdias e desvios padres de
resistncias trao e compresso do concreto, mdias e desvios padres da
coeso e ngulo de atrito interno do concreto e da interface concreto-fundao;
c) A principal vantagem da aplicao dos mtodos de confiabilidade apresentados a
possibilidade de se conhecer de forma mais precisa o nvel de segurana envolvido
em cada modo de falha, pois a anlise determinstica, alm de no exigir o
conhecimento da variabilidade (varincias) das propriedades dos materiais, decide
pela segurana do projeto com base em um coeficiente de segurana, cujo nvel de
confiabilidade desconhecido em termos da probabilidade de no ocorrncia;
d) Durante a aplicao dos mtodos, as variaes de qualidade dos materiais
empregados na barragem, notadamente a varincia dos valores de resistncias e de
propriedades fsicas dos materiais, tornam-se muito mais evidentes na abordagem
probabilstica;
113
114
115
REFERNCIAS
ANG, Alfredo, H-S, TANG, Wilson. Probability Concepts in Engineering. Emphasis on
Applications in Civil & Environmental Engineering. John Wiley & Sons, Inc. Second
Edition. 2007.
ANG, Alfredo, H-S, TANG, Wilson. Probability Concepts in Engineering. Volume II
Decision, Risk and Reliability. Editado pelos autores. 1990.
ANG, A. H-S. Life-cycle considerations in risk-informed decisions for design of civil
infrastructures. Life-Cycle Civil Engineering. Biondini & Frangopol (eds). Taylor & Francis
Group, London. 2008.
ARAJO, J. M., AWRUCH, A. M. Probabilistic finite element analysis of concrete
gravity dams. Advances in Engineering Software Vol. 9. No. 2. Elsevier. 1998.
ASSOCIAO BRASILEIRA DE NORMAS TCNICAS (ABNT). Aes e Segurana nas
Estruturas (NBR 8681), 2003.
ASSOCIAO BRASILEIRA DE NORMAS TCNICAS (ABNT). Projeto e Execuo de
Obras de Concreto Armado (NBR 6118:2003), ABNT, 2003.
BATHE, K. J. Finite element procedures. Prentice-Hall. 1996.
BEER, F. P., E. R. JOHNSTON Jr., Resistncia dos Materiais. Mc-Graw Hill. 1976.
BICKEL, P. J., DOKSUM, K.A. Mathematical Statistics, Basic Ideas and Selected Topics,
Holden Day Inc., 1977.
BICKEL, P., FREEDMAN, D. Some asymptotic theory for the Bootstrap. Annals of
Statistics, n.9, p. 1196-1197, 1981.
BIONDINI, F., BONTEMPI, F. FRANGOPOL, D. M. Probabilistic Life Assessment and
Maintenance Planning of Concrete Structures. Journal of Structural Engineering. ASCE.
2006.
BREITUNG, K. Asymptotic approximation for multi-normal integrals. Journal of
Engineering Mechanics. Vol 110. No 3. 1984.
BULLEIT, W. M. Uncertainty in Structural Engineering. Practice Periodical on Structural
Design and Construction. Vol. 13. No. 1. ASCE. 2008.
CHARNET, Reinaldo, et al. Anlise de modelos de regresso linear com aplicaes.
Editora da Unicamp. Campinas, So Paulo. 1999.
CHAVES NETO, A. Bootstrap em Sries Temporais. Tese de Doutorado. PUC-RJ. 1991.
CHAVES NETO, A. ; SOUZA, R.C. A Bootstrap Simulation Study in ARMA(p,q)
Strutures. Journal of Forecasting, v.15, p.343-353, 1996.
116
117
118
119
120
c-----------------------------------------------------------------------------c
c
Anlise de Confiabilidade pelo mtodo AFOSM - Anlise de tenses normais
c
c
Advanced First Order Second Moment
c
c
Desenvolvido por: Cludio Marchand Krger - 2008
c
c
Variveis de entrada: n = nmero de variveis analisadas
c
M(i) = mdias das variveis
c
S(i) = desvios-padro das variveis
c
c
XL
= comprimento da base
c
A1,A2 = reas retangular e triangular da seo transversal
c
U
= sub-presso
c
W
= momento resistente
c
D1,D2 = distncias dos CGs das reas A1 e A2 ao p da barragem
c
EM,EJ = peso da gua a montante e jusante
c
ZM,ZJ = braos de alavanca das foras de presso de montante e jusante
c
XU,XU1,XU2 = braos de alavanca das foras de sub-presso
c
U1,U2 = resultantes do diagrama de sub-presso
c
c-----------------------------------------------------------------------------c
USE IMSL
real*8 M(10),D(10,10),S(10),Y(10),X(10),X0(10),DGY(10),Y1(10)
real*8 gY,b,mdg,alfa(10),xbeta,xbeta0
real*4 xb
open(5,file = 'Caxias tracao.dds')
open(6,file = 'Caxias tracao 26.rel')
c
iteraes do FOSM
do i=1,n
X(i) = M(i)
end do
niter = 0
nitermax = 100
tol = 1.0E-5
xbeta0 = 10.0
db = 1.0
call calcY(n,X,M,S,Y)
do while((db.gt.tol).and.(niter.lt.nitermax))
write(6,*)
121
&
niter = niter + 1
write(6,*) ' Y = ',(Y(i),i=1,n)
call grady(Y,DGY,S,XL,A1,A2,W,D1,D2)
call calcmdg(n,DGY,mdg)
write(6,*) ' ModDGY= ',mdg
gY = calcgy(Y,M,S,XL,A1,A2,AB,U,AS,W,D1,D2,EM,EJ,ZM,ZJ,
XU,XU1,XU2,U1,U2)
write(6,*) ' g(Y) = ',gY
write(6,*) ' DGY
= ',(DGY(i),i=1,n)
call sensib(n,DGY,mdg,alfa)
b = xbeta(n,Y)
call ykm1(n,alfa,b,gY,mdg,Y1)
write(6,*) ' alfa = ',(alfa(i),i=1,n)
write(6,*) ' Y1 = ',(Y1(i),i=1,n)
do i=1,n
Y(i)=Y1(i)
end do
db = abs(xbeta0-b)
xbeta0 = b
write(6,*)
write(6,'('' Iterao '',i3,''
BETA = '',f7.4)') niter,b
write(6,*)
end do
call calcX(n,X,M,S,Y)
xb = b
p = anordf(xb)
write(6,*)
write(6,*)
write(6,*) ' Soluo convergente aps ',niter,' iteraes:'
write(6,*)
write(6,'('' BETA = '',f10.4)') b
write(6,*)
write(6,'(A8,3f10.4)') ' Y
= ',(Y(i),i=1,n)
write(6,*)
write(6,'(A8,3f10.4)') ' X
= ',(X(i),i=1,n)
write(6,*)
write(6,'(A27,f7.4,A1)') ' Probabilidade de falha = ',(1.0-p)*100,'%'
close(5)
close(6)
stop
end
subroutine calcmdg(n,DGY,mdg)
real*8 DGY(10),s,mdg
s = 0.0
do i=1,n
s = s + (DGY(i))**2
end do
mdg = dsqrt(s)
return
end
subroutine sensib(n,DGY,mdg,alfa)
real*8 alfa(10),DGY(10),mdg
do i=1,n
alfa(i) = 1.0/mdg*DGY(i)
end do
return
end
subroutine ykm1(n,alfa,b,gY,mdg,Y1)
real*8 alfa(10),b,gY,mdg,Y1(10),BX
122
BX = b + gY/mdg
do i=1,n
Y1(i) = -alfa(i)*BX
end do
return
end
real*8 function xbeta(n,Y)
real*8 Y(8),s
s = 0.0
do i=1,n
s = s + Y(i)**2
end do
xbeta = sqrt(s)
return
end
&
A1 + A2
U1 + U2
XL
Y(1)*S(1)+M(1)
Y(2)*S(2)+M(2)
X1*AB
X1*A1
X1*A2
Para trao
1
C
c
c
=
=
=
=
=
=
=
=
calcgy = X2-((P-U)/AS-1.0/W*(XL/2*(P-U)-(P1*D1+P2*D2-EM*ZM+EJ*ZJXU*U)))
Para compresso
calcgy = X2-((P-U)/AS+1.0/W*(XL/2*(P-U)-(P1*D1+P2*D2-EM*ZM+EJ*ZJXU*U)))
return
end
subroutine grady(Y,DGY,S,XL,A1,A2,W,D1,D2)
real*8 Y(10),DGY(10),S(10)
AB = A1 + A2
AS = XL
DGY(1) = -(AB*S(1)/AS+1/W*(AB*XL/2*S(1)-A1*D1*S(1)-A2*D2*S(1)))
DGY(2) = S(2)
return
end
subroutine calcX(n,X,M,S,Y)
real*8 M(10),S(10),X(10),Y(10)
do i=1,n
X(i)= M(i)+S(i)*Y(i)
end do
return
end
subroutine calcY(n,X,M,S,Y)
123
real*8 M(10),S(10),Y(10),X(10)
do i=1,n
Y(i)= (X(i)-M(i))/S(i)
end do
return
end
c-----------------------------------------------------------------------------c
c
Anlise de Confiabilidade pelo mtodo AFOSM - Anlise do escorregamento
c
c
Advanced First Order Second Moment
c
c
Desenvolvido por: Cludio Marchand Krger - 2008
c
c
Variveis de entrada: n = nmero de variveis analisadas
c
M(i) = mdias das variveis
c
S(i) = desvios-padro das variveis
c
c
XL = comprimento da base
c
A = rea da seo transversal da barragem
c
V = somatrio das foras verticais
c
H = somatrio das foras horizontais
c
c-----------------------------------------------------------------------------c
USE IMSL
real*8 M(10),D(10,10),S(10),Y(10),X(10),X0(10),DGY(10),Y1(10)
real*8 gY,b,mdg,alfa(10),xbeta,xbeta0,XL,A,V,H
real*4 xb
open(5,file = 'Caxias escorrega.dds')
open(6,file = 'Caxias escorrega.rel')
c
var
= ',n
' Mdias = ',(M(i),i=1,n)
' Desvios = ',(S(i),i=1,n)
confiabilidade - AFOSM'
iteraes do FOSM
do i=1,n
X(i) = M(i)
end do
niter = 0
nitermax = 100
tol = 1.0E-5
xbeta0 = 10.0
db = 1.0
124
call calcY(n,X,M,S,Y)
do while((db.gt.tol).and.(niter.lt.nitermax))
write(6,*)
niter = niter + 1
write(6,*) ' Y = ',(Y(i),i=1,n)
call grady(X,Y,DGY,S,XL,A,V)
call calcmdg(n,DGY,mdg)
write(6,*) ' ModDGY= ',mdg
gY = calcgy(Y,M,S,XL,A,V,H)
write(6,*) ' g(Y) = ',gY
write(6,*) ' DGY
= ',(DGY(i),i=1,n)
call sensib(n,DGY,mdg,alfa)
b = xbeta(n,Y)
call ykm1(n,alfa,b,gY,mdg,Y1)
write(6,*) ' alfa = ',(alfa(i),i=1,n)
write(6,*) ' Y1 = ',(Y1(i),i=1,n)
do i=1,n
Y(i)=Y1(i)
end do
db = abs(xbeta0-b)
xbeta0 = b
write(6,*)
write(6,'('' Iterao '',i3,''
BETA = '',f7.4)') niter,b
write(6,*)
end do
call calcX(n,X,M,S,Y)
xb = b
p = anordf(xb)
write(6,*)
write(6,*)
write(6,*) ' Soluo convergente aps ',niter,' iteraes:'
write(6,*)
write(6,'('' BETA = '',f10.4)') b
write(6,*)
write(6,'(A8,3f10.4)') ' Y
= ',(Y(i),i=1,n)
write(6,*)
write(6,'(A8,3f10.4)') ' X
= ',(X(i),i=1,n)
write(6,*)
write(6,'(A27,E15.4,A1)') ' Probabilidade de falha = ',(1.0-p)*100,'%'
close(5)
close(6)
stop
end
subroutine calcmdg(n,DGY,mdg)
real*8 DGY(10),s,mdg
s = 0.0
do i=1,n
s = s + (DGY(i))**2
end do
mdg = dsqrt(s)
return
end
subroutine sensib(n,DGY,mdg,alfa)
real*8 alfa(10),DGY(10),mdg
do i=1,n
alfa(i) = 1.0/mdg*DGY(i)
end do
return
end
125
subroutine ykm1(n,alfa,b,gY,mdg,Y1)
real*8 alfa(10),b,gY,mdg,Y1(10),BX
BX = b + gY/mdg
do i=1,n
Y1(i) = -alfa(i)*BX
end do
return
end
real*8 function xbeta(n,Y)
real*8 Y(8),s
s = 0.0
do i=1,n
s = s + Y(i)**2
end do
xbeta = sqrt(s)
return
end
real*8 function calcgy(Y,M,S,XL,A,V,H)
real*8 Y(10),M(10),S(10),X1,X2,X3,XL,A,V,H
X1 = Y(1)*S(1)+M(1)
X2 = Y(2)*S(2)+M(2)
X3 = Y(3)*S(3)+M(3)
calcgy = (X1*A+V)*X2+X3*XL-H
return
end
subroutine grady(X,Y,DGY,S,XL,A,V)
real*8 X(10),Y(10),DGY(10),S(10),XL,A,V
DGY(1) = A*X(2)*S(1)
DGY(2) = A*X(1)*S(2)+V*S(2)
DGY(3) = XL*S(3)
return
end
subroutine calcX(n,X,M,S,Y)
real*8 M(10),S(10),X(10),Y(10)
do i=1,n
X(i)= M(i)+S(i)*Y(i)
end do
return
end
subroutine calcY(n,X,M,S,Y)
real*8 M(10),S(10),Y(10),X(10)
do i=1,n
Y(i)= (X(i)-M(i))/S(i)
end do
return
end
126
c-----------------------------------------------------------------------------c
c
Anlise de Confiabilidade - Simulao Monte Carlo - Tenses Normais
c
c
Desenvolvido por: Cludio Marchand Krger - 2008
c
c
Variveis de entrada: n = nmero de variveis analisadas
c
M(i) = mdias das variveis
c
S(i) = desvios-padro das variveis
c
c
XL
= comprimento da base
c
A1,A2 = reas retangular e triangular da seo transversal
c
U
= sub-presso
c
W
= momento resistente
c
X1,X2 = distncias dos CGs das reas A1 e A2 ao p da barragem
c
EM,EJ = peso da gua a montante e jusante
c
ZM,ZJ = braos de alavanca das foras de presso de montante e jusante
c
XU,XU1,XU2 = braos de alavanca das foras de sub-presso
c
U1,U2 = resultantes do diagrama de sub-presso
c
c-----------------------------------------------------------------------------c
USE IMSL
PARAMETER(NS=1000000)
INTEGER I, ISEED, NOUT, NR
REAL R(NS),R1(NS),R2(NS),XG(NS)
C
OPEN(5,FILE = 'MONTE CARLO TRACAO.DDS')
OPEN(6,FILE = 'MONTE CARLO tracao 26.rel')
READ(5,*) XM1,XSTD1,XM2,XSTD2
READ(5,*) XL,A1,A2,U,W,X1,X2,EM,EJ,ZM,ZJ,XU,XU1,XU2,U1,U2
NR = NS
CALL UMACH (2, NOUT)
ISEED = 123457
CALL RNSET (ISEED)
C
NF = 0
CALL ESTAT(NR,R1)
WRITE (6,*)
CALL ESTAT(NR,R2)
WRITE (6,*)
AB = A1 + A2
AS = XL
U=U1+U2
DO I=1,NR
P = R1(I)*AB
P1 = R1(I)*A1
P2 = R1(I)*A2
Para trao
1
c
c
G = R2(I)-((P-U)/AS-1.0/W*(XL/2*(P-U)-(P1*X1+P2*X2-EM*
ZM+EJ*ZJ-U*XU)))
XG(I) = G
IF (G.GT.0.0) NF = NF +1
Para compresso
G = R2(I)-((P-U)/AS+1.0/W*(XL/2*(P-U)-(P1*X1+P2*X2-EM*ZM+EJ*ZJ-
127
c
c
c
U*XU)))
XG(I) = G
IF (G.LT.0.0) NF = NF +1
END DO
PF = NF/(NR*1.0)
CALL ESTAT(NR,XG)
WRITE (6,*)
WRITE (*,*)
WRITE (*,1000) PF*100
WRITE (6,*)
WRITE (6,1000) PF*100
CLOSE(6)
1000
FORMAT(' Pf = ',f10.5,' %')
C
END
SUBROUTINE ESTAT(NR,V)
INTEGER LDSTAT, LDX, NVAR
PARAMETER (LDSTAT=1000000, LDX=1000000, NVAR=1)
C
INTEGER IDO, IFRQ, IPRINT, IWT, MOPT, NR, NRMISS, NROW, NV
REAL CONPRM, CONPRV, STAT(LDSTAT,NVAR), X(LDX,NVAR),V(NR)
C
DO I = 1,NR
X(I,1) = V(I)
END DO
IDO = 0
NROW = NR
C No unequal frequencies or weights
C are used.
IFRQ = 0
IWT = 0
C Get 95% confidence limits.
CONPRM = 95.0
CONPRV = 95.0
C Delete any row containing a missing
C value.
MOPT = 0
C Print results.
IPRINT = 1
CALL UVSTA (IDO, NROW, NVAR, X, LDX, IFRQ, IWT, MOPT, CONPRM,
&
CONPRV, IPRINT, STAT, LDSTAT, NRMISS)
END
128
c-----------------------------------------------------------------------------c
c
Anlise de Confiabilidade - Simulao Monte Carlo - Escorregamento
c
c
Desenvolvido por: Cludio Marchand Krger - 2008
c
c
Variveis de entrada: n = nmero de variveis analisadas
c
M(i) = mdias das variveis
c
S(i) = desvios-padro das variveis
c
c
XL = comprimento da base
c
A = rea da seo transversal da barragem
c
V = somatrio das foras verticais
c
H = somatrio das foras horizontais
c
c-----------------------------------------------------------------------------c
USE IMSL
PARAMETER(NS=1000000)
INTEGER I, ISEED, NOUT, NR
REAL R(NS),R1(NS),R2(NS),R3(NS),XG(NS)
C
OPEN(5,FILE = 'MONTE CARLO ESCORREGAMENTO.DDS')
OPEN(6,FILE = 'MONTE CARLO ESCORREGAMENTO.REL')
READ(5,*) XM1,XSTD1,XM2,XSTD2,XM3,XSTD3
READ(5,*) XL,A,V,H
NR = 1000000
CALL UMACH (2, NOUT)
ISEED = 123457
CALL RNSET (ISEED)
C
CALL RNUN(NR,R)
NF = 0
CALL ESTAT(NR,R1)
WRITE (6,*)
CALL ESTAT(NR,R2)
WRITE (6,*)
CALL ESTAT(NR,R3)
WRITE (6,*)
DO I=1,NR
G = (R1(I)*A+V)*R2(I)+R3(I)*XL-H
XG(I) = G
IF (G.LT.0.0) NF = NF +1
END DO
PF = NF/(NR*1.0)
CALL ESTAT(NR,XG)
WRITE (6,*)
WRITE (*,*)
WRITE (*,1000) PF*100
129
WRITE (6,*)
WRITE (6,1000) PF*100
CLOSE(6)
1000
FORMAT(' Pf = ',E15.10,' %')
C
END
SUBROUTINE ESTAT(NR,V)
INTEGER LDSTAT, LDX, NVAR
PARAMETER (LDSTAT=1000000, LDX=1000000, NVAR=1)
C
INTEGER IDO, IFRQ, IPRINT, IWT, MOPT, NR, NRMISS, NROW, NV
REAL CONPRM, CONPRV, STAT(LDSTAT,NVAR), X(LDX,NVAR),V(NR)
C
DO I = 1,NR
X(I,1) = V(I)
END DO
IDO = 0
NROW = NR
C No unequal frequencies or weights
C are used.
IFRQ = 0
IWT = 0
C Get 95% confidence limits.
CONPRM = 95.0
CONPRV = 95.0
C Delete any row containing a missing
C value.
MOPT = 0
C Print results.
IPRINT = 1
CALL UVSTA (IDO, NROW, NVAR, X, LDX, IFRQ, IWT, MOPT, CONPRM,
&
CONPRV, IPRINT, STAT, LDSTAT, NRMISS)
END
130
c-----------------------------------------------------------------------------c
c
Anlise de Confiabilidade pelo mtodo SORM - Anlise do escorregamento
c
c
Second Order Reliability Method
c
c
Desenvolvido por: Cludio Marchand Krger - 2008
c
c
Variveis de entrada:
c
c
XL = comprimento da base
c
A = rea da seo transversal da barragem
c
V = somatrio das foras verticais
c
c
Betaf = ndice de confiabilidade obtido no mtodo FORM ou AFOSM
c
c
s1 = desvio-padro do peso especfico do concreto
c
s2 = desvio-padro da tangente do ngulo de atrito
c
s3 = desvio-padro da coeso
c
c
a1 = co-seno diretor do AFOSM para o peso especfico do concreto
c
a2 = co-seno diretor do AFOSM para a tangente do ngulo de atrito
c
a3 = co-seno diretor do AFOSM para a coeso
c
c
x1 = ponto de projeto para o peso especfico do concreto
c
x2 = ponto de projeto para a tangente do ngulo de atrito
c
x3 = ponto de projeto para a coeso
c
c-----------------------------------------------------------------------------c
USE IMSL
parameter
parameter
integer
real
real
real
real
real*8
COMPLEX
(mn=3,N=3)
(LDA=3,LDB=3,LDC=3,NCA=3,NCB=3,NCC=3,NRA=3,NRB=3,NRC=3)
rc
avett(mn,mn),aort(mn,mn)
a1,a2,a3,s1,s2,s3,x1,x2,x3,A,XL,V
XD(mn,mn),R(mn,mn),RT(mn,mn),R0(mn,mn),XA(mn,mn)
DG(mn),v1(mn),EVALV1(3),EVALV2(3)
betaf,pf2,av1,av2
EVAL(N)
=
=
=
=
=
=
=
=
=
0.0
A*s1*s2
0
XD(1,2)
0
0
0
0
0
R0(1,1)
R0(1,2)
R0(1,3)
R0(2,1)
R0(2,2)
R0(2,3)
R0(3,1)
R0(3,2)
R0(1,3)
=
=
=
=
=
=
=
=
=
1
0
0
0
1
0
a1
a2
a3
DG(1) = A*x2*s1
DG(2) = A*x1*s2+V*s2
DG(3) = XL*s3
write (6,*)
write (6,1010)
1010
131
&amento)')
write (6,*)
write (6,*)
do i=1,mn
write (6,1000) i,DG(i)
end do
1000
=
=
=
=
=
=
=
=
=
1.0
0.0
a1
0.0
1.0
a2
0.0
0.0
a3
1100
1060
1200
132
&
pf2 = (1.0d0-dnordf(betaf))*(1.0d0+betaf*av1)**(-0.5)*
(1.0d0+betaf*av2)**(-0.5)
write (6,*)
write (6,1300) pf2
1300
c
c
c
c
c
c
c
c
c
(mn=3)
m,n,rc
avett(mn,mn),aort(mn,mn)
integer
REAL
i,j,k
c(mn),eps/1.0e-10/,p
rc = 0
do j = 1, n
c
do i = 1, m
aort(i,j) = avett(i,j)
end do
c
do k = 1, j-1
c
p = 0.0d0
do i = 1, m
p = p + aort(i,k)*avett(i,j)
end do
c
p = p*c(k)
do i = 1, m
aort(i,j) = aort(i,j) - p*aort(i,k)
end do
end do
c
p = 0.0d0
do i = 1, m
p = p + aort(i,j)*aort(i,j)
end do
c
if (abs(p) .lt. eps) then
rc = 1
return
end if
c
c(j) = 1.0e0/p
c
end do
c
return
end
133
c-----------------------------------------------------------------------------c
c
Anlise de Confiabilidade - Mtodo Bootstrap - Gerao de amostras
c
c
Desenvolvido por: Cludio Marchand Krger - 2008
c
c
Variveis do programa:
c
c
Unidade 5: Arquivo texto contendo a amostra em linhas com n na primeira
c
Unidade 6: Arquivo texto de sada para controle da gerao de amostra
c
Unidade 7: Arquivo no-formatado com a amostra gerada
c
c
NS = Nmero de amostras bootstrap
c
N = Nmero de elementos da amostra
c
X = vetor com os elementos da amostra
c
c-----------------------------------------------------------------------------c
USE IMSL
PARAMETER(NS=100)
INTEGER I, ISEED, NOUT, NR
REAL R(500),X(500),XB(500),XMD(1000000),XDP(1000000),STAT(15,1)
C
OPEN(5,FILE = 'tracao 98.DDS')
OPEN(6,FILE = 'tracao 98.REL')
OPEN(7,FILE = 'tracao 98 100.dds')
READ(5,*) N
READ(5,*) (X(I),I=1,N)
WRITE(6,*)
WRITE(6,*)
WRITE(6,*)
WRITE(6,*)
WRITE(6,*)
WRITE(6,*)
WRITE(7,*) NS
WRITE(7,*) N
CALL UMACH (2, NOUT)
ISEED = 123457
CALL RNSET (ISEED)
C
C
C
C
C
134
END
SUBROUTINE ESTAT(NR,V,STAT)
INTEGER LDSTAT, LDX, NVAR
PARAMETER (LDSTAT=15, LDX=1000000, NVAR=1)
C
INTEGER IDO, IFRQ, IPRINT, IWT, MOPT, NR, NRMISS, NROW, NV
REAL CONPRM, CONPRV, STAT(LDSTAT,NVAR), X(LDX,NVAR),V(NR)
C
DO I = 1,NR
X(I,1) = V(I)
END DO
IDO = 0
NROW = NR
C No unequal frequencies or weights
C are used.
IFRQ = 0
IWT = 0
C Get 95% confidence limits.
CONPRM = 95.0
CONPRV = 95.0
C Delete any row containing a missing
C value.
MOPT = 0
C Print results.
IPRINT = 0
&
CALL UVSTA (IDO, NROW, NVAR, X, LDX, IFRQ, IWT, MOPT, CONPRM,
CONPRV, IPRINT, STAT, LDSTAT, NRMISS)
END
135
c-----------------------------------------------------------------------------c
c
Anlise de Confiabilidade - Bootstrap Monte Carlo - Tenses Normais
c
c
Desenvolvido por: Cludio Marchand Krger - 2008
c
c
Variveis de entrada: n = nmero de variveis analisadas
c
M(i) = mdias das variveis
c
S(i) = desvios-padro das variveis
c
c
IOPT = opo (1 = trao, 0 = compresso)
c
XL
= comprimento da base
c
A1,A2 = reas retangular e triangular da seo transversal
c
U
= sub-presso
c
W
= momento resistente
c
D1,D2 = distncias dos CGs das reas A1 e A2 ao p da barragem
c
EM,EJ = peso da gua a montante e jusante
c
ZM,ZJ = braos de alavanca das foras de presso de montante e jusante
c
XU,XU1,XU2 = braos de alavanca das foras de sub-presso
c
U1,U2 = resultantes do diagrama de sub-presso
c
c-----------------------------------------------------------------------------c
USE IMSL
PARAMETER(NS=1000000)
INTEGER I, IB, ISEED, NOUT, NR, IOPT
REAL R(NS),R1(NS),R2(NS),XG(NS),XMD(NS),XDP(NS),PF(NS)
C
OPEN(5,FILE = 'MONTE CARLO comp 98 boot.DDS')
OPEN(6,FILE = 'MONTE CARLO comp 98 1000.rel')
OPEN(7,FILE = 'comp 98 boot.dds')
READ(5,*) IOPT
READ(5,*) XM1,XSTD1
READ(5,*) XL,A1,A2,U,W,X1,X2,EM,EJ,ZM,ZJ,XU,XU1,XU2,U1,U2
READ(7,*) NSB
READ(7,*) N
AB = A1 + A2
AS = XL
NR = NS
CALL UMACH (2, NOUT)
ISEED = 123457
CALL RNSET (ISEED)
C
NF = 0
CALL ESTAT(NR,R1)
136
WRITE (6,*)
CALL ESTAT(NR,R2)
WRITE (6,*)
DO I=1,NR
P = R1(I)*AB
P1 = R1(I)*A1
P2 = R1(I)*A2
c
Para trao
IF (IOPT.EQ.1) THEN
G = R2(I)-((P-U)/AS-1.0/W*(XL/2*(P-U)-(P1*X1+P2*X2-EM*
ZM+EJ*ZJ-U*XU)))
XG(I) = G
IF (G.GT.0.0) NF = NF +1
ELSE
c
Para compresso
G = R2(I)-((P-U)/AS+1.0/W*(XL/2*(P-U)-(P1*X1+P2*X2-EM*ZM
+EJ*ZJ-U*XU)))
XG(I) = G
IF (G.LT.0.0) NF = NF +1
END IF
END DO
PF(IB) = NF/(NR*1.0)
CALL ESTAT(NR,XG)
c
WRITE (6,*)
WRITE (*,*)
WRITE (*,1000) PF(IB)*100
WRITE (6,*)
WRITE (6,*) PF(IB)
END DO
c
c
1000
C
SUBROUTINE ESTAT(NR,V)
INTEGER LDSTAT, LDX, NVAR
PARAMETER (LDSTAT=1000000, LDX=1000000, NVAR=1)
C
INTEGER IDO, IFRQ, IPRINT, IWT, MOPT, NR, NRMISS, NROW, NV
REAL CONPRM, CONPRV, STAT(LDSTAT,NVAR), X(LDX,NVAR),V(NR)
C
DO I = 1,NR
X(I,1) = V(I)
END DO
IDO = 0
NROW = NR
C No unequal frequencies or weights
C are used.
137
IFRQ = 0
IWT = 0
C Get 95% confidence limits.
CONPRM = 95.0
CONPRV = 95.0
C Delete any row containing a missing
C value.
MOPT = 0
C Print results.
IPRINT = 0
&
CALL UVSTA (IDO, NROW, NVAR, X, LDX, IFRQ, IWT, MOPT, CONPRM,
CONPRV, IPRINT, STAT, LDSTAT, NRMISS)
END
138
139
2
2.6000 1370.0000
0.0590 340.0000
Y =
0.000000000000000E+000 0.000000000000000E+000
ModDGY=
340.000018360759
g(Y) =
1278.53482999018
DGY
=
0.111737712260711
340.000000000000
alfa =
3.286403124312523E-004 0.999999945997771
Y1 = -1.235817833210754E-003 -3.76039615265506
Iterao
BETA =
0.0000
Y = -1.235817833210754E-003 -3.76039615265506
ModDGY=
340.000018360759
g(Y) =
8.421169582106813E-006
DGY
=
0.111737712260711
340.000000000000
alfa =
3.286403124312523E-004 0.999999945997771
Y1 = -1.235817841350565E-003 -3.76039617742320
Iterao
BETA =
3.7604
Y = -1.235817841350565E-003 -3.76039617742320
ModDGY=
340.000018360759
g(Y) =
7.958078640513122E-013
DGY
=
0.111737712260711
340.000000000000
alfa =
3.286403124312523E-004 0.999999945997771
Y1 = -1.235817841350566E-003 -3.76039617742320
Iterao
BETA =
3.7604
3 iteraes:
3.7604
-0.0012
-3.7604
2.5999
91.4653
Probabilidade de falha =
0.0085%
140
2
2.6080
0.0590
-51.0000
26.0000
Y =
0.000000000000000E+000 0.000000000000000E+000
ModDGY=
26.0002401011287
g(Y) =
-47.9762976100417
DGY
=
0.111737712260711
26.0000000000000
alfa =
4.297564631176641E-003 0.999990765426482
Y1 =
7.929974451842427E-003
1.84520813587839
Iterao
BETA =
0.0000
Y =
7.929974451842427E-003
1.84520813587839
ModDGY=
26.0002401011287
g(Y) = -3.198141198352289E-002
DGY
=
0.111737712260711
26.0000000000000
alfa =
4.297564631176641E-003 0.999990765426482
Y1 = -7.924688262774140E-003 -1.84397810428928
Iterao
BETA =
1.8452
Y = -7.924688262774140E-003 -1.84397810428928
ModDGY=
26.0002401011287
g(Y) =
-95.8886545978433
DGY
=
0.111737712260711
26.0000000000000
alfa =
4.297564631176641E-003 0.999990765426482
Y1 =
7.924691932484729E-003
1.84397895818609
Iterao
BETA =
1.8440
Y =
7.924691932484729E-003
1.84397895818609
ModDGY=
26.0002401011287
g(Y) = -6.392892159524166E-002
DGY
=
0.111737712260711
26.0000000000000
alfa =
4.297564631176641E-003 0.999990765426482
Y1 = -7.914125158051557E-003 -1.84152019892116
Iterao
BETA =
1.8440
4 iteraes:
1.8440
-0.0079
-1.8415
2.6075
-98.8795
Probabilidade de falha =
3.2592%
141
Variable
1
Mean
2.6000
Variance
0.003480
Std. Dev.
0.05900
Skewness
-0.003252
Kurtosis
0.004335
Variable
1
Minimum
2.2822
Maximum
2.8946
Range
0.6124
Coef. Var.
0.02269
Count
1000000.0
Variable
1
Lower CLM
2.5999
Upper CLM
2.6002
Lower CLV
0.003471
Upper CLV
0.003490
Mean
1370.1694
Variance
115394.4766
Std. Dev.
339.6976
Skewness
0.001820
Kurtosis
0.008591
Variable
1
Minimum
-302.8904
Maximum
3170.1992
Range
3473.0896
Coef. Var.
0.2479
Count
1000000.0
Variable
1
Lower CLM
1369.5037
Upper CLM
1370.8352
Lower CLV
115075.2969
Upper CLV
115715.0078
Mean
1280.9771
Variance
115394.6562
Std. Dev.
339.6979
Skewness
0.001819
Kurtosis
0.008581
Variable
1
Minimum
-392.0769
Maximum
3080.9805
Range
3473.0574
Coef. Var.
0.2652
Count
1000000.0
Variable
1
Lower CLM
1280.3113
Upper CLM
1281.6428
Lower CLV
115075.4766
Upper CLV
115715.1875
Pf =
0.00840 %
Variable
1
Mean
2.6000
Variance
0.003480
Std. Dev.
0.05900
Skewness
-0.003252
Kurtosis
0.004335
Variable
1
Minimum
2.2822
Maximum
2.8946
Range
0.6124
Coef. Var.
0.02269
Count
1000000.0
Variable
1
Lower CLM
2.5999
Upper CLM
2.6002
Lower CLV
0.003471
Upper CLV
0.003490
Mean
-50.9883
Variance
674.7695
Std. Dev.
25.9763
Skewness
0.001820
Kurtosis
0.008636
Variable
1
Minimum
-178.9269
Maximum
86.6623
Range
265.5892
Coef. Var.
-0.5095
Count
1000000.0
Variable
1
Lower CLM
-51.0392
Upper CLM
-50.9374
Lower CLV
672.9031
Upper CLV
676.6438
Mean
-49.7079
Variance
690.1144
Std. Dev.
26.2700
Skewness
0.002337
Kurtosis
0.007092
Variable
1
Minimum
-179.3029
Maximum
88.8455
Range
268.1484
Coef. Var.
-0.5285
Count
1000000.0
Variable
1
Lower CLM
-49.7593
Upper CLM
-49.6564
Lower CLV
688.2056
Upper CLV
692.0314
Pf =
2.92110 %
142
3
2.6000
0.0590
1.0000
0.1547
Y =
0.000000000000000E+000
ModDGY=
364.212964037838
g(Y) =
1742.90000000000
DGY
=
88.5885000000000
101.131966500000
alfa =
0.243232692812101
0.277672615984898
Y1 =
-1.16396257728533
Iterao
BETA =
BETA =
BETA =
BETA =
338.490009000000
0.929373862059547
-4.44741364015616
-4.44741364015616
BETA =
0.929373862059547
-4.62845480251401
-4.62845480251401
BETA =
-1.38286130635723
-1.38286130635723
338.490009000000
0.929373862059547
-4.64349410876831
-4.64349410876831
-1.38735465793587
-1.38735465793587
338.490009000000
0.929373862059547
-4.64477043329523
-1.38773599034116
4.9964
-1.38773599034116
-1.38776840941256
4.9977
Y =
-1.21564255093610
-4.64487894034942
ModDGY=
364.212964037838
g(Y) =
3.615634516336286E-003
DGY
=
88.5885000000000
338.490009000000
101.131966500000
alfa =
0.243232692812101
0.929373862059547
0.277672615984898
Y1 =
-1.21564496556877
-4.64488816647958
Iterao
-1.32877093949298
338.490009000000
Y =
-1.21561415282415
-4.64477043329523
ModDGY=
364.212964037838
g(Y) =
4.252290433123562E-002
DGY
=
88.5885000000000
338.490009000000
101.131966500000
alfa =
0.243232692812101
0.929373862059547
0.277672615984898
Y1 =
-1.21564255093610
-4.64487894034942
Iterao
-1.32877093949298
4.9802
Y =
-1.21528011733611
ModDGY=
364.212964037838
g(Y) =
0.500179699476803
DGY
=
88.5885000000000
101.131966500000
alfa =
0.243232692812101
0.277672615984898
Y1 =
-1.21561415282415
Iterao
0.000000000000000E+000
4.7854
Y =
-1.21134407920593
ModDGY=
364.212964037838
g(Y) =
5.89376410458954
DGY
=
88.5885000000000
101.131966500000
alfa =
0.243232692812101
0.277672615984898
Y1 =
-1.21528011733611
Iterao
0.000000000000000E+000
0.0000
Y =
-1.16396257728533
ModDGY=
364.212964037838
g(Y) =
70.9483460284614
DGY
=
88.5885000000000
101.131966500000
alfa =
0.243232692812101
0.277672615984898
Y1 =
-1.21134407920593
Iterao
30.0000
2.1749
4.9979
-1.38776840941256
-1.38777116593908
143
Y =
-1.21564496556877
-4.64488816647958
ModDGY=
364.212964037838
g(Y) =
3.074338130772958E-004
DGY
=
88.5885000000000
338.490009000000
101.131966500000
alfa =
0.243232692812101
0.929373862059547
0.277672615984898
Y1 =
-1.21564517088258
-4.64488895096827
Iterao
BETA =
-1.38777140032379
4.9979
-1.38777116593908
7 iteraes:
4.9979
-1.2156
-4.6449
-1.3878
2.5283
0.2814
26.9818
Probabilidade de falha =
0.2980E-04%
Mean
2.5000
Variance
0.003480
Std. Dev.
0.05900
Skewness
-0.003252
Kurtosis
0.004335
Variable
1
Minimum
2.1822
Maximum
2.7946
Range
0.6124
Coef. Var.
0.02360
Count
1000000.0
Variable
1
Lower CLM
2.4999
Upper CLM
2.5002
Lower CLV
0.003471
Upper CLV
0.003490
Mean
1.0001
Variance
0.02389
Std. Dev.
0.1546
Skewness
0.001820
Kurtosis
0.008805
Variable
1
Minimum
0.2388
Maximum
1.8191
Range
1.5804
Coef. Var.
0.1546
Count
1000000.0
Variable
1
Lower CLM
0.9998
Upper CLM
1.0004
Lower CLV
0.02383
Upper CLV
0.02396
Mean
29.9992
Variance
4.7271
Std. Dev.
2.1742
Skewness
0.002291
Kurtosis
0.004193
Variable
1
Minimum
19.4299
Maximum
39.9974
Range
20.5674
Coef. Var.
0.07247
Count
1000000.0
Variable
1
Lower CLM
29.9949
Upper CLM
30.0034
Lower CLV
4.7140
Upper CLV
4.7402
Mean
1592.8804
Variance
117493.2656
Std. Dev.
342.7729
Skewness
0.05688
Kurtosis
0.02949
Variable
1
Minimum
4.0013
Maximum
3420.8303
Range
3416.8291
Coef. Var.
0.2152
Count
1000000.0
Variable
1
Lower CLM
1592.2085
Upper CLM
1593.5522
Lower CLV
117168.2812
Upper CLV
117819.6250
Pf = .0000000000E+00 %
144
24.929
321.834
101.132
=
=
=
=
=
=
=
=
=
1.000
-0.213
-0.035
0.000
1.000
-0.134
0.243
0.877
0.144
=
=
=
=
=
=
=
=
=
-0.017
0.041
0.033
0.041
0.000
0.010
0.033
0.010
0.017
pf2 = .2808464000E-06
145
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
with(linalg):
A := 1501.5:
betaf := 4.9979:
probetaf := 2.9025E-07:
L := 46.5:
s1:= 0.059:
s2:= 0.15471:
s3:= 2.17488:
V := -1716.0:
a1:= 0.243232692812101:
a2:= 0.929373862059547:
a3:= 0.277672615984898:
x1:= 2.5283:
x2:= 0.2814:
x3:= 26.9818:
XD := array ([[0,A*s1*s2,0],[A*s1*s2,0,0],[0,0,0]]);
[
0
[
XD := [13.70552684
[
[
0
13.70552684
0]
]
0]
]
0]
0
0
-.2134272912
1
.8774613674
-.03512357960]
]
-.1342045613 ]
]
.1444032018 ]
146
NDG := 338.2697639
> XA := evalm(1/NDG * evalm(R &* XD &* R));
[-.008647339433
[
XA := [ .04051655898
[
[ .03555171524
.04236213721
-.008647339433
.002267245465
-.005133781510]
]
-.001423086584]
]
-.002571282976]
>
>
> XAm := matrix ([[-.8647339433e-2,.4236213721e-1],[.4051655898e-1,-.8647339433e-2]]);
[-.008647339433
XAm := [
[ .04051655898
.04236213721 ]
]
-.008647339433]