Escolar Documentos
Profissional Documentos
Cultura Documentos
CURITIBA
MAIO - 2014
CURITIBA
MAIO - 2014
TERMO DE APROVAO
______________________________________
Prof. Paulo Csar Borges, Dr.
Coordenador do Programa
Banca Examinadora
______________________________
______________________________
PPGEM / UTFPR
PGEE / USP
______________________________
Prof. Ivan Moura Belo, Dr.
PPGEM / UTFPR
RESUMO
HIDALGO, Francisco L. Campos. Quantificao da incerteza do problema de
flexo estocstica de uma viga de Euller-Bernoulli, apoiada em fundao de
Pasternak, utilizando o mtodo estocstico de Galerkin e o mtodo dos
elementos finitos estocsticos. Dissertao Programa de Ps-Graduao em
Engenharia Mecnica e de Materiais, Universidade Tecnolgica Federal do Paran,
Curitiba, 87p., 2014.
Este trabalho apresenta uma metodologia, baseada no mtodo de Galerkin, para
quantificar a incerteza no problema de flexo estocstica da viga de Euler-Bernoulli
repousando em fundao de Pasternak. A incerteza nos coeficientes de rigidez da
viga e da fundao representada por meio de processos estocsticos
parametrizados. A limitao em probabilidade dos parmetros randmicos e a
escolha adequada do espao de solues aproximadas, necessrias posterior
demonstrao de unicidade e existncia do problema, so consideradas por meio de
hipteses tericas. O espao de solues aproximadas de dimenso finita
construdo pelo produto tensorial entre espaos (determinstico e randmico),
obtendo-se um espao denso no espao das solues tericas. O esquema de
Wiener-Askey dos polinmios do caos generalizados utilizado na representao do
processo estocstico de deslocamento da viga. O mtodo dos elementos finitos
estocsticos apresentado e empregado na soluo numrica de exemplos
selecionados. Os resultados, em termos de momentos estatsticos, so comparados
aos obtidos por meio de simulaes de Monte Carlo.
Palavras-chave: Lema de Lax-Milgram, polinmios do caos, esquema de AskeyWiener, viga de Euler-Bernoulli, Fundao de Pasternak, mtodo de Galerkin,
mtodo dos elementos finitos estocsticos.
ii
ABSTRACT
HIDALGO, Francisco L. Campos. Quantification of uncertainty in the stochastic
bendig problem of an Euller-Bernoulli beam, resting on Pasternak foundation,
using the stochastic Galerkin method and the stochastic finite element method.
Dissertation Graduate Program in Mechanical and Materials Engineering, Federal
Technological University of Paran, Curitiba, 87p., 2014.
This study presents a methodology, based on the Galerkin method, to quantify the
uncertainty in the stochastic bending problem of an Euler-Bernoulli beam resting on a
Pasternak foundation. The uncertainty in the stiffness coefficients of the beam and
foundation is represented by parametrized stochastic processes. The probability
limitation on the random parameters and the choice of an appropriated approximate
solution space, necessary for the subsequent demonstration of uniqueness and
existence of the problem, are considered by means of theoretical hypothesis. The
finite dimensional space of approximate solutions is built by tensor product between
spaces (deterministic and randomic), obtaining a dense space in the theoretical
solution space. The Wiener-Askey scheme of generalizes chaos polynomials is used
to represent the stochastic process of the beam deflection. The stochastic finite
element method is presented and employed in the numerical solution of selected
examples. The results, in terms of statistical moments, are compared to results
obtained through Monte Carlo simulations.
Keywords: Lax-Milgram lemma, chaos polynomials, Askey-Wiener scheme, EulerBernoulli beam, Pasternak foundation, Galerkin method, stochastic finite element
method.
iii
LISTA DE FIGURAS
Figura 1
Figura 2
Figura 3
Figura 4
Figura 5
Figura 6
Figura 7
Figura 8
Figura 9
iv
vi
LISTA DE TABELAS
Tabela 1
Tabela 2
Tabela 3
Tabela 4
Tabela 7
Tabela 8
Tabela 9
Desvio relativo no valor esperado do processo estocstico de deslocamento no centro da viga, em relao ao problema determinstico ....... 76
Tabela 10 Tempo computacional para a obteno da soluo numrica dos
exemplos .............................................................................................. 77
vii
SUMRIO
1
INTRODUO
1.1
1.2
1.3
Reviso da Literatura
Objetivos
Estrutura do Trabalho
10
15
16
DEFINIES FUNDAMENTAIS
2.1
2.2
Espao de Sobolev
2.3
Lema de Lax-Milgram
4
5
6
17
a,b
3 ABORDAGEM
ESTOCSTICA
DA
VIGA
REPOUSANDO EM FUNDAO DE PASTERNAK
3.1
3.2
3.3
17
Espao de Probabilidades
18
19
DE
EULER-BERNOULLI
21
21
24
25
REPRESENTAO DE INCERTEZA
27
4.1
29
O Esquema de Askey-Wiener
34
5.1
43
Momentos Estatsticos
EXEMPLOS NUMRICOS
45
6.1
6.2
6.3
6.4
6.5
6.6
48
49
58
64
70
76
7 CONCLUSES
REFERNCIAS
78
80
INTRODUO
Estruturas apoiadas so amplamente utilizadas na engenharia de estruturas.
Carga distribuda
Momento fletor
Carga distribuda
Momento fletor
Tenso Esfrica
Regio 3
Fronteira limite
Regio 1
Regio 2
Tenso Deviatrica
Figura 4 Modelo no-linear para o solo.
Fonte: Adaptado de Jardine, 1992, p. 2.
10
1.1
Reviso da Literatura
Modelos Mecnicos Lineares de Viga apoiada em Fundao Elstica
Tais abordagens utilizam um modelo mecnico para a estrutura suportada e
d2 d2u
x 0, l ;
2 EI 2 x f x ,
dx dx
u(x 0) u0 ; u(x l) ul ;
du x 0 ; du x l ,
0
l
dx
dx
sendo EI a rigidez flexo da viga e f o carregamento externo.
(1)
11
Fundao de Winkler
O modelo de Winkler (1867) assume que a fora de reao que o solo exerce
sobre um determinado ponto da viga, proporcional deflexo da viga neste ponto.
Dinev (2012) faz uma analogia deste modelo com um sistema de molas verticais,
independentes e de rigidez w , conforme ilustrado na figura 5. A partir disso, o
carregamento externo resultante na viga assume a forma:
f x q x wu x .
(2)
d2 d2u
EI
w x q x ,
dx 2 dx 2
u(x 0) u0 ; u(x l) ul ;
du x 0 ; du x l .
0
l
dx
dx
x 0, l ;
(3)
w x
12
q x
Fundao de Pasternak
O modelo de Pasternak (1954) restaura a continuidade do deslocamento da
viga, introduzindo um termo difusivo fora de reao do solo. Desta forma, o
carregamento externo resultante torna-se:
f x q x wu x
d du
p
x .
dx dx
(4)
d2 d2u d du
p
w u x q x , x 0, l ;
2 EI 2
dx dx dx dx
u(x 0) u0 ; u(x l) ul ;
du x 0 ; du x l .
0
l
dx
dx
(5)
13
Camada de cisalhamento
Molas verticais
14
15
1.2
Objetivos
O presente estudo tem como objetivo geral a anlise terico-numrica do
16
1.3
Estrutura do Trabalho
O contedo deste trabalho apresentado em sete captulos. O captulo
ainda
presente
neste
captulo
construo
dos
processos
17
DEFINIES FUNDAMENTAIS
O presente captulo tem como objetivo expor os principais conceitos
2.1
Espao de Probabilidades
Considera-se o conjunto no vazio { }, denominado espao amostral,
, e P 1 . A partir disto, a
de Borel:
| X x , x ,
(6)
FX x P | X x ,
, dado por:
x .
(7)
X x 0, tal que:
FX x X s ds, x ,
x
(8)
18
X X dP .
2.2
(9)
u,v
u.v x dx
b
L2 a,b
u,v L2 a,b .
(10)
uL
a,b
u,u
L2 a,b
u,v L2 a,b .
(11)
L2 a,b , m
u,v
Hm a,b
u,v Hm a,b .
(12)
19
X,Y
L2 , , P
X.Y
X,Y L2 , , P .
(13)
L2 ,
span1 ,
, n X
|
X
aii , ai
n
i1
(14)
u,v
Tu,Tv H , u,v H .
(15)
2.3
Lema de Lax-Milgram
As medidas de norma e produto interno do espao de Sobolev permitem a
, tal que:
(16)
20
, tal que:
a u,v c u V v V , u,v V ;
(17)
coerciva se
, tal que:
a u,u c u V , u,v V ;
2
(18)
A desigualdade de Cauchy-
u,v
u V v V , u,v V .
(19)
21
ABORDAGEM
ESTOCSTICA
DA
VIGA
DE
EULER-
d 2 EI d 2u d du u q, x, 0, l ;
W
dx2
dx P dx
dx2
u 0, u l, 0;
2
2
d u2
0, ; q.s.
d u2
dx 0, dx l,
q.s.
(21)
a,a
H1 : b,b
c,c
: P : EI x, a,a , x 0, l 1;
: P : p x, b,b , x 0, l 1;
: P : w x, c,c , x 0, l 1.
H2 : q L2 , , P ; H 0 0, l
(22)
22
d2u
d2u
Q u H2 0, l u 0 u l 0 2
2
0 .
dx 0 dx l
(23)
u, v
H 0,l
2
u.v
0
du dv d2u d2 v
.
x dx ,
dx dx dx 2 dx 2
(24)
u H2 0,l
2
2
l
2
du d2u
2
u 2 x dx .
0
dx dx
(25)
2
H2 0,l
dP .
(26)
outro lado, para uma posio fixa x 0, l , no domnio espacial, tem-se que:
23
u x, , L2 , , P ,
(27)
u , w .g Q ,
(28)
(29)
x .g ,
Du : d w
dx
no qual
(30)
24
u,v
L 2 , ,P Q
dw dq
d2 w d2q
w.g.q.h g.h. . g.h. 2 . 2 x dxdP ,
dx dx
dx dx
0
(31)
u L2 ,
,P Q
2
2
l
2
d2 w
dw
2
g.w g. g. 2 x dxdP .
0
dx dx
(32)
V~ L2 , , P Q ,
uV w.gL ,
2
,P Q
so
espaos
isomorfos,
observando
que
para
, tem-se:
2
u H2 0,l dP
1
2
u L2 ,
,P Q
(33)
u, v
(34)
3.2
u, u
1
2
Problema Variacional
A formulao variacional associada ao problema da viga de Euler-Bernoulli
25
l
D2 EI.D2u D du u v x, dxdP
P
W
0
0 qv x, dxdP.
dx
l
(35)
qv x, dxdP,
(36)
a u,v f v , v V.
no qual, a : V V
(37)
um funcional linear,
definidos a seguir:
l
2
2
a u,v
0 Wuv PDuDv EID uD v x, dxdP ;
l
f v qv x, dxdP.
0
3.3
(38)
lema de Lax-Milgran proposta por Babuska et. al (2005), que garante a unicidade e
existncia de soluo do P.V.A. definido na equao (37).
Teorema (Existncia e unicidade de soluo do P.V.A). Sejam EI, P e
26
, linear no espao de
a u,u
x, dxdP
cu b Du a D u x, dxdP
m u Du D u x, dxdP m u,u
u2 P Du EI D2u
2
(39)
m u V,
l
2 l
c u2 x dxdP v 2 x dxdP
0
0
1
2
2
b Du x dxdP
0
l 2
a
Du
0
1
2
1
2
2 l 2
x dxdP D v
0
(40)
2
Dv x dxdP
0
c u
b u
x dxdP
a u
1
2
C u
com C / 3 max a,b,c . Desta forma o lema de Lax-Milgram garante que a soluo
do P.V.A., definido na equao (37), existe e nica. Solues tericas para o
problema (37) so obtidas em V
L2 , , P Q .
C 2 , densas em
Q , e para representar o
27
REPRESENTAO DE INCERTEZA
Em muitos problemas de engenharia, uma anlise dos momentos estatsticos
x, = x, = x, 1 , , N ,
sendo , ,P
(41)
x, x i x i x t x . ,
(42)
i1
i C0 0, l C 2 0, l , i 1,
um
, N , e
i 0, i 1, , N,
P i i = 1, i 1,
, N,
(43)
28
limitado
tal
que
i ai , bi
i bi ai , i 1,
, N .
aleatrio
por:
i i ,
(44)
i1
dP i i di .
(45)
i1
u x, u x, u x, 1 ,
, N .
(46)
29
4.1
O Esquema de Askey-Wiener
O esquema de Askey-Wiener, apresentado no trabalho de Xiu e Karniadakis
(2002),
tambm
conhecido
como
Wiener-Caos
essencialmente,
uma
L2 ,
, P um
,P , sendo a -
L2 ,
, P ,
N : polinmio de
i i1
i , i 1,...,N; N
grau n ;
(47)
o fecho do conjunto
em L2 , , P e analisando a equao
30
, , ,...
0
crescentes.
Utilizando-se estes conjuntos de polinmios possvel formar uma famlia de
subconjuntos de L2 , , P ,
n-1
(48)
L2 ,
L2 ,
, P
(49)
n 0
X Xn
(50)
n 0
31
u i
p 0 n1 nr p i1, ,ir
j1 jr
i1 ir
p i1 , , ir ,
(51)
jr
jr
ir
coeficientes. O ndice
ik
r
k 1
total em
por meio de uma enumerao no conjunto dos nmeros naturais, a equao (51)
pode ser reescrita como:
u u .
(52)
de Hermite multidimensionais:
h m m ,
(53)
m1
0 1,
i , j
L2 , ,P
ij ,
i, j
(54)
u L2 ,
, P , com a
32
k 1
(i,j) hi 1 h j 2 ; i, j 0,1,2;
h0 k 1; h1 k 2k ; h2 k 4k 2 2; k 1,2.
(55)
H span iNi1
uma famlia de
L2 , , P .
O esquema de Askey-Wiener representa uma familia de sub-espaos gerados
por polinmios ortogonais, que so soluo de equaes diferenciais ordinrias, Xiu
e Karniadakis (2002). Como exemplos podem ser citados os polinmios de Hermite,
Laguerre, Jacobi e Legendre. Todo sub-espao gerado por estes polinmios um
2
sistema completo em L , , P . A ortogonalidade entre os polinmios definida
33
Varivel
aleatria
Polinmio
Funo peso
Gaussiana
Hermite
Gama
Laguerre
Beta
Jacobi
Uniform
Legendre
11
1
1
1
2
2
Suporte
0,
1 1
1
b a
a, b
a,b
34
x e 1
xe
x e 1
x e 1
(56)
. Por outro
0, l ,
x e 1
e Du x, x , ou
e
x e 1
seja,
u x e , u1 , Du x e , 1 ,
u x e1, u2 , Du x e1, 2 ,
(57)
(58)
35
j1
da soluo aproximada uM x,
Du x , C 2C x 3C x 2 ;
M e
2
3 e
4 e
1
u u x , C C x
2
3
M e 1
1
2 e 1 C3 x e 1 C 4 x e 1 ;
2
2
2 DuM x e1, C2 2C3 x e 1 3C4 x e 1 .
(59)
j1
(60)
estocsticos
j1
36
uM x, u1 k k 1 x
k 1
1 k k 2 x
k 1
(61)
u2 k k 3 x
k 1
2 k k 4 x
k 1
m 4 n
U x ,
j 1 k 1
jk
37
j1
n dim
s p !
s!.p!
(62)
(63)
uM x, uiNi x, ,
(64)
Ni x, j x .k .
(65)
i1
sendo,
38
e 1
equao (56), D EI.D2u PDu x,
e EI.D2u x, ,
xe
xe
x e 1
D
EI.D
u
Du
x
,
Q 1 k k ,
P
e
1
k 1
M
(
EI.D
u
x
,
Q 2 k k ,
1
e
k 1
n
F D EI.D2u Du x , Q ,
P
e 1
3 k
k
2
k 1
n
M () EI.D2u x , Q ,
2
e 1
4 k
k
k 1
Q
n
sendo
k 1
F ,
j k
e momentos fletores
(66)
M ()
1
F
1
finito.
Procedendo de modo anlogo ao mtodo dos elementos finitos usual, o
mtodo de Galerkin aplicado atravs da ortogonalizao do resduo sobre o
espao de solues aproximadas, formado pelas funes teste Nj x, , obtendose a forma discretizada do problema apresentado na equao (37):
a Ni ,Nj ui f Nj , Nj VM;
i1
(67)
na qual,
xe 1
2
2
a N ,N
i
j
xe W .Ni.Nj PD Ni.D Nj EI.D Ni.D Nj x, dxdP ,
xe 1
f Nj qNj x, dxdP j .
xe
(68)
39
Na equao (68),
q Q
j
i k
sendo K
MM
(69)
ordem M M , F
e com
K k ij
MM
, k ij
x e 1
xe
x e 1
xe
.D N .D N x, dxdP
i
F fj ,
M
j1
fj
xe 1
xe
x e 1
xe
(70)
EI.D2Ni.D2N x, dxdP ,
j
q.N x, dxdP q .
j
(71)
do
espao
de
solues aproximadas,
equao (63).
custo
40
10
12
14
16
18
20
10
12
14
16
18
20
nz = 208
mdulo elasticidade
h0 j 1;
h1 j j ;
h2 j 1 3 j2 1 ;
2
h3 j 1 5 j3 3 j .
2
(72)
41
(73)
42
43
5.1
Momentos Estatsticos
Os processos estocsticos de deslocamento e rotao nos ns dos elementos
ui k k ,
k 1
n
,
i k
k
i
k 1
sendo ui k e
i k
(74)
estatsticos,
de
primeira
segunda
ordem,
destes processos
ui ui k k dP ,
k 1
n
i i k k dP ,
(75)
k 1
e o operador varincia:
2 u
i
2 i
ui 2
2
i
ui
(76)
.
44
i j
1 N
ui j ;
ui
N j1
.
N
2
2 1
ui j u .
u
i
i N 1 j1
(77)
ui ui
E% ( ui )
;
ui
2 ui u2i ;
2 2
E% ( ui )
u2i
(78)
45
EXEMPLOS NUMRICOS
O presente captulo apresenta exemplos numricos da aplicao do MEFE,
l 1m
1
b
m, x 0, l
100
q 1000N / m, x 0, l
p : , , P 0, l
h : , , P 0, l
w : , , P 0, l
na
altura
da
, e no mdulo de elasticidade E : , , P 0, l
viga
. Os
(79)
(80)
n1
2.n
n1
n1
N
n1
(81)
(82)
46
Parmetro
E x,
210GPa
Desvio padro
E
h
10
1 m
50
1000N
1000Pa
h x,
p x,
w x,
10
10
10
47
48
6.1
d4u
d2u
EI
w u x q x , x 0, l ;
p
dx 4
2
dx
u(x 0) u(x l) 0;
2
2
d u x 0 d u x l 0;
dx 2
dx 2
(83)
j..x
espao de solues so consideradas: funes do tipo sen
e o mtodo dos
l
elementos finitos determinstico (polinmios de Hermite, figura 10). Conforme
ilustrado na tabela 3, utilizando-se 6 elementos finitos na discretizao espacial, o
erro relativo inferior a 103% .
49
u(x=L/2) [m]
Analtica
0.00861166804569
--
0.00864723839095
0.413048
0.00860912663450
0.029511
0.00861210564525
0.005081
MEF, 2 elementos
0.00861697166049
0.061586
MEF, 4 elementos
0.00861199565556
0.003804
MEF, 6 elementos
0.00861173261783
0.000750
6.2
E : , , P 0, l
50
[m]
51
SMC
0.005
MEFE p=1
0.004
MEFE p=2
0.003
MEFE p=3
0.002
0.001
[m]
0
0
0.2
0.4
0.6
0.8
SMC
MEFE p=1
0.08
MEFE p=2
0.06
MEFE p=3
0.04
0.02
0
0
0.2
0.4
0.6
0.8
1 [m]
52
0.035%
0.030%
0.025%
0.020%
MEFE p=1
MEFE p=2
0.015%
MEFE p=3
0.010%
0.005%
0.000%
0
0.2
0.4
0.6
0.8
1 [m]
MEFE p=1
MEFE p=2
4%
MEFE p=3
3%
2%
1%
0%
0
0.2
0.4
0.6
0.8
[m]
53
Valor Esperado
[m]
Erro Relativo no
valor esperado
[%]
Varincia
[m]
SMC
0.0087637987898
----
0.135859871 x10-5
----
MEFE p=1
0.0087623316333
0.0167411
0.124866158 x10-5
8.0919
MEFE p=2
0.0087664968641
0.0307866
0.135111607 x10
-5
0.5508
-5
0.1520
MEFE p=3
0.0087666318845
0.0323272
Erro Relativo
na varincia
[%]
0.135653429 x10
54
13.5%
13.3%
SMC
13.1%
MEFE p=1
12.9%
MEFE p=2
MEFE p=3
12.7%
12.5%
0
0.2
0.4
0.6
0.8
1 [m]
4.0%
3.5%
3.0%
2.5%
MEFE p=1
2.0%
MEFE p=2
1.5%
MEFE p=3
1.0%
0.5%
[m]
0.0%
0
0.2
0.4
0.6
0.8
55
[m]
Figura 25 Histogramas da varivel randmica u4 , exemplo 1a.
[m]
Figura 26 Estimativa da FDPA da varivel randmica u4 , exemplo 1a.
56
funes
de
aproximao
do
espao
de
solues.
Os
coeficientes
(84)
i1 k 1
57
GDL
u1
u2
u3
3x 2 2x3
1 1 2 3
Le
Le
2x 2 x3
2 x
Le Le2
3x 2 2x 3
3 2 3
Le
Le
x 2 x3
4 2
Le Le
3x 2 2x3
1 1 2 3
Le
Le
2x 2 x3
2 x
Le Le2
3x 2 2x 3
3 2 3
Le
Le
x 2 x3
4 2
Le Le
U KU F
1 1
2 1
3 2
4 3
5 4
1 1
0.028100503
2 1
-0.000608679
3 2
-0.002508154
4 3
-0.001146199
5 4
-0.002224074
1 1
0.008766734
2 1
-0.000198525
3 2
-0.000777488
4 3
-0.000370816
5 4
-0.000678775
1 1
2 1
0.000194989
3 2
-4.97889E-05
4 3
0.000346628
5 4
-0.000189364
1 1
2 1
3 2
4 3
5 4
-0.028100503
2 1
0.000668307
3 2
0.002492928
4 3
0.001252199
5 4
0.002166166
58
6.3
h : , , P 0, l
59
[m]
[m]
0.01
0.009
0.008
0.007
0.006
0.005
0.004
0.003
0.002
0.001
0
SMC
MEFE p=1
MEFE p=2
MEFE p=3
0.2
0.4
0.6
0.8
[m]
60
-4
x 10 [m]
0.2
0.18
0.16
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
SMC
MEFE p=1
MEFE p=2
MEFE p=3
0.2
0.4
0.6
0.8
1 [m]
1.6%
1.4%
1.2%
1.0%
MEFE p=1
0.8%
MEFE p=2
0.6%
MEFE p=3
0.4%
0.2%
0.0%
0.2
0.4
0.6
0.8
1 [m]
25%
20%
15%
MEFE p=1
MEFE p=2
10%
MEFE p=3
5%
0%
0
0.2
0.4
0.6
0.8
[m]
61
Valor Esperado
[m]
Erro Relativo no
valor esperado
[%]
Varincia
[m]
Erro Relativo
na varincia
[%]
SMC
0.0095333337589
----
0.15471456 x10-4
----
MEFE p=1
0.0094996987182
0.3528
0.11866839 x10-4
23.2984%
MEFE p=2
0.0096536381540
1.2619
0.17546967 x10-4
13.4151%
MEFE p=3
0.0096654329809
1.3856
0.18470791 x10-4
19.3862%
62
45%
44%
43%
42%
41%
SMC
40%
MEFE p=1
39%
MEFE p=2
38%
MEFE p=3
37%
36%
35%
0
0.2
0.4
0.6
0.8
1 [m]
12%
10%
8%
MEFE p=2
6%
MEFE p=3
MEFE p=1
4%
2%
0%
0
0.2
0.4
0.6
0.8
1 [m]
63
[m]
Figura 35 Histogramas da varivel randmica u4 , exemplo 1b.
[m]
64
6.4
fundao, p : , , P 0, l
65
[m]
SMC
MEFE p=1
MEFE p=2
MEFE p=3
0.2
0.4
0.6
0.8
[m]
66
x 10-8 [m]
0.7
0.6
0.5
SMC
0.4
MEFE p=1
0.3
MEFE p=2
0.2
MEFE p=3
0.1
0
0
0.2
0.4
0.6
0.8
[m]
0.0020%
0.0018%
0.0016%
0.0014%
0.0012%
0.0010%
0.0008%
0.0006%
0.0004%
0.0002%
0.0000%
MEFE p=1
MEFE p=2
MEFE p=3
0.2
0.4
0.6
0.8
1 [m]
0.40%
0.35%
0.30%
0.25%
MEFE p=1
0.20%
MEFE p=2
0.15%
MEFE p=3
0.10%
0.05%
0.00%
0
0.2
0.4
0.6
0.8
1 [m]
67
SMC
MEFE p=1
MEFE p=2
MEFE p=3
Valor Esperado
[m]
Erro Relativo no
valor esperado
[%]
Varincia
[m]
0.0086123211699
----
0.63971800 x10-8
0.0086124708260
0.0086124709227
0.0086124709227
0.001738
0.001739
0.001739
Erro Relativo
na varincia
[%]
----
-8
0.385113
-8
0.345925
-8
0.345915
0.63725436 x10
0.63750505 x10
0.63750512 x10
68
1.000%
0.800%
SMC
0.600%
MEFE p=1
MEFE p=2
0.400%
MEFE p=3
0.200%
0.000%
0
0.2
0.4
0.6
0.8
1 [m]
0.20%
0.15%
MEFE p=1
0.10%
MEFE p=2
MEFE p=3
0.05%
0.00%
0
0.2
0.4
0.6
0.8
1 [m]
69
[m]
Figura 45 Histogramas da varivel randmica u4 , exemplo 2a.
[m]
Figura 46 Estimativa da FDPA da varivel randmica u4 , exemplo 2a
70
6.5
fundao w : , , P 0, l
71
[m]
[m]
0.01
0.009
0.008
0.007
0.006
0.005
0.004
0.003
0.002
0.001
0
SMC
MEFE p=1
MEFE p=2
MEFE p=3
0.2
0.4
0.6
0.8
[m]
72
x 10-10 [m]
0.7
0.6
0.5
SMC
0.4
MEFE p=1
0.3
MEFE p=2
0.2
MEFE p=3
0.1
0
0
0.2
0.4
0.6
0.8
[m]
0.00030%
0.00025%
0.00020%
MEFE p=1
0.00015%
MEFE p=2
0.00010%
MEFE p=3
0.00005%
0.00000%
0
0.2
0.4
0.6
0.8
1 [m]
0.25%
0.20%
0.15%
MEFE p=1
MEFE p=2
0.10%
MEFE p=3
0.05%
0.00%
0
0.2
0.4
0.6
0.8
1 [m]
73
SMC
MEFE p=1
MEFE p=2
MEFE p=3
Valor Esperado
[m]
Erro Relativo no
valor esperado
[%]
Varincia
[m]
0.0086117177940
----
0.6559964 x10-10
0.0086117401895
0.0086117401895
0.0086117401895
0.000260%
0.000260%
0.000260%
Erro Relativo
na varincia
[%]
----
-10
0.201835%
-10
0.201432%
-10
0.201432%
0.6546724 x10
0.6546750 x10
0.6546750 x10
74
0.1000%
0.0800%
SMC
0.0600%
MEFE p=1
MEFE p=2
0.0400%
MEFE p=3
0.0200%
0.0000%
0
0.2
0.4
0.6
0.8
1 [m]
0.12%
0.10%
0.08%
MEFE p=1
0.06%
MEFE p=2
MEFE p=3
0.04%
0.02%
0.00%
0
0.2
0.4
0.6
0.8
1 [m]
75
[m]
[m]
Figura 56 Estimativa da FDPA da varivel randmica u4 , exemplo 2b.
76
6.6
que a propagao da incerteza maior nos casos em que a incerteza est presente
no coeficiente de rigidez flexo da viga. Na tabela 9 so apresentados os valores
de desvio relativo, no valor esperado do processo estocstico de deslocamento
transversal no centro da viga, para os diferentes exemplos, em relao ao problema
determinstico calculado com a mdia dos parmetros E , h , p e w . Conforme
exposto anteriormente, nota-se que a propagao da incerteza mais acentuada
nos exemplos em que o parmetro randmico interage com derivadas de ordem
mais alta no problema variacional, equao (37). Desta forma, problemas com
incerteza nos parmetros que multiplicam derivadas de ordem mais alta, requerem
2
uma maior discretizao no espao L , , P . O desvio no valor esperado dos
Valor esperado do
deslocamento no centro da
viga [m]
0.0086116680456
Desvio relativo em
relao ao problema
determinstico [%]
----
0.0087666318845
0.0323
0.0096654329809
1.3856
0.0086124709227
0.0017
0.0086117401895
0.0002
77
SMC N=50.000
MEFE p=1
MEFE p=2
MEFE p=3
1a
1678
60
348
1258
1b
1712
69
365
1287
2a
1688
69
352
1264
2b
1736
123
386
1305
78
CONCLUSES
Neste trabalho, foi apresentado o problema de flexo estocstica, de uma
79
80
REFERNCIAS
ADAMS R. A.. Sobolev spaces. Academic Press. New York. 1975.
ALEXANDERIAN A. Gaussian Hilbert spaces and homogeneous chaos: from
theory to application. The Univertity of Texas at Austin, 2013.
AMERICAN IRON AND STEEL INSTITUTE. Welded steel pipe. American Iron and
Steel Institute, 2007.
ARAJO J. M.; AWRUCH A. M.. On stochastic finite elements for structural
analysis. Computers and Structures, v. 52, n. 3, p. 461-469, 1994.
ASKEY R.; WILSON J.. Some basic hypergeometric polynomials that generalize
jacobi polynomials. Mem. Amer. Math. Soc., 319, AMS, Providence, RI. 1985.
BABUSKA I.; CHATZIPANTELIDIS P.. On solving elliptic stochastic partial
differential equations. Computer Methods in Applied Mechanics and Engineering,
v. 191, n. 37-38, p. 4093-4122, 2002.
BABUSKA I.; WHITEMAN J. R.; STROUBOULIS T.. Finite elements: an
introduction to the method and error estimation. Oxford University Press, NY,
2011.
BABUSKA I.; TEMPONE R.; ZOURARIS G. E.. Galerkin finite element
approximations of stochastic elliptic partial differential equations. Society for
Industrial and Applied Mathematics, v. 42, n. 2, p. 800-825, 2004.
BABUSKA I.; TEMPONE R.; ZOURARIS G. E.. Solving elliptic boundary value
problems with uncertain coefficients by the finite element method: the
stochastic formulation. Computer Methods in Applied Mechanics and Engineering,
v. 194, n. 12-16, p. 1251-1294, 2005.
BESOLD P. Solutions to stochastic partial differential equations as elements of
tensor product spaces. PhD Thesis, Universitt Gottingen, 2000.
BOYAVAL S.; LE BRIS C.; MADAY Y.; NGUYEN N. C. and PATERA A. T.. A
reduced basis approach for variational problems with stochastic parameters:
Application to heat conduction with variable Robin coefficient. Computer
Methods in Applied Mechanics and Engineering; v. 198, n. 41-44, p. 3187-3206,
2009.
CAMERON R. H.; MARTIN W. T.. The orthogonal development of nonlinear
functionals in series of Fourier-Hermite functional. Annals Mathematics, n. 48, p.
385-392, 1947.
81
Uchenyie
M.
M..
Zapiski
Some
approximate
Moskovskogo
theories
Gosudarstvennogo
of
elastic
Universiteta
82
MATTHIES H. G.; KEESE A.. Galerkin methods for linear and nonlinear elliptic
stochastic partial differential equations. Computer Methods in Applied Mechanics
and Engineering, v. 194, n. 12-16, p. 1295-1331, 2005.
OGURA H.. (1972) Orthogonal functionals of the Poisson process. IEEE Trans.
Inform. Theory, v. 18, n. 4, p. 473481, 1972.
PASTERNAK P. L.. On a new method of analysis of an elastic foundation by
means of two foundation constants. Gosudartsvennoe Izdatelstvo Literaturi po
Stroitelstvu I Architekture, Moskva, 1954.
REISSNER E.. Deflection of plates on viscoelastic foundation. Journal of Applied
Mechanics, v.25, p. 144-145, 1958.
RAO M. M.; SWIFT J. R.. Probability theory with applications. Springer, 2nd ed,
2010.
REDDY J. N.. An introduction to the finite element method. MacGraw Hill. 3nd
ed. 2006.
RYAN R. A.. Introduction to tensor products of Banach spaces. Springer, 2002.
SARSRI D.; AZRAR L.; JEBBOURI A.; EL HAMI A.. Component mode synthesis
and polynomial chaos expansions for stochastic frequency functions of large
linear FE models. Computers & Structures, v. 89, n. 3-4, p. 346-356, 2011.
SETT K; JEREMIC B; KAVVAS M. L.. Stochastic elasticplastic finite elements.
Computer Methods in Applied Mechanics and Engineering, v. 200, n. 9-12, p. 9971007, 2011.
SILVA JR. C. R. A.. Application of the Galerkin method to stochastic bending of
Kirchhoff plates. Doctoral Thesis, Department of Mechanical Engineering, Federal
University of Santa Catarina, Florianpolis, SC, Brazil, 2004.
SILVA JR. C. R. A.; BECK A. T.; SUAREZ O. A. G.. Galerkin solution of stochastic
reaction-diffusion problems. Journal of Heat Transfer. 2013.
SPANOS P. D.; GHANEM R. Stochastic finite element expansion for media
random. Journal Engineering Mechanics, v. 125, n. 1, p. 26-40, 1989.
TEODORU I.B.; MUSAT V.; VRABIE M.. A finite elemento study of the beanding
of beams restingo on two-parameter elastic foundation. Buletinul Institutului
Politehnic din Iasi, Tomul LII (LVI), Fasc. 3-4, 2006.
TEODORU I.B.; MUSAT V.. Beam elements on linear variable two-parameter
elastic foundation. Buletinul Institutului Politehnic din Iasi, Tomul LIV (LVIII), Fasc.
2, 2008.
83
TEODORU I.B.; MUSAT V.. The modified Vlasov foundation model: an attractive
approach for beams resting on elastic supports. The Eletronic Journal of
Geotechnical Engineering, v.15C, 2010.
THE STEEL CONSTRUCTION INSTUTUTE, Joints in steel construction: Moment
connections. The Steel Construction Institute, 1997.
THE STEEL CONSTRUCTION INSTUTUTE, Joints in steel construction: simple
connections. The Steel Construction Institute, 2002.
TIMOSHENKO S.. Strenght of materials: advanced theory and problems. 2ed. D.
Van Nostrand Company, 1940.
TREVES F.. Topological vector spaces, distributions and kernels. Academic
Press. 1967.
VANMARCKE E. H.; GRIGORIU M.. Stochastic finite element analysis of simple
beams. Journal of Engineering Mechanics, v. 109, n. 5, p.12031214, 1983.
VLAZOV V.Z.; LEONTIEV U. N.. Beams, plates and shells on elastic foundation.
Israel Program for Scientific Translations, Jerusalem, 1966.
WIENER N.. The homogeneous chaos American. Journal Mathematics, n. 60, p.
897-936, 1938.
WINKLER E.. Die lehre von der elastizitat und festigkeit. Dominicus, Prague,
1867.
WRIGGERS, P. Computational contact mechanics. 2ed. Springer, 2006.
XIU D.; KARNIADAKIS G. E.. The Wiener-Askey polynomial chaos for stochastic
differential equations. SIAM Journal on Science Computing, v. 24, n. 2, p. 619-644,
2002.
YOSHIDA K.. Functional analysis. Springer, Berlin, 1978.