MachadoMarcelaRodrigues M

Marcela Rodrigues Machado
Quantificao de Incertezas e Anlise de Confiabilidade

em Problemas Mecnicos
Dissertao apresentada ao Curso de Mes-

trado da Faculdade de Engenharia Mecnica
da Universidade Estadual de Campinas, como
requisito para a obteno do ttulo de Mestre
em Engenharia Mecnica.
rea de Concentrao: Mecnica dos Slidos

e Projetos Mecnicos
Orientador: Jos Maria Campos dos Santos
Campinas
2012
i
FICHA CATALOGRFICA ELABORADA PELA
BIBLIOTECA DA REA DE ENGENHARIA E ARQUITETURA - BAE - UNICAMP
Machado, Marcela Rodrigues

M18q Quantificao de incertezas e anlise de
confiabilidade em problemas mecnicos / Marcela
Rodrigues Machado. --Campinas, SP: [s.n.], 2012.
Orientador: Jos Maria Campos dos Santos.

Dissertao de Mestrado - Universidade Estadual de
Campinas, Faculdade de Engenharia Mecnica.
1. Incerteza. 2. Analise espectral. 3. Confiabilidade

(Engenharia) Mtodos estatsticos. I. Santos, Jos Maria
Campos dos. II. Universidade Estadual de Campinas.
Faculdade de Engenharia Mecnica. III. Ttulo.
Ttulo em Ingls: Uncertainty quantification and reliability analysis in mechanical

problemas
Palavras-chave em Ingls: Uncertainty, Spectrum analysis, Reliability (Engineering)
statistical methods
rea de concentrao: Mecnica dos Slidos e Projetos Mecnicos
Titulao: Mestre em Engenharia Mecnica
Banca examinadora: Andr Tefilo Beck, Jos Roberto de Frana Arruda
Data da defesa: 24-02-2012
Programa de Ps Graduao: Engenharia Mecnica
ii
DEDICATRIA:
Dedico este trabalho a minha princesa Sofia, aos meus pais Terezinha e Jos Carlos, ao
meu querido Pedro, ao meu irmo Renan, a minha famlia e os amigos.
iv
Agradecimentos
A minha famlia por todo apoio durante toda vida.
A minha filha Sofia.
Ao Pedro, pelo suporte e muitas vez me suportar.
Ao meu orientador Professor Dr.Jos Maria Campos dos Santos, pela ajuda e dedicao e
confiana depositada em mim.
Aos colegas do DMC e as amigas Thais, Daniela, Priscila e a Beth pelas muitas risadas e
ajuda inestimvel durante esta etapa.
A Capes e ao Cnpq pelo apoio financeiro.
Aos Professores da FEM.
v
Todos tm algum grau de aleatoriedade
em suas vidas, o melhor tentar ser
feliz com que se escolhe. Nunca se sabe
com certeza o que vai acontecer, ento
sempre bom estar preparado para
tudo.
Leonard Mlodinow
vi
Resumo
Esta trabalho, trata do estudo de quantificao de incertezas ou aleatoriedade exis-

tentes em sistemas mecnicos. Neste sentido, o mtodo de expanso em Polinmio de Caos
e a simulao de Monte Carlos so aplicados para obter a resposta de um problema com
paramentos aleatrios. Alm disso, estudos de confiabilidade em sistemas mecnicos tambm
so abordados nesta dissertao. Com este propsito, os mtodos de confiabilidade de
primeira ordem e de segunda ordem so estudados e utilizados na anlise de confiabilidade
de sistemas mecnicos. Trs problemas mecnicos diferentes foram abordados para os
estudos mencionados. O primeiro aborda um problema dinmico simples de um grau de
liberdade, o segundo um problema de propagao de trinca em estrutura usando equao
de Paris da mecnica da fratura linear e o terceiro um problema de deteco de falhas
utilizando o mtodo do elemento espectral em uma estrutura tipo viga. Para todos os casos
parmetros incertos foram considerados. Portanto, este trabalho contribui para o estudo
da quantificao de incertezas em problemas de engenharia, bem como a confiabilidade de
sistemas mecnicos levando em considerao as possveis aleatoriedades presentes neles. Os
casos simulados so realizados com o objetivo de verificar a validade do modelo incluindo os
efeitos das incertezas dos parmetros e avaliar sua eficincia computacional.
Palavras-chave: Quantificao de incertezas, Deteco e propagao de trinca, Deteco de

Falha Estrutural, Mtodo do elemento espectral, Confiabilidade estrutural.
vii
Abstract
This work, deals with the study of uncertainty quantification or mechanical systems
randomness. In this sense, the polynomial chaos expansion method and Monte Carlo
simulation are applied to obtain the response of a problem with random parameters. In
addition, reliability studies on mechanical systems are also discussed in this dissertation.
For this purpose, the fist- and second-order reliability methods are studied and used for the
analysis of mechanical system reliability. Three different mechanical problems have been
addressed in the studies mentioned. The first approach is a simple one degree of freedom
dynamic problem, the second is a crack propagation problem based on Paris linear fracture
mechanics equation and the third is a damage detection problem using the spectral element
method using, a beam type structure. For all cases uncertain parameters were considered.
Therefore, this work contributes to the study of uncertainty quantification in engineering
problems, as well as the reliability of mechanical systems taking into account the possible
randomness present in them. The simulated cases are performed with the objective of
verifying the validity of the model including the effects of uncertainties in parameters and
to assess its computational efficiency.
Keywords: Uncertainty Quantification, Structural Reliability, Spectral Element Method,

Crack propagation, Structural Damage Detection.
viii
Lista de Ilustraes
1.1 Mtodos de quantificao de incertezas.(Sameer, 2006) . . . . . . . . . . . 2

1.2 Ilustrao experimental das variabilidades em um sistema real: (a)Modelo;
(b)Medies das FRF. (Durand et al., 2008) . . . . . . . . . . . . . . . . . 2
3.1 Fundamentos da confiabilidade estrutural (Haldar e Mahadevan, 2000). 14
3.2 Conceito de estado limite. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.3 Estado limite linear e no linear (Beck, 2011). . . . . . . . . . . . . . . . . 22
3.4 Rotao das coordenadas (Haldar e Mahadevan, 2000). . . . . . . . . . 23
3.5 Mapeamento da CDF inversa (Haldar e Mahadevan, 2000). . . . . . . . 28
3.6 Modelo de combinaes do BBD para 3 variveis. . . . . . . . . . . . . . . . 31
3.7 Mtodo de interpolao linear para a determinao do ponto central. . . . . 32
4.1 Sistema massa-mola de 1GDL com amortecimento histertico. . . . . . . . . 33
4.2 Mdias e desvios padro da resposta do sistema - CASO 1: K = 2 : 10 : 52 41
4.3 Mdias e desvios padro da resposta do sistema - CASO 2 com a ANLISE
1: K = 2 : 10 : 52 e M = 0, 001. . . . . . . . . . . . . . . . . . . . . . . . . 43
4.4 Mdias e desvios padro da resposta do sistema - CASO 2 com a ANLISE
2: K = 2 e M = 0, 001 : 0, 01 : 0, 051. . . . . . . . . . . . . . . . . . . . . . 44
4.5 FRF do sistema de 1 GDL. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
4.6 Probabilidade de falha do sistema - CASO 3 com a ANLISE 1: K = 2 :
10 : 52 e M = 0, 001. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.7 Probabilidade de falha do sistema - CASO 3 com a ANLISE 2: K = 2 e
M = 0, 001 : 0, 01 : 0, 051. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
4.8 Modos bsicos de deslocamento na superfcie da trinca . . . . . . . . . . . . 53
4.9 Curva da taxa de propagao da trinca em fadiga.(Beden et al., 2009) . . 55
4.10 Carga senoidal de amplitude e frequncia constantes. . . . . . . . . . . . . . 55
4.11 Modelo da placa com uma trinca de borda. . . . . . . . . . . . . . . . . . . . 57
4.12 Comprimento da trinca versus nmeros de ciclos. . . . . . . . . . . . . . . . 58
4.13 Probabilidade de Falha para diferentes valores de Nservio . . . . . . . . . . . . 60
4.14 Funo de distribuio cumulativa do ciclo de falha. . . . . . . . . . . . . . . 61
4.15 PDF da distribuio de Nf . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
ix
4.16 CDF da distribuio de Nf . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.17 Representao estrutural: (a)Estrutura fsica; (b)Modelo do elemento espectral. 63
4.18 Elemento espectral de viga saudvel com dois ns. . . . . . . . . . . . . . . . 64
4.19 Elemento espectral de viga semi-infinito. . . . . . . . . . . . . . . . . . . . . 66
4.20 elemento espectral de viga trincado. . . . . . . . . . . . . . . . . . . . . . . . 67
4.21 Seco transversal da viga trincada na posio da trinca. . . . . . . . . . . . 69
4.22 Modelo estrutural: (a)viga trincada; (b)viga saudvel. . . . . . . . . . . . . . 70
4.23 Representao da fora pulso no tempo e na frequncia (50 kHz). . . . . . . 71
4.24 Resposta em acelerao para as vigas saudvel e trincada nas posies 0, 25L;
0, 50L e 0, 75L. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
4.25 Grfico de convergncia da probabilidade de falha por Monte Carlo Direto com
a = 10%h e COV = 0, 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
4.26 Probabilidade de falha com L1 = 25%L: (a)MC_RSM1; (b)MC_RSM2; e
(c)MCS. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
4.27 Probabilidade de falha com L1 = 50%L: (a)MC_RSM1; (b)MC_RSM2; e
(c)MCS. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
4.28 Probabilidade de falha com L1 = 75%L: (a)MC_RSM1; (b)MC_RSM2 ; e
(c)MCS. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
4.29 Comparao entre MCS, MC_RSM1 e MC_RSM2 em: (a)Baixa e (b)Alta
probabilidade de falha com L1 = 25%L. . . . . . . . . . . . . . . . . . . . . . 79
x
Lista de Tabelas
4.1 Propriedades das variveis para o problema dinmico. . . . . . . . . . . . . . 39

4.2 Probabilidades de falha e erros percentuais relativo ao MC1 - CASO 3 com
a ANLISE 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
4.3 Probabilidades de falha e erros percentuais relativo ao MC1 - CASO 3 com
a ANLISE 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.4 Propriedades das variveis aleatrias para o problema de propagao de trinca. 57
4.5 Probabilidade de falha para o problema de propagao de trinca. . . . . . . . 59
4.6 Propriedades e dimenses das vigas. . . . . . . . . . . . . . . . . . . . . . . . 71
4.7 Tempo computacional. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
xi
Lista de Abreviaturas e Siglas
Letras Latinas
a - Tamanho da trinca
af - Tamanho final da trinca
ai - Tamanho inicial da trinca
A - Soluo de onda
b - Base da seco transversal
B - Soluo de amortecimento - ondas evanescentes
c - Constante de Paris
C - Soluo de onda
D - Soluo de amortecimento - ondas evanescentes
D - Matriz derivativa quadrtica
E - Mdulo de elasticidade
F - Fora
f (X) - Funo densidade de probabilidade
F (X) - Funo densidade cumulativa
g(.) - Funo estado limite ou funo de desempenho
g(.) - Funo estado limite aproximada pela RSM
gi (x) - Funes de forma do elemento espectral
h - Altura da seco transversal
H() - FRF determinstica
H( ) - FRF da frequncia de trabalho
Hmax ( ) - Valor limite da amplitude da FRF
I(X) - Funo indicadora
xii
k - Nmero de ondas
K - Rigidez
K - Fator de intensidade tenso
KIC - Tenacidade a fratura
K - Matriz de rigidez dinmica do elemento espectral de

viga saudvel
Kt - Matriz de rigidez dinmica do elemento espectral de
viga semi-infinito
Kc - Matriz de rigidez dinmica do elemento espectral de
viga trincada
L - Parte determinstica do operador estocstico
L - Comprimento
L1 - Localizao da trinca no comprimento
M - Massa
M - Fora nodal
M C1 - simulao de Monte Carlo Direto
M C2 - simulao de MC usando o ndice de confiabilidade
M CS - simulao de Monte Carlo usando o modelo do SEM
N - Tamanho da amostra
N - Nmero de ciclos
Nserv - Nmero de ciclos limite para falha
Nf - Nmero de ciclos para falha
pf - Probabilidade de falha
p f2 - Probabilidade de falha do SORM
P C1 - Polinmio do caos de primeira ordem
P C2 - Polinmio do caos de segunda ordem
R - Resistncia
S - Carga
S - rea de seco transversal
Sc - rea de seco transversal trincada
...................................................
xiii
Letras Gregas
- Parte aleatrio do operador estocstico

- Operador estocstico
p - Polinmio do caos de ordem p
- Varivel aleatria ortonormal gaussiana
- polinmio de Hermite
- Mdia
- Desvio padro
2 - Varincia
- ndice de segurana
(.) - CDF normal padro
(.) - PDF normal padro
- Deslocamento nodal
N Xi - Mdia normal equivalente de uma varivel
X N
i
- Desvio padro normal equivalente de uma varivel
- Variao da profundidade de da trinca
xi - Cosseno diretor
- Flexibilidade local adimensional da trinca
i - Curvatura principal do estado limite
- Fator de amortecimento
- Frequncia circular
- Frequncia de trabalho do sistema
- Densidade do material
...................................................
Superescritos
n - Nmero de varivel aleatria

...................................................
xiv
Subscritos
p - Ordem do polinmio
q - Nmero de variveis aleatrias
N - Valor determinstico (nominal)
...................................................
Abreviaes
servio - Servio
max - Mximo
min - Mnimo
...................................................
Siglas
AFOSM - Mtodo de Confiabilidade de Primeira Ordem Avanado (Advanced First-

order reliability method)
BBD - (Box-Behnken)
COV - Covarincia
CDF - Funo Densidade Cumulativa (Cumulative Density Function)
DOE - Projeto de Experimentos (Design of Experiment)
FEM - Mtodo dos Elemento Finitos (Finite Element Method)
FORM - Mtodo de Confiabilidade de Primeira Ordem (First-order reliability
Method)
FOSM - Mtodo de Primeira Ordem e Segundo Momento (First-order Second-
Moment Method)
FRF - Funo de Resposta em Frequncia
GDL - Grau de Liberdade
GEV - Valor Extremo Generalizado (Generalized extreme value distribution)
LEFM - Mecnica da Fratura Linear Elstica
LHS - Hiper Cubo Latino (Latin hypercube sampling)
LRFD - Fator de Projeto Resistncia Carga (Load Resistance Factor Design)
MC - simulao de Monte Carlo
xv
PC - Expanso em Polinmio do Caos
PDF - Funo Densidade Probabilidade (Probability Density Function)
RSM - Mtodo da Superfcie de Resposta (Response Surface Method)
RSM1 - Mtodo da Superfcie de Resposta primeira ordem
RSM2 - Mtodo da Superfcie de Resposta segunda ordem
rms - Valor Quadrtico Mdio (Root Mean Square)
SEM - Mtodo do Elemento Espectral (Spectral Element Method)
SFEM - Mtodo de elementos finitos estocstico (Stochastic Finite Element
Method)
SORM - Mtodo de Confiabilidade de Segunda Ordem (Second-order Reliability
Method)
...................................................
xvi
SUMRIO
Lista de Ilustraes ix
Lista de Tabelas xi
Lista de Abreviaturas e Siglas xii
SUMRIO xvii
1 INTRODUO 1
1.1 Objetivos gerais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Estrutura do trabalho . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2 REVISO BIBLIOGRFICA 5
3 FUNDAMENTOS TERICOS 11
3.1 Expanso em Polinmio do Caos . . . . . . . . . . . . . . . . . . . . . . . . 11
3.2 Fundamentos da Anlise de Confiabilidade: . . . . . . . . . . . . . . . . . . . 13
3.2.1 Mtodo de Confiabilidade de Primeira Ordem . . . . . . . . . . . . . 18
3.2.2 Mtodo de Confiabilidade de Segunda ordem . . . . . . . . . . . . . . 21
3.3 Simulao de Monte Carlo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.3.1 Monte Carlo Direto . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.3.2 Mtodo da Superfcie de Resposta . . . . . . . . . . . . . . . . . . . . 27
4 APLICAES EM PROBLEMAS MECNICOS 33

4.1 Problema Dinmico Estrutural Simples . . . . . . . . . . . . . . . . . . . . . 33
4.1.1 Resultados simulados do problema dinmico . . . . . . . . . . . . . . 39
4.2 Problema da Mecnica da Fratura . . . . . . . . . . . . . . . . . . . . . . . . 52
4.2.1 Propagao de trinca . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4.2.2 Resultados simulados do problema de mecnica da fratura . . . . . . 56
4.3 Problema de Deteco de Falha Estrutural . . . . . . . . . . . . . . . . . . . 62
xvii
4.3.1 Mtodo do elemento espectral . . . . . . . . . . . . . . . . . . . . . . 63
4.3.2 Elemento espectral de viga saudvel . . . . . . . . . . . . . . . . . . . 63
4.3.3 Elemento espectral de viga semi-infinito . . . . . . . . . . . . . . . . 66
4.3.4 Elemento espectral de viga trincado . . . . . . . . . . . . . . . . . . . 67
4.3.5 Flexibilidade da viga na posio da trinca . . . . . . . . . . . . . . . 68
4.3.6 Resultados simulados do problema de deteco de falhas . . . . . . . 70
5 CONCLUSES E TRABALHOS FUTUROS 83

5.1 Sugestes de Trabalhos Futuros . . . . . . . . . . . . . . . . . . . . . . . . . 86
5.2 Publicaes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
REFERNCIAS 88
NDICE 95
xviii
1 INTRODUO
Ao se tratar de projetos na rea da engenharia, a fase inicial o projeto conceitual

do sistema mecnico, este considera possveis falhas que possam vir ocorrer na vida til do
sistema e define um certo ndice de segurana, alm de buscar a aproximao do modelo
s reais condies do sistema. No processo de manufatura do sistema mecnico real existe
a presena de variabilidades nos paramentos, condies de trabalho, manuseio etc; que so
constantes e efetivos nele. Para tratar e quantificar as incertezas presentes em sistemas, o uso
da modelagem estocstica utilizada.
A modelagem estocstica de um problema comea com a identificao das variveis,

ou operadores, que so aleatrias. No caso das variveis aleatrias necessrio construir um
modelo probabilstico para cada uma delas. Esta uma parte essencial da modelagem estocs-
tica e dela depende o sucesso do modelo (Sampaio e Ritto, 2008). Quanto ao tratamento
matemtico de incertezas, as trs predominantes so: anlise de intervalos (Dimarogonas,
1996), teoria possibilsticas baseadas em aritmtica nebulosa (fuzzy) (DeGersem et al., 2005;
Hanss, 2005; Moens e Vandepitte, 2005; Nunes et al., 2006 apud Fabro, 2010) e teoria de pro-
babilidade, que ser utilizada neste trabalho.
Mtodos que abordam a parte probabilstica so divididos em duas reas no tratamento

com incertezas (Soize, 2000, 2003, 2005 apud Fabro, 2010). Um o mtodo probabilstico
paramtrico em que incertezas so representadas atravs de distribuio de probabilidade e
seus parmetros (,). O outro o mtodo probabilstico no paramtrico que trata as incer-
tezas associadas ao modelo mecnico-matemtico utilizado para a prever o comportamento
dinmico da estrutura.
O diagrama ilustrado na Figura 1.1, faz um resumo da classificao de mtodos que

tratam com a incerteza.
Em geral, repetidas medies de um fenmeno fsico podem gerar mltiplos resulta-

dos. Entre esses resultados, alguns so mais frequentes que outros. A ocorrncia de mltiplos
resultados que no podem ser descritos determinsticamente descrito como resultados incer-
1
Figura 1.1: Mtodos de quantificao de incertezas.(Sameer, 2006)
tos, aleatrios ou estocstico (Haldar e Mahadevan, 2000). Um caso que exemplifica a

presena de incertezas em sistemas um estudos sobre a aleatoriedade em medies realizada
por Durand et al. (2008). Neste estudo os autores realizam medies vibroacstica experi-
mentais para 20 carros do mesmo tipo com opcional extra. As variabilidades na resposta
podem ocorrer devido ao processo de fabricao e a pequenas diferenas nas configuraes do
opcional. A Figura 1.2 mostra o modelo analisado e a resposta das medies das FRF para o
rudo interno em 20 carros induzidos por excitaes slidas do motor e aplicadas estrutura.
Figura 1.2: Ilustrao experimental das variabilidades em um sistema real: (a)Modelo;

(b)Medies das FRF. (Durand et al., 2008)
2
Os projetos de sistemas utilizam-se do conceito que a capacidade ou resistncia deve ser
maior que a solicitao. Tendo em mente este conceito, no importa como a resistncia e a
solicitao dos problemas de engenharia so modelados ou descritos o conceito se segurana
deve se satisfeito. Quando a existncia de incertezas considerada nos sistemas o desempenho
deles pode no ser absolutamente assegurado. Este desempenho probabilstico do sistema
referido como confiabilidade.
1.1 Objetivos gerais
Neste trabalho, incertezas ou aleatoriedade existentes em sistemas sero identificadas e

quantificadas. Estudos de confiabilidade em sistemas so feitos e aplicados para trs diferentes
modelos. Assim, este trabalho contribui para o estudo e a quantificao de incertezas em pro-
blemas de engenharia, bem como para a confiabilidade de sistemas levando em considerao
as possveis aleatoriedade presentes neles.
Metodologias computacionais para quantificao de incertezas e confiabilidade de sis-

temas so aplicadas para os seguintes casos:
Sistema dinmico: o objetivo principal deste estudo foi a aplicao da expanso em

Polinmio do Caos e analise da sua eficincia. Um estudo da confiabilidade tambm foi
realizado;
Problema da mecnica da fratura: neste caso utilizada a equao de Paris (Paris e

Erdogan, 1963) com a teoria de confiabilidade estrutural. Trs mtodos probabils-
ticos sero utilizados: Mtodo de Confiabilidade de Primeira Ordem (FORM), Mtodo
de Confiabilidade de Segunda Ordem (SORM) e Simulao de Monte Carlo (MC);
Problema de deteco de dano em estrutura: para esta anlise um mtodo de deteco de

danos usando o elemento espectral juntamente com a teoria e quantificao de incertezas
utilizado. Os resultados apresentados mostram a eficincia do mtodo na deteco da
trinca quando a aleatoriedade do sistema adicionado a ele. Alm desta anlise, trs
mtodos so usados para avaliar a confiabilidade da estrutura danificada.
3
1.2 Estrutura do trabalho
Esta dissertao est organizada da seguinte forma:
Este primeiro captulo uma introduo do assunto estudado e traz um resumo dos
casos apresentados. Nesta seo apresentada a estrutura do trabalho.
O captulo 2, apresenta uma reviso bibliogrfica dos trabalhos publicados sobre os

assuntos estudados. Os trabalhos mais utilizados para o desenvolvimento deste trabalho esto
listados neste captulo.
O Captulo 3 expe um embasamento terico do mtodo da expanso em Polinmio

do Caos, que uma soluo estocstica da resposta do sistema projetada sobre uma base
de polinmios ortogonais. Ainda neste captulo so apresentados fundamentos da anlise de
confiabilidade so detalhados o mtodo de confiabilidade de primeira ordem (FORM) e o
mtodo de confiabilidade de segunda ordem (SORM). Para finalizar, uma seo sobre simu-
lao de monte carlo, que inclui a simulao de monte carlo direto e o mtodo da superfcie
de resposta so comentados.
No Captulo 4 trs diferentes problemas so aplicados. O primeiro um problema

dinmico, o segundo um problema da mecnica da fratura, que envolve o caso da propagao
de trinca em placa e o terceiro e ultimo um problema de deteco de dano em estruturas.
Nos trs problemas estudados, a teoria sobre o assunto em questo abordada; em seguida
os resultados e comentrios so apresentados.
No Captulo 5 so apresentadas as concluses dos mtodos e dos resultados obtidos em

cada caso, sugestes para trabalhos futuros e as publicaes feitas durante o desenvolvimento
deste trabalho.
4
2 REVISO BIBLIOGRFICA
Neste captulo feita uma reviso das principais publicaes que foram utilizadas como
base para o desenvolvimento do trabalho. O enfoque deste estudo est relacionado com quan-
tificao de incertezas associados a problemas mecnicos, bem como mtodos para a confi-
abilidade estrutural. As seguintes publicaes esto relacionadas com o estudo da parte de
quantificao de incertezas e de confiabilidade.
Mahadevan e Haldar (2000) publicaram dois livros muito interessantes no estudo da con-
fiabilidade utilizando processos estocsticos. O primeiro (Mahadevan e Haldar, 2000),
enfatiza os conceitos bsicos de risco, confiabilidade e estatstica para a anlise e projetos de
engenharia baseados em riscos. Assim, o livro apresenta conceitos bsicos de risco e confiabi-
lidade, comeando com fundamentos da probabilidade e estatstica, bem como apresentando
conceitos da anlise de confiabilidade aplicado a sistemas simples. Apresenta, tambm, dis-
cusses sobre os mtodos para quantificar incertezas em termos da coleta de dados e anlise
para uma ou mltiplas variveis aleatrias; estudos sobre vrios mtodos para evoluo de
incerteza na resposta de sistemas usando informao de variveis aleatrias envolvidas no pro-
blema; e tcnicas simples e avanadas de confiabilidade estrutural. No segundo livro Haldar
e Mahadevan (2000), introduzem conceitos avanados, como a anlise por elementos finitos
estocstico (SFEM). Eles desenvolvem o conceito e a implementao do SFEM baseado na
anlise de confiabilidade em um contexto do projeto estrutural. Para demonstrar a robus-
tez do mtodo, problemas e exemplos so abordados considerando casos linear, no linear,
esttico e dinmico.
Choi et al. (2007) fornecem ao leitor uma base da teoria de probabilidade, mtodos
estatsticos, mtodos de anlise de confiabilidade e incluem mtodos de amostragem como;
Simulao de Monte Carlo (MC) e Hipercubo Latino (LHS). O mtodo de confiabilidade de
primeira e segunda ordem, FORM e SORM respectivamente, so embasado e aplicados a
diversos problemas mecnicos. Os autores tambm explicam como usar a expanso estocs-
tica, incluindo a expanso em polinmio de caos e a expanso de Karhunen-Loeve para a
otimizao e a anlise de confiabilidade de problemas prticos de engenharia.
5
Ghanem e Spanos (1991) apresentam neste livro uma extenso da formulao espec-
tral de mtodos de elementos finitos determinsticos para o espao de funes aleatrias. Os
conceitos so aprofundados com aplicaes problemas no campo da mecnica estrutural.
Os parmetros aleatrios do sistema so modelados com um processo estocstico de segunda
ordem, definido pela mdia e a funo de covarincia. Portanto, a expanso de Karhunen-
Loeve usada para representar esse processo estocstico em termos das variveis aleatrias
no correlacionadas e uma representao do Polinmio do Caos identificada. Neste contexto,
a soluo do processo aproximado pela projeo sobre um subespao finito por esses po-
linmios. O resultado obtido utilizando esse mtodo comparado com resultado encontrado
pela soluo do problema utilizando a simulao de Monte Carlo.
Dessombz et al. (2000) prope um mtodo para calcular autovalores e autovetores de

uma estrutura contendo parmetros estocsticos. Este mtodo baseado na expanso em
polinmio do caos, abordado por Ghanem e Spanos (1991) e estendido em busca das pro-
priedades dos autovetores e autovalores aleatrios, que so usados para calcular a funo de
transferncia (FRF) aleatria do sistema.
Dessombz et al. (2001), seguindo a mesma ideia da pesquisa anterior, utilizam o mesmo
mtodo para calcular a caracterstica estocstica da FRF das estruturas incluindo parme-
tros aleatrios. Este mtodo foi baseado na teoria do caos polinomial, que estendido para
um caso dinmico. A soluo expandida numa base ortogonal polinomial, cujas variveis
aleatrias so ortonormais gaussianas. Os resultados deste mtodo so investigados em ter-
mos de sensibilidade da soluo versus os valores dos parmetros aleatrios, os coeficientes
de amortecimento e a ordem dos polinmio. A distribuio estocstica da FRF tambm
avaliada. Para validar todos os resultados os autores utilizam simulaes de Monte Carlo.
Beck (2011) escreveu uma apostila que um material bem completo sobre confiabilidade
estrutural, onde o autor comea com conceitos sobre incertezas, confiabilidade e definio e
exemplos de risco. A teoria de probabilidade tem enfoque em variveis aleatrias e h um
captulo sobre processo estocstico. Na parte que inclui a confiabilidade estrutural so citados
conceitos de estado limite, coeficiente de segurana, os mtodos de pertubao FOSM, FORM
e SORM, idealizaes de sistemas estruturais, mltiplos modos de falha e sistemas estruturais
complexos. O autor tambm aborda a parte de simulao de Monte Carlo e fala sobre a
6
gerao de variveis aleatrias, tcnicas de reduo de varincia e do mtodo da Superfcie
de Reposta.
Para a aplicao da teoria da quantificao de incertezas e a de confiabilidade trs di-

ferentes problemas mecnicos foram estudados. O primeiro envolveu um problema dinmico,
assim as seguintes referncias foram utilizadas.
Rao (2008) apresenta os principais fundamentos da engenharia de vibraes. A teoria,

os aspectos de computao e as aplicaes das vibraes so mostrados de maneira simples e
dinmica e as tcnicas de anlise por computador so amplamente abordadas. O livro ainda
dispe de um grande nmero de exemplos de problemas para ilustrar os princpios e conceitos
estudados.
J.Inman (2001) apresenta um curso na rea de vibraes mecnicas. Alm dos tpicos
normalmente apresentados em outros texto sobre este assunto, ele tem a adio de tpicos na
rea de projetos, medies, amortecimentos e aspectos computacionais. O autor faz uma inte-
grao de tpicas tradicionais na rea de vibraes com nfase em projetos e uma introduo
de anlise modal.
Outro problema analisado foi o estudo sobre a propagao de trincas em estruturas,

assim, a teoria da mecnica da fratura foi aplicada. As principais referncias utilizadas neste
caso esto listadas a seguir.
Beden et al. (2009) fazem uma reviso dos modelos sobre a vida em fadiga de estruturas
estudados durante as ltimas duas dcadas, o qual inclui a previso de modelos sobre cargas
constantes e de amplitude variadas. Para a seleo do modelo Beden et al. fazem uma sugesto
que esta deve ser usualmente baseada na experincia e preferncia do analista.
Gdoutos (1993) oferece uma cobertura abrangente da mecnica da fratura, desde prin-
cpios bsicos e aplicaes tradicionais at problemas de materiais compsito, filmes finos
e nano materiais. Em todos estes problemas a mecnica da fratura desempenha um papel
importante para a predio de falha e projeto de segurana de materiais e estruturas. O livro
contm muitos exemplos de problemas da mecnica da fratura no campo da engenharia.
7
Nespurek (2009) apresenta em sua tese teorias de fratura, fadiga, mecnica computa-
cional e mtodo da anlise de confiabilidade. Com essas ferramentas o autor prope uma
nova abordagem no conceito da anlise estocstica de propagao de trinca em fadiga. A
contribuio da tese no mbito do acordo do modelo numrico com a anlise estocstica do
problema de propagao de trinca.
Rizzatti (2005) implementou um elemento finito contendo trs graus de liberdade por
n, uma trinca na regio central, levou em considerao os esforos de flexo, carregamentos
axiais e implementou o efeito do cisalhamento. Outro diferencial a implementao do efeito
da zona plstica na ponta da trinca, considerando os carregamentos citados. Nesta trabalho
o autor compara resultados de simulaes numricas com anlise modal experimental.
O terceiro e ultimo problema estudado foi a modelagem estocstica de uma viga trincada
utilizando o Mtodo de Elemento Espectral. As seguintes publicaes foram estudas.
Krawczuk et al. (2002) apresentaram um mtodo de elemento finito espectral para viga
trincada de Timoshenko que adequado na anlise de problemas de propagao de ondas
no calculo dos parmetros modais da estrutura com dano. Os autores analisam a influncia
dos parmetros da trinca especialmente a mudana da localizao da trinca, na propagao
de onda examinada. Exemplos numricos so dados com o objetivo de mostrar a influncia
da trinca na propagao da onda pela estrutura, e a capacidade de detectar o exato local do
dano na estrutura.
Doyle (1997) aborda a anlise espectral como um meio de investigar a propagao

de ondas em estruturas. Este um mtodo eficiente na anlise de ondas e abrangente na
anlise estrutural, incluindo mtodo numricos e mtodos experimentais. O autor introduz os
fundamentos da anlise espectral e transformao de Fourier, alm de trazer um tratamento
completo de ondas em barras, vigas e placas de introduzir um mtodo de matriz para a
anlise de estruturas complexas. O texto inclui tambm uma introduo teorias estruturais
de alta ordem.
Dimarogonas e Papadopoulos (1983) apresentam um estudo que exibe uma resposta

dinmica de um eixo, devido flexibilidade local da seo trincada. Este considerava apenas
8
um modo de abertura da trinca sujeita a carregamento de flexo baseado no fator intensidade
de tenso. Um rotor de Laval com uma trinca aberta investigado por meio de aplicao da
teoria estudada. Anos mais tarde, Dimarogonas e Papadopoulos (1987) estenderam o modelo
do elemento contendo a trinca para trs modos de abertura da trinca devido aos possveis
esforos internos (trao, flexo e toro). Isto permitiu verificar o efeito do acoplamento
entre as vibraes longitudinais e de flexo. Esta formulao por elementos finitos utilizando
os fatores de intensidade de tenso tem sido uma das mais utilizadas para simulaes de
trincas em estruturas.
Pereira (2009) investiga o problema de propagao de ondas em estruturas do tipo barra

com modelos de alta ordem. O enfoque principal do trabalho concentra-se na implementa-
o de modelos numricos que representam o fenmeno da propagao de ondas em barras
saudveis e danificadas por uma trinca. Para a investigao do problema o autor utilizou
o mtodo do elemento espectral e quatro diferentes modelos de barra, o modelo elementar;
modelo de Love ou do primeiro modo; o modelo de Mindlin-Herrmann ou de dois modos; e
o modelo de Mindlin-McNiven ou dos trs modos.
Fabro et al. (2010) utilizam o mtodo do elemento espectral para modelar uma viga
trincada. A flexibilidade da trinca, que um parmetro para modelar a trinca, derivada do
teorema de Castigliano considerada como parmetro aleatrio do sistema. Assim, o modelo
probabilstico construdo diretamente para a flexibilidade. Dois diferentes modelos proba-
bilsticos so construdos, onde as funes densidade de probabilidade so obtidos usando o
Princpio da Mxima Entropia. Simulaes de Monte Carlo so realizadas a fim de estimar
a funo resposta em frequncia (FRF), o qual analisada e discutida.
9
10
3 FUNDAMENTOS TERICOS
3.1 Expanso em Polinmio do Caos
Esta seo trata do mtodo de anlise das caractersticas da resposta de uma estrutura
dinmica incluindo parmetros aleatrios. O mtodo apresentado est baseado na teoria do
Polinmio do Caos (PC) cujo conceito bsico pode ser entendido como sendo uma soluo
estocstica projetada sobre uma base de polinmios ortogonais cuja variveis so ortonormais
e gaussianas (Ghanem e Spanos, 1991; Dessombz et al., 2000). As propriedades dessa base
polinomial so utilizadas para gerar um sistema de equaes lineares atravs de projees
sobre os polinmios (Ghanem e Brzakala, 1996, Ghanem e Kruger, 1996). A resoluo desse
sistema conduz a uma expanso da soluo, que pode ser utilizada para encontrar a mdia
(analtica ou numrica), o desvio padro ou a distribuio da soluo aleatria (Dessombz
et al., 2000). Wiener foi o primeiro a introduzir o caos homogneo para representar uma
processo gaussiano aleatrio de segunda ordem. Entretanto, foi usado primeiramente por
Ghanem e Spanos para resolver problemas da mecnica estrutural usando um enfoque espec-
tral do mtodo dos elementos finitos estocstico (Ghanem e Spanos, 1991). O problema
pode ser formulado como:
(x, )u(x, ) = [L(x) + (x, )]u(x, ) = F (x, ), (3.1)
onde L a parte determinstica e a parte aleatria do operador estocstico . O objetivo

resolver a Eq.(3.1) para a resposta u(x, ) em funo da excitao F (x, ), onde x pertence ao
espao de Hilbert definido por H = {f /f : D R}, e pertence ao espao de probabilidades
(, , P ), onde o espao de funes mensurveis definido por = {g/g : R}.
Considere que {()}

i=1 um conjunto de variveis aleatrias ortonormais gaussianas
e que p o polinmio do caos de ordem p. Pode-se mostrar que qualquer elemento w()
11
definido no espao pode ser representado por:
X
i1
w() = a0 0 + ai1 1 (i1 ()) + ai1 i2 2 (i1 (), i2 ())
X X
i=1 i1 =1 i2 =1
X
i1 X
i2
+ ai1 i2 i3 3 (i1 (), i2 (), i3 ()) + . . . , (3.2)
X
i1 =1 i2 =1 i3 =1
o qual pode ser reescrita na forma truncada como:
Q
w() = ai i . (3.3)
X
i=1
O polinmio do caos i corresponde aos polinmios de Hermite multidimensionais ob-

tidos por:
t n t
p (i1 , . . . , ip ) = (1)n e1/2 e1/2 , (3.4)
i1 . . . in
onde consiste de n variveis aleatrias gaussianas ortonormais. Por exemplo, os polinmios

do caos bidimensionais de ordem 0, 1 e 2 so:
0 = 1 Ordem 0 (3.5)
1 = 1 , 2 = 2 Ordem 1 (3.6)
3 = 12 1 , 4 = 1 2 , 5 = 22 1 Ordem 2. (3.7)
Quando a funo de correlao de conhecida, uma expanso em srie de Karhunen-

Love apropriada (Ghanem e Spanos, 1991). Em geral, os problemas mecnicos conside-
rados podem ser escritos como:
Q
([L] + q [q ]){u} = {F }. (3.8)
X
q=1
Uma decomposio do vetor {u} sobre o polinmio do caos de Qvariveis dada por:
12
N
{u} = {un }n ({i }Q
i=1 ) (3.9)
X
n=0
Substituindo a Eq.(3.9) na Eq.(3.8), multiplicando por m , fazendo a mdia e utilizando

as propriedade de ortogonalidade do polinmio, obteremos:
Q X
N
{um }h2m i = {un }hq n m i[q ] = {F }hm i (3.10)
X
q=1 n=0
importante observar que os valores de h2m i e hq n m i devem ser calculados apenas

uma vez e mantidos para serem usados em todos os clculos deste mtodo.
A obteno da Eq.(3.10) para todos m = 0, . . . , N produz um sistema de (N + 1)

equaes algbricas lineares, cuja soluo corresponde aos vetores {un } (Dessombz et al.,
2001). Uma vez que todos os {un } so conhecidos, fcil encontrar a mdia e a varincia de
{u}, onde a mdia dada por:
= {u0 } (3.11)
e a varincia dada por
N
2 = {u2n }h2n i (3.12)
X
n=1
3.2 Fundamentos da Anlise de Confiabilidade:
A anlise e o projeto de engenharia consistem em proporcionar os elementos do sis-

tema de modo que estes satisfaam vrios critrios de desempenho, segurana, manuteno
e durabilidade sobre diversas condies de solicitao. Por exemplo, uma estrutura dever
ser projetada tal que sua resistncia seja maior que os efeitos da solicitao (carga) aplicada.
13
Como sabido, existem numerosas fontes de incertezas nas cargas e nos parmetros relaci-
onados com a resistncia. Assim, a necessidade de incorporar estas incertezas nas anlises e
projetos de engenharia tem levado a uma variedade de mtodos de confiabilidade (Haldar
e Mahadevan, 2000). Nesta seo apresentam-se alguns dos conceitos bsicos relacionados
com alguns dos mtodos de confiabilidade de sistemas usados nesta dissertao.
Na presena de incertezas no fcil satisfazer as solicitaes bsicas de um projeto.

A figura 3.1 ilustra um caso simples considerando duas variveis aleatrias R (resistncia) e
S (solicitao). A aleatoriedade das variveis so caracterizadas por sua mdias (R e S ),
desvios padro (R e S ) e as correspondentes funes densidade de probabilidade (PDF)
(fR (r) e fS (s)). A figura 3.1 mostra tambm os valores nominais desses parmetros (RN e
SN ), os quais so usados em uma abordagem convencional baseada no fator de segurana.
Figura 3.1: Fundamentos da confiabilidade estrutural (Haldar e Mahadevan, 2000).
Introduzido por (Freudenthal, 1956), o conceito do projeto baseado em risco

tem se desenvolvido desde ento e muito progresso tem sido feito na rea da engenharia
estrutural. Recomendaes de projeto usando o conceito Load and Resistance Factor De-
14
sign (LRFD) esto essencialmente baseados no formato do projeto baseado na confiabilidade
estrutural. Nas discusses seguintes enfatizaremos este conceito.
Da figura 3.1 observa-se que o projeto seguro garantido por uma abordagem determi-
nstica, a qual exige que RN seja maior que SN com uma margem de segurana especificada
por:
RN
SF = . (3.13)
SN
onde SF o fator de segurana. No projeto determinstico o fator de segurana pode ser

aplicado para a resistncia, para a carga ou para ambos. A estratgia desta abordagem
convencional pode ser explicada considerando-se a rea sobreposta entre as duas curvas da
figura 3.1, a qual fornece uma medida qualitativa da probabilidade de falha. Essa rea sobre-
posta depende de trs fatores relacionados com as duas curvas: 1)suas posies relativas,
que mostram que quando a distncia entre as duas curvas aumenta a rea de sobreposio e
a probabilidade de falha so reduzidas. Tal efeito pode ser representada pelas mdias R e
S ; 2)suas disperses, as quais revelam que se as duas curvas so estreitas, ento a rea de
sobreposio e a probabilidade de falha so pequenas. Essa disperso pode ser caracterizada
pelos desvios padro R e S ; e 3) suas formas, que so representadas pelas PDFs fR (r)
e fS (s). O projeto seguro tem como objetivo selecionar as variveis de projeto de tal forma
que a rea de sobreposio entre as duas curvas seja to pequena quanto possvel, dentro das
limitaes econmicas. Assim, as posies das curvas podem ser deslocadas atravs do uso
de fatores de segurana.
Uma abordagem mais consistente seria calcular a probabilidade de falha levando em

considerao todos os trs fatores de superposio das curvas e escolhendo as variveis de
projeto de modo que a probabilidade de falha aceitvel seja obtida. Este o fundamento
do conceito do projeto baseado na probabilidade de falha. Entretanto, as informaes
das PDFs da carga e da resistncia no esto usualmente disponveis e torna-se necessrio
formular uma metodologia de projeto usando-se apenas as informaes das mdias e desvios
padro.
Na figura 3.1, as incertezas nas variveis de carga e de resistncia esto expressas na
15
forma das PDFs, logo, possvel expressar a medida do risco em termos da probabilidade
de falha por:
pf = P (f alha) = P (R < S) (3.14)
ou
Z Z S Z
pf = fR (r)dr fS (s)ds = FR (s)fS (s)ds (3.15)
0 0 0
onde FR (s) a CDF de R avaliada em S. A Eq.(3.15) a equao bsica do projeto baseado

em risco, a qual estabelece que quando a carga for S = s, a probabilidade de falha ser
FR (s). Como a carga uma varivel aleatria, a integrao precisa ser feita para todos os
valores possveis de S, com suas respectivas probabilidades representadas pela PDF de S. Nem
sempre a CDF de R ou a PDF de S esto disponveis na forma explcita, logo a integrao da
Eq.(3.15) no pode ser obtida facilmente. Contudo, para alguns casos especiais a Eq.(3.15)
pode ser resolvida sem realizar a integrao.
O conceito da teoria clssica da confiabilidade estrutural pode ser apresentado de ma-

neira mais formal considerando os parmetros de carga e resistncia como as variveis alea-
trias Xi e uma relao funcional entre elas corespondendo a cada critrio de desempenho.
Esta relao ou funo de desempenho pode ser escrita matematicamente como:
g(X) = g(X1 , X2 , . . . , Xn ). (3.16)
A superfcie de falha ou o estado limite de interesse pode ser definido como g(X) = 0.
A superfcie de falha e as regies segura e insegura esto mostradas na figura 3.5. A equao
de estado limite ou funo de desempenho pode ser uma funo explicita ou implcita, linear
ou no-linear e pode ter uma forma simples ou complicada. Portanto, mtodos de anlise
de confiabilidade tem sido desenvolvidos para diferentes tipos e complexidades de equaes
de estado limite. Da Eq.(3.16) observa-se que a falha ocorre quando g(X) < 0. Logo, a
probabilidade de falha dada pela integral
Z Z
pf = ... fX (x1 , x2 , . . . , xn )dx1 dx2 . . . dxn (3.17)
g(X)<0
16
onde fX (x1 , x2 , . . . , xn ) a funo densidade de probabilidade conjunta para as variveis
aleatrias X1 , X2 , . . . , Xn e a integrao feita sobre a regio de falha (g(X) 6 0). Se as
variveis so estatsticamente independentes a funo densidade de probabilidade conjunta
pode ser substituda pelo produto das PDFs individuais.
Figura 3.2: Conceito de estado limite.
O clculo da probabilidade de falha (pf ) atravs da Eq.(3.17) a equao fundamen-

tal da anlise de confiabilidade. Em geral, a funo densidade de probabilidade conjunta
de variveis aleatrias quase impossvel de ser obtida, e mesmo que fosse obtida a avali-
ao de integrais mltiplas muito complicada. Portanto, uma abordagem factvel usar
aproximaes analticas desta integral que so mais simples de calcular. Tais mtodos po-
dem ser agrupados em dois tipos: mtodos de confiabilidade de primeira ordem (First-Order
Reliability Methods - FORM) e mtodos de confiabilidade de segunda ordem (Second-Order
Reliability Methods - SORM).
17
3.2.1 Mtodo de Confiabilidade de Primeira Ordem
O mtodo de confiabilidade de primeira ordem foi desenvolvido com base no mtodo de

primeira ordem e segundo momento estatstico (First-Order Second-Moment - FOSM). Este
considera o primeiro e o segundo momento estatstico das variveis aleatrias, isto , a mdia
e o desvio padro. No mtodo FOSM a equao de estado limite aproximada por um funo
de primeira ordem (linear) usando uma expanso em srie de Taylor e a informao estatstica
limitada ao segundo momento (Haldar e Mahadevan, 2000). Isso equivale a considerar
todas a vaiveis aleatrias do problema com uma distribuio normal. O mtodo FORM como
evoluo do FOSM permite analisar o problema incorporando as funes das distribuies,
bem como a correlao entre as variveis aleatrias. No contexto da confiabilidade estrutural
uma funo de estado limite pode ser definida por:
Z = R S. (3.18)
O evento da falha ocorre quando R < S, ou Z < 0. Assumindo que R e S so variveis aleat-
rias normais padro e estatsticamente independentes, podemos determinar a probabilidade
de falha como:
pf = P (Z < 0) (3.19)
ou

r s
pf = 1 q (3.20)
r2 + s2
onde a funo densidade de probabilidade cumulativa (CDF) normal padro. A proba-

bilidade de falha depende da relao entre a mdia e o desvio padro de Z, esta relao
conhecida como ndice de confiabilidade denotado por , logo,

z r s
= = q (3.21)
z r2 + s2
18
Assim a probabilidade de falha em termos de pode ser reescrita como:
pf = 1 () (3.22)
Para o mtodo FORM o valor inicial de de extrema importncia, a escolha desse

valor pode ser encontrado atravs de um soluo interativa, por exemplo, aplicando o mtodo
de Newton-Haphson. Choi et al. (2007) apresenta um mtodo para computar o valor inicial
do ndice de confiabilidade usando o valor mdio e o valor do desvio padro da aproximao
da funo estado limite g(X) dada por:
g
= (3.23)
g
onde o valor mdio e o desvio padro so dados por:
g = E[g(x )] = g(x ) (3.24)
!2 1/2
q q n
g(x )
g = var[g(x )] = [g(x )T g(x )] = x2i (3.25)
X

i=1 xi
Observou-se que o FORM aplicvel a variveis aleatrias com distribuio normal.

Este fato dificulta a sua aplicao pois comumente nos problemas de engenharia nos de-
paramos com variveis no-normais e as vezes correlacionadas. Assim, para se tratar com
variveis deste tipo necessrio a transformao de varivel no-normal em uma varivel
normal equivalente. Utilizando a Transformao de Rosenblat (Rosenblatt, 1952) pode-
se obter a varivel normal padro equivalente estatsticamente independente. Outros mtodos
usados nesta transformao so o de Rackwitz e Fiessler (1976), Chen e Lind (1983) e Wu e
Wirsching (1987).
Duas condies so impostas para a estimao do parmetro da distribuio normal

equivalente, N
Xi e Xi . A CDF e a PDF da varivel nos dois espaos devem ser iguais no ponto
N
19
de transformao. Considerando cada varivel no-normal estatsticamente independente a
CDF da varivel normal equivalente pode ser expressa por,
x N
!
i N Xi = Fxi (xi ) (3.26)
Xi
onde, () a CDF, NXi e Xi so a mdia e o desvio padro da varivel normal equivalente,

N
respectivamente, e Fxi (xi ) a CDF da varivel no-normal original.
XiN = xi 1 [Fxi (xi )]X

N
i
(3.27)
A PDF da varivel normal equivalente pode ser calculada como
1 xi N
!
N
N
Xi
= fxi (xi ) (3.28)
Xi Xi
em que () representa a PDF da varivel normal equivalente.
{1 [Fxi (xi )]}

XiN = (3.29)
fxi (xi )
A soluo de problemas de confiabilidade via FORM descrito a seguir (Haldar e

Mahadevan, 2000).
Algortmo FORM: Para a estimao do ndice de segurana e obteno da probabi-

lidade de falha sugere-se os seguintes passos:
1. Definir uma equao de estado limite apropriada;
2. Calcular ou assumir um valor inicial do ndice de segurana ;
3. Assumir os valores iniciais do ponto de projeto xi , i = 1, 2, ..., n. Na ausncia de qualquer

outra informao, o ponto de projeto inicial pode ser assumido como os valores mdios
das variveis aleatrias;
4. Calcular a mdia e o desvio padro no ponto de projeto da distribuio normal equi-
20
valente caso a varivel no seja normal;
5. Calcular as derivadas parciais ( X

g
i
) avaliadas no ponto de projeto xi ;
6. Calcular os cossenos diretores i no ponto de projeto com:

g
x i
xNi
xi = r (3.30)
g(x ) N 2
Pn
i=1 xi
x i
7. Calcular os novos valores para o ponto de projeto xi como:
xi = N N
xi xi xi (3.31)
Aps a primeira interao, se for necessrio, repetir os passos de 4 7 at a convergncia

de xi com uma tolerncia pr-determinada. Um nvel de tolerncia comum 0.005.
Uma vez que os cossenos diretores tenham convergido, um novo ponto de projeto pode
ser estimado, mantendo-se como o parmetro incgnito.
8. Calcular um valor atualizado para usando a condio de que a equao de estado

limite deve ser satisfeita no novo ponto de projeto;
9. Repetir os passos de 3 8 at que convirja para um nvel de tolerncia pr-

determinado. Um nvel de tolerncia razovel para pode ser de 0.001.
3.2.2 Mtodo de Confiabilidade de Segunda ordem
Problemas de confiabilidade com uma equao de estado limite linear so relativamente

simples, porm nem sempre estaremos lidando com casos como estes. Sistemas com equao
de estado limite linear no espao original podem tornar-se no-linear quando uma varivel
no-normal transformada para o espao normal padro equivalente, ou pela transforma-
o da varivel correlacionada para no-correlacionada. Nestes casos, uma aproximao de
segunda ordem pode fornecer um aproximao melhor da probabilidade de falha.
Devido a ordem da aproximao usada no mtodo de confiabilidade de segunda ordem
21
Figura 3.3: Estado limite linear e no linear (Beck, 2011).
(SORM), informaes adicionais sobre a funo estado limite so includas, enquanto o m-

todo de primeira ordem (FORM) no consegue captar (figura 3.3). Breitung (1984), Tvedt
(1990), Hohenbichler e Rackwitz (1981), Koyluglu e Nielsan (1994) e Cai e Elishakoff (1994)
desenvolveram o SORM usando aproximaes de segunda ordem. Algumas destas usam uma
expanso em srie de Taylor para uma funo no-linear geral. No mtodo FORM a aproxi-
mao de Taylor usada ignora os termos alm da primeira ordem, enquanto que no mtodo
SORM os temos alm da segunda ordem so ignorados.
O SORM foi explorado primeiramente usando-se vrios tipos de aproximaes qua-

drticas. Uma soluo simples para a probabilidade de falha usando uma aproximao de
segunda ordem foi apresentada por Breitung (1984) usando a teoria da aproximao assint-
tica (Hohenbichler et al., 1987 apud Haldar e Mahadevan, 2000) como:
n1
pf2 () (1 + i )1/2 (3.32)
Y
i=1
onde i denota as curvaturas principais do estado limite no ponto de distncia mnima e

o ndice de confiabilidade obtido usando o FORM. Para calcular as curvaturas, as variveis
22
aleatrias Xi no espao X so rotacionadas em outro conjunto de variveis denotadas como
Xi0 tal que as ltimas variveis desta coincidem com o vetor , o qual o vetor gradiente
unitrio do estado limite no ponto de distncia mnima. Esta transformao est mostrada
na figura 3.4 para um problema com duas variveis aleatrias, onde fica claro que trata-se
apenas de uma transformao de coordenadas.
Figura 3.4: Rotao das coordenadas (Haldar e Mahadevan, 2000).
A transformao do espao X para o espao X0 uma transformao ortogonal onde:
X0 = RX (3.33)
onde R a matriz de rotao. Para um caso simples onde s existam duas variveis aleatrias
a matriz R pode ser escrita como:

cos sin
R= (3.34)
sin cos
23
onde o ngulo de rotao. Nos casos em que haja mais que duas variveis aleatrias a
obteno da matriz R feita em duas etapas. Primeiro constri-se uma matriz R0 da seguinte
forma,
1 0 0

...

0 1 ... 0
R0 = (3.35)

.. .. ... ..
. . .

x1 x2 . . . xn
onde x1 , x2 , ..., xn so os cossenos diretores, isto , componentes do vetor gradiente unitrio

como mostrado na figura 3.4. Na etapa seguinte realiza-se uma ortogonalizao de Gram-
Schmidt na matriz R0 que resultar na matriz R. Uma vez que matriz R obtida, os elemento
da matriz A podem ser calculados por:
(RDRt )
aij = i, j = 1, 2, ..., n 1 (3.36)
|G(y )|
onde D a matriz hessiana (n n) da superfcie de estado limite no espao normal padro

estimado no ponto de projeto, R a matriz de rotao e |G(y )| o comprimento do vetor
gradiente no espao normal padro.
No espao rotacionado, a ltima varivel, Yn coincide com o vetor calculado pelo m-

todo FORM. No passo seguinte, a ltima linha e coluna da matriz A e a ultima linha do vetor
Y0 so descartadas para levar em conta este fator. Assim, o estado limite pode ser reescrito
0
em termos da aproximao de segunda ordem neste espao normal padro rotacionado, Y
por,
1 t
yn0 = + y0 Ay0 (3.37)
2
onde a matriz A tem agora dimenso (n 1) (n 1). Finalmente, os ki so calculados com

os autovalores da matriz A. A equao de estado limite aproximada por uma funo de
segunda ordem e a probabilidade de falha pode ser calculada da Eq.(3.32).
Outros mtodos SORM tem sido desenvolvidos, aqui ser usado a abordagem de Brei-
tung, cujo desenvolvimento matemtico mais detalhado pode ser encontrado em Choi et al.
24
(2007).
Para a estimao da probabilidade de falha o algoritmo do SORM com os seguintes

passos pode ser seguido:
1. Calcular e o novo ponto de projeto (xi ) como o mtodo FORM;
2. Calcular a matriz ortogonal R;
3. Calcular as derivadas de segunda-ordem da superfcie de estado limite para calcular a

matriz D;
4. Calcular a matriz A;
5. Calcular as curvaturas principais ki da superfcie de falha no MPP (Ponto de falha mais

provvel), atravs dos autovalores da matriz A
6. Calcular a probabilidade de falha com a Eq.(3.32)
3.3 Simulao de Monte Carlo
Simulaes de Monte Carlo so experimentos com nmeros aleatrios com objetivo de

validar expresses matemticas. O nome do mtodo tem sua origem nos jogos dos Cassinos
de Monte Carlo, Monaco. Originado das pequisas de Neumann e Ulam (Sobol, 1994), que
se baseou no comportamento aleatrio caracterstico de jogos de azar. O mtodo de Monte
Carlo consiste basicamente de uma gerao de variveis e/ou funes aleatrias, da anlise
estatstica dos resultados e de tcnicas de reduo.
Os mtodos de simulao so muitas vezes chamados de mtodos exatos, porque, teo-

ricamente, o resultado da simulao tende ao resultado exato quando o nmero de simula-
es tende ao infinito, alm de evitarem certas aproximaes dos mtodos analticos (Beck,
2011).
25
3.3.1 Monte Carlo Direto
Uma aplicao bastante utilizada da simulao de Monte Carlo determinar o valor de

uma integral definida multidimensional. Considere que a seguinte integral deve ser avaliada:
Z
pf = I(X)f (X)dX (3.38)
Considerando-se f (X) como uma funo densidade de probabilidade pode-se estimar

pf como,
1 XN
pf = I(Xi ) (3.39)
N i=1
onde os valores de Xi foram amostrados com densidade f e I uma funo indicadora dada
por

1

if g(X) 0
I(X) = (3.40)
0

if g(X) < 0
Esta abordagem do MC usa a chamada amostragem aleatria simples, que na maioria dos
casos bastante ineficiente. Da Eq.(3.39) fica evidente que a preciso da estimativa depen-
der do nmero de amostras. A probabilidade de falha se aproximar do valor verdadeiro
quando o nmero de amostras se aproximar do infinito. Logo, o tamanho da amostra na
preciso da estimativa da probabilidade de falha preocupante. Existem diversas formas de
avaliar a preciso da Eq.(3.39). Uma delas estudar o erro associado com o tamanho da
amostra aproximando uma distribuio binomial de uma distribuio normal e estimando
a probabilidade de falha para um intervalo de 95% de confiana (Shooman, 1968). Neste
caso, pode ser mostrado que o tamanho da amostra comum em um intervalo de confiana de
95% pode ser obtido por:
4(1 pf )
N= (3.41)
p f 2
26
A gerao de variveis aleatrias de acordo com determinada distribuio a base para
a simulao de Monte Carlo. Contudo, computadores no possuem a capacidade de gerar
nmeros realmente aleatrios, visto que fazem uso de um algoritmo para gerar uma sequncia
de nmeros. Assim, os computadores tem a capacidade de gerar sequncias de nmeros que
apresentam propriedades estatsticas de acordo com uma dada distribuio. Tais sequncias
podem ser do tipo pseudo-aleatrias e quasi-aleatrias (Calfisch, 1998, Dutang, 2008).
Uma caracterstica da simulao de Monte Carlo a gerao de uma srie de valores de

uma ou mais variveis aleatrias com distribuio de probabilidade especfica. Um mtodo
de gerao comumente usado o mtodo da transformao inversa. Considere que Fx (xi )
seja a CDF da varivel aleatria xi . Por definio, o valor numrico de Fx (xi ) um valor no
intervalo de [0, 1]. Assumindo-se que i o nmero aleatrio gerado uniformemente distribudo
(0 i 1), o mtodo da transformao inversa usado para igualar i a Fx (xi ) como segue:
Fx (xi ) = i ou xi = Fx1 (i ) (3.42)
A tcnica da transformao inversa pode ser melhor entendida visualizando a figura 3.5,
onde o gerador de nmeros aleatrios produz nmeros aleatrios uniformes entre 0 e 1 baseado
na seleo arbitrria de valores de sementes. A partir do nmero aleatrio uniforme gerado,
o correspondente valor da CDF da distribuio uniforme e da distribuio alvo pode ser
facilmente obtido. Assim, possvel obter o nmero aleatrio da PDF alvo usando a equao
Eq.(3.42).
3.3.2 Mtodo da Superfcie de Resposta
O Mtodo da Superfcie de Resposta (Response Surface Method - RSM) um conjunto

de tcnicas estatsticas projetado para encontrar "o melhor"valor da resposta, considerando
as incertezas ou variaes nos valores das variveis de entrada (Khuri e Cornell, 1996).
Teve sua origem no desenvolvimento de modelos na reas de biologia e agricultura, mas
recentemente tem sido usado na soluo de vrios tipos de problemas. A proposta desse
27
Figura 3.5: Mapeamento da CDF inversa (Haldar e Mahadevan, 2000).
mtodo na anlise de confiabilidade construir aproximadamente uma polinmio na forma

explcita para representar uma funo de desempenho implcita. A descrio do mtodo RSM
aqui apresentada baseia-se no trabalho de Haldar e Mahadevan (2000).
As componentes essenciais do RSM bsico so: a) o grau do polinmio usado pra re-
presentar a funo de desempenho; b) a regio experimental e as variveis codificadas; c) a
seleo da amostragem ou pontos de projeto, isto , o projeto de experimentos (Design of
Experiments - DOE); e d) a determinao do ponto central.
a) Grau do polinmio na funo de desempenho: Chamada de funo de de-

sempenho verdadeira, g(X) desconhecida, mas assumida ser uma funo continua das
variveis aleatrias individuais Xi . Para representar a funo de desempenho polinmios de
28
primeira ou segunda ordem so comumente usados.
Para uma aproximao de primeira ordem o polinmio pode ser escrito como:
k
g(X) = b0 + (3.43)
X
bi X i
i=1
para uma aproximao de segunda ordem por:
k k
g(X) = b0 + bi X i + bii Xi2 (3.44)
X X
i=1 i=1
ou para uma aproximao de segunda ordem com termos cruzados por:
k k k1 k
g(X) = b0 + bi X i + bii Xi2 + (3.45)
X X XX
bij Xi Xj
i=1 i=1 i=1 j>1
onde, Xi (i = 1, 2, ..., k) a i-sima varivel aleatria, k o nmero total de variveis aleatrias

do problema, b0 , bi , bii e bij so os coeficientes a serem determinados e g(X) a aproximao
da funo de desempenho verdadeira.
b) Regio experimental e variveis codificadas: Para uma construo precisa

e eficiente de uma funo de desempenho, a regio experimental deve ser mantida em um
mnimo (Khuri e Cornell, 1996). A incerteza nas variveis aleatrias podem ser usadas
para definir a regio experimental. Assim, os limites de cada varivel podem ser especificados
como:
Xiregio = XiC hi Xi xi (3.46)
onde, XiC e Xi so o ponto central e o desvio padro da varivel Xi , respectivamente, hi

um fator arbitrrio usado para definir a regio e xi a varivel codificada, a qual pode ser
definida como
Xi XiC
xi = i = 1, 2, ..., k (3.47)
hi Xi
O valor de hi geralmente considerado estar entre 1 e 3. Da Equao 3.24, fica claro que o
29
valor da varivel codificada no ponto central zero. A transformao das variveis aleatrias
em variveis codificadas facilita a avaliao dos coeficientes nas Eqs.(3.44) e (3.45) (Snee,
1973).
c) Projeto de experimentos (DOE): A literatura sobre o DOE muito vasta onde

muitos mtodos esto disponveis nos livros textos sobre o assunto (Montgomery, 2001).
No projeto de experimentos, um conjunto de valores das variveis aleatrias so selecionados
dentro da regio experimental para analisar determinsticamente um sistema, a fim de avaliar
os coeficientes da funo de desempenho. O nmero de pontos de projeto deve ser mnimo
a fim de aumentar a eficincia computacional, mas deve ser pelo menos igual ao nmero
de coeficientes p necessrios para definir uma funo de desempenho. Um posicionamento
eficiente dos pontos de projeto em relao ao ponto central essencial para uma construo
precisa da funo de desempenho. Neste trabalho foram realizados dois DOEs diferentes, um
para a construo de uma funo de desempenho contendo uma aproximao polinomial de
primeira ordem e o outro para uma aproximao de segunda ordem.
Para a construo de uma funo de desempenho com polinmio de primeira ordem um

mtodo simples e bastante conhecido foi usado. Denominado de projeto fatorial pleno (full
factorial design), este considera dois ou trs valores para cada varivel e constri a funo de
desempenho para todas as combinaes possveis destas. O procedimento a seguir mostra o
desenvolvimento do experimento:
1. Selecionam-se os conjuntos dos valores das variveis aleatrias para avaliar a funo
de desempenho g(X). O nmero de combinaes 2n ou 3n , onde n o nmero de
variveis aleatrias. Caso dois nveis sejam usados, esses valores podem ser assumidos
como o maior e o menor valor, por exemplo, ( k). Caso trs nveis sejam usados,
eles podem ser assumidos como o maior valor, o valor mdio e o menor valor ( k,
, e + k);
2. Avalia-se a funo de desempenho g(X) usando analises determinsticas de todos os

conjuntos dos valores das variveis aleatrias selecionados no passo 1;
3. Constri-se um polinmio na ordem desejada usando anlise de regresso com os dados

obtidos no passo 2, obtendo-se uma expresso aproximada em forma fechada da funo
30
de desempenho em termos das variveis aleatrias.
Na construo de uma funo de desempenho com polinmio de segunda ordem utilizou-

se um mtodo mais adequado para tal chamado projeto Box-Behnken (Box-Behnken Design
- BBD). Este consiste de um DOE que requerer 3 nveis em cada varivel (, k), o
qual formado combinando-se 2k fatoriais com blocos de projeto incompletos. Os projetos
resultantes so geralmente muito eficientes em termos computacional. Este tipo de projeto
dito rotativo (rotatable) ou quase rotativo, isto , a varincia da resposta prevista em qualquer
ponto x depende apenas da distncia de x at o ponto central do projeto. Rotatividade
uma propriedade desejvel para o RSM (NIST, 2010). No BBD os pontos das combinaes
esto no centro e nos pontos mdios das arestas do cubo do espao do projeto (figura 3.6).
Isto o caracteriza como um projeto esfrico pois todos os pontos caem sobre uma esfera de

raio 2.
Figura 3.6: Modelo de combinaes do BBD para 3 variveis.
d) Determinao do ponto central: O ponto central em torno do qual os pontos

de projeto so selecionados desempenha uma importante regra na construo da funo de
desempenho. Contudo, sua determinao no uma tarefa fcil e requer uma abordagem
iterativa sistemtica. Uma interpolao linear iterativa sugerida por Bucher e Bourgund
(1990) apud (Haldar e Mahadevan, 2000) e ser brevemente apresentada.
Inicialmente assume-se que o ponto central est localizado nos valores mdios das va-
riveis aleatrias Xi s, e que ser denotado como XC1 na figura 3.7.
31
Figura 3.7: Mtodo de interpolao linear para a determinao do ponto central.
Isso produzir uma funo de desempenho g(X) como mostrado na figura 3.7. Depois,
um mtodo de interpolao linear pode ser usado para selecionar o prximo ponto central
como
g(xC1 )
xC2 = xC1 + (xD1 xC1 ) if g(xD1 ) g(xC1 ) (3.48)
xC1 xD1
ou
g(xD1 )
xC2 = xD1 + (xC1 xD1 ) if g(xD1 ) < g(xC1 ) (3.49)
xD1 xC1
Outra funo performance pode ser construda considerando-se os pontos de projetos em

torno do novo ponto central xC2 . Assim, o processo iterativo deve ser continuado at que
todas as varveis aleatrias no ponto central convergirem para um critrio pr-selecionado.
O processo mostrado graficamente na figura 3.7.
32
4 APLICAES EM PROBLEMAS MECNICOS
4.1 Problema Dinmico Estrutural Simples
Esta seo apresenta uma aplicao do Polinmio do Caos (PC) no contexto de um mo-
delo dinmico estrutural simples. O mtodo calcula as caractersticas estocstica da resposta
em deslocamento de estruturas incluindo as incertezas nos parmetros. Resultados simulados
so investigados em termos da sensibilidade da soluo em relao aos valores das variveis
aleatrias (mdia e desvio padro) e da ordem do polinmio. O mtodo PC tambm avali-
ado na anlise de confiabilidade e comparado com o FORM, SORM e simulaes de Monte
Carlo. Todos os resultados so verificados usando-se simulaes de Monte Carlo.
Afim de estudar o mtodo do Polinmio de Caos, um sistema estrutural bem simples

de um grau de liberdade (GDL) constitudo por massa-mola com amortecimento histertico
utilizado (figura 4.1).
Figura 4.1: Sistema massa-mola de 1GDL com amortecimento histertico.
A equao dinmica determinstica do sistema no domnio da frequncia pode ser escrita

como (J.Inman, 2001):
[K(1 + ) 2 M ]u = F (4.1)
onde K a rigidez, M a massa, o amortecimento, u o deslocamento, F a fora e a

frequncia circular. Da Eq.(4.1) obtm-se diretamente a resposta determinstica do sistema
33
como:
F
u= (4.2)
[K(1 + ) 2 M ]
O primeiro caso analisado considera apenas a rigidez K como varivel aleatria. Utili-
zando a Eq.(3.8) para Q = 1 varivel obtm-se:
[(K + K 1 )(1 + ) 2 M ]u = F (4.3)
onde K o desvio padro da rigidez. Usando o Polinmio de Caos de dimenso 1, ordem 1

e a Eq.(3.9) com N = 1 varivel ortogonal, obtemos,
1 1
u= un n (1 ) = un n (4.4)
X X
n=0 n=0
Considerando-se um polinmio de Hermite do primeiro grau e a varivel aleatria 1 gaussiana

com mdia nula e desvio padro unitrio (Ghanem e Spanos, 1991) teremos,
0 = 1 e 1 = 1 (4.5)
com as propriedades:
h0 i = 1; h1 i = 0; h20 i = 1; h21 i = 1 (4.6)
Da Eq.(3.10) obtemos o sistema linear de equaes como:
1
u0 h20 i[K(1 + ) 2 M ] + un h1 n 0 i[K (1 + i)] = F h0 i
X
n=0
1
u1 h21 i[K(1 + ) 2 M ] + un h1 n 1 i[K (1 + i)] = F h1 i (4.7)
X
n=0
Desenvolvendo os somatrios e substituindo os valores das mdias das Eqs.(4.6) nas
34
Eqs.(4.7), teremos
u0 [K(1 + ) 2 M ] + u0 h1 20 i[K (1 + )] + u1 h1 1 0 i[K (1 + i)] = F

u1 [K(1 + ) 2 M ] + u0 h1 0 1 i[K (1 + )] + u1 h1 21 i[K (1 + )] = 0 (4.8)
Avaliando as mdias remanescentes, teremos:
h1 1 0 i = h1 0 1 i1 = h12 i = 1; h1 20 i = h1 i = 0; h1 21 i = h13 i = 0 (4.9)
Substituindo as mdias das Eqs.(4.9) nas Eqs.(4.8) obtm-se o sistema de equaes,
u0 [K(1 + ) 2 M ] + u1 [K (1 + i)] = F
u1 [K(1 + ) 2 M ] + u0 [K (1 + )] = 0 (4.10)
cujas solues so dadas por:
F [K(1 + ) 2 M ]
u0 = (4.11)
[K(1 + ) 2 M ]2 K
2
(1 + i)2
F K (1 + i)
u1 = (4.12)
[K(1 + ) 2 M ]2 K
2
(1 + i)2
Assim, a mdia e o desvio padro da resposta so calculadas das Eqs.(3.11) e (3.12) obtendo-
se:
F [K(1 + ) 2 M ]
u = u 0 = (4.13)
[K(1 + ) 2 M ]2 K
2
(1 + i)2
35

F (1 + i)
q
K
u = u21 = (4.14)

[K(1 + ) M ] K (1 + i)
2 2 2 2

Para o segundo caso analisado consideram-se a rigidez K e a massa M como variveis

aleatrias. Considerando o polinmio de Hermite de primeiro grau, as variveis aleatrias 1 e
2 gaussianas com mdia nula e desvio padro unitrio, e desenvolvendo-se um procedimento
similar ao apresentado no caso anterior com uma varivel aleatria, obtm-se da Eq.(3.10) o
sistema linear de equaes como:
2
2 X
u0 h20 i[K(1 + i) 2 M ] + un hq n 0 i[K (1 + i) 2 M ] = F h0 i
X
q=1 n=0
2
2 X
u1 h21 i[K(1 + i) M ] +
2
un hq n 0 i[K (1 + i) 2 M ] = F h1 i
X
q=1 n=0
2
2 X
u2 h22 i[K(1 + i) 2 M ] + un hq n 0 i[K (1 + i) 2 M ] = F h2 i (4.15)
X
q=1 n=0
Se mantivermos as mesmas condies anteriores e aumentarmos a ordem do polinmio
36
de Hermite para 2, obtm-se o sistema linear de equaes como:
2 X
5
X
q=1 n=0
2 X
5
X
q=1 n=0
2 X
5
u2 h22 i[K(1 + i) M ] +
2
un hq n 2 i[K (1 + i) 2 M ] = F h2 i
X
q=1 n=0
2 X
5
X
q=1 n=0
2 X
5
X
q=1 n=0
2 X
5
u5 h25 i[K(1 + i) 2 M ] + un hq n 5 i[K (1 + i) 2 M ] = F h5 i (4.16)
X
q=1 n=0
Desenvolvendo os somatrios das Eqs.(4.15) e (4.16), substituindo os valores das mdias

e simplificando as equaes obtm-se a soluo dos sistemas. Fazendo-se A = [(K(1 + i)
2 M ] e B = [K (1 + i) 2 M ] podemos escrever a soluo do sistema da Eq.(4.15) como:
(pc1) FA
u0 = ,
2B 2
A2
(pc1) FB
u1 = ,
A + 2B 2
2
(pc1) F B
u2 = (4.17)
A2 2B 2
Logo, a mdia e o desvio padro da resposta com 2 variveis aleatrias e polinmio de
37
caos de ordem 1 podem ser calculadas pelas Eqs.(3.11) e (3.12) obtendo-se:
FA
(pc1) = u0 = (4.18)
u
A2 2B 2
q
(pc1) 2 (pc1) 2
u(pc1) = (u1 ) + (u2 ) (4.19)
De forma anloga escrevemos a soluo do sistema gerado pela Eq(4.16) como:
(pc2) F A2 + 4F B 2
u0 = ,
A(A2 6B 2 )
(pc2) FB
u1 = ,
A2 + 6B 2
(pc2) F B
u2 = ,
A 6B 2
2
(pc2) F B2
u3 = ,
A(A2 6B 2 )
(pc2) 2F B 2
u4 = ,
A(A2 6B 2 )
(pc2) F B2
u5 = (4.20)
A(A2 6B 2 )
Ento, a mdia e o desvio padro da resposta com 2 variveis aleatrias e polinmio de

caos de ordem 2 podem ser calculadas pelas Eqs.(3.11) e (3.12) obtendo-se:
F A2 + 4F B 2
(pc2) = u0 = (4.21)
u
A(A2 6B 2 )
q
(pc2) 2 (pc2) 2 (pc2) 2 (pc2) 2 (pc2) 2
u(pc2) = (u1 ) + (u2 ) + 2(u3 ) + (u4 ) + 2(u5 ) (4.22)
38
4.1.1 Resultados simulados do problema dinmico
Nesta seo o modelo massa-mola (figura 4.1) utilizado para avaliao simulada da
resposta usando a expanso em Polinmio de Caos. A sensibilidade em relao a mdia e
desvio padro dos paramentos aleatrios e a ordem do Polinmio de Caos so investigados.
Outra avaliao simulada feita para analise da confiabilidade do sistema usando mtodos
FORM, SORM e simulao de Monte Carlo. Nos exemplos apresentados a rigidez e massa
so as possveis variveis aleatrias, enquanto a fora e amortecimento so variveis determi-
nsticas. Suas propriedades estatsticas e valores nominais esto listados na Tabela 4.1.
Tabela 4.1: Propriedades das variveis para o problema dinmico.
Varivel Mdia/Nominal Desvio Padro Distribuio

Massa [kg] 1 {0,001; 0,011; 0,021; 0,031; 0,041; 0,051} lognormal
Rigidez [N/m] 1000 {2, 12, 22, 32, 42, 52} gama
Amortecimento [] 0.1 - determinstico
Fora [N] 1 - determinstico
A escolha do tipo de distribuio de probabilidade das variveis aleatrias do problema,

rigidez K e massa M , baseiam-se no fato de que ambas no assumem valores negativos nem
nulos. Com base no Princpio da Mxima Entropia (Kapur e Kesavan (1992); Fabro et al.
(2010)), foi determinado que a funo densidade de probabilidade para variveis aleatrias do
tipo rigidez a distribuio gama. A fim de tratar um caso geral, e ao mesmo tempo respeitar
o intervalo [0, +1[ onde a varivel existe, a funo densidade de probabilidade estabelecida
para a massa foi a distribuio lognormal. Entretanto, sabe-se que para obter uma taxa de
convergncia tima na expanso do Caos Polinomial a escolha do polinmio ortogonal precisa
estar associada ao tipo de distribuio de probabilidade da varivel aleatria escolhida. Isto
acontece devido os polinmios ortogonais membros do esquema de Askey terem funes de
39
ponderao que so idnticas a funo de probabilidade de certas distribuies aleatrias (Xiu
e Karniadakis, 2003). Assim, polinmios de Hermite esto associado com a distribuio
Gaussiana, polinmios de Laguerre com a distribuio Gama e etc. Desta forma, para uma
melhor convergncia do PC os polinmios de Laguerre deveriam ter sido usados neste estudo.
Contudo, devido o tempo restante para a concluso do trabalho e facilidade de implementao
computacional utilizou-se os polinmios de Hermite.
Considere o problema do CASO 1 onde apenas a rigidez K definida como varivel

aleatria com distribuies do tipo gama e as anlises so realizadas variando-se o desvio
padro desde 0,2 at 5,2% de K. A soluo do Polinmio de Caos (PC) com polinmio de
primeira ordem comparada com simulaes de Monte Carlo (MC) com 500.000 amostras,
onde investigada a influncia dessas variaes nos resultados obtidos em termos da mdia e
do desvio padro da resposta em deslocamento. As figuras 4.2(a) (f ) mostram os resultados
obtidos em termos da parte real da mdia e do desvio padro do deslocamento, onde pode-se
observar um comportamento j esperado para os dois mtodos, ou seja, do aumento do desvio
padro da resposta com o aumento da variabilidade da rigidez. Em termos do valor mdio
da resposta ambos mtodos apresentam boa concordncia com exceo do caso extremo
(K = 52) onde o PC diverge um pouco do resultado de MC (figura 4.2(b)). Contudo, no que
se refere ao desvio padro os mtodos concordam apenas nos valores mais baixos de K = 2
e 12 (figuras 4.2(a) e (b)), mas divergem de forma crescente proporo que o desvio padro
da rigidez aumenta (figuras 4.2(d) e 4.2(e)). De uma forma geral estas discordncias entre
os mtodos ocorrem visivelmente na regio prxima frequncia de ressonncia do sistema
( = 5, 0329Hz).
Para o problema do CASO 2 consideram-se a rigidez K e a massa M como variveis

aleatrias de distribuies conforme a Tabela 4.1. As variaes dos parmetros estatsticos
(desvios padro da rigidez e da massa) so feitas de forma alternada. Na primeira anlise
(ANLISE 1) o desvio padro da massa (M ) fixado em 0,001 kg e o desvio padro
da rigidez variado conforme a Tabela 4.1. Enquanto, na segunda anlise (ANLISE 2)
o desvio padro da rigidez (K ) fixado em 2,0 N/m e o desvio padro da massa (M )
variado conforme a Tabela 4.1. A soluo do Polinmio de Caos com polinmio de primeira
ordem (PC ordem 1) e com polinmio de segunda ordem (PC ordem 2) so comparadas
a simulaes de Monte Carlo (MC) com 500.000 amostras, onde investigada a influncia
40
(a) (b)
(c) (d)
(e) (f )
Figura 4.2: Mdias e desvios padro da resposta do sistema - CASO 1: K = 2 : 10 : 52

41
dessas variaes nos resultados obtidos em termos da mdia e do desvio padro da resposta.
As figuras 4.3(a) (f ) mostram os resultados do CASO 2 com a ANLISE 1 obtidos

em termos da parte real da mdia e do desvio padro da resposta, onde observa-se tambm
o comportamento esperado nas trs solues (PC ordem 1, PC ordem 2 e MC) do aumento
do desvio padro da resposta com o aumento da variabilidade da rigidez. Contudo, para
o valor mdio da resposta os mtodos s apresentam uma boa concordncia para valores
baixos da varincia da rigidez (figuras 4.3a a 4.3c), onde K = 2 a 22. Em valores mais altos,
estes divergem crescentemente proporo que a varincia de K aumenta (figuras 4.3(d) a
4.3(f )). No que se refere ao desvio padro os mtodos discordam para todos valores de K ,
mostrando um falta de preciso tanto nas amplitude quanto na forma da curva (PC ordem
2) de maneira crescente a proporo que o desvio padro da rigidez aumenta seus valores
(figuras 4.3(d) e 4.3(f )). As figuras 4.4(a) (f ) mostram os resultados do CASO 2 com a
ANLISE 2 obtidos em termos da parte real da mdia e do desvio padro da resposta,
onde visto tambm o comportamento j esperado nas trs solues (PC ordem 1, PC
ordem 2 e MC)) do aumento do desvio padro da resposta com o aumento da variabilidade da
rigidez. Uma comparao entre os resultados dos valores mdios e desvios padro obtidos pelos
trs mtodos (figura 4.4) mostra que no existem alteraes significativas destes resultados
em relao aqueles obtidas no CASO 2 com a ANALISE 1 (figura 4.3). Assim, pode-
se ponderar que os mesmos comentrios j feitos para o CASO 2 com a ANALISE 1 se
aplicam integralmente ao CASO 2 com a ANLISE 2. Com isso conclui-se que as variaes
nos parmetros estatsticos (desvios padro da rigidez e da massa) aplicadas ao sistema
apresentam sensibilidades semelhantes ou equivalentes em relao aos mtodos utilizados.
Das respostas obtidas observa-se que para o clculo da mdia da resposta, no geral o
PC apresenta uma boa eficincia, tanto para o caso com apenas uma varivel aleatria, onde
quase todos os resultados das variaes da disperso convergiram bem, como no caso com
duas variveis e diferentes graus do polinmio, tento um impreciso apenas quando ocorreram
disperses mais altas.
No clculo do desvio padro da resposta prximo a frequncia de ressonncia do sistema,

pode-se observar que para o modelo com apenas uma varivel aleatria (K ), a impreciso
entre PC e MC aumentara. Porm com uma disperso pequena os resultados tem uma boa
42
(a) (b)
(c) (d)
(e) (f )
Figura 4.3: Mdias e desvios padro da resposta do sistema - CASO 2 com a ANLISE
1: K = 2 : 10 : 52 e M = 0, 001.
43
(a) (b)
(c) (d)
(e) (f )
Figura 4.4: Mdias e desvios padro da resposta do sistema - CASO 2 com a ANLISE
2: K = 2 e M = 0, 001 : 0, 01 : 0, 051.
44
convergncia. Calculando a resposta do sistema, agora para o caso de duas variveis aleat-
rias, observa-se que mesmo com baixa disperso tanto na anlise de (M ) variando quanto
para (K ) variando, a convergncia dos mtodos no ocorrem. Este comportamento de diver-
gncia tambm vlido para o primeiro e segundo grau do polinmio utilizados nos clculos.
Aumentando a disperso dos parmetros ocorre tambm um aumento na impreciso das
respostas. Algumas solues aproximadas no caso do polinmio de segundo grau oscila em
torno da soluo de referncia. Uma possvel explicao para estas diferenas encontradas,
pode ser pelo uso de polinmios de Hermite em vez de polinmios de Laguerre, o qual o
mais indicado para a distribuio das variveis aleatrias e possivelmente pelo baixo grau
do polinmio. Na anlise de sensibilidade dos parmetros observa-se que a medida que as
variabilidades dos desvios padro tanto da massa como da rigidez aumentam, os resultados
da resposta passam a divergir.Comparando os resultado das variabilidade da massa e rigidez,
visto que a rigidez mostrou-se mais sensvel que a massa, indicando que este parmetro
influencia mais no sistema que o outro.
No problema do CASO 3 a soluo procurada a probabilidade de falha do sistema

massa-mola com amortecimento histertico, usando a funo de resposta em frequncia (FRF)
do sistema, a qual pode ser obtida a partir da Eq.(4.2) como:
u 1
H() = = (4.23)
F [K(1 + ) 2 M ]
onde H() a FRF determinstica do sistema. A soluo da Eq. 4.23 calculada com os valores
dos parmetros da Tabela 4.1 para a faixa de frequncias f = 0 60Hz resulta na curva da
funo de resposta em frequncia mostrada na figura 4.5.
Para o estudo da anlise de confiabilidade do sistema, a funo de estado limite assumida

para o clculo da probabilidade de falha definida por
g(X) = Hmax (
) H(
) (4.24)
onde Hmax ( ) o valor limite da amplitude da FRF H( ) na frequncia circular

, a qual
representa a frequncia de trabalho do sistema. Esta situao simples pode ilustrar um ver-
dadeiro sistema dinmico com parmetros aleatrios, que deve ter um nvel de vibrao
45
Figura 4.5: FRF do sistema de 1 GDL.
delimitado em uma determinada frequncia e amplitude.
Para as anlise de confiabilidade utilizou-se a frequncia f = 6.0479Hz com um valor

limite da amplitude da FRF Hmax = 52, 906dB. Consideram-se tambm a rigidez K e a
massa M como variveis aleatrias de distribuies conforme a Tabela 4.1. As variaes dos
parmetros estatsticos (desvios padro da rigidez e da massa) so feitas de tal forma que
na primeira anlise (ANLISE 1) M = 0, 001 kg e K = {2 : 10 : 52} N/m, enquanto,
na segunda anlise (ANLISE 2) K = 2 N/m e M = {0, 001 : 0, 01 : 0, 051}) kg. A
probabilidade de falha calculada usando os seguintes mtodos: mtodo de confiabilidade de
primeira ordem (FORM); mtodo de confiabilidade de segunda ordem (SORM) e simulao
de Monte Carlo Direto (MC1) Todos os resultados so comparadas a simulaes de Monte
Carlo Direto (MC1) realizadas com 500.000 amostras.
A figura 4.6 mostra os resultados do CASO 3 com a ANLISE 1 obtidos em termos da

probabilidade de falha do sistema onde se observa um comportamento j esperado para todos
46
os mtodos (FORM, SORM, e MC1) do aumento da probabilidade de falha com o aumento
da variabilidade da rigidez. Na figura 4.6a observa-se que para baixas variabilidades dos
parmetros (K = 2 e M = 0, 001) as probabilidades de falha so bem pequenas (pf <0,001) e
os 3 mtodos convergem para valores bem prximos. Os mtodos FORM e SORM concordam
entre si mas divergem um pouco em relao ao MC1 (figuras 4.6b a f ) com tendncia a
subestimar a probabilidade de falha com erros de 20% quando K = 12 que vo decrescendo
com o aumento de K de 9 a 4.5%. A Tabela 4.6 mostra uma comparao em termos dos
valores numricos obtidos pelos 3 mtodos e os erros relativos percentuais calculados em
relao ao mtodo de referncia (MC1). Em relao aos mtodos FORM e SORM acredita-
se que o nmero de amostras 500.000 usadas para o MC1 tenha boa convergncia para
probabilidades de falha mais altas, porm ainda no suficiente para valores menores de pf .
47
(a) (b)
(c) (d)
(e) (f )
Figura 4.6: Probabilidade de falha do sistema - CASO 3 com a ANLISE 1: K = 2 : 10 :

52 e M = 0, 001.
48
Tabela 4.2: Probabilidades de falha e erros percentuais relativo ao MC1 - CASO 3 com a
ANLISE 1.
K FORM erro SORM erro MC1

[%] [%]
2 0 0 0 0 0
12 0.1006 20.2 0.1006 20.2 0.1261
22 0.2396 8.8 0.2396 8.8 0.2628
32 0.3106 4.7 0.3106 4.7 0.3260
42 0.3505 4.2 0.3504 4.2 0.3657
52 0.3752 4.4 0.3752 4.4 0.3927
A figura 4.7 mostra os resultados do CASO 3 com a ANLISE 2 para as probabili-

dades de falha do sistema onde tambm se observa o mesmo comportamento geral para todos
os mtodos (FORM, SORM e MC1) do aumento da probabilidade de falha com o aumento
da variabilidade de M , j observado para este mesmo caso na ANLISE 1 em relao
variabilidade de K. Uma comparao entre os resultados das probabilidades de falha obtidas
pelos 3 mtodos (figura 4.7(a) a (f )) mostra que os resultados so similares aqueles obtidas
no CASO 3 com a ANALISE 1 (figura 4.6(a) a (f )). A Tabela 4.7 mostra tambm uma
comparao em termos dos valores numricos obtidos pelos 3 mtodos e os erros relativos
percentuais calculados em relao ao mtodo de referncia (MC1). A principal diferena en-
tre estas anlise esta nos valores numricos obtidos para as probabilidades de falha. Uma
comparao entre as Tabelas 4.6 e 4.7 tambm confirma a similaridade entre os resultados.
Assim, pode-se afirmar que os mesmos comentrios j realizados para o CASO 3 com a
ANALISE 1 se aplicam aqueles do CASO 3 com a ANLISE 1. Com isso conclui-se
que as variaes nos parmetros estatsticos aplicadas ao sistema apresentam sensibilidades
semelhantes ou equivalentes em relao aos mtodos utilizados. Entretanto, os erros relativos
percentuais em relao ao MC1 so menores para a variabilidade da massa do que aqueles
obtidos com a variabilidade da rigidez.
49
(a) (b)
(c) (d)
(e) (f )
Figura 4.7: Probabilidade de falha do sistema - CASO 3 com a ANLISE 2: K = 2 e

M = 0, 001 : 0, 01 : 0, 051.
50
Tabela 4.3: Probabilidades de falha e erros percentuais relativo ao MC1 - CASO 3 com a
ANLISE 2.
M FORM erro SORM erro MC1

[%] [%]
0,001 0 0 0 0 0
0,011 0.1844 8.1 0.1844 8.1 0.2007
0,021 0.3212 2.1 0.3212 2.1 0.3280
0,031 0.3801 1.8 0.3801 1.8 0.3870
0,041 0.4126 1.2 0.4126 1.2 0.4176
0,051 0.4337 0.6 0.4337 0.6 0.4363
51
4.2 Problema da Mecnica da Fratura
A mecnica da fratura probabilstica um campo da engenharia moderna que est se

desenvolvendo rapidamente. Uma recente pesquisa nesta rea a de Nespurek (2009), que
d base para trabalhos que envolvam incertezas com a rea da mecnica da fratura. Para
um problema de trinca ser analisado com base na teoria da mecnica da fratura um conhe-
cimento prvio sobre a trinca necessrio. Ao considerar a aleatoriedade do tamanho da
trinca, a localizao, as propriedades do material, cargas externas e geometria uma anlise
determinstica fornece uma avaliao incompleta da segurana do problema. Para resolver
estes problemas, a mecnica da fratura probabilstica uma ferramenta til, desde que com-
binemos a teoria da mecnica da fratura com mtodos estocsticos. Um estudo bsico da
mecnica da fratura probabilstica e sua aplicao com a anlise de incertezas em sistemas
estruturais pode ser encontrada em (Liu e Belytschko, 1989). Uma proposta apresen-
tada aqui considerar a complexidade do mecanismo de falha com mtodos de confiabilidade,
para isso ser feito uma combinao da equao de Paris (Paris e Erdogan, 1963) com os
mtodos de confiabilidade estrutural. Quatro mtodos sero utilizados: Mtodo de Confiabi-
lidade de Primeira Ordem (FORM), Mtodo de Confiabilidade de Segunda Ordem (SORM)
e simulao de Monte Carlo Direta (MC1).
4.2.1 Propagao de trinca
H trs tipos de movimento cinemtico entre as superfcies superiores e inferiores da

trinca. Estes trs modos bsicos de deformao esto ilustradas na Figura 4.8, que apre-
senta os deslocamentos relativos das superfcies da trinca de um elemento local que contm
uma trinca frontal. Qualquer deformao das superfcies da trinca pode ser visto como uma
superposio destes modos de deformaes bsicos, que so definidos como segue:
1. Modo I (Abertura): As superfcies da trinca so separadas de forma simtrica em relao

ao planos xy e xz.
2. Modo II (Cisalhamento): Uma superfcie da trinca desliza em relao outra de forma
52
simtrica em relao aos plano xy e obliquo-simtrica em relao ao plano xz.
3. Modo III (Rasgamento): As superfcies da trinca deslizam uma em relao a outra de

forma oblquo-simtrica em relao a ambos os planos xy e xz.
Figura 4.8: Modos bsicos de deslocamento na superfcie da trinca
Os modelos de predio da propagao de trinca em fadiga so baseados nos modelos

da mecnica da fratura que tem sido desenvolvido para dar suporte ao conceito de tolerncia
a dano em estruturas metlicas. Os modelos de predio so caracterizados de acordo com o
tipo de carga e a descrio de cada modelo. Geralmente a predio da propagao da trinca em
fadiga e a vida em fadiga feita sobre constantes cargas de amplitudes variadas. Numerosos
estudos sobre este assunto foram feitos. Pode-se observar que no incio da microtincas no
incio da vida em fadiga. Assim, ficou claro que o ciclo a fatiga sobre constantes cargas cclicas
consiste em duas fases, a vida de iniciao da trinca seguido pelo perodo de propagao at
a falha. O problema que envolvia a transio o perodo de iniciao da trinca para o perodo
de propagao foi primeiro estudado por Paris e Erdogan (1963). O resultado do teste de
Paris e Erdogan foi expresso em termos de da/dN com a funo de K (faixa do fator de
intensidade a tenso). Uma abordagem comum para a anlise da propagao da trinca em
fadiga descrita pela equao diferencial resulta no comprimento da trinca a versus o nmero
de ciclos N e na previso do nmero requerido para o crescimento da trinca do inicio at seu
tamanho final (Beden et al., 2009).
53
O tempo de vida de estruturas submetidas a cargas de fatiga consiste de trs fases
distintas: nucleao da trinca; propagao da trinca; e o limite de resistncia a fratura residual
ou tenacidade a fratura. Esse processo pode ser entendido a partir da curva da taxa de
propagao da trinca por fadiga, Figura 4.9, tambm referida como a curva da relao da/dN
versus K. Esta curva definida pelas Regies I, II e III (Gdoutos, 1993).
A Regio I, a fase inicial da propagao da trinca por fadiga e uma fase estvel(lenta)
da propagao da trinca, alm de definir o fator de intensidade tenso, Kth , abaixo do
qual a trinca fadiga no deve se propagar.
A Regio II a etapa de propagao intermediria da trinca, onde o uso do conceito da

mecnica da fratura linear elstica (LEFM) aceitvel. na regio II que os estudos deste
trabalho foram realizados.
A Regio III a etapa em que a taxa de crescimento da trinca aumenta rapidamente

medida que a instabilidade global aproximada. Ao atingir a regio III o sistema est
propenso falhas devido a fadiga.
A propagao de trinca em fadiga (Regio II), representa uma grande poro da vida
em fadiga de um material. nesta regio que a lei de Paris pode ser aplicada, a lei da
potncia descrito por Paris e Erdogan (1963) um mtodo simples para prever a propagao
da trinca por fadiga e pode ser expresso por
da
= CKm (4.25)
dN
onde a o comprimento da trinca e N o numero de ciclos de fadiga. O coeficiente c e o

expoente m so determinados a partir de dados experimentais. K = Kmax Kmin , onde
Kmax e Kmin so os fatores de intensidade de tenso ao mximo e mnimo no ciclo de carga.
O fator de intensidade a tenso K dada por

K = a (4.26)
54
Figura 4.9: Curva da taxa de propagao da trinca em fadiga.(Beden et al., 2009)
Figura 4.10: Carga senoidal de amplitude e frequncia constantes.
55
onde a tenso na trinca, portanto, a variao de tenso pode ser obtida da seguinte forma

K = a (4.27)
Quando um componente estrutural submetido a carga de fadiga, uma trinca dominante

atinge um tamanho crtico sob a carga de pico durante o ltimo ciclo levando a uma falha
catastrfica (Gdoutos, 1993). O objetivo bsico da anlise de propagao de trincas por
fadiga a determinao do tamanho da trinca, a, em funo do nmero de ciclos, N. Assim,
possvel estimar o tempo de vida da estrutura quando esta contm um dano. Este tempo
de vida pode ser previsto integrando a equao que calcula o nmero de ciclos para falha Nf ,
a qual pode ser obtido por
Z af
da
Nf = (4.28)
ai c( a)m
onde ai o comprimento inicial da trinca e af o comprimento final, que pode ser obtido
como
!2
1 Kic
af = (4.29)
Y
Kic a tenacidade fratura. Integrando e substituindo o tamanho final da trinca, Eq.( 4.29)
na Eq.( 4.28) o nmero de ciclos para falha obtido como
1m/2 1m/2
a a
Nf = f m m/2i (4.30)
c( a) (1 m/2)
4.2.2 Resultados simulados do problema de mecnica da fratura
No intuito de analisar a eficincia dos mtodos FORM, SORM e simulao de Monte

Carlo Direta (MC1) na obteno da probabilidade de falha devido propagao da trinca,
estes so aplicados a um problema de propagao de trinca cujo modelo uma placa retan-
gular contendo uma trinca partindo da borda sujeita a uma carga de amplitude constante,
56
Figura 4.11 . As variveis aleatrias e suas distribuies foram extradas no trabalho de
Millwater et al. (1994) e esto mostradas na Tabela 4.4.
Figura 4.11: Modelo da placa com uma trinca de borda.
Tabela 4.4: Propriedades das variveis aleatrias para o problema de propagao de trinca.
Variveis aleatrias Distribuio Mdia Desvio Padro

Carga (), [ksi] Lognormal 100 10
Tamanho inicial da trinca (ai ), [in] Lognormal 0.01 0.005
Constante de Paris (c) Lognormal 1.2x1010 1.2x1011

Tenacidade a fratura KIC , [ksi/ in] Normal 60 6
Da teoria da propagao de trinca fadiga (Regio II) e da lei da potncia descrito por
Paris e Erdogan (1963) possvel determinar o nmero de ciclos de falha,Nf , aplicando a
Eq.( 4.30) e o comprimento final da trinca, af , pela Eq.( 4.29). Usando os valores da Tabela
57
4.4 obtm-se a curva de variao do comprimento da trinca, a, versus o nmero de ciclos,
N, onde possvel observar a tendncia do nmero de ciclos para 8.000 ciclos no ponto de
instabilidade da trinca, como mostrado na Figura 4.12.
Figura 4.12: Comprimento da trinca versus nmeros de ciclos.
Para o clculo da probabilidade de falha a equao de estado limite definida como

g(X) = Nservio Nf . O nmero de ciclos admissveis Nservio e o expoente m so considerados
variveis determinsticas, onde m = 3,32 e Nservio = 8.000 ciclos. Ao se tratar um problema
com as possveis variaes que esto presentes no sistema, podemos observar que existe
a probabilidade de falha mesmo na fase em que ainda h uma considervel margem de
segurana.
A Tabela 4.5 mostra os resultados da probabilidade de falha obtida pelos 3 mtodos

(FORM, SORM e MC1) com os erros relativos percentuais em relao ao MC1 calculados
para diferentes nmeros de ciclos admissveis, Nservio . Todos as simulaes de Monte Carlo
(MC1) foram calculadas com 100.000 amostras.
Da Tabela 4.5 observa-se que de forma geral para baixos nmeros de ciclos de Nservio os
mtodos apresentam maiores erros na avaliao da probabilidade de falha, que vo reduzindo
com o aumento do nmero de ciclos. Os mtodos FORM e SORM apresentam entre si erros da
58
Tabela 4.5: Probabilidade de falha para o problema de propagao de trinca.
Valor admissvel(Nservio ) MC1(100.000) FORM SORM

1.000 0.0939 0.0835 0.08351
3.000 0.4045 0.3915 0.39152
3.704 0.5121 0.5000 0.50001
4.000 0.5568 0.5417 0.54176
5.000 0.6752 0.6629 0.66293
6.000 0.7671 0.7539 0.75400
7.000 0.8337 0.8195 0.81957
8.000 0.8817 0.8656 0.86561
mesma ordem em relao a referncia MC1. Entretanto, quando Nservio aproxima-se do valor
da instabilidade da trinca os dois mtodos (FORM, SORM) convergem para valores de pf
bem prximos, com erros percentuais inferiores a 2%. Em relao coincidncia aproximada
dos resultados obtidos com os mtodos FORM e SORM, uma possvel explicao poderia
ser, que uma aproximao de primeira ordem (FORM) para este sistema j seria suficiente e
a abordagem com uma segunda ordem (SORM) mostra-se desnecessria.
A figura 4.13 mostra uma comparao dos resultados da probabilidade de falha em

funo do nmero de amostras para os diferentes valores de Nadmservio , obtidos pelos trs
mtodos (FORM, SORM e MC1). De forma geral os resultados dos grficos coincidem com
aqueles mostrados na Tabela 4.5. Assim, os comentrios anteriores se aplicam tambm neste
caso. Entretanto, nestes grficos pode-se observar mais claramente o processo de convergncia
dos mtodos.
No geral os trs mtodos chegaram a um resultado de confiabilidade similares e de

aproximaes satisfatrias. A Figura 4.14 mostra a CDF de Nf , onde observa-se a coincidncia
das CDFs nos mtodos FORM e MC1, como j era previsto.
Um estudo para estimar a distribuio resultante da resposta do sistema foi realizado

em cima da varivel Nf . Como o valor desta varivel funo das outras variveis do problema
59
(a)Nservio = 1.000 (b)Nservio = 3.000
(c)Nservio = 3.704 (d)Nservio = 4.000
(e)Nservio = 5.000 (f )Nservio = 7.000
Figura 4.13: Probabilidade de Falha para diferentes valores de Nservio .
60
Figura 4.14: Funo de distribuio cumulativa do ciclo de falha.
e ela a varivel aleatria da funo estado limite, a mais indicada para a anlise. Para
isso a funo dfittool do programa M atlabr , que uma ferramenta interativa para ajuste da
distribuio dos dados, foi utilizada. A Figura 4.15 ilustra o ajuste da distribuio da varivel,
a qual se aproximou da distribuio de valor extremo generalizada (generalized extreme value
- GEV) em vez de uma distribuio gaussiana.
Figura 4.15: PDF da distribuio de Nf . Figura 4.16: CDF da distribuio de Nf .
61
4.3 Problema de Deteco de Falha Estrutural
Com o objetivo de proporcionar um ambiente seguro no desenvolvimento de projetos

estruturais, muitas investigaes para controlar os nveis de rudo e vibrao indesejveis tm
sido feitas. Ferramentas para prever o comportamento do rudo e da vibrao so necessrias
para controlar essas ocorrncias. Um problema difcil neste assunto est relacionado com os
caminhos da energia de vibrao e da propagao de ondas atravs da estrutura. Conhecendo-
se corretamente esses caminhos obtm-se meios de controlar o rudo e a vibrao. Uma tcnica
para a deteco de falha decorrida de trinca a de inspeo visual. Recentemente, novas tec-
nologias tm sido desenvolvidas com o objetivo de evitar esse procedimento. A presena de
um dano estrutural, como uma trinca, introduz uma alterao da flexibilidade local da estru-
tura, que modifica a sua resposta vibratria (Dimarogonas, 1996). Portanto, a energia de
vibrao pode ser usada para investigar o estado de sade de uma estrutura. Recentemente,
muitas pesquisas esto focadas em mtodos que utilizam propagao de ondas elsticas em
bandas de mdia e alta frequncias (Pereira, 2009, Krawczuk, 2002). Em bandas de mdia
e alta frequncias, as abordagens, tais como o mtodo dos elementos finitos (FEM) criam
modelos muito grandes. Quando as incertezas associadas com o sistema so consideradas,
as anlises de falha podem ser proibitivas tendo em conta o custo computacional (Fabro,
2010). Proposto por Doyle (1997), o mtodo do elemento espectral (SEM) consiste no de-
senvolvimento matricial de um elemento, baseado na soluo analtica da equao da onda
escrita em funo do deslocamento no domnio da frequncia. Isso equivalente a um nmero
infinito de elementos finitos. Uma das grandes vantagens do SEM o nmero reduzido de
elementos necessrios para a modelagem do sistema em comparao com outros mtodos
computacionais. Esta caracterstica e o domnio espectral fazem do SEM um mtodo mais
adequado para resolver o problema de estruturas trincadas incluindo parmetros incertos.
Neste trabalho, um mtodo de deteco de danos usando o elemento espectral de viga

trincada apresentada por Krawczuk (2002) estendido para incluir as incertezas no material e
nos parmetros geomtricos. O mtodo mais simples para estimar a confiabilidade estrutural
a simulao de Monte Carlo (MCS), porm para estruturas complexas com funo implcita
a avaliao de desempenho de cada realizao computacionalmente cara. Portanto MCS
direto no uma ferramenta computacional prtica para estimar a probabilidade de falha
62
ou a resposta estocstica do sistema. Nestes casos, mtodos aproximados como o Mtodo de
Confiabilidade de Primeira Ordem (FORM) e Mtodo da Superfcie de Resposta (Response
Surface Method - RSM) so ferramentas alternativas melhores para estimar a probabilidade
de falha e resposta estocstica da estrutura. Neste trabalho esses trs mtodos so usados
para avaliar a confiabilidade e a resposta de uma estrutura tipo viga com dano modelado
pelo SEM.
4.3.1 Mtodo do elemento espectral
O mtodo do elemento espectral se assemelha a mtodo de elementos finitos, porm com

duas importantes ressalvas: a formulao do mtodo do elemento espectral (SEM) escrita
no domnio da frequncia; e a funo de interpolao do elemento a soluo analtica da
equao da onda. Baseado na ltima caracterstica o nmero de elementos requerido para
um modelo espectral coincidir com o nmero de descontinuidades na estrutura, Figura 4.17
(a)
(b)
Figura 4.17: Representao estrutural: (a)Estrutura fsica; (b)Modelo do elemento espectral.
4.3.2 Elemento espectral de viga saudvel
Para a analise da propagao de ondas considere uma viga esbelta com modelo de viga
tipo Euler-Bernoulli, com um carga aplicada transversalmente. Ser assumido que o desloca-
mento transversal e rotacional so pequenos. Desconsiderando as deformao de cisalhamento
a equao diferencial do movimento escrita no domnio da frequncia (Doyle, 1997) dada
63
por,
d4 v
4
k 4 v = F (4.31)
dx
cuja soluo da equao homognea dada por
v = Aeik1 x + Bek2 x + Ceik1 (Lx) + Dek2 (Lx) (4.32)
onde v o deslocamento transversal no domnio da frequncia, F a fora externa e L o

comprimento da viga. Os nmeros de onda so dados por,
s
2 S
k ; k1 = k; k2 = ik (4.33)
EI
onde a frequncia circular, E o mdulo de Young, S a rea da seo transversal,

a densidade do material, I o momento de inrcia e i = 1. Usando o mdulo de Young
complexo, Ec = E(1 + i), um amortecimento estrutural interno introduzido, onde o
fator de perda estrutural histertico.
A Figura 4.18 ilustra um elemento de viga saudvel com dois ns, dois graus de liberdade
por n ( e duas cargas nodais (V e M
v e ) ).
Figura 4.18: Elemento espectral de viga saudvel com dois ns.
Aplicando-se os deslocamentos e rotaes nodais do elemento da figura 4.18 na Eq.(4.32)

os coeficientes A, B, C e D podem ser obtidos. Substituindo-se esses coeficientes de volta na
Eq.(4.32), a expresso do clculo dos deslocamentos e rotaes em qualquer ponto arbitrrio
64
da viga pode ser escrita como:
v1 + g2 (x)1 + g3 (x)
v(x) = g1 (x) v2 + g4 (x)2 (4.34)
onde gi (x) so as funes de forma, definidas por (Doyle, 1997):
1 (x) + r2 h
g1 (x) = [r1 h 2 (x)]/
3 (x) + r2 h
g2 (x) = [r1 h 4 (x)]/
2 (x) + r2 h
g3 (x) = [r1 h 1 (x)]/
4 (x) + r2 h
g4 (x) = [r1 h 3 (x)]/ (4.35)
onde
= r12 + r22
r1 = i(k1 k2 )(1 eik1 L eik2 L )
r2 = i(k1 + k2 )(eik1 l eik2 l )
1 (x) = ik2 (eik1 x eik2 L eik1 (Lx) ) ik1 (eik2 x eik1 L eik2 (Lx) )
h
2 (x) = ik2 (eik2 L eik1 x eik1 (Lx) ) + ik1 (eik1 L eik2 x eik2 (Lx) )
h
3 (x) = (eik1 x + eik2 L eik1 (Lx) ) (eik2 x + eik1 L eik2 (Lx) )
h
2 (x) = (eik2 L eik1 x + eik1 (Lx) ) (eik1 L eik2 x + eik2 (Lx) )
h
Usando-se a relao entre as cargas nodais e os graus de liberdade dos ns, e aplicando-se
as condies de contorno no elemento espectral, obtm-se:
V1

v1

1

M 1

=K
(4.36)

V2

v2

2 1

M

onde K
a matriz de rigidez dinmica do elemento espectral de viga saudvel, a qual
65
simtrica, usualmente complexa e pode ser expressa como:

1 1 eikL ekL
= EI ik k ikeikL kekL

(4.37)

K
L3 eikL ekL 1 1

ikeikL kekL ik k
4.3.3 Elemento espectral de viga semi-infinito
O elemento espectral de viga semi-infinito pode ser considerado como um caso particular
do elemento espectral da viga saudvel onde o n 2 tende a infinito (Figura 4.19).
Figura 4.19: Elemento espectral de viga semi-infinito.
Similar a teoria para o elemento espectral de viga desenvolvido anteriormente, a constru-

o do elemento espectador viga semi-infinito segue a mesma linha, assim aplicando a mesma
teoria, a matriz de rigidez dinmica espectral do elemento throw-off pode ser expressa como:

t = EI (i 1)k
3
ik 2
K (4.38)
L3 ik 2 (i 1)k 3
66
4.3.4 Elemento espectral de viga trincado
O elemento espectral de viga com uma trinca transversal e no propagante (Krawc-

zuk, 2002) est ilustrada na figura 4.20. O elemento contm dois ns com dois GDL/n,
onde L o comprimento, L1 a posio da trinca em relao ao n 1 e a o comprimento
ou profundidade da trinca. A trinca modelada por uma flexibilidade local adimensional
representada por , a qual calculada pelo teorema de Castigliano e as leis da mecnica da
fratura (Tada et al., 1973).
Figura 4.20: elemento espectral de viga trincado.
A soluo da Eq.( 4.32) aplicada a esse elemento dividida em duas partes:
vl (x) = A1 ei(k1 x) + B1 e(k2 x) + C1 eik1 (L1 x) + D1 ek2 (L1 x) [0 x L1 ] (4.39)
vr (x) = A2 eik1 (L1 +x) + B2 ek2 (L1 +x) + C2 eik1 (L(L1 +x)) + D2 ek2 (L(L1 +x)) [0 x LL1 ]
(4.40)
onde vl e vr so os deslocamentos verticais esquerda e direita da trinca, respectivamente.

Os coeficientes A1 , B1 , C1 , D1 , A2 , B2 , C2 , e D2 so determinados pela condio de contorno.
Dos deslocamentos, cargas nodais e a matriz de rigidez espectral so obtida de forma

similar ao elemento espectral de viga saudvel. Portanto, a matriz de rigidez dinmica do
67
elemento espectral de viga trincado escrita como:

1 1 a b 0 0 0 0
ik k ika kb 0 0 0 0

a b 1 1 a b c d

EI iak ak bk + bk ik k k + k ika kb ikc
2 2 2 2
kd

c =
K
L3
k 2 a k2b k 2 k2 k 2 a k 2 b k 2 c k 2 d

3 3 3 3 3 3 3 3
ik a k b ik k k a k b ik c k d

0 0 0 0 f g 1 1

0 0 0 0 ikf kg ik k
(4.41)
onde: a = eikL1 , b = ekL1 , c = eik(LL1 ) , d = ek(LL1 ) , f = eikL , g = ekL .
4.3.5 Flexibilidade da viga na posio da trinca
O coeficiente de flexibilidade da trinca , calculado usando o teorema de Castigliano,

onde a flexibilidade na posio da trinca para um elemento espectral de viga unidimensional
pode ser obtido por:
2U
c= (4.42)
P 2
onde U denota a energia de deformao elastica devido trinca e P a carga nodal no

elemento. Considerando que somente o modo I da trinca est presente no elemento de viga,
a energia de deformao elstica pode ser expressa como:
1 2 Z
U= KI2 dSc (4.43)
E Sc
onde o coeficiente de Poisson, Sc a rea trincada e KI um fator de intensidade de

tenso correspondendo ao modo I da trinca, o qual pode ser representado por:
6M
KI = f ( ) (4.44)
bh2 h
68
onde b a base e h a altura da seo transversal da viga; a variao da profundidade
da trinca (Figura 4.21); M o momento fletor na posio da trinca e f uma funo de
correo do fator de intensificao de tenso do modo I, o qual pode ser escrito como:
s
2h 0.923 + 0.199(1 sin( ))4
f( ) = tan( ) 2h
(4.45)
h 2h cos(
2h
)
Figura 4.21: Seco transversal da viga trincada na posio da trinca.
O coeficiente c usado para calcular a flexibilidade da trinca pode ser expresso da seguinte
forma:
72 Z a 2
c= 2 f (
)d
(4.46)
bh 0
onde a
= a
h
e
= h . A flexibilidade local adimensional dada por:
EIc
= (4.47)
L
69
4.3.6 Resultados simulados do problema de deteco de falhas
Para os testes simulados do problema de deteo de falhas os modelos utilizados consis-

tem de: a) uma estrutura composta por um elemento espectral de viga saudvel conectado
um elemento espectral de viga semi-infinito; e b) uma estrutura composta por um elemento
espectral de viga trincado conectado um elemento espectral de viga semi-infinito. A fi-
gura 4.22 mostra o aspecto dos dois sistemas. Assumindo a condio de contorno livre-livre,
as estruturas so excitadas no n dois por uma fora impulsiva. As propriedades estatsticas
do material e das dimenses das vigas esto descritas na Tabela 4.6.
(a)
(b)
Figura 4.22: Modelo estrutural: (a)viga trincada; (b)viga saudvel.
A fora impulsiva utilizada para facilitar a visualizao do sinal na propagao de

ondas e possibilita localizar a trinca na viga. O pulso obtido com uma fora senoidal modu-
lada por uma janela triangular e construdo por uma funo seno com 10,0 N de amplitude
e 50,0 kHz de frequncia. A funo seno gerada com 100 pontos e a janela triangular inclui
cinco perodos. A Figura 4.23 mostra o pulso gerado no domnio tempo e no domnio da
frequncia.
A fora de excitao aplicada no n 2 e a resposta obtida no mesmo ponto (Fi-
70
Tabela 4.6: Propriedades e dimenses das vigas.
Varivel Mdia Desvio Padro Distribuio

Profundidade da trinca - a [m] 0.02 - 0.28h 0.01 - 0.31 lognormal
Mdulo de elasticidade - E [GPa] 210 0.01 lognormal
Posio da trinca - L1 [m] 0.25L, 0.5L, 0.75L 0.06 normal
Altura da seco transversal - h [m] 0.030 0.06 lognormal
Base da seco transversal - b [m] 0.01 - -
Densidade do material - [kg/m ]3
7850 - -
Comprimento - L [m] 4 - -
Fator de amortecimento - 0.01 - -
Figura 4.23: Representao da fora pulso no tempo e na frequncia (50 kHz).
gura 4.22). A onda viaja atravs da estrutura at atingir o n 1, onde refletida de volta
para o n 2, e continua para o infinito atravs do elemento semi-infinito. O elemento semi-
infinito funciona como uma terminao anecoica dissipando a energia restante no sistema.
A amplitude da acelerao vertical diminui atravs do comprimento da estrutura devido ao
amortecimento interno . A figura 4.24 mostra a resposta em acelerao no tempo para a
71
estrutura saudvel, que apresenta dois pulsos, um no tempo de excitao (n 2) e outro no
tempo de reflexo (n 1). No entanto, para a resposta da acelerao da viga trincada nas
posies 0, 25L; 0, 50L e 0, 75L, dois pulsos adicionais aparecem, um entre o tempo de
excitao e tempo de reflexo e outra aps o tempo de reflexo. Estes pulsos adicionais ca-
racterizam as ondas parcialmente refletida e transmitida por uma descontinuidade localizada
no material, o que poderia ser a existncia de uma trinca. Estes resultados mostram que o
modelo SEM capaz de reproduzir o comportamento da propagao de ondas na estrutura
da viga e de localizar a posio da trinca.
A anlise da confiabilidade do sistema ser realizada para a estrutura da viga trincada.

A funo de estado limite a fim de verificar a confiabilidade estrutural avalia o valor rms do
(rms)
vetor da resposta em acelerao no tempo no n 2 (ac2 ), o qual deve estar acima do valor
(rms)
crtico (ac
2 ). Ao estabelecer o valor limite com a profundidade da trinca de a = 30%h,
o valor rms crtico determinstico na resposta acelerao/tempo no n 2 pode ser obtido da
funo de desempenho descrita como:
(rms) (rms)
g(X) = ac
2 ac2 (X) (4.48)
Considerando a profundidade da trinca a = 10%h com um COV = 0, 1 e mantendo

as outras variveis aleatrias como mostrado na Tabela 4.6, uma simulao de Monte Carlo
Direta realizada para analisar a convergncia da probabilidade de falha. Variando o nmero
de amostras um teste para a convergncia da probabilidade de falha obtido. A Figura 4.25
mostra o grfico de convergncia, o qual mostra convergncia com mais de 500.000 amostras.
Utilizando a Equao 3.41 para uma probabilidade de falha pf =0.038 e 5% de erro um

N =40.000 amostras obtido. Assim, um tamanho de amostragem de 50.000 amostras ser
considerada para todas as simulaes de Monte Carlo desta aplicao.
Para avaliar o desempenho dos mtodos RSM e MCS no clculo da probabilidade de

falha, as seguintes simulaes so realizadas: A referncia para a probabilidade de falha
calculado pela simulao de Monte Carlo usando o modelo do SEM da viga trincada, o qual
referido como MCS. Para calcular a probabilidade de falha pelo RSM com aproximao
de primeira ordem o modelo fatorial completo do projeto de experimentos (DOE) usado.
72
Figura 4.24: Resposta em acelerao para as vigas saudvel e trincada nas posies 0, 25L;
0, 50L e 0, 75L.
Quatro variveis (a, E; L1; h) com os nveis , so consideradas e a funo de desempenho

calculada para todas as combinaes possveis (Nd = 2n + 1 = 24 + 1 = 17 pontos).
Usando a Equao 3.43, os coeficientes do polinmio de primeira ordem so estimados usando
uma anlise de regresso. Para a aproximao do RSM de segunda ordem o projeto de
experimentos de Box-Behnken (BBD) usado. O BBD um projeto independente quadrtico,
no qual no h um fatorial incorporado ou fatorial fracionado. Neste projeto as combinaes
de tratamento so nos pontos mdios das arestas do espao de processo e no centro. Estes
73
Figura 4.25: Grfico de convergncia da probabilidade de falha por Monte Carlo Direto com
a = 10%h e COV = 0, 1.
projetos so rotativos ou quasi rotativos e requerem trs nveis em cada varivel. Para este
caso, consideramos as mesmas quatro variveis (a, E, L1eh) com os nveis de e .
A funo de desempenho calcular para o modelo de segunda ordem sem termos cruzados,
assim, p = (n+1)(n+2)/2 = 15 coeficientes e Nd = 27 pontos. Da Equao 3.43 os coeficientes
para o polinmio de segunda ordem so estimados usando uma anlise de regresso. Quando
a probabilidade de falha calculada por simulao de Monte Carlo usando aproximao de
RSM de primeira e segunda ordem, o modelo denotado como MC_RSM1 e MC_RSM2,
respectivamente.
A fim de avaliar a sensibilidade do elemento espectral de viga trincada com a profun-

didade da trinca, todas as simulaes so realizadas variando a profundidade da trinca de
um valor pequeno at perto do limite permitido de falha (a = {0.02, 0.10, 0.18, 0.22, 0.26,
0.28}h). Alm disso, para cada caso, as variaes no COV da profundidade da trinca so
feitas com COV = {0.01 : 0.05 : 0.31}.
As Figuras 4.26(b), 4.27(b) e 4.28(b) mostram a probabilidade de falha calculada pelo

MC_RSM1. Estes apresentam resultados prximos ao do FORM, pois eles tem comporta-
mentos similares e tem aproximao de primeiro grau.
74
As Figuras 4.26(c), 4.27(c) e 4.28(c) mostram a probabilidade de falha calculada
pelo MC_RSM2. Para este caso, o comportamento geral parece ser semelhante aos casos
anteriores, medida que a e COV aumenta a pf aumenta. No entanto, a probabilidade de
falha comea a aumentar cedo. Quando o valor da profundidade atinge a 18% h e COV
aumenta, a pf comea a aumentar, porm em um ritmo mais lento do que os casos anteriores
.
As Figuras 4.26(d), 4.27(d) e 4.28(d) mostram a probabilidade de falha calculada

pelo MCS, que apresenta um comportamento semelhante ao MC_RSM2. O comportamento
geral desses resultados parecem estar de acordo com a fsica do problema, uma vez que
as probabilidades de falha so muito pequenas para um a 10%h e seus valores de COV ,
tornando-se mais alto para a 18%h em valores mais elevados de COV .
75
(a) (b)
(c)
Figura 4.26: Probabilidade de falha com L1 = 25%L: (a)MC_RSM1; (b)MC_RSM2; e

(c)MCS.
76
(a) (b)
(c)
Figura 4.27: Probabilidade de falha com L1 = 50%L: (a)MC_RSM1; (b)MC_RSM2; e

(c)MCS.
77
(a) (b)
(c)
Figura 4.28: Probabilidade de falha com L1 = 75%L: (a)MC_RSM1; (b)MC_RSM2 ; e

(c)MCS.
78
A fim de tornar mais clara a anlise do resultado, dois grficos adicionais comparando os
resultados das probabilidades de falha de todos os mtodos juntos foram feitos. No primeiro
grfico esto agrupadas as probabilidade de falha de valores mais baixos (Fig 4.29,Fig 4.30 e
Fig 4.31) e no segundo as probabilidades de falha de valores mais altos (Fig 4.29, Fig 4.30 e
Fig 4.31). Nas figura Figuras 4.29(a), 4.30(a) e 4.31(a) pode-se visualizar que para baixas
probabilidades de falha obtidas pelo mtodo MC_RSM1 apresentam uma boa convergn-
cia para todos os valores de profundidade de trinca, faixa (a = 0.2 0.18h). Comparando
MCS com MC_RSM1 uma diferena significativa apresentada, o que significa que a no-
linearidade presente na flexibilidade da trinca no permite uma aproximao linear para a
funo de estado limite. Isso pode ser confirmado pela boa concordncia entre MCS e os
resultados da MC_ RSM2. As Figuras 4.29(b), 4.30(b) e 4.31(b) mostram que para altas
probabilidades de falha comportamentos semelhantes so observados.
(a) Baixa (b) Alta
Figura 4.29: Comparao entre MCS, MC_RSM1 e MC_RSM2 em: (a)Baixa e (b)Alta
probabilidade de falha com L1 = 25%L.
79
(a) Baixa (b) Alta
(a) Baixa (b) Alta
Para comparar o custo dos mtodos o tempo computacional foi computado. Como
esperado, o Monte Carlo direto (MCS) apresentou alto tempo computacional em comparao
80
aos outros mtodos. O Monte Carlo com superfcie de resposta de primeira e de segunda ordem
(MC_RSM1 e MC_RSM2) obtiveram tempos computacionais prximos. Todas as simulaes
foram realizadas em um PC Desktop, utilizando o processador Intel(R) Core(TM)i7 CPU 930
@2.80 GHz, 12.0Gb de memria RAM e Windows 7, 64 bits como sistema operacional. A
Tabela 4.7 mostra os resultados obtidos.
Tabela 4.7: Tempo computacional.
Mtodo CPU tempo [s]

MC_SRM1 96.3
MC_SRM2 99.2
MCS 12,161.2
81
82
5 CONCLUSES E TRABALHOS FUTUROS
Este trabalho apresentou conceitos sobre quantificao de incertezas e mtodos para

anlise de confiabilidade. Conceitos que foram aplicados problemas dinmico, de propa-
gao de trinca e deteco de dano em estruturas. Para cada caso analisado, foi realizado
a quantificao de incertezas presentes nos paramentos do sistema. Aps isso, foi assumido
uma equao de estado limite para cada um e feito o estudo de confiabilidade.
O captulo de fundamentos tericos, tem incio pela teoria da expanso em Polinmio do

caos, mtodo que trata da anlise das caractersticas da resposta de uma estrutura dinmica
incluindo parmetros aleatrios. Este mtodo baseado na teoria do Polinmio do Caos
(PC) cujo conceito bsico pode ser entendido como sendo uma soluo estocstica projetada
sobre uma base de polinmios ortogonais e as variveis so ortonormais e gaussianas. A
resoluo desse sistema conduz a uma expanso da soluo, que pode ser utilizada para
encontrar a mdia (analtica ou numrica), o desvio padro ou a distribuio da soluo
aleatria. Aps, apresentada a teoria de fundamentos da anlise de confiabilidade, que
basicamente trata da anlise do projeto de engenharia onde este, consiste em proporcionar
aos elementos do sistema de modo que satisfaam vrios critrios de desempenho, segurana,
manuteno e durabilidade sobre diversas condies de solicitaes. Mtodos para a anlise
confiabilidade do sistema como FORM e SORM so detalhados e algoritmos proposto por
(Haldar e Mahadevan, 2000) so ilustrados nesta seo. Ainda neste captulo, uma
introduo sobre a simulao de Monte Carlo (MC), que um mtodo de gerao simples
aleatria e faz realizaes baseadas em um conjunto de amostragem aleatria gerada para
variveis incertas. O mtodo da Superfcie de Resposta (RSM) e abordado nesta seo, para
a anlise de confiabilidade consiste em construir aproximadamente um polinmio de forma
explcita para representar a funo performance implcita g(X).
Dos problemas analisados, observado que no caso dinmico, das respostas obtidas
observa-se que para o clculo da mdia da resposta, no geral o PC apresenta uma boa
eficincia, tanto para o caso com apenas uma varivel aleatria, onde quase todos os resultados
das variaes da disperso convergiram bem, como no caso com duas variveis e diferentes
graus do polinmio, ocorrem falta de preciso apenas em disperses mais altas.
83
No clculo do desvio padro da resposta prximo a frequncia de ressonncia do sistema,
pode-se observar que para o modelo com apenas uma varivel aleatria (K ), a divergncia
entre PC e MC aumenta. Porm com uma disperso pequena os resultados tem uma boa
convergncia. Calculando a resposta do sistema, agora para o caso de duas variveis aleat-
rias, observa-se que mesmo com baixa disperso tanto na anlise de (M ) variando quanto
para (K ) variando, a preciso do PC no boa. Este comportamento tambm vlido para
o primeiro e segundo grau do polinmio utilizados nos clculos. Aumentando a disperso dos
parmetros ocorre a diminuio da preciso da resposta (PC). Algumas solues aproxima-
das no caso do polinmio de segundo grau oscilam em torno da soluo de referncia. Uma
possvel explicao para estas diferenas encontradas, pode serpossivelmente pelo baixo grau
do polinmio. Na anlise de sensibilidade dos parmetros observa-se que a medida que as
variabilidades dos desvios padro tanto da massa como da rigidez aumentam, os resultados
da resposta passam a divergir. Comportamento este j esperado, pois com o aumento da dis-
perso a tendncia das respostas so divergirem. Comparando os resultado das variabilidade
da massa e rigidez, visto que a rigidez mostrou-se mais sensvel que a massa, indicando que
este parmetro influencia mais no sistema que o outro .
Na anlise de confiabilidade mostrado nos resultados do CASO 3 com a ANLISE 1,

observa-se um comportamento j esperado para a probabilidade de falha do sistema em todos
os mtodos (FORM, SORM e MC1): o aumento da probabilidade de falha com o aumento
da variabilidade da rigidez. Para baixas variabilidades dos parmetros as probabilidades
de falha so bem pequenas e os trs mtodos convergem para valores bem prximos. Os
mtodos FORM e SORM concordam entre si mas divergem um pouco em relao ao MC1
com tendncia a subestimar a probabilidade de falha com erros de 20% quando K = 12
que vo decrescendo com o aumento de K . Os mtodos FORM e SORM acredita-se que o
nmero de amostras 500.000 usadas para o MC1 tenha boa convergncia para probabilidades
de falha mais altas, porm ainda no suficiente para valores menores de pf .
Na anlise de confiabilidade mostrado nos resultados do CASO 3 com a ANLISE 2

para as probabilidades de falha do sistema onde tambm se observa o mesmo comportamento
geral para todos os mtodos (FORM, SORM e MC12). Uma comparao entre os resultados
das probabilidades de falha obtidas pelos trs mtodos mostra que os resultados so similares
aqueles obtidas no CASO 3 com a ANALISE 1. Assim, pode-se afirmar que os mesmos
84
comentrios j realizados para o CASO 3 com a ANALISE 1 se aplicam a este. Com
isso conclui-se que as variaes nos parmetros estatsticos aplicadas ao sistema apresentam
sensibilidades semelhantes ou equivalentes em relao aos mtodos utilizados. Entretanto, os
erros relativo percentuais em relao ao MC1 so menores para a variabilidade da massa do
que aqueles obtidos com a variabilidade da rigidez.
No caso da mecnica da fratura, os trs mtodos de confiabilidade obtiveram resul-

tados semelhantes, assim, eles foram validados para o problema da propagao da trinca em
fadiga. Os mtodos FORM e SORM se mostraram eficientes, obtendo resultados prximos do
MC, assim para esta anlise o MC, que requer um maior esforo computacional poderia ser
substitudo por eles. O mtodo FORM e SORM apresentaram um pequena diferena para
este caso numrico,uma possvel explicao poderia ser pelo fato de que uma aproximao
de primeira ordem j fosse o suficiente.
Para o ultimo estudo analisado, caso da deteco de danos, conclui-se que a reposta
a propagao de ondas em uma estrutura de viga trincada incluindo incertezas no material
e nos parmetros geomtricos foram analisados. Uma anlise de confiabilidade feita para
quantificar a probabilidade de falha de um modelo de estrutura trincada com elemento es-
pectral de viga em altas frequncias. A funo de estado limite avalia o valor rms da resposta
na acelerao tempo , o qual pode ser dentro do valor limite. A profundidade da trinca
de a =30%h define o valor rms determinstico permitido da resposta tempo/acelerao.
Variando a profundidade da trinca (a) e seus coeficientes de variao (COV ) a anlise de
confiabilidade realizada usando o mtodo da superfcie de resposta linear (RSM1) resolvido
pela simulao de Monte Carlo (MC_RSM1) e pelo mtodo de confiabilidade de primeira or-
dem (FORM). Uma aproximao de segunda ordem tambm foi utilizada atravs do mtodo
da Superfcie de resposta quadrtica (RSM2), tambm resolvido pela simulao de Monte
Carlo (MC_RSM2). Todos os mtodos so comparados com o Monte Carlo direto (MCS).
Em geral todos os mtodos apresentam resultados em concordncia com a fsica do problema,
por exemplo, as probabilidades de falha so baixas para profundidades de trincas pequenas
e torna-se maior com o aumento de a.
A divergncia entre Monte Carlo direto (MCS) e o modelo de primeira ordem

MC_RSM1, revela que o grau de no-linearidade presente na trinca no elemento espec-
85
tral de viga trincada no permite uma aproximao linear para a funo de estado limite.
Isso pode ser confirmado pela boa concordncia entre Monte Carlo direto (MCS) e resulta-
dos de Monte Carlo com uma superfcie de resposta de segunda ordem (MC_RSM2). Como
resultados esperados o tempo computacional confirma que a abordagem da Superfcie de
Resposta reduz significativamente o tempo computacional em comparao ao Monte Carlo
Direto. Neste caso, Monte Carlo com superfcie de resposta de segunda ordem (MC_RSM2)
representa uma reduo de 12,159.3% no tempo computacional em comparao ao MCS.
Os mtodos de confiabilidade mostraram-se satisfatrios em todos os casos analisa-

dos. Casos que apresentaram uma no-linearidade, ao utilizar os mtodos de segunda ordem
obtiveram bons desempenhos.
5.1 Sugestes de Trabalhos Futuros
Este estudo pode ser utilizado como base para contnuos trabalhos nesta linha, de
quantificao de incertezas em problemas mecnicos e confiabilidade estrutural. Ideias que
surgiram ao longo deste trabalham e passam a ser sugestes para os prximos trabalhos so:
Implementao de mtodos para gerao de variveis como por exemplo o Importance

Samplimg (IS), Hiper Cubo Latino (LHS), que vem a ser uma otimizao do Monte
Carlo direto. Tendo como objetivo a diminuio do tempo de simulao e do custo
computacional;
Utilizar o expanso em Polinmio do Caos juntamente com o Mtodo do Elemento

Espectral para obter a resposta de uma barra livre - livre com uma fora excitadora
em um dos ns;
Estudar outros polinmios para a implementao do PC, ou seja, combinar o tipo de

distribuio da varivel aleatria com o correto polinmio associado a ela;
Na formulao do elemento espectral para um viga trincada utilizado o coeficiente

de flexibilidade , at ento utilizamos a flexibilidade levando em conta somente a
86
ao do momento, porm sabendo das reaes considerveis na viga, falta a adio da
flexibilidade em relao ao cisalhamento;
5.2 Publicaes
Durante o desenvolvimento desta dissertao os seguintes artigos foram publicados em

congressos:
Machado, M.R., Santos, T. B., Dos Santos, J. M. C., Arruda, J. R. F., Reliability
analysis using simple models aiming a comparison among stochastic methods. Proceeding of
18th International Congress on Sound & Vibration - ICSV18, (Rio de Janeiro,Brazil), 2011.
Machado, M.R., Dos Santos, J. M. C., Reliability analysis for probabilistic fatigue
crack growth. Proceeding of 21th Brazilian Congress of Mechanical Engineering - COBEM,
(Natal,Brazil), 2011.
Machado, M.R., Dos Santos, J. M. C., Wave propagation in a cracked beam spectral
element including parameter uncertainty. Proceeding of the 1st International Symposium on
Uncertainty Quantification and Stochastic Modeling - Uncertainties, (Maresias,Brazil), 2012.
87
88
REFERNCIAS
BECK, A.T. Curso de confiabilidade estrutural. Relatrio tcnico, EESC-USP, 2011.
BEDEN, S.M.; ABDULLAH, S. e ARIFFIN, A.K. Review of crack propagation models for
metallic components. European Journal of Scientific Research, vol. 28, 364397, 2009.
BREITUNG, K. Asymptotic approximations for multinormal integrals. Journal of Engi-

neering Mechanics, vol. 110, 357366, 1984.
BUCHER, C.G. e BOURGUND, Y.M. A fast and efficient response surface approach for
structural reliability problems. Structural Safety, vol. 7, 5766, 1990.
CAI, G.Q. e ELISHAKOFF, I. Refined second-order reliability ana. Structural Safety,

vol. 14, 267276, 1994.
CALFISCH, R. Monte carlo and quasi mone carlo methods. Acta Numerica, vol. 1, 249,
1998.
CHEN, X. e LIND, N.C. Fast probability integration by three-parameter normal tail appro-
ximation. Structural Safety, vol. 1, 269276, 1983.
CHOI, S.T.; V.GRANDHI, R. e A.CANFIELD, R. Reliability-based Structural Design.

Srpinger, 2007.
DEGERSEM, H.; DESMET, D.M.W. e VANDEPITTE, D. A fuzzy finite element procedure
89
for the calculation of uncertain frequency-response functions of damped structures: Part 2 -
numerical case studies. Journal of Sound and Vibration, vol. 288, 463486, 2005.
DESSOMBZ, O.; THOUVEREZ, F.; LAINE, J.P. e JEZEQUEL, L. Calcul des valeurs
et vecteurs propres d une structure stochastique par projection sur un chaos polynomial.
calcul de fonctions de transfert stochastiques. Relatrio tcnico, Ecole Centrale de Lyon -
Laboratoire de Tribologie et Dynamique des Systemes, 2000.
DESSOMBZ, O.; THOUVEREZ, F.; LAINE, J.P. e JEZEQUEL, L. Expansion of stochastic

frequency response function on polynomial chao. Relatrio tcnico, Ecole Centrale de Lyon,
2001.
DIMAROGONAS, A.D. Vibration of cracked structures: a state of the art review. Engine-
ering Fracture Mechanics, vol. 55, 831857, 1996.
DIMAROGONAS, A.D. e PAPADOPOULOS, C.A. Vibration of cracked shafts in bending.

Journal of sound and vibration, vol. 91, 583593, 1983.
DIMAROGONAS, A.D. e PAPADOPOULOS, C.A. Coupled longitudinal and bending vi-

brations of a rotating shaft with an open crack. Journal of Sound and Vibration, vol. 22,
8193, 1987.
DOYLE, J.F. Wave propagation in structures : spectral analysis using fast discrete
Fourier transforms. Mechanical engineering. Springer-Verlag New York, Inc., New York,
second ed., 1997.
DURAND, J.F.; SOIZE, C. e GAGLIARDINI, L. Structural acoustic modeling of automotive

vehicles in presence of uncertainties and experimental identification and validation. Journal
Acoustical Society of America, vol. 124, 1513 1525, 2008.
90
DUTANG, C. A note on random numbers. Relatrio tcnico, Cambrige, 2008.
FABRO, A. T. Anlise estocstica do comportamento dinmico de estruturas via

mtodos probabilsticos. 2010. Dissertao de Mestrado. Unicamp.
FABRO, A.T.; RITTO, T.G.; SAMPAIO, R. e ARRUDA, J.R.F. Stochastic analysis of a

cracked rod modeled via the spectral element method. Mechanics Research Communi-
cations, vol. 37, 326331, 2010.
FREUDENTHAL, A.M. Safety and probability of structure failure. ASCE Transactions,

vol. 121, 13371397, 1956.
GDOUTOS, E.E. Fracture Mechanics: an Introduction. Ed. Kluwer Academic Pu-

blishers, 1993.
GHANEM, R. e BRZAKALA, W. Stochastic finite-element analysis of soil lauers with ran-

dom interface. Journal of Engineering Mechanics, vol. 122, 361369, 1996.
GHANEM, R. e KRUGER, R.M. Numerical solution of a spectral stochastic finite element

systems. Computers Methods Apply Mechanical Engineering, vol. 129, 289303,
1996.
GHANEM, R. e SPANOS, P. Stochastic Finite Elements - A Spectral Approach.

Sprin, 1991.
HALDAR, A. e MAHADEVAN, S. Reliability assessment using stochastic finite ele-

ment analysis. John Wiley & Sons, Inc, new york ed., 2000.
HANSS, M. Applied Fuzzy Arithmetic. Springer Berlin, 2005.
91
HOHENBICHLER, M.; GOLLWITZER, S.; KRUSE, W. e RACKWITZ, R. New light on
first- and second-order reliability methods. Structural Safety, vol. 4, 267284, 1987.
HOHENBICHLER, M. e RACKWITZ, R. Non-normal dependent vectors in structural safety.

Journal of Engineering Mechanics, vol. 107, 12271238, 1981.
J.INMAN, D. Engineering Vibration. Prentice-Hall, 2001.
KAPUR, J.N. e KESAVAN, H.K. Entropy Optimization Principles with Applications.

Academic Press Inc., 1992.
KHURI, A. e CORNELL, J.A. Response Surface: Designs and Analyses. Dekker, New
York, 1996.
KOYLUGLU, H.U. e NIELSAN, S.N. New approximations for sorm integ. Structural
Safety, vol. 13, 235246, 1994.
KRAWCZUK, M. Application of spectral beam finite element with a crack and iterative
search technique for damage detection. Finite Elements in Analysis and Design, vol. 80,
18091816, 2002.
KRAWCZUK, M.; PALACZ, M. e OSTACHOWICS, W. The dynamic analysis of a cracked

timoshenko beam by the spectral elemet method. Journal of Sound and Vibration, vol.
264, 11391153, 2002.
LIU, W.K. e BELYTSCHKO, T. Computational Mechanics of Probabilistic and Re-

liability Analysis. Elme Press International, 1989.
MAHADEVAN, S. e HALDAR, A. Probability, Reliability and Statistical Methods

in Engineering Design. John Wiley & Sons, Inc, 2000.
92
MILLWATER, H.; WU, Y.T. e CARDINAL, J.W. Probabilistic structural analysis of fatigue
and fracture. In Proceedings of the 35th AIAA Structures, Structural Dynamics
and Material Conference. 1994.
MOENS, D. e VANDEPITTE, D. A fuzzy finite element procedure for the calculation of

uncertain frequency-response functions of damped structures: Part 1 - procedure. Journal
of Sound and Vibration, vol. 288, 431462, 2005.
MONTGOMERY, D.C. Design and Analysis of Experiments. John Wiley & Sons, Inc,
2001.
NESPUREK, L. Stochastic Crack Propagation Modelling Using the Extended Fi-

nite Element Method. 2009. Tese de Doutorado. BRNO University of Tecnhology.
NIST. e-handbook of statistical methods. 2010.

URL: http://www.itl.nist.gov/div898/handbook/
NUNES, R.F.; KLIMKE, A. e ARRUDA, J.R.F. On estimating frequency response func-

tion envelopes using the spectral element method and fuzzy sets. Journal of Sound and
Vibration, vol. 291, 9861003, 2006.
PARIS, P. e ERDOGAN, F. A critical analysis of crack propagation laws. ASME, vol. 85,
528534, 1963.
PEREIRA, F. N. Propagaao de ondas e detecao de danos com modelos de barra

de alta ordem pelo metodo do elemento espectral. 2009. Dissertao de Mestrado.
Unicamp.
RACKWITZ, R. e FIESSLER, B. Note on discrete safety checking when using non-normal

stochastic models for basic variables. Relatrio tcnico, Cambrige, 1976.
93
RAO, S.S. Mechanical Vibration. Person Prentice-Hall, 2008.
RIZZATTI, L. Analise dinamica, numerica e experimental de uma viga trincada.

2005. Dissertao de Mestrado. Universidade Estadual de Campinas . Faculdade de Enge-
nharia Mecanica, Campinas, SP.
URL: http://cutter.unicamp.br/document/?code=vtls000349175
ROSENBLATT, M. Remarks on a multivariate transformation. Annals of Mathematical

Statistic, vol. 23, 470472, 1952.
SAMEER, B. M. Uncertainty quantification in dynamic problems with large un-

certainties. 2006. Tese de Doutorado. Faculty of the Virginia Polytechnic Institute.
SAMPAIO, R. e RITTO, T. Short course on dynamics of flexible structures - deterministic

and stochastic analysis. Relatrio tcnico, PUC-Rio, 2008.
SHOOMAN, M.L. Probabilistic reliability: an engineering approach. McGraw-Hill,

1968.
SNEE, R.D. Some aspects of nonorthogonal data analysis: Part i, developing predictin equa-
tions. Journal of Quality Tech, vol. 5, 6779, 1973.
SOBOL, I.M. A primer for the Monte Carlo method. CRC Press, 1994.
SOIZE, C. A nonparametric model of random uncertainties for reduced matrix models in

structural dynamics. Probabilistic Engineering Mechanics, vol. 15, 277 294, 2000.
SOIZE, C. Random matrix theory and non-parametric model of random uncertainties in

vibration analysis. Journal of Sound and Vibration, vol. 263, 893 916, 2003.
94
SOIZE, C. A comprehensive overview of a non-parametric probabilistic approach of mo-
del uncertainties for predictive models in structural dynamics. Journal of Sound and
Vibration, vol. 288(3), 623 652, 2005.
TADA, H.; PARIS, P. e IRWIN, G.R. Stress Analysis of Cracks Handbook. Del Research
Corporatoin, 1973.
TVEDT, L. Distribuition of quadracti forms in normal space: application to structural

reliability. Journal of Engineering Mechanics, vol. 116, 11831197, 1990.
WIENER, N. The homogeneous caos. Americam Journal of Mathematics, vol. 60,

897936, 1938.
WU, Y.T. e WIRSCHING, P.H. New algorithm for structural reliability estimation. Journal
of Engineering Mechanics, vol. 113, 13191336, 1987.
XIU, D. e KARNIADAKIS, G.E. The wiener - askey polynomial chaos for stochastic diffe-
rential equations. Relatrio tcnico, Brown University,Division of Applied Mathematics,182
George Street,Providence,RI, 2003.
95

MachadoMarcelaRodrigues M

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

MachadoMarcelaRodrigues M

Enviado por

Direitos autorais:

Formatos disponíveis

Marcela Rodrigues Machado

Quantificao de Incertezas e Anlise de Confiabilidade

Dissertao apresentada ao Curso de Mes-

rea de Concentrao: Mecnica dos Slidos

Machado, Marcela Rodrigues

Orientador: Jos Maria Campos dos Santos.

1. Incerteza. 2. Analise espectral. 3. Confiabilidade

Ttulo em Ingls: Uncertainty quantification and reliability analysis in mechanical

A minha famlia por todo apoio durante toda vida.

A minha filha Sofia.

Ao Pedro, pelo suporte e muitas vez me suportar.

A Capes e ao Cnpq pelo apoio financeiro.

Aos Professores da FEM.

Esta trabalho, trata do estudo de quantificao de incertezas ou aleatoriedade exis-

Palavras-chave: Quantificao de incertezas, Deteco e propagao de trinca, Deteco de

Keywords: Uncertainty Quantification, Structural Reliability, Spectral Element Method,

1.1 Mtodos de quantificao de incertezas.(Sameer, 2006) . . . . . . . . . . . 2

4.1 Propriedades das variveis para o problema dinmico. . . . . . . . . . . . . . 39

K - Matriz de rigidez dinmica do elemento espectral de

- Parte aleatrio do operador estocstico

n - Nmero de varivel aleatria

AFOSM - Mtodo de Confiabilidade de Primeira Ordem Avanado (Advanced First-

Lista de Abreviaturas e Siglas xii

4 APLICAES EM PROBLEMAS MECNICOS 33

5 CONCLUSES E TRABALHOS FUTUROS 83

Ao se tratar de projetos na rea da engenharia, a fase inicial o projeto conceitual

A modelagem estocstica de um problema comea com a identificao das variveis,

Mtodos que abordam a parte probabilstica so divididos em duas reas no tratamento

O diagrama ilustrado na Figura 1.1, faz um resumo da classificao de mtodos que

Em geral, repetidas medies de um fenmeno fsico podem gerar mltiplos resulta-

tos, aleatrios ou estocstico (Haldar e Mahadevan, 2000). Um caso que exemplifica a

Figura 1.2: Ilustrao experimental das variabilidades em um sistema real: (a)Modelo;

1.1 Objetivos gerais

Neste trabalho, incertezas ou aleatoriedade existentes em sistemas sero identificadas e

Metodologias computacionais para quantificao de incertezas e confiabilidade de sis-

Sistema dinmico: o objetivo principal deste estudo foi a aplicao da expanso em

Problema da mecnica da fratura: neste caso utilizada a equao de Paris (Paris e

Problema de deteco de dano em estrutura: para esta anlise um mtodo de deteco de

Esta dissertao est organizada da seguinte forma:

O captulo 2, apresenta uma reviso bibliogrfica dos trabalhos publicados sobre os

O Captulo 3 expe um embasamento terico do mtodo da expanso em Polinmio

No Captulo 4 trs diferentes problemas so aplicados. O primeiro um problema

No Captulo 5 so apresentadas as concluses dos mtodos e dos resultados obtidos em

Dessombz et al. (2000) prope um mtodo para calcular autovalores e autovetores de

Para a aplicao da teoria da quantificao de incertezas e a de confiabilidade trs di-

Rao (2008) apresenta os principais fundamentos da engenharia de vibraes. A teoria,

Outro problema analisado foi o estudo sobre a propagao de trincas em estruturas,

Doyle (1997) aborda a anlise espectral como um meio de investigar a propagao

Dimarogonas e Papadopoulos (1983) apresentam um estudo que exibe uma resposta

Pereira (2009) investiga o problema de propagao de ondas em estruturas do tipo barra

3.1 Expanso em Polinmio do Caos

(x, )u(x, ) = [L(x) + (x, )]u(x, ) = F (x, ), (3.1)

onde L a parte determinstica e a parte aleatria do operador estocstico . O objetivo

Considere que {()}

o qual pode ser reescrita na forma truncada como:

O polinmio do caos i corresponde aos polinmios de Hermite multidimensionais ob-

onde consiste de n variveis aleatrias gaussianas ortonormais. Por exemplo, os polinmios

Quando a funo de correlao de conhecida, uma expanso em srie de Karhunen-

Substituindo a Eq.(3.9) na Eq.(3.8), multiplicando por m , fazendo a mdia e utilizando

importante observar que os valores de h2m i e hq n m i devem ser calculados apenas

A obteno da Eq.(3.10) para todos m = 0, . . . , N produz um sistema de (N + 1)

e a varincia dada por

3.2 Fundamentos da Anlise de Confiabilidade:

A anlise e o projeto de engenharia consistem em proporcionar os elementos do sis-