Escolar Documentos
Profissional Documentos
Cultura Documentos
Campinas
2012
i
FICHA CATALOGRFICA ELABORADA PELA
BIBLIOTECA DA REA DE ENGENHARIA E ARQUITETURA - BAE - UNICAMP
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
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.
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
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.
viii
Lista de Ilustraes
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
4.30 Comparao entre MCS, MC_RSM1 e MC_RSM2 em: (a)Baixa e (b)Alta
probabilidade de falha com L1 = 50%L. . . . . . . . . . . . . . . . . . . . . . 80
4.31 Comparao entre MCS, MC_RSM1 e MC_RSM2 em: (a)Baixa e (b)Alta
probabilidade de falha com L1 = 75%L. . . . . . . . . . . . . . . . . . . . . . 80
x
Lista de Tabelas
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
xiii
Letras Gregas
Superescritos
xiv
Subscritos
p - Ordem do polinmio
q - Nmero de variveis aleatrias
N - Valor determinstico (nominal)
...................................................
Abreviaes
servio - Servio
max - Mximo
min - Mnimo
...................................................
Siglas
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
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
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
REFERNCIAS 88
NDICE 95
xviii
1 INTRODUO
1
Figura 1.1: Mtodos de quantificao de incertezas.(Sameer, 2006)
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.
3
1.2 Estrutura do trabalho
Este primeiro captulo uma introduo do assunto estudado e traz um resumo dos
casos apresentados. Nesta seo apresentada a estrutura do 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. (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.
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.
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.
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.
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
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:
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
Q
w() = ai i . (3.3)
X
i=1
t n t
p (i1 , . . . , ip ) = (1)n e1/2 e1/2 , (3.4)
i1 . . . in
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)
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
Q X
N
{um }h2m i = {un }hq n m i[q ] = {F }hm i (3.10)
X
q=1 n=0
= {u0 } (3.11)
N
2 = {u2n }h2n i (3.12)
X
n=1
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.
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
15
forma das PDFs, logo, possvel expressar a medida do risco em termos da probabilidade
de falha por:
ou
Z Z S Z
pf = fR (r)dr fS (s)ds = FR (s)fS (s)ds (3.15)
0 0 0
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.
17
3.2.1 Mtodo de Confiabilidade de Primeira Ordem
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
18
Assim a probabilidade de falha em termos de pode ser reescrita como:
pf = 1 () (3.22)
g
= (3.23)
g
!2 1/2
q q n
g(x )
g = var[g(x )] = [g(x )T g(x )] = x2i (3.25)
X
i=1 xi
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
1 xi N
!
N
N
Xi
= fxi (xi ) (3.28)
Xi Xi
20
valente caso a varivel no seja normal;
xi = N N
xi xi xi (3.31)
21
Figura 3.3: Estado limite linear e no linear (Beck, 2011).
n1
pf2 () (1 + i )1/2 (3.32)
Y
i=1
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.
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
(RDRt )
aij = i, j = 1, 2, ..., n 1 (3.36)
|G(y )|
1 t
yn0 = + y0 Ay0 (3.37)
2
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).
4. Calcular a matriz A;
25
3.3.1 Monte Carlo Direto
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).
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).
27
Figura 3.5: Mapeamento da CDF inversa (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.
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
k k
g(X) = b0 + bi X i + bii Xi2 (3.44)
X X
i=1 i=1
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
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).
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);
30
de desempenho em termos das variveis aleatrias.
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
32
4 APLICAES EM PROBLEMAS MECNICOS
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.
[K(1 + ) 2 M ]u = F (4.1)
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:
1 1
u= un n (1 ) = un n (4.4)
X X
n=0 n=0
0 = 1 e 1 = 1 (4.5)
com as propriedades:
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
34
Eqs.(4.7), teremos
u0 [K(1 + ) 2 M ] + u1 [K (1 + i)] = F
u1 [K(1 + ) 2 M ] + u0 [K (1 + )] = 0 (4.10)
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
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
36
de Hermite para 2, obtm-se o sistema linear de equaes como:
2 X
5
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 X
5
u1 h21 i[K(1 + i) 2 M ] + un hq n 1 i[K (1 + i) 2 M ] = F h1 i
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
u3 h23 i[K(1 + i) 2 M ] + un hq n 3 i[K (1 + i) 2 M ] = F h3 i
X
q=1 n=0
2 X
5
u4 h24 i[K(1 + i) 2 M ] + un hq n 4 i[K (1 + i) 2 M ] = F h4 i
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
(pc1) FA
u0 = ,
2B 2
A2
(pc1) FB
u1 = ,
A + 2B 2
2
(pc1) F B
u2 = (4.17)
A2 2B 2
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)
(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 )
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.
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.
40
(a) (b)
(c) (d)
(e) (f )
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.
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.
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.
g(X) = Hmax (
) H(
) (4.24)
45
Figura 4.5: FRF do sistema de 1 GDL.
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 )
48
Tabela 4.2: Probabilidades de falha e erros percentuais relativo ao MC1 - CASO 3 com a
ANLISE 1.
49
(a) (b)
(c) (d)
(e) (f )
50
Tabela 4.3: Probabilidades de falha e erros percentuais relativo ao MC1 - CASO 3 com a
ANLISE 2.
51
4.2 Problema da Mecnica da Fratura
52
simtrica em relao aos plano xy e obliquo-simtrica em relao ao plano xz.
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 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
54
Figura 4.9: Curva da taxa de propagao da trinca em fadiga.(Beden et al., 2009)
55
onde a tenso na trinca, portanto, a variao de tenso pode ser obtida da seguinte forma
K = a (4.27)
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)
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.
Tabela 4.4: Propriedades das variveis aleatrias para o problema de propagao de trinca.
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.
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.
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.
59
(a)Nservio = 1.000 (b)Nservio = 3.000
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.
61
4.3 Problema de Deteco de Falha Estrutural
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.
(a)
(b)
Figura 4.17: Representao estrutural: (a)Estrutura fsica; (b)Modelo do elemento espectral.
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
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 ) ).
64
da viga pode ser escrita como:
v1 + g2 (x)1 + g3 (x)
v(x) = g1 (x) v2 + g4 (x)2 (4.34)
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
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).
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
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)
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)
2U
c= (4.42)
P 2
1 2 Z
U= KI2 dSc (4.43)
E Sc
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
)
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
(a)
(b)
Figura 4.22: Modelo estrutural: (a)viga trincada; (b)viga saudvel.
70
Tabela 4.6: Propriedades e dimenses das vigas.
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.
(rms) (rms)
g(X) = ac
2 ac2 (X) (4.48)
72
Figura 4.24: Resposta em acelerao para as vigas saudvel e trincada nas posies 0, 25L;
0, 50L e 0, 75L.
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.
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
.
75
(a) (b)
(c)
76
(a) (b)
(c)
77
(a) (b)
(c)
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.
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
Figura 4.30: Comparao entre MCS, MC_RSM1 e MC_RSM2 em: (a)Baixa e (b)Alta
probabilidade de falha com L1 = 50%L.
Figura 4.31: Comparao entre MCS, MC_RSM1 e MC_RSM2 em: (a)Baixa e (b)Alta
probabilidade de falha com L1 = 75%L.
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.
81
82
5 CONCLUSES E TRABALHOS FUTUROS
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 .
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.
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.
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.
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:
86
ao do momento, porm sabendo das reaes considerveis na viga, falta a adio da
flexibilidade em relao ao cisalhamento;
5.2 Publicaes
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
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.
BUCHER, C.G. e BOURGUND, Y.M. A fast and efficient response surface approach for
structural reliability problems. Structural Safety, vol. 7, 5766, 1990.
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.
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.
DIMAROGONAS, A.D. Vibration of cracked structures: a state of the art review. Engine-
ering Fracture Mechanics, vol. 55, 831857, 1996.
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.
90
DUTANG, C. A note on random numbers. Relatrio tcnico, Cambrige, 2008.
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.
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.
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.
MONTGOMERY, D.C. Design and Analysis of Experiments. John Wiley & Sons, Inc,
2001.
PARIS, P. e ERDOGAN, F. A critical analysis of crack propagation laws. ASME, vol. 85,
528534, 1963.
93
RAO, S.S. Mechanical Vibration. Person Prentice-Hall, 2008.
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.
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.
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