Você está na página 1de 8

Universidade Federal do Rio Grande do Sul

Escola de Engenharia

ENG3012 - Tópicos Especiais em Mecânica dos Sólidos

Otimização de treliça utilizando o


algoritmo genético

Rodrigo Savi Justi – 240516

Porto Alegre, novembro de 2018.


RESUMO

Nesse trabalho uma treliça bidimensional de alumínio com 29 elementos e 16 nós tem
sua massa otimizada utilizando o algoritmo genético através do MATLAB. Foram
consideradas 8 variáveis de projeto, referentes as seções das barras e as posição dos nós
superiores. A massa otimizada da estrutura obtida foi de 6188,9 kg. Mais estudos
utilizando diferentes parâmetros e outros algoritmos de otimização devem ser
realizados para verificar se a solução obtida é um mínimo global.
1. INTRODUÇÃO

A otimização de estruturas é um objetivo fundamental na engenharia


contemporânea, onde as variáveis de projeto inicialmente estabelecidas são modificadas
com a finalidade de projetar estruturas com alta eficiência, com projeto e construção
exigindo custo e materiais mínimos, sem deixar de atender os requisitos necessários.
Uma abordagem comum é a combinação de todos os objetivos em uma única função
objetiva e utilizar métodos de minimização para encontrar um ponto ótimo.

Algoritmos baseados em gradientes são eficientes para encontrar mínimos locais


e a otimização local pode ser garantida. As soluções dadas por essa abordagem
geralmente exigem menos cálculos do que a maioria dos algoritmos meta-heurísticos,
no entanto, essas técnicas não são de otimização global e podem fornecer resultados
ruins para problemas que apresentam vários ótimos locais.

O algoritmo genético (GA) é um algoritmo meta-heurístico introduzido por John


Holland em 1960 que é inspirado no processo de seleção natural e pertence à classe
maior de algoritmos evolutivos (EA). Algoritmos genéticos são amplamente utilizados
em muitos campos, como robótica, design automotivo, roteamento de telecomunicações
otimizado, projeto de engenharia e design molecular auxiliado por computador.

Esse trabalho apresenta a otimização de uma treliça bidimensional de alumínio


com 29 elementos e 16 nós utilizando o algoritmo genético para minimizar a massa da
estrutura. A treliça é fixada em dois apoios e possui carregamentos verticais. Foram
consideras 8 variáveis de projeto, sendo 4 referentes as áreas das seções das barras e 4
referentes ao deslocamento vertical dos nós superiores. As restrições utilizadas foram as
tensões máximas admissível, que nas as barras sob tração foi de 137,9 MPa e nas barras
sob compressão foi utilizado o critério de Euler para flambagem.

2. PROBLEMA PROPOSTO

O problema consistia em otimizar a massa de uma treliça bidimensional com 29


elementos e 16 nós, sendo que os nós 1 e 16 estavam com os movimentos restringidos
tanto horizontalmente quanto verticalmente. A treliça estava submetida a 7 forças
pontuais P de magnitude 80 kN, que agiam nos nós 2, 4, 6, 8, 10, 12 e 14.
Figura 1 – Geometria inicial da treliça, com a numeração dos nós em preto e dos elementos em azul.

O material adotado foi alumínio, com massa específica de 2768 kg/m³ e módulo de
elasticidade de 68,95 GPa. As posições dos nós inicial e as forças verticais agindo neles
estão expressas na tabela abaixo.

Nó X (m) Y (m) Fy (kN)


1 0 0 0
2 5 0 -80
3 5 5 0
4 10 0 -80
5 10 5 0
6 15 0 -80
7 15 5 0
8 20 0 -80
9 20 5 0
10 25 0 -80
11 25 5 0
12 30 0 -80
13 30 5 0
14 35 0 -80
15 35 5 0
16 40 0 0
Tabela 1 – Posições dos nós no plano cartesiano e forças verticais.

Foram utilizadas restrições de tensões na otimização do problema, com limite de


137,9 MPa para barras sob tração e tensão de flambagem segundo o critério de Euler
como limite para as barras sob compressão, que para seção circular e as duas
extremidades fixas por pinos é expressa pela equação 1, onde é o modulo de
elasticidade do material, a área do elemento e o comprimento do elemento.

(1)
3. METODOLOGIA

O algoritmo genético foi implementado no software MATLAB 2016a para


realizar a otimização da função objetiva, que fornecia a quantidade total de massa da
estrutura. A função objetiva retornava o valor da massa após calcular as tensões em
todos os elementos e verificar se eles atendiam as restrições impostas. O algoritmo
utilizado para o calculo das tensões nos elementos da treliça foi fornecido por Marcos
Cesar Ruggeri, da Universidad Tecnologica Nacional da Argentina e adaptado para os
propósitos desse trabalho.

O algoritmo utiliza o método da matriz de rigidez, que exige subdividir a


estrutura em uma série de elementos finitos discretos e identificar seus pontos extremos
como nós. Na análise da treliça, os elementos finitos são representados pelos membros e
os nós representam as ligações entre eles. São determinadas as propriedades de
deslocamento e força de cada elemento, que são relacionadas umas com as outras
utilizando as equações de equilíbrio nos nós. As relações para toda a estrutura são no
que é chamado de matriz de rigidez. No caso da solução não atender as restrições
impostas, era atribuída uma massa de 1000000 kg, para que os valores das variáveis de
projetos utilizadas nessa solução fossem descartada do processo de otimização.

Figura 2 – Restrições implementadas na função objetiva.

O algoritmo genético foi fornecido pelo professor do Departamento de


Engenharia Mecânica da Universidade Federal do Rio Grande do Sul, Herbert Martins
Gomes e adaptado de acordo com esse trabalho.

Foram consideradas 8 variáveis de projeto a serem otimizadas, sendo as


variáveis x(1), x(2), x(3) e x(4) referentes a posição no eixo vertical dos nós superiores.
Devido a simetria da treliça, a posição vertical dos 7 nós superiores pode ser
representados por apenas 4 variáveis.

Variável de projeto Posição vertical dos nós


x(1) Nó 3 e nó 15
x(2) Nó 5 e nó 13
x(3) Nó 7 e nó 11
x(4) Nó 9
Tabela 2 – Variáveis de projeto referentes às posições verticais dos nós.

As outras quatro variáveis representavam as áreas das seções das barras


inferiores, barras superiores, barras na vertical e barras diagonais.

Variável de projeto Área do elemento


x(5) Elemento 1, 4, 8, 12, 16, 20, 24 e 28.
x(6) Elemento 2, 6, 10, 14, 18, 22, 26 e 29.
x(7) Elemento 3, 7, 11, 15, 19, 23 e 27.
x(8) Elemento 5, 9, 13, 17, 21 e 25.
Tabela 3 – Variáveis de projeto referente às áreas dos elementos.

4. RESULTADOS

Foram utilizados os seguintes parâmetros no algoritmo genético para


otimizar a treliça:

População 100
Gerações 25
Possibilidade de cruzamento 0,9
Número de pontos de cruzamento 4
Possibilidade de mutação 0,01
nsite 0,8
Número de bits 17
Tabela 4 – Parâmetros utilizados no algoritmo genético.

Para as variáveis de projeto foram utilizados os seguintes intervalos:

Variáveis de projeto Mínimo Máximo


Posição dos nós 3 e 15 0.5 m 10 m
Posição dos nós 5 e 13 0.5 m 10 m
Posição dos nós 7 e 11 0.5 m 10 m
Posição do nó 9 0.5 m 10 m
Área das barras inferiores 0.005 m² 0.1 m²
Área das barras superiores 0.005 m² 0.1 m²
Área das barras verticais 0.005 m² 0.1 m²
Área das barras diagonais 0.005 m² 0.1 m²
Tabela 5 – Intervalo das variáveis de projeto.

Utilizando o algoritmo nessas condições, foram obtidos os valores otimizados


para as variáveis de projeto e massa total da estrutura, em um tempo total de 29987,5
segundos, cerca de 8 horas e 20 minutos.
Figura 3 – Função objetiva (massa) ao longo das gerações.

Variaveis de projeto Ótimos


Posição dos nós 3 e 15 1,3138 m
Posição dos nós 5 e 13 2,6851 m
Posição dos nós 7 e 11 2,5223 m
Posição do nó 9 2,1511 m
Área das barras inferiores 0,0093597 m²
Área das barras superiores 0,029680 m²
Área das barras verticais 0,0084341 m²
Área das barras diagonais 0,015936 m²
Massa 6188,9 kg
Tabela 6 – Valores otimizados das variáveis de projeto e função objetiva.

Observando as tensões em cada elemento, é possível ver que as restrições não


foram violadas.

Elemento Tensão (MPa) Tensão Máxima (MPa)


1 1,28 137,9
2 -37,12 -76,57
3 9,48 137,9
4 1,28 137,9
5 -11,14 -41,11
6 -31,23 -76,13
7 14,84 137,9
8 -17,07 -25,81
9 21,05 137,9
10 -40,09 -81,77
11 -9,33 -91,41
12 14,51 137,9
13 20,96 137,9
14 -50,26 -81,41
15 -26,19 -125,68
16 14,51 137,9
17 20,96 137,9
18 -50,26 -81,41
19 -9,33 -91,41
20 -17,07 -25,81
21 21,05 137,9
22 -40,1 -81,77
23 14,84 137,9
24 1,28 137,9
25 -11,14 -41,11
26 -31,23 -76,13
27 9,49 137,9
28 1,28 137,9
29 -37,12 -76,57
Tabela 7 – Comparação das tensões nos elementos com as máximas admissíveis.

Figura 4 – Geometria final da treliça e distribuição de tensão.

5. CONCLUSÃO

Este trabalho apresentou uma abordagem para a otimização global de estruturas


treliçadas utilizando o algoritmo genético. A obtenção da solução teve alto custo
computacional, levando um tempo aproximado de 8 horas e 20 minutos em um
computador de uso pessoal. Apesar de o problema possuir oito variáveis de projeto, o
alto tempo indica que possivelmente o algoritmo de solução possa ser melhorado para
apresentar melhor desempenho. Novos estudos devem ser realizados utilizando novos
parâmetros e diferentes algoritmos para verificar se a solução obtida é um mínimo
global do problema.

6. BIBLIOGRAFIA

Wu, Shyue-Jian, and Pei-Tse Chow. "Integrated discrete and configuration optimization
of trusses using genetic algorithms." Computers & structures 55.4 (1995): 695-702.

Coello, C. A., and Alan D. Christiansen. "Multiobjective optimization of trusses using


genetic algorithms." Computers & Structures 75.6 (2000): 647-660.

RUGGERI, M. C. Matrix Analysis of Three Dimensional Bar Structures MABS3D.


Math Works, 2018. Disponível em: <
https://www.mathworks.com/matlabcentral/fileexchange/27452-matrix-analysis-of-
three-dimensional-bar-structures-mabs3d?s_tid=prof_contriblnk >. Acesso em: 12 de
novembro de 2018.