1

Otimização de treliça espacial usando Otimização Baseada no Ensino-Aprendizagem

considerando restrição de flambagem e esbeltez.

Felipe Faustino Kunz1

René Quispe Rodríguez2
Lucas Queiroz Machado3

RESUMO: A busca pelo melhor desempenho estrutural sintetiza um dos principais objetivos
da otimização estrutural na área da engenharia. No processo de otimização, aplicar as restrições
de flambagem e limitação de esbeltez normatizadas é fundamental para aproximar os resultados
da realidade. Neste estudo, implementou-se o método TLBO para a otimização de treliças
espaciais, restringindo a carga crítica de flambagem e índice de esbetez, tendo como função
objetivo a minimização do peso. O método foi aplicado a dois exemplos da literatura e uma
torre transmissão, com uma abordagem mais realista que, por meio do fator de segurança,
considera o comportamento plástico para restrição de carga crítica de flambagem. Nos dois
primeiros casos, como esperado, houve um aumento no peso ideal quando se considerou a carga
crítica de flambagem, chegando a aumentar 102,86%. Quando se restringiu o índice de esbeltez
dos elementos, a solução teve um aumento do peso ideal, chegando a aumentar 296,52% em
relação ao caso normal e a 92,03% com relação ao caso restringindo apenas a carga crítica de
flambagem. Para o terceiro caso, considerando restrição da carga crítica de flambagem e
esbeltez, o TLBO convergiu para um resultado melhor que o estudo de referência, que aplicou
o método dos algoritmos genéticos, uma redução de 15,02% no peso ideal, demostrando a
eficiência do método TLBO.
Palavras-chave: Treliça 3D. TLBO. Carga crítica de flambagem. Indice de Esbeltez.

ABSTRACT: The search for the best structural performance synthesizes one of the main
objectives of structural optimization in the engineering area. In the optimization process,
applying the standard buckling constraints and limitation of slenderness is the basis for bringing
the results closer to reality. In this study, the TLBO method for space truss optimization was
implemented, restricting the critical buckling load and slenderness ratio, and the objective
function for weight minimization. The application of the method was performed in two
reference cases and a transmission tower with a more realistic approach that, through the safety
factor, considers the plastic behavior for critical buckling load constrit. In the first two cases,
as expected, there was an increase in ideal weight when considering the critical buckling load,
increasing to 102.86%. By restricting the slenderness of the elements, the solution again
increased the ideal weight, rising to 296.52% from the normal case and 92.03% from the case
by restricting only the critical buckling load. For the third case, considering the critical buckling

1 Graduando em Engenharia Civil pela Universidade do Estado de Mato Grosso - Tangará da Serra / MT -
felipefaustinokunz@hotmail.com
2 Prof. Dr. adjunto no Departamento de Engenharia Mecânica da Universidade Federal de Santa Maria – Santa
Maria / RS - reneqr87@gmail.com
3 Prof. Ms. adjunto no Departamento de Engenharia Civil da Universidade do Estado de Mato Grosso, Tangará
da Serra / MT - lucasqmachado@gmail.com
 2

load and slenderness restriction, the TLBO converged to a better result than the reference study,
which applied the genetic algorithms method, a 15.02% reduction in the ideal weight,
demonstrating the efficiency of the TLBO method.
Keywords: 3D truss. TLBO. Critical buckling load. Slenderness ratio.

1 INTRODUÇÃO

O projeto de engenharia pode ser caracterizado como o processo de criar um produto

que satisfaça as necessidades do usuário de forma mais eficiente possível, o que reflete na
redução do consumo de material e no custo. A busca pelo melhor desempenho estrutural
sintetiza um dos principais objetivos da otimização estrutural na área da engenharia. A
otimização, geralmente, tenta encontrar a solução mais adequada para o problema dentro de um
amplo espaço de soluções aceitáveis de projeto sujeito a restrições (TOǦAN; DALOǦLU,
2006). A solução pode ser alcançada minimizando ou maximizando uma função objetivo que,
ao mesmo tempo, atenda às restrições impostas. A depender do problema, a função objetivo
pode ser o peso, deslocamento, frequência natural, tensão, flambagem, etc.
A evolução computacional proporcionou uma série de ferramentas que facilitaram o
avanço da pesquisa na área da otimização. Atualmente, existe um vasto acervo de métodos de
otimização aplicáveis a uma infinidade de problemas, destacando-se os métodos meta-
heurísticos baseados no comportamento da natureza. Um dos métodos mais conhecidos e
explorado é o método dos algoritmos genéticos (GA), proposto por Holland (1975), o qual usa
a teoria da evolução de Darwin baseando-se na sobrevivência do indivíduo mais apto. Rao et al
(2011) aponta que métodos como GA, embora sejam métodos eficazes, requerem de muitos
parâmetros de controle, cujos valores ideais são difíceis de determinar. Com esta motivação,
Rao et al (2011) propuseram o método de otimização baseada no ensino-aprendizagem
(Teaching-Learning-based optimization - TLBO), que se baseia na interação de ensino entre
professor e aluno, e busca resolver problemas e obter soluções para funções não lineares
contínuas com menos esforço computacional e alta consistência. Camp e Farshchin (2014)
aprimoraram o método para aplicação à otimização de treliças espaciais. A vantagem é que o
TLBO é simples de implementar e de se adaptar a uma ampla gama de problemas numéricos,
não requer a especificação de parâmetros de projeto para direcionar a pesquisa e requer baixo
custo computacional.
As estruturas treliçadas são largamente aplicadas na engenharia por fornecerem
excelente relação resistência/peso. Apesar da vantagem apresentada pelas estruturas de aço,
esse sistema estrutural está propenso ao colapso iniciado pela flambagem, pois a estrutura pode
entrar em colapso parcial ou completo de forma repentina e sem aviso prévio (VANTASEVER,
 3

2019). O fenômeno de flambagem é característico de seções delgadas em zonas de compressão

onde, a flambagem global das estruturas depende das características de seus membros
individuais que interagem entre si influenciando as cargas de flambagem (BAZANT e
CEDOLIN, 1991 apud AUGENTI e PARISI, 2013).
A falha por flambagem é um fator crítico quando se trata de estruturas esbeltas, aspecto
característico das estruturas metálicas. Caglayan e Yuksel (2008) investigaram o colapso de
uma estrutura de telhado devido à sobrecarga causada pelo acumulo de neve. Augenti e Parisi
(2013) investigaram o colapso de uma estrutura de telhado na fase de construção ocasionado
por uma rajada de vento. Ambos os autores apontaram em seus resultados que as estruturas
treliçadas de aço entraram em colapso devido à flambagem, a qual se propagou na estrutura,
causando o colapso total. Episódios como este justifica a atenção especial que deve ser dada às
restrições de flambagem impostas nas estruturas. Haghpanah e Foroughi (2017) analisaram a
otimização de treliças espaciais utilizando o TLBO e considerando a restrição a carga crítica de
flambagem com acréscimo de percentuais na determinação da carga crítica de flambagem para
simular o efeito de imperfeições.
Neste trabalho, utilizou-se o TLBO para otimização treliças espaciais, tendo como
função objetivo a minimização do peso total da estrutura. O foco principal foi verificar o efeito
da adição de restrições de carga crítica de flambagem e índice de esbeltez nos resultados da
otimização. Primeiramente, é apresentada uma breve conceituação teórica, em seguida é
descrito o método TLBO baseando-se no modelo apresentado por Rao et al (2011) e
considerando as modificações propostas por Camp e Farschin (2014), depois sua
implementação, e posteriormente a apresentação de 3 estudo de caso.

2 FUNDAMENTAÇÃO TEÓRICA

2.1 Treliça
A treliça é um dos principais tipos de estrutura e se apresenta como uma solução prática
e econômica em muitas situações. Alguns exemplos de aplicação estão na construção de pontes,
estruturas de cobertura, torres de transmissão e de telecomunicações, entre outras.

Por definição, as treliças são estruturas compostas por barras, retas e rígidas, submetidas
a carregamento apenas nos nós. Levando em consideração que suas extremidades são rotuladas,
por tanto, elas não têm momentos fletores nem esforços cortantes, existindo apenas esforços
normais (SUSSEKIND, 1981). Embora, na prática, as treliças podem ter as ligações realizadas
por solda ou parafuso além de imperfeições, o que pode gerar momento na estrutura e um
comportamento não linear (AUGENTI e PARISI, 2013).
 4

O aço é um dos materiais mais empregados na construção de estruturas de treliça. A

grande vantagem da aplicação do aço é a sua capacidade de resistência, o que gera estruturas
mais leves e esbeltas. De acordo com Beer e Johnston (2009), as estruturas de treliça em geral
são compostas por elementos delgados e podem suportar uma pequena carga lateral. No entanto,
estruturas esbeltas favorecem a ocorrência de flambagem.

2.2 Flambagem

Alguns elementos estruturais podem estar sujeitos a cargas de compressão que,

dependendo do comprimento e esbeltez da peça, podem ser suficientes para causar uma
deflexão lateral na peça. Este fenômeno é denominado como flambagem e a carga máxima que
um elemento pode suportar na eminência de sofrer flambagem é denominada carga crítica (Pcr ),
também denominada carga de Euler (HIBBELER, 2010).

A peça estará em equilíbrio estável caso P ≤ Pcr e em equilíbrio neutro se P=Pcr , caso
P ≥ Pcr diz-se que o elemento está em equilíbrio instável. Estando em equilíbrio estável o
elemento permanece na posição inicial sem sofrer deslocamento lateral. Para o caso da coluna
ideal, teoricamente, esta permaneceria reta mesmo com o acréscimo de carga até a sua ruptura
ou escoamento. Contudo, quando a carga Pcr é atingida, uma pequena força lateral F é capaz
de causar a flexão da peça e permanecerá na posição fletida mesmo com a remoção da força F,
sendo que qualquer redução da carga em relação a carga crítica fará com que a peça se endireite
(HIBBELER, 2010).
Como visto, o ponto que separa o estado estável do instável é ponto de bifurcação, o
qual é representado pela carga crítica. Ao dimensionar um elemento estrutural, é esperado que
este permaneça em equilíbrio estável de forma que P ≤ Pcr . Como a flambagem é baseada na
resistência a flexão, o valor de Pcr pode ser determinado pela equação diferencial da viga, que
relaciona o momento interno M do elemento com a posição defletida, dada pela Equação (1):

d²v
EI dx² = M (1)

Aplicando as considerações para a barras defletida e o momento nas extremidades igual

a zero como condição de contorno, tem-se como solução da equação diferencial a Equação (2):

π²EI
Pcr = (2)
L²

Com isso, a tensão crítica de flambagem para a barras pode ser expressa pela Equação
(3):
 5

π²E
σcr = (3)
λ²
L
λ= (4)
r

onde, E é o módulo de elasticidade do material, I é o momento de inércia da seção transversal, L é o

comprimento da coluna, Pcr é a carga crítica de flambagem, λ é o índice de esbeltez, r é o raio de
giração da barra e σcr é a tensão crítica de flambagem. Pode-se observar que a carga crítica é
independente da resistência do material, e depende apenas das dimensões L e I e do módulo de
elasticidade do material E. A coluna sofrerá flambagem em torno do eixo de menor momento
de inércia (HIBELLER, 2010).
A teoria apresentada até aqui se aplica a um caso considerado como ideal. No entanto,
como já foi dito, na prática as estruturas podem apresentar tensões residuais causadas por
imperfeições geométricas de fabricação e construção, e excentricidades de aplicação das cargas
(HIBELLER, 2010). Em se tratando de estruturas de treliças metálicas, o comportamento não
linear do modelo é difícil de ser implementado, pois requer a combinação de fontes não lineares
e definição de parâmetros específicos e alta experiência computacional (AUGENTI e PARISI,
2013). Para compensar esses efeitos diferenciais e tornar o cálculo mais realista, são
introduzidos fatores de segurança. Esses fatores são especificados pelo manual American
Institute of Steel Construction (AISC) e são descritos pelas equações de (5) a (8). O cálculo do
fator de segurança varia de acordo com o valor do índice de esbeltez da coluna. Essas
considerações foram empregadas no problema 3 deste estudo.
Se λ ≥ C
12π²E
σcr = (5)
23λ²

Se λ < C
λ2
σcr = σy (1- )n (6)
2C2

5 3λ λ3
n= 6 + 8 - (7)
8C3

𝐶 = √2𝜋²𝐸/𝜎𝑦 (8)

A norma brasileira que regula a elaboração de projetos de estruturas de aço é a NBR

8800, aplicada a estruturas formadas por perfis de aço laminados ou soldados, de seção tubular
e com ligações executadas com solda ou parafusos. Recomenda-se que o índice de esbeltez das
barras tracionadas não ultrapasse 300, e que o índice de esbeltez das barras comprimidas não
seja superior a 200 (NBR 8800, 2008), esses parâmetros são utilizados para restrições de
esbeltez nos problemas analisados neste estudo.
 6

2.3 Formulação do problema

A otimização de estruturas, em geral, concentra a sua aplicação na determinação do

projeto que minimize o peso da estrutura. Quando a geometria da estrutura é fixa, o problema
se concentra em encontrar as seções transversais para os elementos de forma que minimize o
peso da estrutura respeitando as restrições. As áreas transversais disponíveis podem ser restritas
a um intervalo discreto ou contínuo de valores, delimitado por um limite superior e inferior
definido no início do processo. A estrutura do problema da otimização pode ser descrita pela
seguinte formulação matemática:

Função objetivo 𝑊 = ∑ 𝛾𝐴𝑖 𝐿𝑖 (10)

𝑖=1

Restrições 𝜎 𝐿 ≤ 𝜎𝑖 ≤ 𝜎 𝑈 (11)
𝜎 𝑐𝑟 ≤ 𝜎𝑗 ≤ 0 (12)
𝛿 𝐿 ≤ 𝛿𝑘 ≤ 𝛿 𝑈 (13)
𝑈
𝜆𝑖 ≤ 𝜆𝑗,𝑡 (14)
𝐴𝐿 ≤ 𝐴𝑖 ≤ 𝐴𝑈 (15)
𝑖 ∈ {1, 2, … , 𝑚}, 𝑗 ∈ {1, 2, … , 𝑚}, t ∈ {1, 2, … , 𝑚𝑡 }, 𝑘 ∈ {1, 2, … , 𝑛}
sendo W a função peso da treliça, m o número de membros, γ a massa específica do material,
para cada membro i, Ai a área da seção transversal e Li o comprimento, σi a tensão e 𝜆𝑖 é o índice
de esbeltez. Das restrições, σL é a tensão limite inferior que corresponde a tensão máxima de
compressão, σU é a tensão limite superior que corresponde a tensão máxima de tração, j designa
que o elemento está sobre compressão e σcr é a tensão crítica de flambagem descrita na seção 2.2,
AL e AU são os limites máximos e mínimos das áreas respectivamente, n o número de nós e para cada
U
nó k, δL e δ são os limites inferiores e superiores de deslocamento respectivamente, o limite
inferior e superior está associado ao deslocamento de coordenadas negativa e positiva
respectivamente, t designa membros sujeitos a tração e λU U
j e λt são os limites de esbeltez para

membros comprimidos e tracionados respectivamente.

Nesse processo, é implementado um mecanismo de checagem quanto ao atendimento
das restrições, denominado como função penalidade. De acordo com Camp (2007), se um
arranjo é inviável, uma função de penalidade é aplicada ao peso estrutural e reflete o grau de
violação da restrição e o peso penalizado ajuda a focar a pesquisa em projetos com o menor
 7

peso estrutural que satisfaça as restrições de projeto. Ainda segundo o autor, o valor da função
penalidade será proporcional ao valor das somas das violações.
O cálculo da penalidade de tensão é dado da seguinte forma:
𝑠𝑒 𝜎𝐿 ≤ 𝜎𝑐𝑟 , 𝑒𝑛𝑡ã𝑜 𝜎𝐿 = 𝜎𝑐𝑟 (16)
𝑠𝑒 𝜎𝐿 ≤ 𝜎𝑖 ≤ 𝜎𝑈 , 𝑒𝑛𝑡ã𝑜 ∅𝑒𝜎 = 0 (17)
𝜎𝑖 − 𝜎𝐿,𝑈
𝑠𝑒 𝜎𝑖 < 𝜎𝐿 𝑜𝑢 𝜎𝑖 > 𝜎𝑈 , 𝑒𝑛𝑡ã𝑜 ∅𝑒𝜎 = | | (18)
𝜎𝐿,𝑈

O total da penalidade de tensão para o design k é:

∅𝑘𝜎 = ∑𝑚 𝑖
𝑖=1 ∅𝜎 (19)
O cálculo da penalidade de deflexão é realizado da seguinte maneira:
𝑠𝑒: 𝛿𝐿 ≤ 𝛿𝑖(𝑥,𝑦,𝑧) ≤ 𝛿𝑈 (20)
δi -δL,U
se: δL < δi(x,y,z) ou δi(x,y,z) > δU , então ∅iδ = | δL,U
| (21)

O valor total da penalidade de deflexão para o design k é:

𝑖 𝑖 𝑖
∅𝑘𝛿 = ∑𝑚
𝑖=1[∅𝛿(𝑥) + ∅𝛿(𝑦) + ∅𝛿(𝑧) ] (22)

O cálculo da penalidade de esbeltez é:

𝑈
𝑠𝑒: 𝜆𝑖 ≤ 𝜆𝑗,𝑡 , 𝑒𝑛𝑡ã𝑜 ∅𝜆𝑖 = 0 (23)
𝜆𝑖 − 𝜆𝑈(𝑗,𝑡)
𝑈
𝜆𝑖 > 𝜆𝑗,𝑡 , 𝑒𝑛𝑡ã𝑜 ∅𝜆𝑖 = | | (24)
𝜆𝑈(𝐽,𝑡)

O valor total da penalidade de esbeltez para o design k é:

∅𝜆𝑘 = ∑𝑚 𝑖
𝑖=1 ∅𝜆 (25)
O valor total da penalidade para o design k da treliça é o resultado da soma das
penalidades:
𝑐 𝑘 = (1 + ∅𝑘𝜎 + ∅𝑘𝛿 + ∅𝑘𝜆 )𝜀 (26)
onde, 𝜀 é o expoente positivo de penalidade, definido como 2 neste trabalho, igual ao valor
utilizado por Camp e Farshchin (2014). Por fim, o valor da penalidade é aplicado ao peso
encontrado para o design 𝑘 da treliça:
𝐹𝑘 = 𝑤 𝑘 𝑐 𝑘 (27)

3 OTIMIZAÇÃO BASEADA NO ENSINO-APRENDIZAGEM

O método TLBO é um método de otimização inspirado no processo de ensino e

aprendizagem. Ele ocorre em uma sala de aula entre professor e aluno, sendo que, o objetivo
final é fazer com que os alunos aumentem o nível de conhecimento. Admite-se que o professor
seja o indivíduo mais instruído da classe e tentará transmitir seu conhecimento aos alunos de
 8

forma que estes aumentem o nível de conhecimento. Rao et al (2011) mostra que o resultado é
proporcional ao nível do professor, ou seja, um professor melhor capacitado é capaz de mover
o conhecimento de uma turma de mesmo nível inicial a um patamar superior.
Além da fase onde o professor é o vetor orientador do processo entende-se que os alunos
podem interagir entre si e nesta fase eles serão protagonistas do processo compartilhando
conhecimento de forma colaborativa, o que também contribui para elevar o nível de
conhecimento da turma. A avaliação do desempenho de cada aluno é realizada por meio de
exame e o resultado é a nota. O resultado final da turma pode ser descrito pela curva normal de
probabilidade.
Como mencionado anteriormente, o método se divide em duas fases, a fase professor e
a fase aluno. Ambas serão descritas a seguir conforme Rao et al (2011) e com as modificações
propostas por Camp e Farshchin (2014).

3.1 Fase Professor

Nesta fase, o método tenta modelar o efeito do professor sobre os alunos da classe, de
tal forma que os alunos tentam atualizar seu conhecimento de acordo com as informações
fornecidas pelo professor. A fase o professor irá incrementar conhecimento para cada aluno, ou
seja, todos os alunos sofrem a influência do professor. Na prática um professor só pode mover
o nível da sala a um nível limitado, proporcional a sua capacidade.
Esse processo é modelado pelas seguintes expressões matemáticas:
𝑘 𝑘
𝑋𝑛𝑜𝑣𝑜 (𝑗) = 𝑋𝑜𝑛𝑡𝑖𝑔𝑜 (𝑗) + ∆(𝑗) (28)

∆(𝑗) = 𝑇𝐹 ∗ 𝑟|𝑀(𝑗) − 𝑇(𝑗)| (29)

onde, Xk (j) representa a variável j de design do vetor de solução k, j é o número de disciplinas,

TF é o fator de ensino, r é um número aleatório no intervalo entre [0,1], M(j) é a média da
turma, T(j) é o estado do professor. O fator de ensino TF decide a média que será alterada e
representa a capacidade do professor. Seu valor pode ser escolhido como 1 ou 2, ou de forma
aleatória pela expressão:
𝑇𝐹 = 𝑟𝑜𝑢𝑛𝑑[ 1 + 𝑟𝑎𝑛𝑑(0,1){2 − 1}] (30)
Togan e Mortazavi (2017) compararam o uso das três possibilidades indicadas para o
valor de 𝑇𝐹 1, 2 ou gerada de forma aleatória, Equação (30), e concluiu que as três escolhas
não interferem significativamente no valor final da otimização. No entanto, apontou que o uso
do valor TF igual a 1 ou definida de forma aleatória reduz o tempo de convergência. Para este
trabalho foi empregado o valor 2, o mesmo empregado por Camp e Farshchin (2014).
 9

Rao e et al (2012) e Rao e Patel (2013) resaltam que o valor de TF não se trata de um
parâmetro, por que não é obrigatoriamente um valor de entrada como ocorre nos algoritmos
genéticos, por exemplo, pois seu valor pode ser gerado de forma aleatória pela Equação (30).
Neste trabalho foi utilizado o método TLBO modificado por Camp e Farshchin (2014)
que propuseram o cálculo da média baseada na aptidão de cada aluno por meio da média
ponderada, a princípio calculado por Rao et al (2011) de forma aritmética. O valor de M é obtido
pela seguinte expressão.
𝑋𝑘 (𝑗)
∑𝑁
𝑘=1 𝐹𝑘
𝑀(𝑗) = 1 (31)
∑𝑁
𝑘=1 𝐹𝑘

onde, Fk é o peso da estrutura penalizado, Equação (27), N é o número da população.

O valor Xknovo (j) atualizado de cada aluno será aceito se o valor da atualização for melhor
que o valor antigo Xkontigo (j). Todos os valores atualizados ao final da fase professor são
conservados e se tornam valores de entrada da fase aluno.

3.2 Fase aluno

Esta fase corresponde a fase em que os alunos aprendem através da interação entre eles.
Nesta fase cada aluno da turma interage aleatoriamente com outro aluno da classe. Entende-se
que um aluno irá aprender coisas novas com outro que tenha mais conhecimento. Nessa fase,
cada aluno é comparado com outro aluno da turma. O processo de aprendizado nessa faze ocorre
da seguinte forma:

- um aluno p é selecionado aleatoriamente na turma;

- um segundo aluno q é selecionado aleatoriamente, sendo 𝑞 ≠ 𝑝;
- calcula-se 𝐹𝑝𝑘 e 𝐹𝑞𝑘 ;
𝑝 𝑝
𝑝
𝑋𝑎𝑛𝑡𝑖𝑔𝑜 (𝑗) + 𝑟[𝑋𝑎𝑛𝑡𝑖𝑔𝑜 (𝑗) − 𝑋 𝑞 (𝑗)], 𝑠𝑒 𝐹𝑝𝑘 < 𝐹𝑞𝑘
𝑋𝑛𝑜𝑣𝑜 (𝑗) ={ 𝑝 𝑝 (32)
𝑋𝑎𝑛𝑡𝑖𝑔𝑜 (𝑗) + 𝑟[𝑋 𝑞 (𝑗) − 𝑋𝑎𝑛𝑡𝑖𝑔𝑜 (𝑗)], 𝑠𝑒 𝐹𝑝𝑘 ≥ 𝐹𝑞𝑘

onde, 𝑟 é um número randômico no intervalo [0,1]. A Figura 1 ilustra o comportamento dos

alunos no processo.
 10

Figura 1: Processo fase aluno.

Fonte: Camp e Farshchin (2014), modificado.

3.4 Operação do método.

O procedimento computacional imita o processo descrito acima, dividido em fase

professor e fase aluno. O método TLBO trata-se de um método de base populacional. Conforme
Togan (2012), a seguinte analogia pode ser estabelecida entre o TLBO e a configuração ideal
da estrutura: os alunos da turma representam as configurações candidatas, cada disciplina
representa a variável de projeto (a seção de aço) e as combinações desta, as variáveis de projeto.

A seguir será descrito o procedimento de implementação do método TLBO como

descrito por Rao et al (2012).
Inicialização do problema:
Etapa 1: define-se o problema de otimização e os parâmetros de otimização, o tamanho
da população (Pn), número de gerações (Gn), número de variáveis de projeto (Dn) e os limites
das variáveis de projeto descritos na seção 2.3.
O problema de otimização é definido pela função de maximização f(x) sujeita a
x=x1, x2,...,xDn,.onde f(x) é a função objetivo e 𝑥 são as variáveis de projeto que devem atender
aos limites impostos.
Etapa 2: Inicializa-se a população de forma aleatória de acordo com tamanho da
população e o número de variáveis de design.
𝑥1,1 𝑥1,2 … 𝑥1,𝐷
→ 𝑓(𝑥)
𝑥2,1 𝑥1,1 … 𝑥2,𝐷 → 𝑓(𝑥)
𝑝𝑜𝑝𝑢𝑙𝑎çã𝑜 = → ⋮ (33)
⋮ ⋮ ⋮ ⋮
[𝑥𝑃𝑛,1 𝑥𝑃𝑛,2 … 𝑥𝑃𝑛,𝐷 ] → 𝑓(𝑥)
Etapa 3: fase professor.
 11

Primeiramente é calculada a média ponderada da população em linhas, isso dará a média

da turma em cada disciplina resultado em um vetor 𝑀𝐷 = [𝑚1 , 𝑚2 , . . . , 𝑚𝐷𝑛 ]. A melhor
solução atuará nesta interação como professor e tentará evoluir o conhecimento dos alunos na
direção do seu nível de conhecimento. Nessa etapa o conhecimento de cada aluno passará pela
influência do professor, Equação (28). Os alunos atualizados são aceitos caso tenham seu
conhecimento melhorado.
Etapa 4: fase aluno.
O código recebe o vetor da população (alunos) atualizado da fase professor. Os alunos
interagem entre si de forma aleatória, como descrito na fase aluno (seção 3.2).
Etapa 5: critério de parada.
Como critério de parada, tem-se o limite máximo de interação fixado em 200 e também
o atendimento das restrições imposta pelo problema de otimização, ver seção 2.3. Para este
método foi implementado a imposição de penalidade às soluções que ultrapassarem as
restrições impostas (ver seção 3). Caso não atenda ao critério de parada o processo retorna a
etapa 3. A figura 2 ilustra o fluxograma do processo.
Todo o trabalho teve como ferramenta o software comercial MATLAB. O MATLAB é
um software bastante conhecido que trabalha a resolução de problemas com base em análise
matricial. O processo de análise estrutural foi realizado por meio do método dos elementos
finitos (MEF). O programa implementado seguiu o seguinte procedimento: Primeiro, criou-se
um código para inserção dos dados, coordenadas, incidência, carregamentos, condições de
contorno, divisão dos grupos e restrições. Segundo, a análise estrutural pelo MFE, o qual inclui
cálculo da matriz de rigidez, deslocamento, tensão e da penalidade. Este processo funciona de
forma paralela ao método TLBO, fase professor e alunos.

4 RESULTADOS

Três exemplos são tratados para discussão, os dois primeiros são exemplos de referência
e o terceiro é uma torre abordada por Galante (1996) e Rajeev e Krishnamoorthy (1992). Nos
dois primeiros exemplos, os resultados de Camp e Farshchin (2014) são comparados para
validação do código. O primeiro trata-se de uma treliça de 25 barras dividida em 8 grupos, o
segundo uma treliça de 72 barras divididas em 16 grupos e o terceiro uma torre de 160 barras
dividida em 16 grupos. Foi adotada a população de 75 alunos que, segundo Camp e Farshchin
(2014), é adequado para proporcionar bons resultados e eficiência computacional. O algoritmo
TLBO foi implementado para realizar no máximo 200 interações ou até que atinja a
convergência dos resultados. Adotou-se como critério de convergência o mesmo utilizado por
 12

Camp e Farshchin (2014) que a solução atingirá a convergência quando, realizada 2000
analises, não houver alteração na solução ideal. Os resultados são apresentados na forma de
seções transversais e o peso ideal.

Problema 1: Torre de 25 barras

A configuração da treliça de 25 barras é mostrada na Figura 3. Os detalhes do

carregamento considerado e divisão dos grupos são mostrados nas Tabelas 2 e 3,
respectivamente. Para o problema de otimização, foram assumidos os seguintes parâmetros:
módulo de elasticidade 68,95 GPa, massa específica do material 2767,99 kg/m³, deslocamento
nodal máximo de 8.89 mm e tensão máxima admissível de 275,79 MPa. Mais detalhes sobre a
estrutura podem ser encontrados em Camp e Farshchin (2014).
Para validação do código, foram utilizadas as seções transversais utilizadas por Camp e
Farshchin (2014), variando de 0,645 cm² a 21,935 cm², com incremento de 0,645 cm². Para
aplicação das condições de flambagem, foram utilizados 50 perfis cantoneiras de abas iguais,
oferecidos no catálogo da empresa Gerdau – Catalogo de cantoneiras de abas iguais, as áreas
dos perfis variam de 0,7 cm² a 73,81 cm².

Figura 3 – Torre de 25 barras.

Tabela 2 - Carregamento torre de 25 barras

Nó Fx(kN) Fy(kN) Fz(kN)
1 4,448 -44,482 -44,482
2 0 -44,482 -44,482
3 2,224 0 0
6 2,669 0 0
Fonte Haghpanah e Foroughi (2017).

Fonte: Camp e Farshchin (2014).

Os resultados de otimização são mostrados na Tabela 4. Para validação do código, foi
aplicado o caso abordado por Camp e Farshchin (2014) sem aplicar as restrições de flambagem.
O presente trabalho convergiu para o mesmo valor do peso total da estrutura, 219,9243 kg.
Estes resultados podem ser conferidos na coluna 3 e 4 da Tabela 4.
 13

Após validar o código, três situações foram analisadas para o problema, caso 1; sem
aplicar a restrição de flambagem e esbeltez, caso 2; aplicando a restrição de carga crítica de
flambagem e caso 3; considerando a restrição de carga crítica de flambagem e esbeltez. Para o
caso 1, o TLBO obteve o valor de 212,54 kg. Para o caso 2, o resultado convergiu para
348,51kg, um aumento de 63,94 % em relação ao caso 1. Para o caso 3, o peso ideal obtido foi
de 352,14 kg, aumento 65, 68 % de em relação ao caso 1.

Tabela 4 – Resultados do TLBO para a torre de 25 barras.

Variáveis Secção transversal em cm²

Camp e Presente
Grupo Membros Farshchin Validação
(2014) Normal Com 𝝈𝒄𝒓 Com 𝝈𝒄𝒓 + 𝝀
1 1 0,645 0,645 0,700 0,70 1,93
2 2-5 1,935 1,935 0,700 12,51 12,51
3 6-9 21,935 21,935 24,190 15,73 15,73
4 10,11 0,645 0,645 0,700 0,70 1,93
5 12-13 13,548 13,548 13,500 2,71 3,10
6 14-17 6,452 6,452 5,220 15,48 15,73
7 18-21 3,226 3,226 0,900 19,50 19,50
8 22-25 21,935 21,935 24,190 19,50 19,50
Peso (kg) 219,924 219,926 212,539 348,51 352,140
Peso médio (kg) 219,951 219,966 212,692 364,702 379,131
Variância 0,17 0,0318 0,3473 1177,5 3655,2
N° análises 4910 5091 6155 15579 23635
Fonte: Próprio autor.
Para o caso 1, 15 barras estavam comprimidas, das quais 12 apresentam tensão superior
a carga crítica de flambagem e 8 delas atingiram esbeltez acima de 200, 3 das barras tracionadas
apresentaram esbeltez acima de 300, em ambos a esbeltez chega a atingir 1437,8. Para o caso
2, houve uma redução do índice de esbeltez das barras, foram 11 barras comprimidas, das quais
3 manifestaram esbeltez acima de 200 chegando a 230, e 3 das barras tracionadas apresentam
esbeltez acima de 300, chegando a 762.

Problema 2: Torre de 72 barras

A Figura 4 ilustra a configuração da treliça de 72 barras. Para a otimização, foram

considerados os seguintes dados: tensão máxima admissível de 172,37 MPa, deslocamento
nodal máximo de 6,35 mm, densidade do material 2768 kg/m³, módulo de elasticidade do
material 68,95 GPa e carregamento no nó 17 com 22,241 kN, 22,241 kN e -22,241 kN nas
direções x, y e z, respectivamente.
 14

Para este caso, validou-se o código usando variação discreta de área de seção transversal
com intervalo de 0,645 cm² a 19,355 cm² e incremento de 0,00645 cm². Camp e Farshchin
(2014) usaram o mesmo intervalo com variação continua. Nesse caso, o método convergiu para
o peso ideal de 167,698 kg menos que o valor de Camp e Farshchin (2014) de 172,198 kg. Os
resultados da otimização são mostrados na Tabela 5.

Figura 4 –Torre de 72 barras.

Fonte: Haghpanah e Foroughi (2017).

Para esse problema, a mesma análise do problema anterior foi realizada e também foram
empregados os mesmos perfis. Para o caso 1, o método obteve o valor de 169,69 kg, uma leve
redução no peso em relação ao caso de validação, sendo uma das razões o uso de perfis de área
menores. Para o caso 2, o resultado convergiu para 344,22 kg, um aumento 102,86 % em relação
ao caso 1. Para caso 3, acorreu um aumento significativo, a solução convergiu o peso de
660,99kg, representando um aumento de 296,52 % em relação ao caso 1.
Para o caso 1, a torre continha 36 barras sob compressão, 29 excedendo a carga crítica
de flambagem, 30 das barras comprimidas atingiram esbeltez acima de 200 e 34 barras
tracionadas apresentaram esbeltez acima de 300, em ambos os casos a esbeltez chaga a 1724,2.
Para o caso 2, a torre passou a apresentar 39 barras comprimidas, das quais 16 atingiram
 15

esbeltez acima de 200 chegando a 484,3, e 7 das barras tracionadas apresentaram esbeltez acima
de 300, continuando a alcançar ao valor de 1724,2.

Tabela 5 – Resultados do TLBO para a torre de 72 barras.

Variáveis Secção transversal em cm²

Camp e Farshchin Presente
Grupo Membros Validação
(2014) Sem σcr Com σcr Com σcr +λ
1 1-4 12,1335 12,1290 11,48 7,03 10,90
2 5-12 3,3174 3,2258 3,42 7,03 12,51
3 13-16 0,6452 0,6452 0,70 1,93 12,51
4 17,18 0,6452 0,6452 0,70 0,70 10,90
5 19-22 8,2006 8,0645 7,67 5,80 7,03
6 23-30 3,3232 3,2258 3,10 7,03 10,90
7 31-34 0,6452 0,6452 0,70 1,93 12,51
8 35,36 0,6452 0,6452 0,70 2,71 13,50
9 37-40 3,4303 3,0968 3,42 4,58 5,22
10 41-48 3,3123 3,2903 3,42 7,03 10,90
11 49-52 0,6452 0,6452 0,70 0,70 3,10
12 53,54 0,6452 0,6452 0,70 1,93 10,90
13 55-58 1,0097 0,6452 0,70 4,58 7,03
14 59-68 3,5026 3,3548 3,42 9,29 10,90
15 67-70 2,6329 2,5806 2,77 7,03 15,48
16 71,72 3,6987 3,6129 3,42 10,90 15,73
Peso (kg) 172,198 167,698 169,688 344,223 660,995
Peso Médio (kg) 172,256 167,726 169,910 371,895 935,724
Variância 0,149 0,003538 1,0473 4.098 285068,50
N° análises 21542 14971 10867 28195 30475
Fonte: Próprio autor.

Problema 3: Torre de 160 barras

A torre de treliça de 160 barras é ilustrada Figura 5. Essáatreliça foi resolvida por Rajeev
e Krishnamoorthy (1992), usando GA para minimizar o peso sem o critério de flambagem.
Galante (1996) também utilizou a mesma estrutura, otimizando-a para o caso aplicando
restrições de flambagem e esbeltez usando GA. Ambos os autores utilizaram 32 variações de
área de seção transversal retirada do manual AISC, que também são utilizadas neste problema.
Galante (1996) dividiu a estrutura em 16 grupos, o autor propõe esta divisão com o objetivo de
obter uma estrutura com pouca variação de perfis, afim de encontrar uma estrutura que facilite
a construção.
 16

Figura 4 –Torre de 160 barras.

Fonte: Próprio autor.

Neste problema, foram considerados os mesmos valores propostos por Rajeev e
Krishnamoorthy (1992) e Galante (1996): modulo de elasticidade do material de 208 GPa,
densidade do aço 7850 kg/m³, tensão admissível 147,15 MPa e deslocamento nodal máximo de
0,1m. As cargas assumidas são apresentadas na Tabela 6. A estrutura foi dividida em 16 grupos,
conforme adotada por Galante (1996). Mais detalhes sobre a estrutura podem ser encontrados
em Galante (1996).

Tabela 6 – Carregamento torre de 160 barras.

Nó Fx(N) Fy(N) Fz(N)
D -10702,7 0 -5356,26
E -10702,7 0 -5356,26
F -9770,76 0 -5356,26
G -8515,08 0 -4816,71
Fonte: Galante (1996).
Os resultados da otimização podem ser vistos na Tabela 7. Para o caso sem consideração
da flambagem e esbeltez, o TLBO obteve o peso ideal de 586,444 kg, que ficou entre os valores
encontrados por Rajeev e Krishnamoorthy (1992) e Galante (1996), 662,3 kg e 547,4 kg,
respectivamente.
 17

Tabela 7 – Resultados da torre de 160 barras.

Variáveis Seção transversal em cm²

Galante (1996) Presente S/ Galante (1996) Presente
Grupo Membros
S/ Flambagem Flambagem Com σcr +λ Com σcr +λ
1 1-24 - 9,2903 12,5161 9,2903
2 25-36 - 3,6322 7,6774 4,6129
3 37-48 - 2,7999 4,6129 1,5097
4 49-56 - 1,5097 4,6129 7,0322
5 57-64 - 1,5097 4,6129 5,8193
6 65-72 - 1,5097 4,6129 7,0322
7 73-80 - 1,5097 4,6129 5,8193
8 81-88 - 1,5097 4,6129 3,1226
9 89-96 - 1,5097 4,6129 4,6129
10 97-104 - 1,5097 4,6129 1,7161
11 105-112 - 1,5097 4,6129 3,1226
12 113-120 - 1,5097 4,6129 2,8000
13 121-128 - 1,5097 4,6129 1,5097
14 129-136 - 1,5097 4,6129 1,5097
15 137-148 - 1,5097 4,6129 1,5097
16 149-160 - 1,5097 4,6129 3,1226
Peso (kg) 547,400 577,217 1293,800 989,3045
Peso Médio (kg) - 578,138 - 1174,14
N° Análises - 5243 - 30475
Fonte: Próprio autor.
Para o caso considerando as restrições de carga crítica de flambagem descritas na seção
2.2 e utilizadas por Galante (1996), o TLBO atingiu o peso ideal de 1098,766 kg, abaixo do
valor alcançado por Galante (1996) de 1293 kg usando GA, uma redução de 15,02%. É possível
notar que, de forma semelhante aos dois problemas anteriores, ao considerar as restrições de
carga crítica de flambagem e esbeltez, a estrutura ideal sofre um aumento considerável no peso
ideal.
Analisando o comportamento da estrutura percebe-se que, no primeiro caso, sem
considerar as restrições de carga crítica de flambagem e esbeltez, 79 barras estão sujeitas a
esforço de compressão, das quais 25 apresentam esforço de compressão superior a tensão crítica
de flambagem especificada no manual AISC, Equações de (5) a (8). Analisando todas as barras
comprimidas, 41 excedem o limite de esbeltes de 200, no caso das barras tracionadas 35
excedem o limite de esbeltez de 300, em ambos os casos a esbeltez atinge 532,62. Portanto, não
considerando o efeito da flambagem, a estrutura não será adequada como sistema estrutural de
carga, pois não atenderia as restrições normativas e provavelmente entraria em colapso
(GALANTE, 1996) e (TOGAN, 2007).
 18

5 CONSIDERAÇÕES FINAIS

Pode-se observar que o efeito da flambagem desempenha um fator significativo para a

otimização da treliça, afim de tornar os resultados mais realistas, pois, quando considerada
ocasionou o aumento no peso ideal da estrutura. Conforme indicado na secção 2.2, dependendo
das características geométricas e do módulo de elasticidade, a carga crítica de flambagem pode
ser menor que a tensão admissível para o material, portanto são necessárias seções maiores para
suportar as tensões atuantes, o que justifica o aumento do peso ideal.
Pode-se observar que, ao restringir a carga crítica de flambagem, isso resultou na
redução do índice de esbeltez de alguns elementos comprimidos, isso se justifica pelo fato da
carga crítica de flambagem, em algumas barras, estar abaixo da tensão admissível para o
material, exigindo, portanto, seções mais robusta. Dessa forma, ao limitar a esbeltez das peças,
a norma restringe ainda mais a capacidade de suporte da estrutura, o que equivale a aplicação
de um coeficiente de segurança adicional.
Para os casos otimizados, nos quais não foram consideradas restrições da carga crítica
de flambagem e esbeltez, vários dos elementos violaram condições críticas destes parâmetros,
provavelmente causariam o colapso dessas estruturas. Esse fato confirma a afirmação proposta
por Galante (1996), de que atender as restrições de carga crítica de flambagem e índice de
esbeltez é fundamental para um projeto seguro e mais próximo da realidade.

6 REFERENCIAS

AMERICAN INSTITUTE OF STEEL CONSTRUCTION (AISC) - Specification for

Structural Steel Buildings: Allowable Stress Design and Plastic Design. Chicago, 2001.

ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 8800 – Projeto de estruturas

de aço e de estruturas mistas de aço e concreto de edifícios. Rio de Janeiro, 2008.

AUGENTI, N.; PARISI, F. Buckling analysis of a long-span roof structure collapsed during
construction. Journal of Performance of Constructed Facilities, v. 27, n. 1, p. 77–88, 2013.

CAGLAYAN, O.; YUKSEL, E. Experimental and finite element investigations on the

collapse of a Mero space truss roof structure - A case study. Engineering Failure Analysis,
v. 15, n. 5, p. 458–470, 2008.

CAMP, C. V. Design of space trusses using big bang-big crunch optimization. Journal of
Structural Engineering, v. 133, n. 7, p. 999–1008, 2007.

CAMP, C. V.; FARSHCHIN, M. Design of space trusses using modified teaching-learning

based optimization. Engineering Structures, v. 62–63, p. 87–97, 2014.
 19

GALANTE, M.; OÑATE, E. Genetic algorithms as an approach to optimize real-world

trusses. International Journal for Numerical Methods in Engineering, v. 39, n. 3, p. 361–
382, 1996.

GERDAU. Catálogo Barras e Perfis Gerdau. Disponível

em:<https://www.gerdau.com/br/pt/productsservices/products/Document%20Gallery/barras-
e-perfis-lamina-cantoneira.pdf>. Acesso em: 08 de outubro de 2019.

HAGHPANAH, F.; FOROUGHI, H. Size and Shape Optimization of Space Trusses

Considering Geometrical Imperfection-Sensitivity in Buckling Constraints. Civil
Engineering Journal, v. 3, n. 12, p. 1314, 2018.

HIBELLER, R. C., Resistência dos Materiais. 5. ed. São Paulo: Person Prentice Hall, 2010.

Holland, J. H. Adaptation in natural and artificial systems. The University of Michigan

Press, Ann Arbor, 1975.

RAJEEV, S.; KRISHNAMOORTHY, C. S. Discrete Optimization Of Structures Using Genetic

Algorithms By. S. Rajeev 1 and C. S. Krishnamoorthy 2. October, v. 118, n. 5, p. 1233–1250,
1992.

RAO, R. V.; PATEL, V. An improved teaching-learning-based optimization algorithm for

solving unconstrained optimization problems. Scientia Iranica, v. 20, n. 3, p. 710–720, 2013.

RAO, R. V.; SAVSANI, V. J.; VAKHARIA, D. P. Teaching-learning-based optimization: A

novel method for constrained mechanical design optimization problems. CAD Computer
Aided Design, v. 43, n. 3, p. 303–315, 2011.

RAO, R. V.; SAVSANI, V. J.; VAKHARIA, D. P. Teaching-Learning-Based Optimization:

An optimization method for continuous non-linear large scale problems. Information
Sciences, v. 183, n. 1, p. 1–15, 2012.

SÜSSEKIND J.C. Curso de Análise Estrutural: Estruturas Isostáticas. 6. ed. Porto Alegre:
Globo,1981. 1. v.

TOĜAN, V. Design of planar steel frames using Teaching-Learning Based Optimization.

Engineering Structures, v. 34, p. 225–232, 2012.

TOǦAN, V.; DALOǦLU, A. T. Optimization of 3d trusses with adaptive approach in genetic

algorithms. Engineering Structures, v. 28, n. 7, p. 1019–1027, 2006.

TOĞAN, V.; MORTAZAVI, A. Sizing optimization of skeletal structures using teaching-

learning based optimization. An International Journal of Optimization and Control:
Theories & Applications (IJOCTA), v. 7, n. 2, p. 130, 2017.

VATANSEVER, C. Investigation of buckled truss bars of a space truss roof system.

Engineering Failure Analysis, v. 106, n. August 2016, p. 104156, 2019.