Universidade de Brasília - UnB

Faculdade UnB Gama - FGA

Engenharia Automotiva

Avaliação do desempenho dos otimizadores

disponíveis no Ansys para posterior aplicação
em um chassi automotivo

Autor: Matheus Braga da Silva

Orientador: Dr. Maura Angelica Milfont Szhu

Brasília, DF
2014
 Matheus Braga da Silva

Avaliação do desempenho dos otimizadores disponíveis no

Ansys para posterior aplicação em um chassi automotivo

Monografia submetida ao curso de graduação

em Engenharia Automotiva da Universidade
de Brasília, como requisito parcial para ob-
tenção do Título de Bacharel em Engenharia
Automotiva.

Universidade de Brasília - UnB

Faculdade UnB Gama - FGA

Orientador: Dr. Maura Angelica Milfont Szhu

Brasília, DF
2014
Matheus Braga da Silva
Avaliação do desempenho dos otimizadores disponíveis no Ansys para posterior
aplicação em um chassi automotivo/ Matheus Braga da Silva. – Brasília, DF, 2014-
47 p. : il. (algumas color.) ; 30 cm.

Orientador: Dr. Maura Angelica Milfont Szhu

Trabalho de Conclusão de Curso – Universidade de Brasília - UnB

Faculdade UnB Gama - FGA , 2014.
1. OTIMIZAÇÃO. 2. ANSYS. I. Dr. Maura Angelica Milfont Szhu. II. Uni-
versidade de Brasília. III. Faculdade UnB Gama. IV. Avaliação do desempenho
dos otimizadores disponíveis no Ansys para posterior aplicação em um chassi
automotivo

CDU 02:141:005.6
 Matheus Braga da Silva

Avaliação do desempenho dos otimizadores disponíveis no

Ansys para posterior aplicação em um chassi automotivo

Monografia submetida ao curso de graduação

em Engenharia Automotiva da Universidade
de Brasília, como requisito parcial para ob-
tenção do Título de Bacharel em Engenharia
Automotiva.

Brasília, DF, de dezembro de 2014:

Dr. Maura Angelica Milfont Szhu

Orientador

Dr. Carla Tatiana Mota Anflor

Convidado 1

Dr. Saleh Barbosa Khalil

Convidado 2

Brasília, DF
2014
 Resumo
Este trabalho apresenta a análise do desempenho de dois otimizadores que pertencem
ao pacote comercial ANSYS○. R Estes otimizadores possuem naturezas diferentes, um é

construido com auxílio de teorias de cálculo diferencial, o método de primeira ordem, o

outro é construido de forma randômica. Alguns exemplos simples são apresentados com
a intenção de validar uma posterior otimização de um chassi automotivo.

Palavras-chaves: Chassi. ANSYS○.

R Otimização.
 Abstract
This paper presents a performance analysis of two optimizers that belong to the commer-
cial package ANSYS○. R These optimizers have different natures , one is constructed with

the help of theories of differential calculus , the method of the first order , the other is built
randomly . Some simple examples are presented with the intent to validate a subsequent
optimization of an automotive chassis

Key-words: Chassi. Optimize. ANSYS○.

R
 Lista de ilustrações

Figura 1 – Chassi escada, bestcars . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

Figura 2 – Chassi monobloco, monoblocorio . . . . . . . . . . . . . . . . . . . . . 20
Figura 3 – Chassi backbone . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
Figura 4 – Chassi tubular, grabcad . . . . . . . . . . . . . . . . . . . . . . . . . . 21
Figura 5 – Otimização topológica, (Silva, 2014) . . . . . . . . . . . . . . . . . . . 25
Figura 6 – Otimização paramétrica, (Silva, 2014) . . . . . . . . . . . . . . . . . . 25
Figura 7 – Otimização forma, (Silva, 2014) . . . . . . . . . . . . . . . . . . . . . . 26
Figura 8 – Domínio de projeto, (Silva, 2014) . . . . . . . . . . . . . . . . . . . . . 27
Figura 9 – viga tutorial universidade de Ualberta . . . . . . . . . . . . . . . . . . 34
Figura 10 – modelo de treliça tutoriais ANSYS . . . . . . . . . . . . . . . . . . . . 37
Figura 11 – Proposta de chassi para otimização. . . . . . . . . . . . . . . . . . . . . 42
 Lista de tabelas

Tabela 1 – Caso 1: Otimização pelo método de subproblema por aproximação. . . 35

Tabela 2 – Caso 2: Otimização pelo método de subproblema por aproximação. . . 35
Tabela 3 – Caso 3: Otimização pelo método de subproblema por aproximação. . . 35
Tabela 4 – Caso 1: tabela método primeira ordem para otimização. . . . . . . . . 36
Tabela 5 – Caso 2: tabela método primeira ordem para otimização. . . . . . . . . 36
Tabela 6 – Caso 3: tabela método primeira ordem para otimização. . . . . . . . . 36
Tabela 7 – Caso 1: treliça otimização de ordem zero. . . . . . . . . . . . . . . . . . 37
Tabela 8 – Caso 2: treliça otimização de ordem zero. . . . . . . . . . . . . . . . . . 38
Tabela 9 – Caso 3: treliça otimização de ordem zero. . . . . . . . . . . . . . . . . . 38
Tabela 10 – Caso 1: treliça otimização de primeira ordem. . . . . . . . . . . . . . . 39
Tabela 11 – Caso 2: treliça otimização de primeira ordem. . . . . . . . . . . . . . . 39
Tabela 12 – Caso 3: treliça otimização de primeira ordem. . . . . . . . . . . . . . . 40
 Lista de abreviaturas e siglas

APDL Ansys parametric design language

CAD Computer aided design

 Sumário

1 INTRODUÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.1 Justificativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.2 Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.3 Organização do trabalho . . . . . . . . . . . . . . . . . . . . . . . . . 17

2 FUNDAMENTAÇÃO TEÓRICA . . . . . . . . . . . . . . . . . . . . 19
2.1 Chassi automotivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.1.1 Projeto ótimo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.1.2 Otimização paramétrica . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.1.3 Tipos de otimização . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.1.4 Métodos de otimização . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

3 OTIMIZADORES . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.1 Otimizadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.1.1 Método de primeira ordem . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.1.2 Método da Aproximação por Subproblema . . . . . . . . . . . . . . . . . . 31
3.2 Análises para fins de validação . . . . . . . . . . . . . . . . . . . . . . 33
3.2.1 Exemplo 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.2.2 Exemplo 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

4 CONCLUSÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.1 Conclusão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.2 Trabalhos Futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

5 ANEXOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
5.1 Scripts ANSYS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
5.1.1 Script viga . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
5.1.2 Script treliça . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
 17

1 Introdução

A busca por projetos mais eficientes e de menor custo sempre foi uma preocupação
do ser humano. Com o advento industrial, a minimização dos custos e a maximização
da eficiência são desejos que marcam a competitividade do mercado. O desenvolvimento
tecnológico contribuiu bastante para o surgimento de tecnicas de programação matemática
que hoje estão disponíveis e auxiliam na busca de um projeto ótimo

1.1 Justificativa
A industria é bastate competitiva logo o interesse na busca de soluções de menor
custo,associada a melhor eficiencia, faz do campo da otimização, uma area indispensavel
para a sobrevivencia destes investidores no mercado. A industria automotiva, por exemplo,
lança, numa velocidade consideravel, produtos cada vez mais leves e mais econômicos para
atender a diversidade de seu público, sem que seja violadas os criterios de segurança e
eficiência. As técnicas de otimização são ferramentas de grande utilidade nos varios setores
da econômia

1.2 Objetivos
Análisar o desempenho dos otimizadores disponiveis no ANSYS○para
R uma pos-
terior aplicação destas técnicas em um chassi automotivo do tipo escada.

1.3 Organização do trabalho

O capítulo 2 mostra alguns tipos de chassi automotivos e alguns conceitos sobre
tipos de otimização.
O capítulo 3 mostra dois otimizadores disponíveis no ANSYS○e
R sua fundamen-
tação teórica.
O capítulo 4 traz uma conclusão do desempenho dos otimizadores obtida a partir
dos resultados de problemas simples e uma proposta de trabalho futuro.
 19

2 Fundamentação Teórica

2.1 Chassi automotivo

O chassi é uma estrutura, que possui a função de suportar componentes e subsis-

temas de um objeto móvel. Pode-se dizer que o chassi é o ponto de partida na concepção
da maioria dos automóveis. Nos veículos, este componente, na maioria dos casos, fica es-
condido sob peças e carroceria, mas tem extrema importância, pois interfere diretamente
na eficiência, em termos de dirigibilidade.
As características como resistência mecânica e rigidez são parâmetros importantes
para a eficiência de um chassi, estas características devem apresentar valores suficientes
que não comprometam ou prejudiquem outros sistemas. A rigidez da carroceria de um
veículo deve proporcionar pequenas deformações da estrutura devido cargas típicas de
uso comum para não afetar o conforto. Ao mesmo tempo, tem que ser rígidas o suficiente
para absorver os esforços deflexão e torção que surgem com a movimentação do veículo,
além das cargas de impacto sobre a qual tem a possibilidade de encontrar em caso de
acidentes.
A concepção de um automóvel sofreu várias adaptações ao longo do tempo, no
sentido de atender as exigências do mercado e da indústria automotiva. O transporte, hoje,
faz parte do cotidiano e as necessidades atuais são diversas, desta forma, para garantir
a eficiência do automóvel para um determinado fim, associando também a viabilidade
econômica no processo de fabricação, foram desenvolvidas diversas formas de chassi.
Os chassis tipo escada é uma estrutura separada do habitáculo, que comporta
os passageiros. Este é um elemento muito versátil sob o ponto de vista da indústria,
pois possibilita diversas configurações de carroceria. Este tipo de chassi é utilizado para
diversos seguimentos do mercado automobilístico, por exemplo, caminhonetes, caminhões,
ônibus, tratores e etc, (Castro, 2008).
A forma de construção do chassi do tipo escada é simples, normalmente são usadas
duas vigas longitudinais, também chamadas de longarinas, e estas são conectadas por vigas
perpendiculares, também chamadas de transversinas, espaçadas durante o comprimento
das longarinas.
20 Capítulo 2. Fundamentação Teórica

Figura 1 – Chassi escada, bestcars

(Da Silva et al, 2011), conduziram um estudo estático e dinâmico em um chassi

de ônibus, B10M-EDC Volvo, modelado no pacote de elementos finitos ANSYS○. R Foram

utilizados três tipos de elementos finitos, elemento de viga, BEAM4 (teoria de Euler) e
BEAM 189 (teoria de Timoshenko), casca, SHELL63 (4 nós), e sólido, SOLID73 (8 nós)
com a intenção de fazer comparações quantitativas e qualitativas com base na resposta do
modelo. O chassi é composto de duas longarinas e seis transversinas. Para a análise estática
foram aplicadas cargas distribuídas por todo o comprimento das longarinas, extraindo-se
as tensões de von mises. Para a análise dinâmica foi utilizada uma aceleração na direção
das longarinas para simular uma frenagem e obter as tensões de von mises.
Os chassis monobloco são estruturas mais aplicada em veículos de passeio, hoje
em dia. Essa configuração é obtida a partir da união de diversas barras. Neste tipo de
configuração o chassi e a carroceria formam uma peça única, (Chandra, 2012).
O chassi do tipo monobloco é uma estrutura complexa, sua fabricação, em grandes
linhas de montagem, requer o uso de sofisticados processos de soldagem para a união das
partes que compõem esta estrutura.

Figura 2 – Chassi monobloco, monoblocorio

Os chassis backbone (coluna vertebral) são configurações de chassi onde se pro-

cura conectar à frente do carro com a traseira através de um tubo no centro do veículo
(Happian-Smith, 2002).
2.1. Chassi automotivo 21

Figura 3 – Chassi backbone

Os chassis tubular (space frame) são estruturas tridimensionais, composta por

diversos tubos circulares de diâmetro pequeno, os tubos são dispostos na forma de treliça,
desta forma a geometria é feita tentado formar triângulos. São caracterizados pelo baixo
peso e boa aplicação em automobilismo, (Happian-Smith, 2002).

Figura 4 – Chassi tubular, grabcad

Existem também os chassis projetados especificamente para a área agrícola, ( Ni-

emczewski et al, 2014), descreveram seus estudos em cima de um chassi de uma semeadora
para o uso na agricultura familiar. Por não dispor de muitos recursos, a agricultura familiar
encontra dificuldades na aquisição de máquinas apropriadas. Os equipamentos disponíveis
são muitas vezes adaptados de equipamentos maiores, que se apresentam superdimensio-
nados para a função.
Os autores projetaram um equipamento que supriria as necessidades afins. O equi-
pamento foi modelado e analisado no SolidWorks○e R reproduzido em escala real. Foram
conduzidas analises numéricas e experimentais avaliando os esforços e os deslocamentos.
22 Capítulo 2. Fundamentação Teórica

O chassi é uma parte fundamental do veículo no chassi são acoplados todos os

demais sistemas e subsistemas do veículo, a eficiência e qualidade de um bom projeto de
chassi tem influência em todas as demais partes do veículo.
A importância do chassi e demonstrada pelo grande volume de trabalho acadêmi-
cos sobre este componente, os estudos encontrados versão sobre todas as naturezas deste
componente, por exemplo, (Furtado, 2013) que faz um estudo sobre a analise estrutural
de um chassi de caminhão, linha Cargo, primeiramente é apresentada uma análise estática
para avaliação dos deslocamentos e tensões, a avaliação dos deslocamentos tem a intenção
de estudar a deformação da estrutura devido aos carregamentos que são exigidos devido
a sua função, este estudo tem papel fundamental, pois, atividade de transporte de cargas
é própria de chassi de caminhões, a análise das tensões estuda a resistência mecânica do
perfil que é construído o chassi, após é feita uma análise dinâmica que versam sobre ana-
lise modal, harmônica e transiente, a analise modal submete a estrutura a vibrações com
a finalidade de encontrar as frequências naturais e os modos de vibração, estas frequências
são as que a estrutura demonstrar maior sensibilidade, a analise harmônica submete a es-
trutura a um carregamento com algumas frequências encontradas na análise harmônica,
devido, a sensibilidade que a estrutura possui a estas frequências um estudo com carrega-
mentos com estas frequências contribui para a análise, por fim, a análise transiente busca
apresentar a resposta da estrutura ao longo do tempo devido aos deslocamentos máximos
encontrados.
O estudo de chassi se estende por toda a indústria um exemplo e no estudo de
(Ost et al, 2011) em que é analisado o chassi de uma transplantadora mostrando que o
assunto não é de interesse apenas do segmento de carros e caminhões.
O estudo é feito buscando as tensões atuante na estrutura, este artigo disserta
sobre a utilização de modelos matemático construídos em softwares de elementos finitos e
a transformação da indústria devido a boa precisão que este método dispõe, é construído
um modelo CAD no software solidworks○e R extraído as tensões atuante na estrutura
devido ao carregamento estabelecido a análise dos deslocamentos produzidos também é
feita na estrutura.

2.1.1 Projeto ótimo

A competitividade da indústria, hoje, requer cada vez mais um projeto tecnica-
mente capaz de atender as expectativas de funcionalidade, eficiência e viabilidade econô-
mica. Não existe mais fronteiras de concorrência bem delimitada, assim, o produto a ser
fabricado deve atender sua função e ter bom custo benefício.
A indústria tem a necessidade de projetos cada vez mais enxutos, baratos e funci-
onais, que possam dinamizar a produção respeitando todos os parâmetros técnicos de seu
2.1. Chassi automotivo 23

segmento de mercado.
A viabilidade econômica de projeto abrange diversas características do produto,
tais como, matéria prima, tempo no processo de fabricação, tempo de vida de um produto,
entre outros. Um exemplo, na indústria automotiva, é que um projeto de um veículo dura
em torno de 2 anos, ou seja, tempo de trabalho de que deve impactar nos custos do
produto final da mesma forma que mão de obra, lucro e etc.
A viabilidade técnica leva em consideração as possibilidades funcionais e de fabri-
cação de um produto, um produto construído para larga fabricação deve ser pensado a
partir de produtos que a indústria ofereça. O projeto de um sistema pode não contar com
um componente perfeito, mas um que respeite a funcionalidade e o conjunto do sistema,
sem ter grande influência na eficiência do sistema.
(Azevedo et al, 2011), conduziram um estudo numérico estático de reboques au-
tomotivos. O estudo foi baseado em um modelo, Rondon RD1 C, criando um modelo no
ANSYS○para
R a simulação, para fins de condições de uso as cargas previstas, distribuída
por todo comprimento, concentrada na parte frontal e concentrada na parte posterior,
utilizavam a carga máxima prevista, 270Kg.
A simulação utilizou dois tipos de elementos, BEAM4 e PIPE16, foram extraídas
tensões e deformações do modelo para averiguações, com os resultados foram propostas
alguns modelos, com alterações de algumas barras constituintes do chassi do reboque, para
análise e propor uma geometria melhor para a estrutura Estas estruturas, normalmente,
são fabricadas sem qualquer estudo, muitas vezes são superdimensionadas.

2.1.2 Otimização paramétrica

Otimizar um projeto é mexer com parâmetros que influenciam na minimização
ou maximização de um objetivo desejado. A otimização, normalmente, busca atender a
necessidade de um projeto como potência, energia, eficiência, custo, entre outros, através
de alterações de variáveis presentes no sistema. Um exemplo de otimização é a busca
de uma eficiência ótima de um veículo tendo como variáveis parâmetros relacionados ao
peso. É importante que esta busca não viole os limites de resistência do material, nem
tampouco os parâmetros normativos.
Segundo (Cheng, 2009), otimização é um método ou ferramenta que auxilia o
engenheiro em seus projetos, melhorando-o através de ajuste em suas variáveis de projeto,
sempre respeitando as restrições imposta ao projeto. A otimização estrutural segue uma
formulação básica.

∙ Análise estrutural.

∙ Determinação da função objetivo.

24 Capítulo 2. Fundamentação Teórica

∙ Determinação das variáveis do projeto.

∙ Determinação das restrições imposta ao projeto.

A Análise estrutural é parte indispensável e muito importante num projeto de

engenharia. A resposta da estrutura às solicitações impostas deve ser tomadas baseadas
nos conceitos da resistência dos materiais, para a obtenção das tensões, deformações e
esforços resultantes de sua condição de trabalho. Nesta etapa, verifica-se sua viabilidade
em termos estruturais, através de parâmetros que garantam essencialmente a estabilidade
da estrutura para um determinado fim.
Depois disto, partindo-se de um projeto inicial, pode-se ir em busca de um projeto
ótimo. Para isto, o projetista precisa identificar, dentro de tantos parâmetros que compõe
seu projeto, aquilo que ele define como ideal, ou seja, o parâmetro que avalia a qualidade
de seu projeto. Este parâmetro é representado por uma função denominada de “objetivo”.
O projeto pode conter diversas funções objetivos, o que caracteriza um problema de
otimização multiobjetivo ou vetorial. Quando a otimização é baseada em apenas uma
função, chama-se, de escalar.
O objetivo, (2.1), num problema de otimização, é representado por uma função ou
funções de parâmetros que são variados no sentido de se obter um projeto ótimo. A essas
variáveis, dá-se o nome de variáveis de projeto.

𝑀 𝑖𝑛, 𝑀 𝑎𝑥𝑓 (𝑥𝑘 ) (2.1)

As restrições impostas as variáveis de projeto são chamadas de restrições laterais,

(2.2). A variável de projeto 𝑥𝑘 pode estar contidas em um intervalo fechado ou aberto,
“a” e “b”, por exemplo, este intervalo pode simbolizar limites geométricos de uma peça
encontrada na indústria.

𝑥𝑎𝑘 ≤ 𝑥𝑘 ≤ 𝑥𝑏𝑘 (2.2)

No projeto, há também aquelas variáveis que, no processo da otimização variam

como consequência do processo, de forma indireta, são as chamadas variáveis de estado.
Estas variáveis também são restringidas para atender os critérios de projeto. Elas podem
aparecer na forma de igualdade, (2.4), forçando a função a um determinado valor em um
determinado ponto e, ou, desigualdade, (2.3), informando um limite admissível. São tam-
bém chamadas de restrições de comportamento. Normalmente, são aplicadas a respostas
da estrutura, aos carregamentos e condições de contorno da estrutura.

𝑔𝑖 (𝑥) ≤ 𝑔𝑖 (2.3)
2.1. Chassi automotivo 25

ℎ𝑗 (𝑥) = ℎ𝑗 (2.4)

Segundo (Kibsgaard et al, 1989), um problema de otimização é descrito por uma

formulação matemática compostas por funções que definem um objetivo e as limitações
de sua busca. Sua solução é encontrada variando-se parâmetros inerentes ao problema. A
cada variação uma nova análise é conduzida para atestar a viabilidade do projeto.

2.1.3 Tipos de otimização

Segundo (Silva, 2014), otimização topológica é um método computacional que
trabalha a topologia da estrutura guiada por um critério, a ideia deste método é dentro
de um domínio o material ser distribuído de forma a maximizar ou minimizar um critério
desejado, tais como, rigidez, volume, área superficial.

Figura 5 – Otimização topológica, (Silva, 2014)

A otimização paramétrica usa como variáveis de projeto as dimensões ou propor-

ções da peça, dessa forma, a otimização paramétrica não produz uma alteração de forma
no objeto mas em alguns aspectos do projeto.
Uma maneira de ilustrar esse tipo de otimização é um projeto de uma viga, no
qual comprimentos das mesas, espessura da mesa e comprimento da alma são as variáveis
de projeto. Assim, a forma já está definida, sendo ela cilíndrica, mas possibilita ajuste em
seus diâmetros, (Silva, 2014).

Figura 6 – Otimização paramétrica, (Silva, 2014)

A otimização de forma pode produzir uma alteração na forma da estrutura para

encontrar a solução ótima para o problema, as variáveis de projeto podem ser áreas
relacionada a alguns pontos da estrutura, a curvatura da peça. O resultado da otimização
26 Capítulo 2. Fundamentação Teórica

pode resultar em uma forma que necessite de retrabalho evidenciando uma desvantagem
para este tipo de otimização, assim, a forma final da estrutura se torna uma incógnita a
ser determinada pelo processo de otimização, (Silva, 2014).

Figura 7 – Otimização forma, (Silva, 2014)

2.1.4 Métodos de otimização

Há, basicamente, dois métodos de otimização, os analíticos e os numéricos. Os
métodos analíticos são baseados em teorias de cálculo diferencial, estes métodos são,
principalmente, aconselháveis a problemas que possuam funções continuas e suaves. Estas
características de funções favorece a obtenção de um projeto ótimo. Teorias baseadas em
cálculo de gradientes e cálculo variacional mostram eficiência para tais características,
(Kirsch, 1993).
Métodos analíticos possuem boa eficiência para projetos que envolvem baixa com-
plexidade, por exemplo, vigas, treliças, colunas e outras estruturas de baixa complexidade,
normalmente, estes projetos possuem funções objetivas que proporcionam a aplicação do
método. As funções objetivas para este método, normalmente, são simples e apresentam
baixa complexidade matemática, encontrando facilidade para a diferenciação, domínio
continuo não há descontinuidades que impliquem na existência de derivadas, são suaves
em todo seu domínio, desta forma, o método se torna bem aplicável caso a função objetivo
apresente todos ou ao menos algumas características desta mencionadas. A função que é
suave em todo o seu domínio possibilita que o gradiente desta possa ser usado para guiar
a otimização, desta forma, obtendo de forma analítica um projeto possivelmente melhor.
Os métodos numéricos fazem uso de programação matemática, (Kirsch, 1993) e
(Vanderplaats, 1994). Nesta programação matemática existe basicamente a programa-
ção linear e não linear. Os métodos lineares são baseados em funções lineares e buscam
maximizar ou minimizar estas funções, objetivas (2.5) ou restritivas (2.6) e (2.7)

𝑛
∑︁
𝑓 (𝑥) = 𝑎1 * 𝑥1 + 𝑎2 * 𝑥2 + ... + 𝑎𝑛 * 𝑥𝑛 = 𝑎𝑖 * 𝑥 𝑖 (2.5)
𝑖=1

𝑛
∑︁
ℎ(𝑥) = 𝑏1 * 𝑥1 + 𝑏2 * 𝑥2 + ... + 𝑏𝑛 * 𝑥𝑛 = 𝑏𝑖 * 𝑥 𝑖 (2.6)
𝑖=1
2.1. Chassi automotivo 27

𝑛
∑︁
𝑔(𝑥) = 𝑐1 * 𝑥1 + 𝑐2 * 𝑥2 + ... + 𝑐𝑛 * 𝑥𝑛 = 𝑐𝑖 * 𝑥 𝑖 (2.7)
𝑖=1

Nos métodos lineares, os gradientes das funções serão constantes, assim, as soluções
para os problemas de otimização sempre se encontrará nas fronteiras do domínio das
variáveis de projeto, o processo de otimização caminha de forma constante, devido ao
gradiente constante, até encontrar um limite do espaço de projeto (Silva, 2014).

Figura 8 – Domínio de projeto, (Silva, 2014)

O método não linear é baseado em técnicas de função de penalidades, o método

transforma o problema, primeiramente restrito, em um problema irrestrito. Nesta trans-
formação as restrições do problema são tratadas como penalidades aplicadas a função
objetivo do problema, assim, as restrições são computadas mas, de forma indireta. A
violação das restrições do problema implica em uma penalização na função objetivo do
problema, desviando do valor original.
Os métodos sequenciais de minimização irrestrita utilizam de dois tipos de pena-
lidades, internas e externas, para penalidades externas o método só aplica penalidades a
função em regiões externa ao domínio de projeto, regiões estas que já são inviáveis para
o projeto. O método de penalidade interna penaliza a função para valores já dentro do
domínio de projeto, mas a penalização aplicada é crescente conforme os parâmetros se
aproximam dos contornos do domínio de projeto, assim, o projeto se torna melhor a cada
iteração do método.
 29

3 Otimizadores

Otimizadores disponíveis no Ansys. O método de ordem zero, que faz o uso de um

algoritmo randômico com aproximações indiretas, não exige que a função objetiva seja
diferenciavel, (Haftka , 1992). O método de primeira ordem, faz uso da teoria do cálculo
diferencial, onde os parâmetros ótimos para o projeto são guiados por gradientes da função
objetiva. O ANSYS○oferece,
R também, a opção do usuário escolher uma rotina externa de
otimização. Isto é possível utilizando a programação em APDL (Ansys Parametric Design
Language).

3.1 Otimizadores

3.1.1 Método de primeira ordem

O método de primeira ordem faz uso do valor do gradiente da função objetivo e
funções de estado. O problema restrito é transformado em um problema irrestrito no qual
se aplica de funções de penalidade à função objetivo, O gradiente da função objetivo guia
todo o processo de otimização. A cada iteração é formada de sub-iterações que registra
a inclusão da direção de busca e gradiente, resultando na realização de vários ciclos de
análises. O método de primeira ordem tem uma boa precisão, quando comparado com o
método de zero ordem, (Ansys, 2009).
A transformação da função objetivo tem a seguinte forma:

𝑚
∑︁ 𝑚
∑︁ 𝑚
∑︁ 𝑚
∑︁
𝑄(𝑥, 𝑞) = 𝑓 + 𝑃𝑥 (𝑥𝑖 ) + 𝑞( 𝑃𝑔 (𝑔𝑖 ) + 𝑃ℎ (ℎ𝑖 ) + 𝑃𝑤 (𝑤𝑖 )) (3.1)
𝑖=1 𝑖=1 𝑖=1 𝑖=1

onde:
Q: representa a nova função objetivo do problema uma função irrestrita.
𝑃𝑥 , 𝑃𝑔 , 𝑃ℎ 𝑒𝑃𝑤 : são penalidades aplicadas as variáveis de projeto e estado restritas.
q: constante controlada pelo parâmetro de forma.
As funções de penalidade exterior 𝑃𝑥 são aplicadas as variáveis de projeto,(Ansys,
2009).
As funções de penalidade exterior é uma forma de indicar que a configuração das
variáveis de projeto não se encontra dentro dos domínios destas variáveis, ou dentro do
domínio de projeto. As variáveis de estado restritas são penalizadas por funções,𝑃𝑔 , 𝑃ℎ 𝑒𝑃𝑤 ,
30 Capítulo 3. Otimizadores

exteriores e interiores. As funções de penalidade tem a seguinte forma:

𝑃𝑔 (𝑔𝑖 ) = (𝑔𝑖 /(𝑔𝑖 + 𝑎𝑖 ))2𝜆 (3.2)

onde:
𝜆: proporcional a violação do intervalo, muito grande quando a restrição é violada,
e pequena quando não e violada.
Para cada iteração, j, o vetor de busca 𝑑𝑗 é atualizado de forma que a iteração
seguinte é escrita conforme a (3.3).

𝑥𝑗+1 = 𝑥𝑗 + 𝑠𝑗 * 𝑑𝑗 (3.3)

onde, 𝑥𝑗 corresponde ao valor mínimo da função objetivo, Q, na direção 𝑑𝑗 .

O parâmetro 𝑠𝑗 corresponde ao tamanho do passo e sua solução utiliza técnicas de
aproximação quadrática local. Este parâmetro é limitado conforme mostra a (3.4).

0 ≤ 𝑠𝑗 ≤ (𝑠𝑚𝑎𝑥 /100) * 𝑠*𝑗 (3.4)

onde
𝑠*𝑗 : maior incremento possível para vetor direção de busca na iteração atual.
𝑠𝑚𝑎𝑥 : maior incremento, percentual, para direção de busca.
A busca da minimização da função objetiva e baseada na geração sequencial de
direções de busca e ajuste do parâmetro de superfície (q). Para a primeira iteração 𝑑(0)
orienta-se a direção de busca pelo valor negativo do gradiente da função objetivo irrestrita.
Este método de busca é denominado de descida íngreme, (3.5).

(0)
𝑑(0) = − ▽ 𝑄(𝑥(0) , 𝑞) = 𝑑𝑓 + 𝑑(0)
𝑝 (3.5)

em que q = 1.

(0)
𝑑𝑓 = − ▽ 𝑄𝑓 (𝑥(0) ) (3.6)

𝑑(0) (0)
𝑝 = − ▽ 𝑄𝑝 (𝑥 ) (3.7)

O método de descida íngreme, evolui bem nas primeiras iterações, no entanto, no

decorrer do processo quando o passo se torna cada vez menor, o método tende a repetir
3.1. Otimizadores 31

sua direção de busca, recaindo num resultado que não é mínimo. Para contornar esta
situação, nas iterações subsequentes aplica-se o método das direções conjugadas.

𝑑(𝑗) = − ▽ 𝑄(𝑥(𝑗) , 𝑞) + 𝑟𝑗−1 * 𝑑𝑗−1 (3.8)

Onde r é um parâmetro de deflexão que multiplicando 𝑑𝑗−1 , formam o vetor de

deflexão da função, 𝑑𝑗 a soma das direções de busca das parcelas da função objetivo e
restrições.

𝑟𝑗−1 = ([▽𝑄(𝑥𝑗 , 𝑞) − ▽𝑄(𝑥𝑗−1 , 𝑞)]𝑇 * ▽𝑄(𝑥𝑗 , 𝑞)/(| ▽ 𝑄(𝑥𝑗−1 , 𝑞)|2 ) (3.9)

Convergência para método de primeira ordem

O método de primeira ordem continua até que seja conferido a convergência. A
convergência do método é obtida através de duas equações em que é comparado o projeto
atual com o anterior, (3.10) , e o melhor, (3.11).

|𝑓 𝑗 − 𝑓 𝑗−1 | ≤ 𝜏 (3.10)

ou

|𝑓 𝑗 − 𝑓 𝑏| ≤ 𝜏 (3.11)

onde
𝜏 : é a tolerância da função objetivo.
O método de primeira ordem também possui como critério de convergência um
número máximo de iterações estipulado pelo usuário.

3.1.2 Método da Aproximação por Subproblema

O método Aproximação por Subproblema é um método de ordem zero. Este mé-
todo só faz uso dos valores obtidos da própria função objetivo em que se utiliza uma
aproximação para a função objetiva e restrições. Esta aproximação é construída a partir
de mínimos quadrados. Posteriormente, da mesma forma que o método de primeira or-
dem, é feito a conversão de um problema restrito para um problema irrestrito através da
aplicação de funções de penalidades. A minimização da função é feita a cada iteração até
que seja atendido os critérios de convergência ou número máximo de iterações permitidas
pelo usuário.
32 Capítulo 3. Otimizadores

Este método é apropriado quando já se conhece alguma informação para o processo

de otimização, esta observação é feita através da construção do método que utiliza de
geração de projetos randômicos para a construção.
A primeira etapa do método é transformar as variáveis dependentes, função obje-
tiva e funções de estado, em aproximações, (3.12), (3.13), (3.14) e (3.15).

𝑓^(𝑥) = 𝑓 (𝑥) + 𝑒𝑟𝑟𝑜 (3.12)

𝑔^(𝑥) = 𝑔(𝑥) + 𝑒𝑟𝑟𝑜 (3.13)

^
ℎ(𝑥) = ℎ(𝑥) + 𝑒𝑟𝑟𝑜 (3.14)

^
𝑤(𝑥) = 𝑤(𝑥) + 𝑒𝑟𝑟𝑜 (3.15)

As funções aproximadas podem ser representadas da seguinte forma.

𝑛 𝑛
𝑛 ∑︁
𝑓^ = 𝛼0 +
∑︁ ∑︁
𝛼 𝑖 * 𝑥𝑖 + 𝑏𝑖𝑗 * 𝑥𝑖 * 𝑥𝑗 (3.16)
𝑖=1 𝑖 𝑗

Onde 𝑎𝑖 e 𝑏𝑖𝑗 são coeficientes determinados a partir da técnica de mínimos qua-

drados.
O método, assim como todos de otimização, tem a tarefa de minimizar a fun-
ção objetivo, (3.17),respeitando as restrições aplicadas ao projeto, (3.18), (3.19), (3.20) e
(3.21).

𝑓^ = 𝑓^(𝑥) (3.17)

𝑥𝑖 ≤ 𝑥 ≤ 𝑥¯𝑖 (3.18)

𝑔^𝑖 ≤ 𝑔¯𝑖 + 𝛼𝑖 (3.19)

^ 𝑖 (𝑥)
ℎ𝑖 − 𝛽𝑖 ≤ ℎ (3.20)

𝑤𝑖 − 𝛾𝑖 ≤ 𝑤^𝑖 (𝑥) ≤ 𝑤¯𝑖 + 𝛾𝑖 (3.21)

3.2. Análises para fins de validação 33

O próximo passo é a transformação de problema restrito para irrestrito da função

objetivo aplicando as funções de penalidade e minimizando a função, (3.22).

𝑛 𝑚 𝑚 𝑚
𝐹 (𝑥, 𝑝𝑘 ) = 𝑓^ + 𝑓0 * 𝑝𝑘 ( ^ 𝑖) +
∑︁ ∑︁ ∑︁ ∑︁
𝑋(𝑥𝑖 ) + 𝑔𝑖 ) +
𝐺(^ 𝐻(ℎ 𝑊 (𝑤^𝑖 )) (3.22)
𝑖=1 𝑖=1 𝑖=1 𝑖

Na equação ,(3.22), X é uma função de penalidade para as variáveis de projeto

restritas e G, H e W são penalidades aplicadas as variáveis de estado e 𝑓0 é o valor de
referência da função objetivo.
O vetor de iteração para o método tem a seguinte forma

𝑥𝑗+1 = 𝑥𝑏 + 𝐶 * (𝑥𝑗 − 𝑥𝑏 ) (3.23)

Onde: 𝑥𝑏 : melhor projeto obtido.

C: escolha inteira entre 0.0 e 1.0 .
Convergência
A convergência do método é conferida de duas formas, para função objetiva e
variáveis de projeto, comparando a diferença entre a iteração atual e a anterior, (3.24) e
(3.25) , ou a iteração atual com o melhor, (3.26) e (3.27).

|𝑓 𝑗 − 𝑓 𝑗−1 | ≤ 𝜏 (3.24)

|𝑓 𝑗 − 𝑓 𝑏 | ≤ 𝜏 (3.25)

|𝑥𝑗𝑖 − 𝑥𝑗−1
𝑖 | ≤ 𝜌𝑖 (3.26)

|𝑥𝑗𝑖 − 𝑥𝑏𝑖 | ≤ 𝜌𝑖 (3.27)

Onde
𝜌𝑖 e 𝜏 : são as tolerâncias para variáveis de projeto e função objetiva respectiva-
mente.

3.2 Análises para fins de validação

Visando o objetivo de validar as análises futuras, apresentam-se dois problemas
acadêmicos de características simples. A proposta é analisar o desempenho dos algoritmos
34 Capítulo 3. Otimizadores

de otimização disponíveis no ANSYS○. R Serão comparados os resultados ótimos obtidos

pelos algoritmos de ordem zero e de primeira ordem.

3.2.1 Exemplo 1

O primeiro exemplo, trata-se de uma viga bi-apoiada, reproduzida do tutorial de

otimização da universidade Alberta (Figura 9). A viga suporta uma única carga pon-
tual distante de 750mm de sua extremidade esquerda. Sua seção transversal tem formato
quadrado de dimensões 20mm x 20mm. A estrutura é feita de aço, tem modulo de elasti-
cidade de 200GPa e suporta uma tensão máxima de 200MPa. Para o estudo, as variáveis
de projeto são as dimensões da seção transversal, cujo limite, para efeitos práticos, se
estabelece como medidas mínimas e máximas os valores de10mm e 50mm para altura e
largura. Como variável de estado, toma-se a tensão, limitadas a valores mínimos e máxi-
mos, respectivamente, de 195MPa e 200MPa.

Figura 9 – viga tutorial universidade de Ualberta

As otimizações com o método de zero ordem e de primeira ordem foram realizadas

utilizando três projetos distintos como ponto de partida. Classificou-se cada análise como
caso1(tabela 1), caso2(tabela 2) e caso3 (tabela 3). O caso 1 foi conduzido com um projeto
de partida que atende aos limites estabelecidos e os outros dois, são projetos iniciais que
violam os requisitos impostos.
As (tabelas 1, 2 e 3) apresentam os resultados obtidos com estes três projetos
de partida utilizando o algoritmo de otimização de zero ordem, ou seja, o método da
aproximação por subproblema.
A Tabela 1 apresenta os resultados ótimos obtidos a partir de um projeto inicial
que atende aos critérios estabelecidos para sua viabilidade. Para o caso 1 foram necessárias
13 iterações e a redução de volume foi de 40.65%.
3.2. Análises para fins de validação 35

Caso 1 Dados de entrada Projeto ótimio

Tensão (N/mm) 140,62 199,92
H (mm) 20 23,62
W (mm) 20 10,09
Volume (mm) 400000 238200
Iterações 13

Tabela 1 – Caso 1: Otimização pelo método de subproblema por aproximação.

A Tabela 2 apresenta os resultados ótimos obtidos a partir de um projeto inicial

que viola aos critérios estabelecidos para sua viabilidade. Para o caso 2 foram necessárias
15 iterações e houve um acrescimo significativo de volume.

Caso 2 Dados de entrada Projeto ótimio

Tensão (N/mm) 1125 199,87
H (mm) 10 11
W (mm) 10 46,47
Volume (mm) 100000 511440
Iterações 15

Tabela 2 – Caso 2: Otimização pelo método de subproblema por aproximação.

A Tabela 3 apresenta os resultados ótimos obtidos a partir de um projeto inicial que

não atende aos critérios estabelecidos para sua viabilidade. Para o caso 3 foram necessárias
31 iterações e houve um acrescimo de volume resultando em m volume proximo ao obtido
no caso 1.

Caso 3 Dados de entrada Projeto ótimio

Tensão (N/mm) 281,25 199,97
H (mm) 20 23,48
W (mm) 10 10,25
Volume (mm) 200000 240800
Iterações 31

Tabela 3 – Caso 3: Otimização pelo método de subproblema por aproximação.

A metodologia utilizada para o método de primeira ordem foi semelhante ao an-

terior, utilisando parâmetros iguais para todos os casos.
36 Capítulo 3. Otimizadores

A Tabela 4 apresenta os resultados ótimos obtidos a partir de um projeto inicial que

respeita aos critérios estabelecidos para sua viabilidade. Para o caso 1 foram necessárias
10 iterações e a redução de volume foi de 40.65%.

Caso 1 Dados de entrada Projeto ótimo

Tensão (N/mm) 140,62 199,66
H (mm) 20 23,737
W (mm) 20 10
Volume (mm) 400000 237370
Iterações 10

Tabela 4 – Caso 1: tabela método primeira ordem para otimização.

A Tabela 5 apresenta os resultados ótimos obtidos a partir de um projeto inicial

que viola aos critérios estabelecidos para sua viabilidade. Para o caso 2 foram necessárias
9 iterações e houve um acrescimo de volume, o volume obtido foi superior ao caso 1
utilizando o método de primeira ordem.

Caso 2 Dados de entrada Projeto ótimo

Tensão (N/mm) 1125 199,78
H (mm) 10 19,70
W (mm) 10 14,50
Volume (mm) 100000 285760
Iterações 9

Tabela 5 – Caso 2: tabela método primeira ordem para otimização.

A Tabela 6 apresenta os resultados ótimos obtidos a partir de um projeto inicial

que viola aos critérios estabelecidos para sua viabilidade. Para o caso 3 foram necessárias
10 iterações e houve pequeno um acrescimo de volume, o resultado obteve um volume
muito próximo ao caso 1 mostrando a convergência dos resultados.

Caso 3 Dados de entrada Projeto ótimo

Tensão (N/mm) 281,25 199,74
H (mm) 20 23,732
W (mm) 10 10
Volume (mm) 200000 237320
Iterações 10

Tabela 6 – Caso 3: tabela método primeira ordem para otimização.

3.2. Análises para fins de validação 37

3.2.2 Exemplo 2
Para uma segunda validação do desempenho dos otimizadores disponíveis no ANSYS○foi
R

utilizado um modelo de treliça (Figura 10). A area das barras 1, 2 e 3 foram tomadas
como variável de projeto e estabelecidas inicialmente com o valor igual a 1000mm. Tam-
bém como variável de projeto considerou-se o comprimento B ilustrado na figura cujo valor
inicial foi fixado em 1000mm. A estrutura é submetida a duas cargas pontuais 200KN no
nó onde concorrem as tres barras ,da forma que descreve a figura.

Figura 10 – modelo de treliça tutoriais ANSYS

A Tabela 7 apresenta os resultados ótimos obtidos a partir de um projeto inicial que

não viola aos critérios estabelecidos para sua viabilidade. Para o caso 1 foram necessárias
17 iterações e houve redução no peso da estrutura de 60%.

Caso 1 Dados de entrada Projeto ótimo

Tensão A1 (N/mm) 200 390,09
Tensão A2 (N/mm) 117,15 5,56
Tensão A3 (N/mm) 82,84 395,87
B (mm) 1000 961,20
A1 (mm) 1000 732,01
A2 (mm) 1000 658,79
A3 (mm) 1000 7,72
Peso (Kg) 1091,1 480,18
Iterações 17

Tabela 7 – Caso 1: treliça otimização de ordem zero.

A Tabela 8 apresenta os resultados ótimos obtidos a partir de um projeto inicial

que não respeita aos critérios estabelecidos para sua viabilidade. Para o caso 2 foram
necessárias 17 iterações e houve um acrescimo de peso a estrutura este resultado convergio
para o valor do caso 1.
38 Capítulo 3. Otimizadores

Caso 2 Dados de entrada Projeto ótimo

Tensão A1 (N/mm) 2000 390,09
Tensão A2 (N/mm) 1171,60 5,56
Tensão A3 (N/mm) 828,43 395,87
B (mm) 1000 961,20
A1 (mm) 100 732,01
A2 (mm) 100 658,79
A3 (mm) 100 7,72
Peso (Kg) 191,11 480,18
Iterações 17

Tabela 8 – Caso 2: treliça otimização de ordem zero.

A Tabela 9 apresenta os resultados ótimos obtidos a partir de um projeto inicial que

não viola aos critérios estabelecidos para sua viabilidade. Para o caso 3 foram necessárias
17 iterações e houve redução no peso mas o valor encontrado não foi tão proximo para os
casos 1 e 2.

Caso 3 Dados de entrada Projeto ótimo

Tensão A1 (N/mm) 100 342,51
Tensão A2 (N/mm) 58,57 47,16
Tensão A3 (N/mm) 41,42 397,46
B (mm) 1000 846,58
A1 (mm) 2000 899,71
A2 (mm) 2000 724,06
A3 (mm) 2000 3,45
Peso (Kg) 2182,20 543,61
Iterações 17

Tabela 9 – Caso 3: treliça otimização de ordem zero.

A Tabela 10 apresenta os resultados ótimos obtidos a partir de um projeto ini-

cial que não viola aos critérios estabelecidos para sua viabilidade. Para o caso 1 foram
necessárias 15 iterações e houve redução no peso da estrutura de 73%.
3.2. Análises para fins de validação 39

Caso 1 Dados de entrada Projeto ótimo

Tensão A1 (N/mm) 200 397,93
Tensão A2 (N/mm) 117,15 373,86
Tensão A3 (N/mm) 82,84 42,14
B (mm) 1000 1049,60
A1 (mm) 1000 694,10
A2 (mm) 1000 25,43
A3 (mm) 1000 1
Peso (Kg) 1091,1 294,44
Iterações 15

Tabela 10 – Caso 1: treliça otimização de primeira ordem.

A Tabela 11 apresenta os resultados ótimos obtidos a partir de um projeto inicial

que viola aos critérios estabelecidos para sua viabilidade. Para o caso 2 foram necessárias
15 iterações e houve redução no peso significativa obtendo um valor muito próximo do
caso 1.

Caso 2 Dados de entrada Projeto ótimo

Tensão A1 (N/mm) 2000 381,27
Tensão A2 (N/mm) 1171,60 12,14
Tensão A3 (N/mm) 828,43 368,86
B (mm) 1000 978,49
A1 (mm) 100 741,82
A2 (mm) 100 6,91
A3 (mm) 100 8,49
Peso (Kg) 191,11 301,15
Iterações 15

Tabela 11 – Caso 2: treliça otimização de primeira ordem.

A Tabela 12 apresenta os resultados ótimos obtidos a partir de um projeto inicial

que respeita aos critérios estabelecidos para sua viabilidade. Para o caso 3 foram neces-
sárias 13 iterações e houve redução no peso significativa com um valor convergindo para
um valor de peso semelhante aos casos 1 e2.
40 Capítulo 3. Otimizadores

Caso 3 Dados de entrada Projeto ótimo

Tensão A1 (N/mm) 100 399,50
Tensão A2 (N/mm) 58,57 18,92
Tensão A3 (N/mm) 41,42 379,43
B (mm) 1000 941,09
A1 (mm) 2000 708,93
A2 (mm) 2000 1,00
A3 (mm) 2000 22,68
Peso (Kg) 2182,20 286,61
Iterações 13

Tabela 12 – Caso 3: treliça otimização de primeira ordem.

 41

4 Conclusão

4.1 Conclusão

Os otimizadores do ansys demonstraram que podem contribuir para projetos que

possam ser alterados, para os exemplos utilizados os métodos demonstraram boa perfor-
mance, apesar, estes exemplos acadêmicos os métodos obtiveram um bom resultado para
a função objetivo, esta que é um parâmetro para a análise da eficiência do método.
O método de primeira ordem naturalmente obteve um resultado melhor que o
método de ordem zero, este método que faz uso de teorias de cálculo para encontrar
um mínimo para a função objetivo, este caminhou na direção da teoria de mecânica dos
sólidos, no exemplo da viga, em que um acréscimo na altura da seção transversal da viga
contribui em um fator maior para a rigidez e decréscimo na tensão atuante na seção que
um acréscimo em sua base.
Os resultados obtidos para algumas seções que possuíam tensões acima, para pro-
jetos inicialmente inviáveis, ou abaixo, para projetos inicialmente viáveis, da tensão de
escoamento o resultado do processo de otimização foi semelhante demonstrando que para
este exemplo não há mínimos locais para esta função, evidenciado pela convergência de
alguns casos e ineficiência dos projetos que não convergiram para os mesmos valores, para
uma seção transversal viável a otimização também caminhou para um acréscimo da altura
mas não obteve resultado ótimo quanto seções fora do domínio viável, o exemplo da tre-
liça confirmou a boa eficiência do método obtendo boa performance a partir da proposta
inicial da estrutura, a comparação direta feita entre os dois métodos mostrou a maior
eficiência do método de primeira ordem, o peso obtido ao final do processo de otimização
foi expressivamente menor para o método de primeira ordem.
O método de ordem zero não demonstrou performance semelhante ao método de
primeira ordem, a natureza randômica do método não caminhou na direção da teoria,
para o exemplo da viga, a seção obtida na otimização possuía uma base maior que a
altura, desta forma, a otimização do volume inicial da viga não foi tão expressiva quanto
para os métodos de primeira ordem.
O método de zero ordem para um projeto em que já se conhecia valores próximos
ao ótimo mostrou que pode ter rendimento próximo ao método de primeira ordem, este
fato mostra que para problema de domínio continuo e conhecimento para as variáveis de
projeto o método de primeira ordem é melhor aplicado. O exemplo da treliça confirmou a
menor eficiência do método que apesar de ter mostrado um bom resultado para otimização
se mostrou inferior ao método de primeira ordem, a pesar de propor um comprimento
42 Capítulo 4. Conclusão

menor as barras inclinadas não obtiveram boas estimativas para as áreas das barras.

4.2 Trabalhos Futuros

A proposta de estudos futura é aplicar a otimização em um chassi escada, a analise
terá objetivo em minimizar o volume da estrutura e consequentemente seu peso, a dimi-
nuição de peso em qualquer veículo sugere uma maior eficiência no gasto da energia do
combustível, assim, a diminuição de peso reflete diretamente em uma maior autonomia
do veículo.
Cronograma
1. Construção do modelo CAD.
2. Levantamento de propriedades mecânicas relevantes.
3. Construção de um caso para analise (cargas, limites as variáveis de projeto,
estado e função objetivo).
4. Analise de otimização.

Figura 11 – Proposta de chassi para otimização.

 43

5 Anexos

5.1 Scripts ANSYS

Para ambos os exemplos os comandos FIRS e OPFIRT são substituidos, respecti-
vamente, por SUBP e OPSUBP para o método de ordem zero.

5.1.1 Script viga

finish
/clear
/prep7
/title, Design Optimization
*set,H,20
*set,W,20
K,1,0,0
K,2,1000,0
L,1,2
HPTCREATE,LINE,1,0,RATI,.75,
ET,1,BEAM3
R,1,W*H,(W*H**3)/12,H„„
MP,EX,1,200000
MP,PRXY,1,0.3
ESIZE,100
LMESH,ALL
FINISH /SOLU
ANTYPE,0
DK,1,UX,0
DK,1,UY,0
DK,2,UY,0
FK,3,FY,-1000
44 Capítulo 5. Anexos

SOLVE
FINISH
/POST1
ETABLE,EVolume,VOLU,
SSUM
*GET,Volume,SSUM„ITEM,EVOLUME
pretab,evolume
ETABLE,SMAX𝐼 , 𝑁 𝑀 𝐼𝑆𝐶, 1
pretab,smax𝑖
ESORT,ETAB,SMAX𝐼 , 0, 1, ,
*GET,SMAXI,SORT„MAX
ETABLE,SMAX𝐽 , 𝑁 𝑀 𝐼𝑆𝐶, 3
pretab,smax𝑗
ESORT,ETAB,SMAX𝐽 , 0, 1, ,
*GET,SMAXJ,SORT„MAX
*SET,SMAX,SMAXI>SMAXJ
/opt
OPVAR,H,DV,10,50,0.001
OPVAR,W,DV,10,50,0.001
OPVAR,SMAX,SV,195,200,0.001
OPVAR,VOLUME,OBJ„,200
OPTYPE,FIRS
OPFRST,30,100,0.2,
OPEXE
PLVAROPT,H,W
/AXLAB,X,Number of iterations
/AXLAB,Y,Width and Heigth(mm)
/REPLOT
OPLIST,ALL„1
OPLIST,BEST„1
5.1. Scripts ANSYS 45

5.1.2 Script treliça

Finish
/clear
B=1000 ! Base dimension
A1=1000 ! Member 1 area
A2=1000 ! Member 2 area
A3=1000 ! Member 3 area
/PREP7
ET,1,LINK1
R,1,A1
R,2,A2
R,3,A3
MP,EX,1,2.1e6
N,1,-B,0,0
N,2,0,0,0
N,3,B,0,0
N,4,0,-1000,0
E,1,4
REAL,2
E,2,4
REAL,3
E,3,4
FINISH
/SOLU
D,1,ALL,0„3 ! UX=UY=0 at nodes 1, 2, and 3
F,4,FX,200000 ! X force component applied at node 4
F,4,FY,-200000 ! Y force component applied at node 4
SOLVE
FINISH
/POST1
46 Capítulo 5. Anexos

SET,LAST
ETABLE,EVOL,VOLU
SSUM
*GET,VTOT,SSUM, ,ITEM,EVOL
pretab,evol
RHO=2.85e-4
WT=RHO*VTOT
ETABLE,SIG,LS,1
pretab,sig
*GET,SIG1,ELEM,1,ETAB,SIG ! SIG1 = axial stress in elem. 1
*GET,SIG2,ELEM,2,ETAB,SIG ! SIG2 = axial stress in elem. 2
*GET,SIG3,ELEM,3,ETAB,SIG ! SIG3 = axial stress in elem. 3
SIG1=ABS(SIG1) ! Calculate absolute value of axial stresses
SIG2=ABS(SIG2)
SIG3=ABS(SIG3)
/ESHAPE,2
/VIEW,1,1,1,1 ! Isometric view
EPLOT ! Plot elements
lgwrite,optimiz,txt,C:
FINISH
/OPT
OPVAR,B,DV,400,2000
OPVAR,A1,DV,1,1000
OPVAR,A2,DV,1,1000
OPVAR,A3,DV,1,1000
OPVAR,SIG1,SV, ,400
OPVAR,SIG2,SV, ,400
OPVAR,SIG3,SV, ,400
OPSAVE,trussvar,opt ! Save opt data to a file for future use
OPVAR,WT,OBJ, , ,2,
5.1. Scripts ANSYS 47

OPTYPE,FIRST
OPFRST,45
OPEXE
OPLIST,16
OPLIST,ALL
OPLIST,BEST„1
/VIEW, 1 „,1 ! Front view
/AXLAB,X,ITERATION NUMBER ! Plot weight vs. iteration number
/AXLAB,Y,STRUCTURE WEIGHT
PLVAROPT,WT
/AXLAB,Y,BASE DIMENSION ! Plot B vs. iteration number
PLVAROPT,B
/AXLAB,Y,MAX STRESS ! Plot max stress vs. iteration number
PLVAROPT,SIG1,SIG2,SIG3
/AXLAB,Y,CROSS-SECTIONAL AREA ! Plot area vs. iteration number
PLVAROPT,A1,A2,A3
 Bibliografia

ANSYS, “Theory reference for the mechanical APDL and mechanical

applications”, Canonsburg, 2009.
Arora, Jasbir S., “Introduction to optimim design”, The University of Iowa,
2004.
Azevedo Diego B., Farage Vitor F., "Análise estática de uma estrutura
de reboque leve utilizando o MEF", UNB, 2011.
Castro, M. S., “uma metodologia para melhoria da rigidez torcional de
componentes estruturais automotivos”, Dissertação para obtenção de grau
mestre, UFSC, 2008.
Chandra, M. R., Sreenivasulu, S., Hussain, S. T., “Modeling and
structural analysis of heavy vehicle chassis made of polymeric composite
material by three diferente cross sextions”, Journal of mechanical and production
trans stellar, 2012.
Cheng, Geng Dong, “Introdução à otimização estrutural teoria, métodos
e soluções”, Dalian, China, 2009.
da Silva José G. S., Soeiro Francisco da C. P., Trigueiro Gustavo S.,
Roberto Marcello A. R., "Análise estrutural de chassis de veículos pesados com
base no emprego do programa ANSYS", UERJ,Cobenge, 2011.
Furtado, Daniel Canongia, “Analise estrutural de chassi de veículos
automotivos”, Brasília UnB, 2013.
Haftka, R. T. e Gurdal, Z., "Elements of structural optmization", Boston,
London, 1993.
Kibsgaard, S., Olhoff, N. e Rasmussen, J., “Concept of an optimization
system, first international conference on computer aided optimum design of
structures application”, South-ampton, United Kingdon, 1989.
Kirsch, U., “structural optimization: Fundamentals and applications,
Springer-Verlag”, Berlin: Heidelberg, 1993.
Niemczewski, Bóris K., Reis. Angelo V., Machado Roberto L. T.,
Machado Antônio L. T., "Validação de um modelo de cálculo por elementos
finitos do chassi de uma semeadora de quatro linhas", Jaboaticabal, 2014.
Ost, Ana Paula. Kraulich, Claudia Vanessa. Ribas, Guilherme.
Mantovani, Cesar., "Análise estrutural chassi transplantadora com base no
emprego do software solidworks simulation", Fahor, 2011.
Silva, Emílio Carlos Nelli, "Técnicas de otimização aplicadas no projeto
de peças mecânicas", USP, 2014.