Escolar Documentos
Profissional Documentos
Cultura Documentos
Natal – RN
Fevereiro – 2009
UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE
PROGRAMA DE PÓS-GRADUAÇÃO EM
ENGENHARIA MECÂNICA
Dissertação submetida à
Natal – RN
Fevereiro – 2009
Divisão de Serviços Técnicos
Expresso primeiramente à Deus por estar presente na minha vida e pelo auxílio no desen-
volvimento deste trabalho, por ter sido um grande facilitador nesta minha realização pessoal e
profissional. Certamente não conseguiria sem a ajuda e as orientações do Professor e Amigo
João Carlos Arantes Costa Júnior. Sua atenção, otimismo, apoio e paciência levou-nós a tra-
balharmos com o mesmo objetivo. A ele, a minha satisfação, reconhecimento e respeito pelos
ensinamentos
Aos meus pais José Lins, Ilza Lins e aos meus irmãos Cheila, Charles e Alzira pela credi-
bilidade e incentivo; e aos amigos Elias Nakai, Leandro Marx, Cintia Fernandes, Paulo Sérgio,
Patrícia Pereira, Sheylla Scortt; a família Nakai; aos amigos baianos Jussara, Getulinho e Suzy,
Leitinho e Ricardo; aos amigos do mestrado, Duciane Freita, Vinícius Prata, Paulo Alison e
Rairam Almeida; a turma da Fundação FMM hoje conhecida como Scion pelas horas de dis-
trações e torcida para realização do mestrado.
Neste trabalho propõe-se uma metodologia computacional para resolver problemas de Oti-
mização de Forma para projeto estrutural. A aplicação é particularizada para problemas bidi-
tensão. Para atender ao critério paramétrico de tensões é proposto um critério global de tensão
de von Mises, dessa maneira, amplia-se o critério local de tensões sobre o domínio, visando à
obtenção de programas mais seguros. O problema é aproximado pelo Método dos Elementos
Finitos utilizando elementos triangulares da base Lagrangiana padrão com seis nós, tendo uma
caixa, o qual é resolvido por um método de projeção de segunda ordem que usa o método de
The geometric modeling, i.e., the contour is defined by parametric curves of type B-splines,
these curves hold suitable characteristics to implement the Shape Optimization Method, that
uses the key points like design variables to determine the solution of minimum problem.
A reliable tool for design sensitivity analysis is a prerequisite for performing interactive
structural design, synthesis and optimization. General expressions for design sensitivity ana-
lysis are derived with respect to key points of B-splines. The method of design sensitivity
analysis used is the adjoin approach and the analytical method. The formulation of the opti-
mization problem applies the Augmented Lagrangian Method, which convert an optimization
problem constrained problem in an unconstrained. The solution of the Augmented Lagrangian
function is achieved by determining the analysis of sensitivity. Therefore, the optimization
problem reduces to the solution of a sequence of problems with lateral limits constraints, which
is solved by the Memoryless Quasi-Newton Method.
It is demonstrated by several examples that this new approach of analytical design sensi-
tivity analysis of integrated shape design optimization with a global stress criterion purpose is
computationally efficient.
Figura 2.2 Conectividade dos segmentos de curvas paramétrica cúbica de Bézier com 4
pontos de controle. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
Figura 2.8 Representação de uma estrutura por segmento paramétrico de curvas B-splines
com 19 pontos-chaves e 15 segmentos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
5.23.a Malha inicial do modelo discreto do Exemplo 10 para 1/4 simetria . . . . 104
Tabela 2.1 Dados de uma curva B-spline cúbica passando por um conjunto de pontos-
chave . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
Tabela 2.2 Valores dos coeficientes do sistema de equações e pontos de controle das ex-
tremidades para as condições de contorno da B-splines cúbicas. . . . . . . . . . . . . 37
2D Bidimensional
3D Tridimensional
CAD Computer Aided Design
CAE Computer Aided Engineering
CAM Computer Aided Manufacturing
CIM Computer Integrated Manufacturing
EPD Estado Plano de Deformação
EPT Estado Plano de Tensão
GIS Geographic Information Systems
GRG Generalized Reduced Gradient
KKT Condições de ótimo de Karush, Kuhn e Tucker
MDF Método das Diferenças Finitas
MEC Método dos Elementos de Contorno
MEF Método dos Elementos Finitos
MEMS Micro-electro-mechanical Systems
MLA Método Lagrangiano Aumentado
MMQ Método Mínimos Quadrados
MOF Método de Otimização de Forma
MOT Método de Otimização Topológica
MVF Método dos Volumes Finitos
NURBS Non Uniform Rational B-splines
PMOF Programa do Método de Otimização de Forma
SI Sistema Internacional de Unidades
SQP Sequential Quadratic Programming
Lista de símbolos
Lista de Figuras
Lista de Tabelas
Lista de símbolos
Resumo
Abstract
Apresentação 1
Prolegômenos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
Objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
Organização do Trabalho . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1 Revisão Bibliográfica 6
1.1 Histórico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2 Resumo Geral de Curvas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3 Técnica de Otimização 38
3.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.5.1 Sensibilidade de £A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
5.1 Exemplo 01 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
5.2 Exemplo 02 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
5.3 Exemplo 03 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
5.4 Exemplo 04 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
5.5 Exemplo 05 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
5.6 Exemplo 06 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
5.7 Exemplo 07 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
5.8 Exemplo 08 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
6 Conclusão 107
Prolegômenos
Desde os primórdios, o homem busca a melhoria no processo de manufatura para obter uma
boa condição de vida. No decorrer dos anos, a repetição e a melhoria nos distintos processos
de manufatura passaram por etapas de reduções de desperdícios dos esforços de trabalho. O
sucesso das melhorias dos processos é obtido por tentativas e erros, e na ausência de conheci-
mento, busca-se a solução com problemas similares. No entanto, essa concepção está mudando,
conforme o avanço das novas tecnologias. A Otimização entra neste contexto para buscar a me-
lhor solução de uma função objetivo.
- O grande esforço computacional pelo fato de que os métodos exigem solução iterativa
para otimizar a função objetivo;
Segundo os artigos de Cohn e Dinovitzer [1994], Sarma e Adeli [1998], na área da constru-
ção civil encontram-se vastos trabalhos em otimização estrutural com o objetivo de maximizar a
rigidez da estrutura e aplicações em edificações, torres, pontes, reservatórios metálicos, perfis de
estruturais metálicas, isto se deve à simplificação da formulação em utilizar material isótropo e
homogêneo, em vez de usar o concreto armado que envolve materiais distintos. Por outro lado,
as aplicações na prática são comparativamente modestas devido às formulações matemáticas
que não são suficientemente robustas para lidar com problemas complexos de projeto. Sarma
e Adeli [1998], Nogueira [2005] motivam a utilização do Método de Otimização Estrutural
baseado em confiabilidade e no custo de construção civil em vez do peso estrutural.
O Método de Otimização visa atender à atual e crescente demanda de mercado que emana
o desenvolvimento de artefatos mais competitivos, exigindo melhoria e até mesmo novas con-
cepções de projeto de acordo com Arora [2004] de forma a garantir redução de custos de projeto,
de impactos ambientais, aumento na segurança, produtividade e qualidade. No entanto, a otimi-
zação não é a chave para resolver todos os fatores citados, porém é uma técnica multidisciplinar
para auxiliar na obtenção de projetos ótimos. Sendo assim, o trabalho tem a proposta de obter
leiaute ótimo de projetos estruturais usando o Método de Otimização de Forma, com objetivo
de modificar a forma do componente estrutural com a finalidade de minimizar o volume de ma-
terial, satisfazendo a um critério global de tensão. Em síntese, a proposta visa reduzir a matéria
prima, diminuindo o desperdício de material localizado no contorno, proporcionando contornos
suaves e homogeneidade na tensão.
Objetivo
- Propor um critério de restrição global de tensão, dessa maneira, amplia-se o critério local
de tensões sobre o domínio;
Organização do Trabalho
O trabalho está organizado em seis capítulos, além dos anexos, sendo estruturado do seguinte
modo:
Referência Bibliográfica: expõe a lista dos artigos, livros, dissertações e teses que supor-
tam o desenvolvimento deste trabalho.
2 Nome é de origem da língua inglesa, denotado para régua estreita e flexível feita de madeira ou outro material
que possua a mesma flexibilidade, utilizada para traçar curvas suaves em pontos determinados. No entanto, para
matemática é uma função de interpolação que representa curvas [FOLEY et al., 1996].
1 Revisão Bibliográfica
1.1 Histórico
Sendo a base deste trabalho o estudo de otimização, teve-se a preocupação com os conceitos
e noções fundamentais, adquiridos e sugeridos como referência os “clássicos” livros de Vander-
plaatz [1984]; de Bazaraa, Sherali e Shetty [1993]; de Nocedal e Wright [1999]; de Fletcher
[2000]; de Luenberger [2003] e de Arora [2004]. Estas são as principais referências bibli-
ográficas quando inicia-se o estudo de otimização, posteriormente para aplicação práticas de
otimização estrutural recomenda-se o livro de Bendsøe e Signmund [2003] antes de prosseguir
para os artigos específicos da área de otimização da mecânica computacional.
A teoria da matemática clássica da otimização tem seu início no século XVII juntamente
com o desenvolvimento do cálculo diferencial. As condições necessárias de pontos estacionários
de uma função diferenciável foram estabelecidas por Euler e a extensão de tais condições para
problemas sujeitos a restrições de igualdade foi realizada por Lagrange. Em 1951, Karush,
Kuhn e Tucker estabeleceram as condições de otimalidade para problemas sujeitos a restri-
ções de desigualdade, conhecidas na literatura como as condições de KKT, obtendo assim o
enunciado geral do problema de otimização de funções diferenciáveis [BAZARAA; SHERALI;
SHETTY, 1993].
Até a década de 60, não houve grandes evoluções na otimização estrutural, porém com o
surgimento dos computadores e o desenvolvimento de métodos numéricos para executar cálcu-
los de aproximações, tais como: Método dos Elementos Finitos - (MEF), o Método das Dife-
renças Finitas - (MDF), o Método dos Elementos de Contorno - (MEC), o Método dos Volumes
Finitos - (MVF), e o Método dos Mínimos Quadrados - (MMQ), ocorreu uma revolução no
cotidiano do engenheiro estrutural.
1.1 Histórico 7
Entre os métodos citados, o MEF se destaca na área de Estruturas e é utilizado nos softwares
comerciais consolidados pela área científica e pela área de engenharia de aplicação de projeto
estrutural. Basicamente o método subdivide o domínio global em subdomínios de forma ge-
ométrica simples denominada elementos finito formando uma malha de elementos finitos, na
qual caracteriza o domínio global de forma discreta. Utiliza-se função de aproximação que
descreve o comportamento estrutural do modelo matemático, dessa forma tem-se o sistema de
equações algébricas lineares que pode ser calculado numericamente [COOK, 1995; BATHE,
1996; MOTTRAM; SHAW, 1996]. Portanto, o problema passa de uma função definida em
cada ponto infinitesimal do domínio para valores aproximados definidos em pontos específi-
cos dos subdomínios denominados de “nós”. Quando uma estrutura é formulada pelo MEF,
naturalmente são também aproximados os parâmetros estruturais que serão otimizados. Em
contraste com o modelo contínuo, onde se busca a extremidade de uma função objetivo, no
modelo discreto busca-se um conjunto de parâmetros discretos que representam o ponto ótimo
[SANT’ANNA, 2002].
Obtidas as linhas de isotensões principais, a idéia é alinhar as barras nas mesmas direções das
principais tensões calculadas no domínio. Portanto, o ótimo leiaute seria aquele no qual os
elementos estariam sujeitos apenas a tração e compressão e não haveria momento fletor. As
formulaões foram resolvidas analiticamente sobre um domínio contínuo. Mas na época, foi
considerada apenas como uma abordagem acadêmica e com solução analítica de difícil apli-
cação em situação prática.
não-linear com restrição de desigualdade para projetos de estruturas de treliças e barras. En-
tretanto, o seu uso era limitado, devido ao escasso recurso computacional da época e possuía
pouca solidez matemática [SCHMIT, 1981; VANDERPLAATZ, 1984].
Depois da década de 70, vários artigos foram escritos sobre o assunto, impulsionados pelas
indústrias aeroespacial e aeronáutica com objetivo de reduzir o peso estrutural sem comprome-
ter a integridade da estrutura. Os resultados desses artigos estão concentrados no desenvolvi-
mento e na seleção de método de programação matemática para solução de variáveis discretas
e nas melhorias dos algoritmos computacionais mais robustos.
Com esse impulso, várias diretrizes na linha de pesquisa de programação matemática foram
desenvolvidas para a formulação de otimização estrutural, sendo que as metodologias que se
destacam na área são as seguintes:
minimizador global pela técnica de otimização natural onde a idéia do algoritmo é baseada no
comportamento do fenômeno da natureza, isto é, reproduz a evolução natural. O método que
se destaca para área estrutural é o Algoritmo Genético ou Genetic Algorithms - GA conhecido
na literatura internacional. No entanto, o custo computacional é elevado em relação as técnicas
tradicionais, para mais detalhe sobre o método GA recomenda-se ver os trabalhos de [CERRO-
LAZA; ANNICCHIARICO; MARTINEZ, 2000; NAKANISHI, 2001; XU; JIANG; OU, 2007;
GRIGOLETTI, 2008].
Dos três métodos de programação não-linear citados, os mais utilizados para resolução
de problemas contínuos são: o Método Lagrangiano e a Programação Seqüencial Quadrática,
ambos podem ser aplicados em conjunto com o Método da Penalidade [PAPADRAKAKIS et
al., 2001], no qual penaliza o valor da função objetivo original sempre quando encontradas
soluções aproximadas na região viável, ou na região inviável das funções restrições.
i. Método das Diferenças Finitas: é simples e genérico, porém ineficiente pelo alto custo de
processamento e dependente do valor do tamanho do passo da perturbação;
1.1 Histórico 11
ii. Método Analítico: é o mais preciso e eficiente. No entanto, para obtenção das expressões
é necessário um bom conhecimento teórico da formulação de análise. Pode exigir maior
volume de trabalho para os cálculos e para a implementação;
iii. Método Semi-Analítico: é a combinação do Método Analítico com o Método das Dife-
renças Finitas. Isto assegura um custo computacional baixo quando comparado com o
Método das Diferenças Finitas, porém apresenta sérios problemas de precisão.
No trabalho de Cea [1981], o processo de atualização da malha dos elementos finitos usa
a regra de deformação da malha inicial de acordo com a modificação do contorno. A defor-
mação da malha é calculada pelas equações diferenciais de equilíbrio ou relações paramétricas.
Em ambos os casos a correlação entre o modelo dos elementos finitos e variáveis de projetos
são favoráveis à representação geométrica por curva spline de baixa ordem para maximizar a
suavidade do contorno.
Bézier (1966,1967,1968) na Renault. Eles buscaram formas de curvas e superfícies que eram
fáceis de modificar e compatíveis com a análise e os processos industriais, tendo como destaque
a superfície de Coons e Ferguson e a formulação de Bézier e Boor [1972] se implementou o
algoritmo para as curvas B-splines.
Na tese de Sienz [1994] sobre Otimização de Forma e Análise Adaptativa Integrada à Mode-
lagem Estrutural, desenvolveu-se um sistema computacional que integra os métodos de Otimi-
zação Topológica e de Forma para estrutura bidimensional com os conceitos de projeto assistido
por computador, de maneira que a modelagem da estrutura é realizada por curvas B-splines, com
gerador de malha não estruturadas e refino adaptativo em combinação com o estimador de erro.
A análise do estado plano de tensão é feita pelo Método dos Elementos Finitos. A Otimização
Topológica e de Forma são módulos separados que integram o sistema computacional, sendo
que a análise da sensibilidade pode ser realizada pelos métodos semi-analíticos ou o método de
diferença finita. A programação matemática para otimização de forma utiliza a Programação
Seqüencial Quadrática.
Parente Jr. [2000] propõe uma metodologia para a otimização de forma de estruturas geo-
metricamente não-lineares que visa evitar os problemas de instabilidade apresentados por es-
truturas otimizadas de acordo com a formulação clássica. Utiliza os conceitos de modelagem
geométrica de curvas paramétricas B-splines para definir a forma da estrutura. Para realizar
a geração de malha foram implementados diferentes algoritmos de malhas estruturadas e não-
1.2 Otimização Estrutural 13
1.3.a:Problema inicial para o Método de Otimização 1.3.b:Projeto final pelo Método de Otimização Para-
Paramétrica métrica
1.3.c:Problema inicial para o Método de Otimização de 1.3.d:Projeto final pelo Método de Otimização de
Forma Forma
1.3.e:Problema inicial para o Método de Otimização 1.3.f:Projeto final pelo Método de Otimização
Topológica Topológica
Neste tipo de otimização, as variáveis de projeto são definidas por parâmetros, os quais
podem ser citados como exemplo: propriedades mecânicas do material, como o módulo de
1.2 Otimização Estrutural 15
Este método foi o primeiro a ser desenvolvido pela indústria aeroespacial para minimi-
zar o peso da estrutura, e para exemplificar, pode-se citar a otimização paramétrica de placas
formadas por materiais compostos laminados, onde as variáveis de projeto são a espessura do
laminado e a orientação das fibras, dentre outros [LABANOWSKI JR., 2004].
Para o caso de estruturas discretas como as treliças ou pórticos, o leiaute ótimo é alcançado
através da modificação das coordenadas nodais, e para estruturas contínuas como placas, cascas,
sólidos e outros, a forma é pré-definida e modificada pelas variáveis de controle geométrico tais
como: pontos de controle de B-splines, raios, tangentes, entre outros. Nas figuras 1.3.c e 1.3.d
visualizam-se um exemplo do método.
De modo geral, entre as várias considerações necessárias para caracterizar um projeto es-
trutural, o critério de tensão sempre merece destaque. Mas a inclusão das restrições de tensões
apresenta inúmeras dificuldades como destaca Costa Jr. [2003], estas são:
- O comportamento altamente não linear das restrições de tensão, com relação às vari-
áveis de projeto, o que requer a utilização de sofisticados algoritmos de programação
matemática.
material em cada ponto do domínio pode variar de “vazio” (ausência de material) até “sólido”
(presença total de material), podendo também assumir densidades intermediárias entre vazio e
sólido de acordo com um modelo de material definido.
2 Modelagem Geométrica de Curvas
2.1 Introdução
O artefato a ser modelado pode ser obtido pela interpolação ou por aproximação de seg-
mentos de curvas, superfícies, sólidos ou outra entidade geométrica. Steffens [2005] em seu
trabalho propõe que a modelagem geométrica deve possuir o menor número possível de vari-
áveis sem que se torne ambígua e ser de fácil implementação computacional. Existem várias
técnicas utilizadas para “transformação” do modelo geométrico, como o uso de polinômios ou
macro-elementos, isto reduz o tamanho do problema, porém pode apresentar instabilidade nu-
mérica e distorções quando aplicada em geometrias complexas [PARENTE DE DEUS, 2002;
VIECELLI, 2004; STEFFENS, 2005].
A solução proposta por Sienz [1994], Cerrolaza, Annicchiarico e Martinez [2000], Steffens
[2005] é utilizar a teoria de curvas B-splines cúbicas para descrever o modelo geométrico nos
problemas de otimização de forma devido a representação matemática que requer poucas dados
de entrada em função do número reduzido de pontos da curva que pode ser modificada pelo
processo iterativo de Boor [1972]. Assim, os pontos de controle das curvas são alterados de
2.2 Resumo Geral de Curvas 19
Neste trabalho, a modelagem geométrica surge como uma importante ferramenta para de-
terminar a ótima disposição do contorno, de forma que os pontos-chave das curvas paramétri-
cas B-splines cúbicas controlem a forma do contorno do domínio de projeto representado por
topologia algébrica1 . Portanto, admite-se a implementação numérica computacional por sis-
tema de equações algébricas com matrizes, que permitem descrever as curvas paramétricas
splines e de superfícies implícitas.
Este capítulo tem como objetivo discutir os conceitos e técnicas de modelagem geométri-
cas de curvas. Em seguida, o desenvolvimento teórico para implementação computacional é
particularizado para representação de curvas paramétricas B-splines cúbicas em modelos bidi-
mensionais utilizado nos problemas de otimização. A simplificação bidimensional - (2D) não
prejudica o estudo para o caso tridimensional - (3D). Para mais detalhe sobre o assunto de mode-
lagem de curvas e superfícies recomenda-se a leitura dos livros [FARIN, 1988; YAMAGUCHI,
1988; ROGERS; ADAMS, 1990; FOLEY et al., 1996; MORTENSON, 1997; PIEGL; TILLER,
1997; GOMES; VELHO, 1998].
Segundo Mortenson [1997], Piegl e Tiller [1997], as curvas e superfícies podem ser descri-
tas através de três formas principais:
ii. Na forma implícita: a função é associada às variáveis independentes com uma constante,
x2
e é dada na forma f (x, y) = 0. Por exemplo: f (x, y) = x2 + y2 − r2 = 0, f (x, y) = 2 +
a
y2
− 1 = 0;
b2
iii. Na forma paramétrica: a função é associada aos valores de um ou mais parâmetros com
o ponto correspondente da curva ou da superfície, isto facilita determinar quais pontos
estão sobre a curva ou superfície, apenas substituindo os valores dos parâmetros, e é
definida pela expressão f (t) = (x(t), y(t)). Por exemplo: x = a cos(t), y = b sin(t), tal que
f (t) = (a cos(t), b sin(t)).
De modo geral, as curvas e superfícies paramétricas podem ser representadas pelas equações
(2.1a) e (2.1b) respectivamente, na forma maricial
P(t) = px (t) py (t) pz (t) (2.1a)
P(u, w) = px (u, w) py (u, w) pz (u, w) . (2.1b)
A curva paramétrica pode ser definida por função de interpolação, aproximação ou com-
posição ponderada numérica de segmentos retos ou curvas descritas por dois ou mais pontos. O
uso de curvas é essencial para determinar o contorno e ou superfície geométrica do objeto. Uma
vez determinado o tipo da função, os segmentos do contorno e a malha para superfície podem
ser conectadas.
Para uma curva paramétrica cúbica aproximada pela função polinomial de terceira ordem
n = 3 que garante uma continuidade C−2 definida na seção 2.2.1 entre os segmentos adjacentes
podem ser expressas na forma geral como
P = pi (t); i = x, y, z
px (t) = axt 3 + bxt 2 + cxt + dx ;
(2.2)
py (t) = ayt 3 + byt 2 + cyt + dy ; 0≤t ≤1
pz (t) = azt 3 + bzt 2 + czt + dz ;
onde, P é a matriz linha que contém a posição das coordenadas cartesianas dos pontos-chave da
curva, pi (t) a função polinomial paramétrica da curva, i índice da base canônica euclidiana e t a
variável paramétrica associada ao ponto da curva normalizada no intervalo [0, 1]. Decompondo
na forma matricial a equação (2.2), tem-se
2.2 Resumo Geral de Curvas 21
⎡ ⎤
⎢ax ay az ⎥
⎢ ⎥
⎢⎢bx
⎥
by bz ⎥
P(t) = t 3 t2 t 1 ⎢⎢
⎥.
⎥ (2.3)
⎢c cy cz ⎥
⎢ x ⎥
T ⎣ ⎦
dx dy dz
C
A matriz C possui uma dependência das condições geométrica implícitas para as coorde-
nadas de controle das posições x, y e z com os coeficientes da função-base polinômio [FARIN,
1988; MORTENSON, 1997]. Portanto, pode-se expandir a matriz como C = M G, sendo M a
matriz da funções-base dos coeficientes e a sua estrutura depende do tipo de curva, e G o vetor
de geometria (coordenada cartesiana dos pontos de controle). Reescrevendo a equação (2.4),
tem-se
P(t) = T M G . (2.5)
Para o caso particular da função cúbica tem-se 4 pontos geométricos, portanto generalizado
na forma matricial expandida,
⎡ ⎤⎡ ⎤
⎢m11 m12 m13 m14 ⎥ ⎢g1 ⎥
⎢ ⎥⎢ ⎥
⎢
⎢m21
⎥⎢ ⎥
m22 m23 m24 ⎥ ⎢ ⎥
P(t) = t 3 t 2 t 1 ⎢ ⎥ ⎢g2 ⎥ . (2.6)
⎢ ⎥⎢ ⎥
⎢m m32 m33 m34 ⎥ ⎢ ⎥
⎢ 31 ⎥ ⎢g3 ⎥
⎣ ⎦⎣ ⎦
m41 m42 m43 m44 g4
Como visto na seção precedente existem três formas de representações de curvas. A forma
explícita tem problemas para representar curvas arbitrárias, as curvas implícitas são difíceis de
controlar as tangentes (derivadas) das curvas que se unem, ou a equação pode ter mais soluções
que o desejado e as paramétricas são aproximadas por segmentos de curvas polinomiais que
atende ao critério de continuidade [FARIN, 1988; YAMAGUCHI, 1988].
2.3 Curva Hermite 22
Para uma continuidade de ordem C0 os segmentos adjacentes coincidem nos seus extremos,
assegurando uma continuidade das curvas. Para continuidade C1 os segmentos das curvas têm
tangentes comuns no ponto de junção, e para continuidade C2 têm as mesmas curvaturas.
Na maioria das aplicações prática utiliza-se a função de polinômio cúbico por possuir uma
continuidade C2 , sendo que os graus inferiores não possibilitam a interpolação entre junção de
dois segmentos das curvas com mesma definição da derivada dos vértices dos extremos dos
segmentos, para os graus superiores apresentam oscilação indesejáveis na continuidade e maior
esforço computacional [FOLEY et al., 1996; MORTENSON, 1997].
da curva por meio de uma equação polinomial, a alteração da direção do vetor tangente permite
um controle e modificação razoável sobre a curva gerada.
A utilização dos pontos e dos vetores tangentes são úteis para modelar o objeto complexo.
No entanto, a falta da invariância da curva causa um problema de precisão [FOLEY et al., 1996;
MORTENSON, 1997], não despertando o interesse na utilização prática para otimização, mas
é básica para entender os princípios da teoria de curvas.
onde que gi (t) e g f (t) são vetores posições, gi (t) e gf (t) são vetores tangentes (primeira derivada
do vetor posição) dos pontos inicial e final respectivamente. Para o caso particular de uma curva
paramétrica cúbica de Hermite utiliza-se as seguintes equações
P(t) = t 3 + t 2 + t + 1 (2.8)
P (t) = 3t 2 + 2t + 1. (2.9)
P0 (0) = 03 + 02 + 0 + 1
P1 (1) = 13 + 12 + 1 + 1
P0 (0) = 3(0)2 + 2(0) + 1
P1 (1) = 3(1)2 + 2(1) + 1 . (2.10)
Substituindo o sistema de equações (2.10) na equação (2.7), resulta numa relação matricial
dada por ⎡ ⎤ ⎡ ⎤
⎢ gi (t) ⎥ ⎢0 0 0 1⎥
⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥
⎢g f (t)⎥ ⎢1 1 1 1⎥
⎢ ⎥=⎢ ⎥ MH (2.11)
⎢ ⎥ ⎢ ⎥
⎢ g (t) ⎥ ⎢0 0 0 1⎥
⎢ i ⎥ ⎢ ⎥
⎣ ⎦ ⎣ ⎦
g f (t) 0 3 2 1
2.4 Curva Bézier 24
Para determinar MH é necessário encontra a matriz inversa da relação matricial (2.11), ver
[YAMAGUCHI, 1988]. Obtém-se a seguinte equação
⎡ ⎤−1 ⎡ ⎤ ⎡ ⎤⎡ ⎤
⎢0 0 0 1⎥ ⎢ gi (t) ⎥ ⎢ 2 −2 1 1 ⎥ ⎢ gi (t) ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥⎢ ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥⎢ ⎥
⎢1 1 1 1⎥ ⎢g f (t)⎥ ⎢ −3 3 −2 −1 ⎥ ⎢g f (t)⎥
⎥ ⎢
MH = ⎢
⎢
⎥
⎥
⎢
⎢
⎥=⎢
⎥ ⎢ ⎥⎢
⎥.
⎥ (2.12)
⎢0 0 0 1⎥ ⎢ g (t) ⎥ ⎢ 0 ⎥ ⎢ g (t) ⎥
⎢ ⎥ ⎢ i ⎥ ⎢ 0 1 0 ⎥⎢ i ⎥
⎣ ⎦ ⎣ ⎦ ⎣ ⎦⎣ ⎦
0 3 2 1
g f (t) 1 0 0 0
g f (t)
Portanto, pode determinar a forma geral para a curva cúbica de Hermite na forma matricial
independe do vetor de geometria GH .
⎡ ⎤
⎢ 2 −2 1 1 ⎥
⎢ ⎥
⎢
⎢ −3
⎥
3 −2 −1 ⎥
P(t) = t 3 t 2 ⎢
t 1 ⎢ ⎥ GH (2.13)
⎥
⎢ 0 ⎥
⎢ 0 1 0 ⎥
⎣ ⎦
1 0 0 0
Recebe o nome do engenheiro francês Pierre Bézier. A curva é definida por uma coleção
de segmentos de pontos de controle que determina o grau do polinômio de Bernstein como
funções-base que descreve a forma geral da curva. Portanto, a curva aproxima nos pontos de
controle por uma única função de polinômio. Ao movimentar um ponto de controle toda a curva
se modifica, junto com os demais pontos-chave que definem as tangentes da curva Bézier no
primeiro e do último ponto de controle formando um polígono fechado. Desta maneira, não
define um controle local, porque alterando a posição de qualquer ponto de controle altera todos
os segmentos ao longo da curva [MORTENSON, 1997]. A diferença básica em relação à curva
de Hermite é que utiliza somente os pontos de controle em vez calcular os vetores tangentes aos
pontos que são implícitos na equação.
n!
Nni (t) = t i (1 − t)n−i . (2.15)
i!(n − i)!
Desta maneira, pode determinar a expressão geral pela equação (2.16) para uma curva pa-
ramétrica cúbica de Bézier com 4 pontos de controle, isto é, i = 0, 1, 2, 3.
Na forma matrical,
⎡ ⎤
⎡ ⎤
⎢ −1 3 −3 1 ⎥
⎢ ⎥ ⎢g0 ⎥
⎢
⎢ 3 −6 3 0
⎥⎢ ⎥
⎥ ⎢g1 ⎥
P(t) = t 3 t 2 t 1 ⎢
⎢
⎥⎢ ⎥.
⎥⎢ ⎥ (2.18)
⎢ −3 0 0 ⎥ g2
⎢ 3 ⎥⎣ ⎦
⎣ ⎦ g3
1 0 0 0
As desvantagens da curva Bézier para otimização de forma estão no controle global que
descreve curva e na quantidade de pontos de controle que está relacionado com a ordem do grau
da função polinomial que é dada por n = i − 1. Portanto, as expressões se tornam complexas
para um i elevado e conseqüentemente causa o aumento do custo de avaliação da curva. A
alternativa é particionar em segmentos de graus menores de tal forma, que a inclinação da
junção dos segmentos possam ser as mesmas. Isto faz com que as curvas paramétricas cúbicas
sejam alternativas simples, quando necessários muitos pontos de controle, pois elas permitem
que dois ou mais segmentos de curvas tenham as mesmas inclinações no ponto de união, ou
seja, derivadas contínuas [YAMAGUCHI, 1988; FOLEY et al., 1996; MORTENSON, 1997].
Assim, os pontos final e inicial entre os segmentos das curvas adjacentes sejam coincidentes,
ver na figura 2.2.
2.5 Curva Spline 26
Figura 2.2: Conectividade dos segmentos de curvas paramétrica cúbica de Bézier com 4 pontos de
controle.
O nome spline é de origem da língua inglesa utilizado para denominar a régua flexível
usada em desenho para gerar curvas livres suaves, de classe C2 , isto é, com curvatura contínua
natural. A spline possui uma variação quando ao tipo de curva, porém constitue com a mesma
propriedade de continuidade [YAMAGUCHI, 1988; PIEGL; TILLER, 1997].
A formulação geral da curva spline é semelhante da Bézier, a diferença está nas funções-
base de aproximação Nni (t) que podem ser determinadas por função polinomial, pelo método
Not-a-Knot ou Condição de Boor [BOOR, 1972; MORTENSON, 1997], que são combinadas
com os vetores posição gi dos k + 1 pontos de controle Gi . A curva é definida como
k
P(t) = ∑ gi Nni (t); 0≤t ≤1 (2.19)
i=0
A spline tem uma concepção bastante semelhante da curva de Bézier, no entanto, consegue-
se implementar um controle local, ou seja, altera a forma da curva na posição de um ponto de
controle localmente e não propagando para os segmentos adjacentes, com isso, não se altera a
forma global da curva, somente na região vizinha ao ponto. A ordem do grau das funções-base
é definida independentemente do número de pontos de controle. A curva pode ser calculada de
forma recursiva numericamente.
As curvas splines e Bézier têm muitas vantagens em comum, tais como: os pontos de
controle que influenciam naturalmente na forma da curva, sendo boas candidatas para processos
recursivos de iteração; ambas possuem pequenas variações, nos eixos independentes; multi-
avaliações e possuem propriedade de convexidade. Porém, a spline tem um controle local que
descreve a forma da curva, capacidade de adicionar pontos de controle sem perde a continuidade
2.6 Curva B-spline 27
e sem altera a ordem do grau das funções-base de aproximação, sendo essas vantagens em
relação a curva Bézier e de Hermite [MORTENSON, 1997].
Em 1946, Schoenberg sugeriu a curva B-spline que é baseada na concepção das curvas
Bézier e spline. A curva B-spline é constituída por funções-base que controlam o segmento
local e depende somente dos pontos de controle, o grau da continuidade da curva independe da
quantidade dos pontos de controle, mas sim do grau do polinômio da função-base escolhida.
Esta característica permite a mudança no segmento local ou apenas no segmento adjacente e
não se propaga aos demais segmentos, como se observa na figura 2.3. O movimento de um
ponto-chave afetará somente um trecho da curva.
Figura 2.3: Controle de um segmento da curva B-spline cúbica passando um conjunto de pontos-chave.
Esta característica desperta interesse para otimização de forma, pelo fato ter um equilíbrio
no controle local nos segmentos das junções obtendo formas sofisticadas e pela facilidade de
implementação computacional no processo recursivo proposto pelo algoritmo de Boor [1972],
que gera curvas iterativas para determinar o ótimo leiaute do projeto. Como será discutido nas
seções futuras.
Na formulação apresentada na equação (2.19), as funções-base Nni (t) para curva B-spline
podem ser definidas por vários métodos [PIEGL; TILLER, 1997], mas o procedimento de Boor
[1972] é muito utilizado pela facilidade da implementação numérica. Desta maneira, a função
de aproximação da curva P(t) é definida de forma recursiva pelas equações.
1 se ti ≤ t ≤ ti+1
N1i (t) = (2.20)
0 caso contrário
2.6 Curva B-spline 28
sendo n > 1
t − ti ti+n − t
Nni (t) = n−1
Ni (t) + Nn−1
i+1 (t) (2.21)
ti+n−1 − ti ti+n − ti+1
onde Nni (t) são as funções-base de aproximação polinomial com o grau n − 1 e continuidade de
curva C(n−1)−1 , i = k + 1 pontos de controle dos vetores posição gi , ti denominado de valores
do vetor de nós que definem o intervalo onde as funções-base são ativas, sendo que a coleção
é formada por um vetor t = [t0 ,t1 , ...tk+n ] que será definido nas próximas seções e é dado por
n + k + 1 elementos numa seqüência de números crescente, eles relacionam com a variável
paramétrica t com os vetores posição gi .
Para obter os valores do vetor de nós t usa-se a equação (2.22) que são determinados por
critérios, ⎧
⎪
⎪ 0 se i < n;
⎨
ti i−n+1 se n ≤ i ≤ k; (2.22)
⎪
⎪
⎩ k−n+2 se i>k.
Na equação (2.21) o denominador pode ser zero em função dos valores do vetor de nós,
usa-se a convenção 0
0 = 0 para esse caso.
Quando o parâmetro t é normalizado para cada segmento da curva, tem-se que o somatório
dos intervalos [t0 ,t1 , ...tk+n ] é igual a ∑ Nni (t) = 1.
A característica do vetor de nós t classifica o tipo de curva B-spline que pode ser: uniforme,
não-uniforme e fechada, discutida nas próximas seções.
O algoritmo de Boor [1972] permite calcular os pontos-chave sobre uma curva B-spline
arbitrária sem conhecer as funções-base B-splines utilizando somente a interpolação linear re-
cursivamente a partir dos pontos de controle da curva.
Agora pode-se encontrar uma expressão para P(t) de ordem n = 4 com 4 pontos de con-
trole sobre um segmento de curva arbitrário no intervalo (i ≤ t < i + 1) normalizado entre os
segmentos, utilizando as equações (2.20), (2.21) e (2.22), tem-se
1 3
P(t) = (−t + 3t 2 − 3t + 1)gi + (3t 3 − 6t 2 + 4)gi+1 + (−3t 3 + 3t 2 + 3t + 1)gi+2 + (t 3 )gi+3 .
6
(2.23)
Reescreve-se a a equação (2.23) para Pi (t) i-ésimo intervalo, onde i é substituído por i − 1
que denota o número de segmentos da curva. Assim, para B-spline cúbica, em notação matricial
fica
2.6 Curva B-spline 29
⎡ ⎤⎡ ⎤
⎢ −1 3 −3 1 ⎥ ⎢gi−1 ⎥
⎢ ⎥⎢ ⎥
1⎢ ⎢ 3 −6 3 0 ⎥
⎥⎢
⎢ gi ⎥
⎥
Pi (t) = t t t 1 ⎢
3 2 ⎢ ⎥ ⎢ ⎥ (2.24)
6⎢ ⎥⎢ ⎥
−3 ⎥ ⎢g ⎥
⎢ 0 3 0 ⎥ ⎢ i+1 ⎥
⎣ ⎦⎣ ⎦
1 4 1 0 gi+2
i ∈ 1 : k − 2 para curva aberta e 0 ≤ t ≤ 1 .
Observa-se que a equação (2.24) tem a mesma estrutura da equação (2.6), podendo colocar
na forma reduzida, conforme a seguir
T = t3 t2 t 1 (2.25)
⎡ ⎤
⎢ −1 3 −3 1 ⎥
⎢ ⎥
⎢ ⎥
1⎢
⎢ 3 −6 3 0 ⎥
⎥
MBS = ⎢ ⎥ (2.26)
6⎢ ⎥
⎢ −3 0 3 0 ⎥
⎣ ⎦
1 4 1 0
⎡ ⎤
⎢gi−1 ⎥
⎢ ⎥
⎢ ⎥
⎢ gi ⎥
GBS = ⎢
⎢
⎥.
⎥ (2.27)
⎢g ⎥
⎢ i+1 ⎥
⎣ ⎦
gi+2
Então,
P(t) = T MBS GBS (2.28)
onde T é a matriz linha das variáveis independentes paramétricas da função polinomial, MBS a
matriz dos coeficientes das funções-base polinomial e GBS o vetor da posição geometria. Sendo
que o produto MBS GBS origina as funções de forma de cada segmento.
Para analisar a continuidade da curva cúbica paramétrica B-spline normalizada, num dado
segmento i, para os pontos t = 1 e t = 0 (ponto final e inicial dos segmentos adjacentes res-
2.6 Curva B-spline 30
pectivamente) entre os segmentos adjacentes deverão ser iguais. Isto é, a primeira e a segunda
derivadas deverão ser iguais. Agora, a primeira derivada da equação (2.28), tem-se
Pi (t) = T MBS GBS = 3t 2 2t 1 0 MBS GBS (2.29)
e a segunda derivada
Pi (t) = T MBS GBS = 6t 2 0 0 MBS GBS (2.30)
sendo 0 ≤ t ≤ 1 e 1 ≤ i ≤ k − 2.
Agora, avalia-se a primeira e a segunda derivadas das equações (2.29) e (2.30) para as
condições na junção dos segmentos Pi (1), Pi+1 (0), Pi (1) e Pi+1 (0) (ponto final e inicial dos
segmentos respectivamente).
Observa-se que Pi (1) = Pi+1 (0) e Pi (1) = Pi+1 (0), o que demonstra a continuidade da
primeira e da segunda derivada na junção dos segmentos. Com esse resultado pode-se determi-
nar o vetor tangente e a curvatura em qualquer ponto da B-spline pelas seguintes expressões.
px (t)
tang(t) = (2.33)
py (t)
e
px (t)py (t) − px (t)py (t)
Curv(t) = 3 . (2.34)
[(px (t))2 + (py (t))2 ] 2
É defina pelo vetor de nós t quando os intervalos são iguais, isto é, ti − ti−1 = ti+1 − ti = Δt
para todos os intervalos e está limitado por cada função-base n. Pode-se ser também denomi-
nada por B-spline periódica.
2.6 Curva B-spline 31
Para o caso da curva B-spline uniforme o procedimento de Boor [1972] pode ser simplifi-
cado, modificando a equação (2.21) para
n t −i n−1 i+n−t
Ni (t) = Ni (t) + Nn−1
i+1 (t) . (2.35)
n−1 n−1
É defina pelo vetor de nós t quando os intervalos são diferentes, isto é, os valores do es-
paçamento do nós são distintos entre si (ti − ti−1 = ti+1 − ti ). A vantagem de usar esse tipo de
curva B-spline é o controle mais preciso na forma da curva.
Uma característica da curva B-spline não-uniforme é que o ponto-chave não passa pelos
pontos de controle, a menos que seja de ordem 2, ou seja, uma reta. Na figura 2.4 visualizam
várias curvas B-splines não-uniformes de grau 2, 3 e 4 calculadas com os mesmos pontos de
controle. Nota-se que para n = 2 é a forma linear da curva e ponto-chave coincide com os
pontos de controle. Para n > 2, a curva se torna cada vez mais suave e mais distante dos pontos
controle.
As curvas B-splines fechadas são um tipo particular das curvas B-splines uniformes, e po-
dem ser definidas a partir da modificação do índice subscrito dos pontos de controle de acordo
com a equação (2.24). Com isso, reescreve-se a equação da seguinte forma,
2.6 Curva B-spline 32
⎡ ⎤
⎢gi−1 mod (K+1) ⎥
⎢ ⎥
⎢ ⎥
⎢ gi mod (K+1) ⎥
Pi (t) = T MBS ⎢
⎢
⎥
⎥ (2.36)
⎢g ⎥
⎢ i+1 mod (K+1) ⎥
⎣ ⎦
gi+2 mod (K+1)
i ∈ 1 : K + 1 para curvas fechadas,
Como exemplo, a figura 2.5 ilustra uma curva fechada definidas por K = 5 e n = 4, neste
caso a equação (2.24) fica da seguinte forma
⎡ ⎤
⎢gi−1 mod 6 ⎥
⎢ ⎥
⎢ ⎥
⎢ gi mod 6 ⎥
⎢
Pi (t) = T MBS ⎢ ⎥ (2.37)
⎥
⎢g ⎥
⎢ i+1 mod 6 ⎥
⎣ ⎦
gi+2 mod 6
i ∈ 1:6 .
2O operador mod retorna o resto de uma divisão de número inteiro. Isto é, dada a expressão A mod B, a
divisão retornara o valor do resto que é um valor inteiro. Exemplos: 5mod4 = 1, 8mod3 = 2, 4mod4 = 0, e assim
sucessivamente.
2.6 Curva B-spline 33
Assim, calculando cada um destes segmentos de curva, para uma seqüência de valores de t
e especificando as coordenadas dos pontos de controle, resulta naturalmente o desenho da curva
B-spline fechada.
Outra forma de modelar a curva spline é na forma racional conhecida como B-splines não-
uniformes racionais - NURBS3 , que possui uma variável h que funciona com peso e controle
na equação da curva. A sua equação é dada por
k
∑ higiNni(t)
i=0
P(t) = (2.38)
k
∑ hi Nni (t)
i=0
onde os hi são pesos. Se hi = 1 para todo i, então as funções-base da equação (2.38) se reduzem
à forma não-racional da curva B-spline da equação (2.19) e Bézier da equação (2.14), sendo
assim, uma generalização de ambas as curvas.
1. Vetor de nós: a modificação é relativamente difícil, pois não é previsível determinar como
a curva responderá as mudanças do vetor de nós;
3 NURBS – Non Uniform Rational B-spline
2.7 Implementação Computacional Geométrica 34
Neste trabalho a curva paramétrica B-spline não uniforme foi adotada, pois o vetor de nós
t é normalizado para cada segmento do objeto modelado.
Na figura 2.6 visualiza-se o arco modelado por uma B-spline cúbica com quatro pontos-
chave P1 , P2 , P3 e P4 e a tabela 2.1 informa os segmentos da curva com os respectivos intervalos
paramétricos, pontos de controle e pontos-chave.
Tabela 2.1: Dados de uma curva B-spline cúbica passando por um conjunto de pontos-chave
Segmento Intervalo Paramétrico Pontos de Controle Pontos-Chave
Q1 0≤t ≤1 G0 , G1 , G2 , G3 P1 , P2
Q2 1≤t ≤2 G1 , G2 , G3 , G4 P2 , P3
Q3 2≤t ≤3 G2 , G3 , G4 , G5 P3 , P4
Observa-se que na figura 2.6 a curva B-spline é formada por segmentos associados aos
pontos-chave. Sendo Q1 o primeiro segmento é determinado pelo polígono cujos vértices são
chamados de pontos de controle, G0 , G1 , G2 e G3 . Se adicionar mais um vértice G4 , então
2.7 Implementação Computacional Geométrica 35
sendo gi−1 , gi , gi+1 e gi+2 os vetores posição dos pontos de controle Gi−1 , Gi , Gi+1 e Gi+2 , que
são os vértices do polígono representativo da curva na figura 2.7.
onde pi é o vetor de coordenadas de pontos-chave. Para este sistema de equações (2.40) são
acrescentadas as duas equações de condições de contorno impostas nas extremidades da curva,
assegurando, desta forma, a unicidade da solução. Portanto, reescrevendo o sistema resultante
na forma matricial
⎡ ⎤ ⎡ ⎤
⎡ ⎤ ⎢ g1 ⎥ ⎢ e ⎥
⎢ ⎥ ⎢ ⎥
a b ⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ g2 ⎥ ⎢ 6p2 ⎥
⎢1 4 1 ⎥⎢ ⎥ ⎢ ⎥
⎢ ⎥⎢ . ⎥ ⎢ . ⎥
⎢ .. .. .. ⎥⎢ . ⎥ ⎢ . ⎥
⎢ . . . ⎥⎢ . ⎥ ⎢ . ⎥
⎢ ⎥⎢ ⎥ ⎢ ⎥
⎢ ⎥⎢ ⎥ ⎢ ⎥
⎢ 1 4 1 ⎥ ⎢ gi ⎥ = ⎢ 6pi ⎥ ; i = 2, ..., k − 1 . (2.41)
⎢ ⎥⎢ ⎥ ⎢ ⎥
⎢ ... ... ... ⎥⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ .. ⎥ ⎢ .. ⎥
⎢ ⎥⎢ . ⎥ ⎢ . ⎥
⎢ ⎥⎢ ⎥ ⎢ ⎥
⎣ 1 4 1 ⎦⎢ ⎥ ⎢ ⎥
⎢g ⎥ ⎢6p ⎥
c d ⎣ ⎢ k−1 ⎥ ⎢ k−1 ⎥
⎦ ⎣ ⎦
gk f
Para obter as posições dos pontos de controle resolve-se o sistema de equações (2.41),
através do qual determinam as coordenadas do primeiro e último ponto de controle a partir das
condições de contorno do problema. Assim, com as posições geométrica de todos os pontos de
controle definidas, pode-se controlar e avaliar a curva em qualquer ponto.
Para determinar o primeiro caso, são aplicadas regras empíricas para obter a magnitude das
tangentes; no segundo caso, impõe-se a curvatura nula na extremidade e os casos três e quatro
são obtidos a partir das duas primeiras condições.
Tabela 2.2: Valores dos coeficientes do sistema de equações e pontos de controle das extremidades para
as condições de contorno da B-splines cúbicas.
Variável Tipo de Condição de Contorno
Nome Tangente-Tangente
Natural Tangente-Natural
Natural-Tangente
1 1
e 3 p1 + p1 p1 3 p1 + p1 p1
3
3
1 1
f 3 pk − pk pk pk 3 pk − pk
3 3
a 2 1 2 1
b 1 0 1 0
c 1 0 0 1
d 2 1 1 2
g0 g2 − 2p1 2g1 − g2 g2 − 2p1 2g1 − g2
gk+1 gk−1 − 2pk 2gk − gk−1 2gk − gk−1 gk−1 − 2pk
A concepção para representar um modelo por meio das curvas paramétricas B-splines num
problema típico de contorno bidimensional é mostrado na figura 2.8. O contorno do modelo
geométrico é construído por um conjunto de segmentos da fronteira. Além disso, cada segmento
é formado por um conjunto de sub-segmentos que interpolam alguns pontos-chave, definindo
uma curva paramétrica B-spline cúbica entre dois pontos adjacentes. Para representar uma
reta necessitam, no mínimo, de dois pontos-chave, e três pontos-chaves para representar uma
curva.
Figura 2.8: Representação de uma estrutura por segmento paramétrico de curvas B-splines com 19
pontos-chaves e 15 segmentos.
Fonte: Sienz [1994].
Observa-se que o modelo da figura 2.8 é construído por 19 pontos-chave e 15 segmentos dos
quais quatro têm sub-segmentos (3-5-13-15). A orientação dos segmentos do contorno externo
é definida no sentido anti-horário e para o contorno interno no sentido horário.
3 Técnica de Otimização
3.1 Introdução
Atualmente tem-se uma variedade de técnicas de otimização numérica para resolver o pro-
blema Linear e Não-Linear, mas a escolha mais adequada depende de uma série de caracte-
rísticas do problema a ser otimizado, principalmente do comportamento das funções objetivo
e restrições. Daí, faz-se necessário um conhecimento da técnica de otimização, que pode ser
estudado com mais detalhe nos conceitos e algoritmos dos livros [VANDERPLAATZ, 1984;
1 Correspondência
um-a-um entre todos os elementos de dois conjuntos do modo que qualquer operação resulta
no mesmo elemento em cada conjunto.
3.1 Introdução 39
CHENG, 1992; BAZARAA; SHERALI; SHETTY, 1993; MARTÍNEZ; SANTOS, 1998; NO-
CEDAL; WRIGHT, 1999; FLETCHER, 2000; GOLDGBARG; LUNA, 2000; LUENBERGER,
2003; ARORA, 2004].
⎧
⎪
⎪ Linear: Função Linear ⎧
⎨
⎨ Enumerativos
Programação
⎪
⎪ Não-linear: Função Não-linear Determinísticos
⎩ ⎩
Estocásticos
As técnicas para programação não-linear podem ser subdivididas em três subgrupos, quanto
a estratégia de busca:
Enumerativos: fazem uma varredura completa, isto é, uma busca exaustiva de todas as pos-
síveis soluções dentro de uma região factível. Os métodos dessa natureza percorrem
todas as combinações possíveis de soluções, conseqüentemente se tornam inviável para
uma região extensa, implicando num excessivo tempo de cálculo;
Estocásticos: utilizam um conjunto de ações que buscas o ótimo de maneira “aleatória ori-
entada” através da teoria da probabilidade. Dessa forma, a busca do ótimo não ocorre
apenas na vizinhança, e com isso a chance de encontrar um ótimo global aumenta. Esse
grupo não necessita de qualquer informação de derivadas.
O objetivo deste capítulo é abordar a técnica de otimização utilizada neste trabalho, apre-
sentando os conceitos básicos de programação matemática não-linear do tipo determinístico,
3.2 Formulação do Problema de Otimização 40
ii. Identificar a função objetivo e desenvolver uma expressão em termos das variáveis de
projeto;
iii. Identificar as restrições e desenvolver expressões para elas em termos das variáveis de
projeto.
Deve-se ressalta que a técnica de otimização escolhida deve ser analisada para cada caso
particular pois depende das características da função objetivo, da natureza das restrições e das
variáveis de projeto. A seguir tem-se os conceitos básicos dos componentes chaves da formu-
lação de um problema de otimização.
Funções Restrições: são condições que limitam o espaço do domínio; podem ser de igual-
dades e desigualdades;
a m restrições de desigualdades
min
s f (s)
t.q.
h j (s) = 0 ; j = 1, ..., p
gi (s) ≤ 0 ; i = 1, ..., m . (3.4)
Admite-se que o vetor de variáveis de projeto s ∈ Rn e as funções f (s), h j (s) e gi (s) sejam
contínuas e diferenciáveis em Rn .
1. As funções f (s), h j (s) e gi (s) devem depender de, pelo menos, uma variável de projeto,
seja de forma explícita ou implícita. Caso contrário, a função que não dependa pode ser
ignorada para o problema de otimização;
3. O formato padrão requer que escreva as restrições de desigualdade com “gi (s) ≤ 0”, se as
restrições forem “gi (s) ≥ 0” converte-se o formato, multiplicado a inequação por (−1);
4. Observe que no item 2 existe uma limitação no número de restrições de igualdade, porém,
não existe limitação no número de restrições de desigualdades;
5. Se todas as funções f (s), h j (s) e gi (s) são lineares em relação as variáveis de projeto
“s”, então o problema é denominado “problema de programação linear”. Se algumas das
funções é não-linear, então, é denominado de “problema de programação não-linear”;
iii. Uma restrição de desigualdade gi (s) ≤ 0 é considerada “violada” num ponto de projeto
s∗ se seu valor é positivo, isto é, gi (s∗ ) > 0;
iv. Todas as restrições de igualdade estão ativas para todos os pontos de projeto factível;
Com essas definições, pode-se determinar a condição necessária para o mínimo de uma
função unidimensional que consiste encontrar a primeira derivada igual a zero. No entanto, para
caso de várias variáveis são as derivadas parciais da função objetivo em relação às variáveis de
projeto que interessam, ou seja, o gradiente da função
Na forma matricial
⎡ ⎤
∂ f (s∗ )
⎢ ⎥
⎢ ∂ s1 ⎥
⎢ ⎥
⎢ ∂ f (s∗ ) ⎥ T
⎢ ⎥
∗ ⎢ ∂s ⎥ ∂ f (s∗ ) ∂ f (s∗ ) ∂ f (s∗ )
∇ f (s ) = ⎢ 2 ⎥= ··· =0. (3.7)
⎢ . ⎥ ∂ s1 ∂ s2 ∂ sn
⎢ . ⎥
⎢ . ⎥
⎢ ⎥
⎣ ∂ f (s∗ ) ⎦
∂ sn
3.3 Valor Mínimo da Função Objetivo 44
Para o caso unidimensional, a condição de segunda ordem deve obter a segunda derivada
na qual ela tem que ser maior que zero, porém para o caso de várias variáveis a informação da
segunda derivada da função f (s∗ ) é obtida derivando novamente por cada componente do vetor
s. Tem-se, então
∂ 2 f (s∗ ) ∂ 2 f (s∗ )
= ; i = 1, ..., n e j = 1, ..., n . (3.8)
∂ s∂ s ∂ si ∂ s j
Uma função pode ser aproximada por polinômios em uma vizinhança de qualquer ponto em
termos de seu valor e derivadas, usando a expansão da série de Taylor. Considerando a função
f (s), tal que s ∈ Rn , a expansão de Taylor sobre o ponto s∗ é formulada como a equação (3.11),
desconsiderando o termo R denotado de resíduo, que representa os termos de ordem superior,
3.4 Condições Necessárias de Otimalidade 45
na qual apresenta pequeno valor se o ponto s está próxima de s∗ , isto é, numa vizinha d, tal que
d = s − s∗ .
1
f (s) = f (s∗ ) + ∇ f (s∗ )T d + dT H(s∗ )d + R
2
1
f (s) − f (s∗ ) = ∇ f (s∗ )T d + dT H(s∗ )d + R (3.11)
2
Note-se que na equação (3.11) o termo do lado esquerdo representa uma variação do valor
da função que é dada por Δ f = f (s) − f (s∗ ) e admitindo s∗ um ponto de mínimo local, então
deverá ter Δ f ≥ 0 para qualquer ponto de s próximo da vizinhança distante d de s∗ . Portanto,
podem-se estabelecidas as condições necessárias e suficientes do mínimo da função.
No primeiro termo do lado direito da equação (3.11) tem-se a primeira condição necessária
que é dada pelo gradiente ∇ f (s∗ ) = 0, que determina o ponto estacionário. O segundo termo é
a segunda condição de suficiência que deve assegurar a seguinte condição
Assim, para todo d = 0 da equação (3.12) é verdadeira, então a Hessiana calculada no ponto
em consideração H(s∗ ) deve ser uma matriz positiva-definida.
Para o Método Lagrangiano, a função objetivo é expandida com adição dos multiplicadores
de Lagrange nas funções de restrições. Daí pode-se reescrever a equação (3.4) aplicando o
Método Lagrangiano, o qual é definido como
p m
£(s, μ , λ ) = f (s) + ∑ μ j h j (s) + ∑ λi gi (s) . (3.13)
j=1 i=1
∇£(s, μ , λ ) = 0
p m
∇ f (s) + ∑ μ j ∇h j (s) + ∑ λi ∇gi (s) = 0 . (3.14)
j=1 i=1
Observa-se que, de acordo com a condição necessária definida pela equação (3.14), o gra-
diente da função objetivo no ponto de mínimo s∗ é uma combinação linear dos gradientes das
funções restrições, sendo os coeficientes desta combinação definidas pelos multiplicadores de
Lagrange. Sendo assim, o Método Lagragiano transforma o problema com restrições num pro-
blema irrestrito fazendo com que seja possível aplicar algoritmos computacionais recursivos
[NOCEDAL; WRIGHT, 1999].
A condição de segunda ordem exige que a segunda derivada da função seja, conforme
descrita na seção 3.3 na equação (3.12). Assim a segunda derivada função Lagrangiana é dada
por
p m
∇2 £(s∗ , μ ∗ , λ ∗ ) = ∇2 f (s∗ ) + ∑ μ ∗j ∇2 h j (s∗ ) + ∑ λi∗ ∇2 gi (s∗ ) . (3.16)
j=1 i=1
Onde φ (s, ηk ), a função objetivo penalizada; f (s), a função objetivo original; ηk , um escalar
denominado de parâmetro de penalidade na k-ésima iteração, e ψ (s) a função penalidade das
restrições, de acordo o método aplicado, que pode ser: Penalidade Exterior ou Penalidade Inte-
rior. No anexo A encontra-se um resumo do Método de Penalidade e para mais detalhes ver as
referências [VANDERPLAATZ, 1984; BAZARAA; SHERALI; SHETTY, 1993; NOCEDAL;
WRIGHT, 1999; ARORA, 2004].
O problema de otimização apresentado pode ser resolvido por algoritmo baseado em téc-
nicas de programação matemática com procedimento recursivo que garante um mínimo local.
Inicialmente determina uma condição inicial s0 que executa uma seqüência de novos pontos.
3.6 Método Lagrangiano Aumentado 48
Quando bem sucedida, converge para o minimizador local s∗ . A formulação “clássica” (Busca
Linear), envolve duas etapas que são: determinar a direção de descida e o tamanho do passo. É
dada por
Partindo desse conceito da equação (3.18), vários algoritmos podem ser elaborados usando
distintas técnicas para determinar a direção de busca d e do tamanho do passo α .
A técnica mais utilizada para elaboração dos algoritmos da direção de descida é baseada
nos gradientes da função objetivo e das restrições conhecidas como algoritmo de primeira or-
dem. Outra forma é utilizar informações da matriz Hessiana da função objetivo e das restrições
denominada de algoritmo de segunda ordem, computacionalmente mais cara. Os algoritmos
para determinar o tamanho do passo são estratégias que resultam em combinação linear da di-
reção de descida. A determinação desses dois fatores reflete na eficiência e confiabilidade de
um algoritmo.
min f (s)
t.q.
gi (s) + z2i = 0 ; i = 1, ..., m ∀ s ∈ Ωs . (3.19)
3.6 Método Lagrangiano Aumentado 49
in f
Ωs = {s ∈ Rn | si ≤ si ≤ ssup
i ; i = 1, ..., n} . (3.20)
O problema de otimização definido na equação (3.19), pode ser substituído por uma equi-
valente, agora sem restrições, pelo Método Lagrangiano Aumentado, da seguinte forma:
m
1 m
min £A (s, λ , z; r) = f (s) + ∑ λi [gi (s) + z2i ] + ∑ [gi(s) + z2i ]2 (3.21)
i=1 2r i=1
sendo r o parâmetro de penalidade definido por um escalar, tal que r > 0, ver [NOCEDAL;
WRIGHT, 1999; ARORA, 2004]. Simplificando a equação (3.21) tem-se
1 m
£A (s, λ , z; r) = f (s) + ∑ [2rλi + (gi(s) + z2i )](gi(s) + z2i ).
2r i=1
(3.22)
Agora, o problema da equação (3.22) é determinar a variável de folga. No entanto, não é fá-
cil de ser determinada, usa-se o artifício matemático que suprime as variáveis de folga, impondo
a condição de estacionaridade do funcional £A (s∗ , λ ∗ , z∗ ; r∗ ) da seguinte maneira, δ £A = 0 que
pode ser traduzida por
∂ £A
=0; i = 1, ..., m . (3.23)
∂ zi
1 m
£A (s, λ ; r) = f (s) + ∑ ψi (gi (s), rλi ) (3.28)
2r i=1
onde ⎧
⎪
⎨ [2rλi + gi (s)]gi (s)
⎪ se gi (s) ≥ −rλi
ψi (gi (s), λi ; r) = (3.29)
⎪
⎪
⎩ −(rλi )2 se gi (s) < −rλi .
Note que: se gi (s) ∈ C1 (Rn ), então ψi (gi (s), ·) também pertence a C1 (Rn ). Assim, atuali-
zação do multiplicador de Lagrange é dada por
1
λik+1 = max{(0, λik + gi (sk )} . (3.30)
rk
Desta maneira, o problema original definido na equação (3.19) é transformado num pro-
blema de restrições laterais. Agora, pode-se reescrever a formulação do problema de otimização
a ser implementada no processo, do seguinte modo:
min £A (s, λ k ; rk )
t.q.
s ∈ Ωs (3.31)
onde
in f
Ωs = {s ∈ Rn | si ≤ si ≤ ssup
i ; i = 1, ..., n} (3.32)
1 m
£A (sk , λ k ; rk ) = f (s) + ∑ ψi(gi(s), rk λik )
2rk i=1
(3.33)
3.6 Método Lagrangiano Aumentado 51
⎧
⎪
⎨ [2r λi + gi (s)]gi (s) gi (s) ≥ −rk λik ;
k k
⎪ se
ψi (gi (s), λik ; rk ) = (3.34)
⎪
⎪
⎩ −(rk λik )2 se gi (s) < −rk λik .
d£A ∂ f (s) 1 d ψi
= + (3.35)
dsi ∂ si 2r dsi
onde a derivada da função penalidade é determinada por
⎧
dg(s)
d ψ ⎨ 2[gi (s) + rk λik ] se gi ≥ −rk λik
= dsi (3.36)
dsi ⎩
0 se gi < −rk λik .
e
1
λik+1 = max{(0, λik + gi (sk )} . (3.38)
rk
4.1 Introdução
De uma forma geral pode-se definir um problema de estruturas sob carregamento mecânico
da seguinte forma.
Sendo:
Ω → Domínio genérico do projeto;
∂ Ω → Contorno do domínio, tal que, ∂ Ω = Γu ∪ Γt e Γu ∩ Γt = ;
Γu → Parte do contorno sujeito a deslocamento prescrito também denominada condição de
contorno de Dirichlet, isto é, u = ū;
Γt → Parte do contorno sob tração prescrita também deniminada condição de contorno de
Neumann, isto é, t = t̄;
Bo → Representa o vetor força de corpo por unidade de volume.
Sendo que o vetor força resultante Bo é a soma de todos as forças de corpo atuante em um
volume finito Ω o qual é dada pela integral sobre o volume.
Bo = ρ b dΩ (4.1)
Ω
O objetivo aqui será utilizar o Método de Otimização de Forma para minimizar a massa
de estruturas 2D atendendo a um critério de tensão. Sendo assim, utiliza-se curvas B-splines
para descrever o contorno da estrutura a ser otimizada. Elas possuem pontos de controle que
determinam segmentos das curvas através dos pontos-chave. Desta maneira, ao alterar os va-
lores dos pontos-chave estará implícita alteração dos valores dos pontos de controle e a curva
será modificada localmente, justificada escolha da curva e dos pontos-chave como variáveis de
projeto do problema de otimização. Pode ser formulado como:
Determinar s, vetor dos pontos-chave das curvas do contorno, tal que soluciona.
min ρ (s) dΩ (4.2)
Ω
t.q.
σe f
−1 ≤ 0 (4.3)
σy
s ∈ Ωs (4.4)
sendo
in f
Ωs = {s ∈ Rns |si ≤ si ≤ ssup
i ; i = 1, ..., ns } (4.5)
onde:
4.2 Formulação do Problema 55
ρ → Densidade do material;
σe f → Tensão efetiva de von Mises;
σy → Tensão de escoamento do material.
(σe f )2 = H σ · σ (4.8)
e ⎡ ⎤
⎢ 1 − 12 0 ⎥
⎢ ⎥
H2D = ⎢
⎢ − 12
⎥
1 0 ⎥. (4.10)
⎣ ⎦
0 0 3
De acordo com a Lei de Hooke a equação que relaciona tensão com a deformação, a qual é
válida na região elástica linear, é dada por
σ = Dε (4.11)
4.2 Formulação do Problema 56
Mas σi j = σ ji e εi j = ε ji para todo i = j. Daí, para descrever cada um dos tensores são
necessários apenas seis componentes. Os componentes podem ser arranjadas na forma de um
vetor, de modo que ⎡ ⎤ ⎡ ⎤
σxx εxx
⎢ ⎥ ⎢ ⎥
⎢σyy ⎥ ⎢εyy ⎥
⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥
⎢ σzz ⎥ ⎢ εzz ⎥
σ =⎢
⎢ ⎥e
⎥ ε =⎢
⎢ ⎥.
⎥ (4.14)
⎢σxy ⎥ ⎢εxy ⎥
⎢ ⎥ ⎢ ⎥
⎢σ ⎥ ⎢ε ⎥
⎣ xz ⎦ ⎣ xz ⎦
σyz εyz
⎡ ⎤
⎢1 − ν ν ν 0 0 0 ⎥
⎢ ⎥
⎢ ⎥
⎢ ν 1−ν ν 0 0 0 ⎥
⎢ ⎥
⎢ ⎥
⎢ ν ν − ν ⎥
E ⎢ 1 0 0 0 ⎥
D= ⎢ ⎥ (4.15)
(1 + ν )(1 − 2ν ) ⎢ ⎥
⎢ 0 0 0 1 − 2ν 0 0 ⎥
⎢ ⎥
⎢ ⎥
⎢ 0 − ν ⎥
⎢ 0 0 0 1 2 0 ⎥
⎣ ⎦
0 0 0 0 0 1 − 2ν
Observe que σe f = σe f (u(x)) representa uma medida de tensão (critério de tensão) para-
métrica, isto é, deve-se garantir a condição de tensão para todo ponto x pertencente ao domínio
de projeto Ω.
O sólido está sujeito a força superficial t e a força de corpo ρ b. Para que o sólido esteja em
equilíbrio é necessário que
t dΓ + ρ b dΩ = 0 (4.18)
Γt Ω
sendo o carregamento mecânico σ n = t, denotando por n o vetor normal, tem-se
σ n dΓ + ρ b dΩ = 0 . (4.19)
Γt Ω
div σ + ρ b = 0 . (4.21)
div σ + ρ b = 0 em Ω (4.22)
σ n = t em Γt . (4.23)
A equação de equilíbrio definida pela forma forte na equação (4.22) é satisfeita em todo o
ponto x de Ω, de modo que
essa equação é denominada de trabalho virtual, sendo v(x) também denominada de desloca-
mento virtual, reescrevendo a equação (4.26), tem-se
div σ · v dΩ + ρ b · v dΩ = 0, ∀ v ∈ Ho (4.27)
Ω Ω
U = ū + u, u ∈ Ho (4.30)
4.2 Formulação do Problema 59
e assim
H = {u + Ho } . (4.31)
mas o vetor gradiente do deslocamento ∇v pode ser decomposto em uma parte simétrica e outra
anti-simétrica do seguinte modo
∇v = ε + ω (4.33)
Para resolver o problema, será aplicado o Método dos Elementos Finitos de Galerkin para
determinar o campo de deslocamentos u(x). O elemento finito utilizado na aproximação do
problema do EPT é o Tri6 ilustrado na figura 4.2, que interpola as variáveis do campo de deslo-
camentos (ux , uy ).
Pela teoria do MEF sabe-se que os graus de liberdade de um elemento finito relacionam-se
com as componentes dos deslocamentos nodais da seguinte forma
sendo u(x) o vetor do campo de deslocamento de cada elemento da malha, N é a matriz das
funções de interpolação do elemento e qe o vetor de deslocamentos nodais do elemento Tri6,
estes são determinados por
T
qTe = u1x u1y u2x u2y u3x u3y u4x u4y u5x u5y u6x u6y (4.42)
⎡ ⎤
⎢ N1 0 N2 0 N3 0 N4 0 N5 0 N6 0 ⎥
N=⎣ ⎦. (4.43)
0 N1 0 N2 0 N3 0 N4 0 N5 0 N6
sendo
T
!
qTe = v1x v1y v2x v2y v3x v3y v4x v4y v5x v5y v6x v6y . (4.45)
Para obter a matriz de rigidez do elemento finito do funcional definido na equação (4.40),
é descomposta em contribuições de elementos individuais. Destarte, substituindo as expressões
(4.41), (4.44) e (4.46), obtém-se.
T !e dΩ =
DB qe · Bq T !e dΩ +
N ρb · q NT t̄ · ! !e ∈ Ho
qe dΓ , ∀ q (4.48)
Ωe Ωe Γt ∩∂ Ωe
B DBdΩ qe · !
T
qe = T !e +
N ρ b dΩ · q T !e , ∀ !
N t̄ dΓ · q qe ∈ Ho (4.49)
Ωe Ωe Γt ∩∂ Ωe
sendo a matriz de rigidez do elemento
Ke = BT DBdΩ (4.50)
Ω
Para isso, usa-se uma função de aproximação ϕ formada pela combinação linear de funções
simples, cada uma definida sobre uma pequena região, sendo esta denominada de elemento. Um
4.3 Formulação Discreta - Método dos Elementos Finitos 62
elemento finito é uma região no espaço onde uma função é interpolada pelos valores nodais de ϕ
na fronteira da região, de um modo que a continuidade de ϕ entre os elementos seja mantida na
geração da malha. Desta maneira, tem-se um procedimento numérico sistemático de cálculo,
denominado Método dos Elementos Finitos que aproxima problema de valores de contorno
descrito por uma equação diferencial, mediante a solução numérica de um sistema de equações
algébrica [COOK, 1995].
Considere ϕ como sendo uma função qualquer sob coordenada x a ser representada pelas
funções do elemento finito Tri6, que obedece triângulo de monômios de Pascal de ordem 2
sendo as funções de interpolação Lagrangiana do elemento de base natural Tri6 definidas por
1 (ξ , η ) = −ξ (1 − 2ξ )
N6T
2 (ξ , η ) = −η (1 − 2η )
N6T
3 (ξ , η ) = −λ (1 − 2λ )
N6T
4 (ξ , η ) = 4ξ η
N6T
5 (ξ , η ) = 4ηλ
N6T
6 (ξ , η ) = 4ξ λ
N6T (4.61)
λ = 1−ξ −η .
Observa-se ainda que as funções de interpolação de base padrão (natural) dadas pelas
equações (4.61) correspondes ao sistema de equações (4.60) escritas em relação às coordenadas
global (físicas).
Para obter as derivadas das funções de forma com relação às coordenadas naturais utiliza-se
a regra da cadeia ⎡ ⎤ ⎡ ⎤⎡ ⎤
⎢ ∂ Ni ∂x ∂y
6T
⎥ ∂ N6T
⎢ ∂ξ ⎥ ⎢ ⎥⎢ i ⎥
⎢ ⎥ ⎢∂ξ ∂ξ ⎥⎢ ∂x ⎥
⎢ 6T ⎥ = ⎢ ⎥⎢ ⎥ (4.62)
⎣ ∂ Ni ⎦ ⎣ ∂ x ∂ y ⎦ ⎣ ∂ N6T ⎦
i
∂η ∂η ∂η ∂y
onde, a matriz Jacobiana do elemento é definida
⎡ ⎤
∂x ∂y
⎢ ⎥
⎢ ∂ξ ⎥
J = ⎢∂ξ ⎥ (4.63)
⎣ ∂x ∂y ⎦
∂η ∂η
sabendo que o mapeamento do elemento original para o elemento padrão é dado pelas equações
(4.52), substituindo na equação (4.63), obtém-se
⎡ ⎤
∂ Nte ∂ N te
⎢ i xi i
yi ⎥
⎢ ∂ξ ∂ ξ ⎥
J=⎢ ⎥ (4.64)
⎣ ∂ Nte ∂ N te ⎦
i i
xi yi
∂η ∂η
4.3 Formulação Discreta - Método dos Elementos Finitos 65
J = G N6T X (4.69)
As derivadas das funções de forma com relação às coordenadas físicas podem ser obtidas
ainda reescrevendo a equação (4.62), da seguinte forma
⎡ ⎤ ⎡ ⎤
⎢ ∂ Ni ⎥
6T
∂N 6T
⎢ i ⎥ ⎢ ∂ξ ⎥
⎢ ∂x ⎥
⎢ ⎥ = J−1 ⎢⎢ 6T ⎥ .
⎥ (4.73)
⎣ ∂ N6T ⎦ ⎣ ∂ Ni ⎦
i
∂y ∂η
Na forma matricial
−1
i =J
∇N6T G N6T
i . (4.74)
Para o caso geral de um elemento com nn número de nós, pode-se definir a matriz B como
B = b1 b2 · · · bi · · · bnn (4.76)
4.4 Modelo de Aproximação do Problema de Otimização 67
sendo bi uma submatriz, que está associada ao ponto nodal i do elemento finito, e que tem a
forma ⎡ ⎤
⎢ ∂ Ni 0 ⎥
⎢ ∂x ⎥
⎢ ⎥
⎢ ∂ Ni ⎥
bi = ⎢
⎢ 0
⎥.
⎥ (4.77)
⎢ ∂y ⎥
⎢ ⎥
⎣ 1 ∂ Ni 1 ∂ Ni ⎦
2 ∂y 2 ∂x
O problema de otimização tem por objetivo minimizar a massa estrutural, a função objetivo
é definida como
min ρ (x) dΩ (4.78)
Ω
esta pode ser escrita de forma discreta de modo a ser utilizado o Método dos Elementos Finitos.
Considerando ρ (x) =cte, ∀ x ∈ Ω, a função objetivo pode ser reescrita, de modo adimensional,
da seguinte forma
1
min dΩ (4.79)
Ω Ω
sendo Ω o volume de toda a estrutura. O domínio Ω é “aproximadamente” particionado em
elementos Ωe , daí
1 ne
min ∑ dΩ (4.80)
Ω e=1 Ωe
sendo definido que ge (x) = max{0, ge (x)}, representando a parte positiva de ge (x).
4.4 Modelo de Aproximação do Problema de Otimização 68
Agora, como resultado das considerações anteriores e sabendo que Ωe = Ωe (s), o problema
pode ser aproximado como:
i. Função objetivo
ne
f (s) = s min
∑ dΩ (4.84)
e=1 Ωe
ii. sujeito a
#1
1 ne
p
ḡ(s) = ∑
Ω e=1 Ωe
ge (x(s)) dΩ p
=
#1
1 ne
p
!
1
∑
Ω e=1 !e
Ω
p
ge (x(s)) |J|d Ω = Gp ≤ 0 (4.85)
sendo
a(u, v) = Dε (u) · ε (v) dΩ (4.88)
Ω
e
l(v) = ρ b · v dΩ + t̄ · v dΓ (4.89)
Ω Γt
conforme definido na seção 4.2.4. Daí denota-se por S = {s ∈ Rns | sin f ≤ s j ≤ ssup } o conjunto
solução.
4.5 Análise da Sensibilidade 69
4.5.1 Sensibilidade de £A
d ḡ ∂ ḡ 2nn ∂ ḡ duk
= +∑ (4.92)
ds j ∂ s j k=1 ∂ uk ds j
Daí
∂K ∂u ∂ Fext
u+K = (4.95)
∂sj ∂sj ∂sj
denotando
∂u
Rj = K (4.96)
∂sj
então
∂ Fext ∂ K
Rj = − u (4.97)
∂sj ∂sj
∂ Fext
sendo que = 0 , daí
∂sj
∂K
Rj = − u (4.98)
∂sj
∂u
= K−1 {R j } (4.99)
∂sj
d ḡ ∂ ḡ & '
= + ∇u ḡ, K−1 {R j } (4.100)
ds j ∂ s j
d ḡ ∂ ḡ & −T '
= + K ∇u ḡ, R j (4.101)
ds j ∂ s j
então
d ḡ ∂ ḡ & j j '
= + Z ,R (4.104)
ds j ∂ s j
sendo Z j é o vetor solução do sistema da equação (4.103).
Sendo ḡ definida como na equação (4.85), observe que Ω = Ω(x(s)), então derivando em
relação a s j , tem-se
ne ne
d ḡ 1 1
−1 −2 ∂ Ω ∂ ge
ds j
= (G)
p
p −Ω ∑
∂ s j e=1 Ωe!
ge |J|dΩ + Ω ∑
p −1
!
p ge p−1
∂sj
|J|
e=1 Ωe
p ∂ |J|
+ge dΩ (4.105)
∂sj
Mas
σe2f = H σ · σ (4.109)
∂ ∂
[σe f ]2 = [H σ · σ ] (4.110)
∂sj ∂sj
∂ σe f ∂
2σe f = 2 Hσ · σ (4.111)
∂sj ∂sj
4.5 Análise da Sensibilidade 72
∂σ ∂ ∂ ε (u)
= [Dε (u)] = D (4.113)
∂sj ∂sj ∂sj
então, a sensibilidade é dada por
∂σ ∂ (Bqe ) ∂B ∂ qe
=D =D qe + B . (4.114)
∂sj ∂sj ∂sj ∂sj
denominando
∂B 1 ∂ |J|
B∗ = + B (4.118)
∂ s j |J| ∂ s j
conseqüentemente a equação (4.116) pode ser escrita como
∂ Ke ∂ BT T ∗ !e
= D B + B D B |J|d Ω (4.119)
∂sj !e ∂ s j
Ω
∂ ḡel
Para calcular , temos a equação (4.122) para cada elemento
∂u
∂ ḡel ∂ ge (·) !
= ge (·) p−1 |J|d Ω (4.122)
∂u !e
Ω ∂ ue
sendo a restrição de tensão von Mises é definida pela equação (4.81), pode reescrever como
σe f
ge = −1 ≤ 0 (4.123)
σy
sendo
σe2f = H σ · σ
σ e = D B qe (4.124)
denotando
1
w̄ = DHσ (4.129)
σe f
assim
∂ σe f
= w̄ · Bk (4.130)
∂ ur
sabendo que
B = B1 B2 · · · Bk · · · Bngl (4.131)
∂ σe f
= BT w̄ (4.132)
∂ ue
representa toda a contribuição do e-ésimo elemento. Daí, derivando ge na equação (4.123)
∂ ge 1
= BT w̄ (4.133)
∂ u e σy
Uma estratégia de medir a distorção do elemento finito ao longo do processo iterativo é uma
etapa de suma importância para o sucesso do Método de Otimização de Forma.
4.7 Implementação Numérica do PMOF 75
A estratégia adotada neste trabalho é mesma utilizada por [COSTA JR., 2003; SILVA, 2007]
para determinar o refinamento da malha que consiste em medir a qualidade de cada elemento
triangular de tal forma que os elementos sejam o mais próximo possível de um triângulos equi-
láteros, a qual é definida por
6Ae
Qe = √ (4.135)
e P
3Lmax e
onde: Qe ⇒ é a medida da qualidade de elemento;
O fator de qualidade adotado para gerar um nova malha é Qe ≤ 0, 45. Assim, a nova malha
é gerada para um novo domínio e a estrutura de dados é atualizado para o processo recursivo,
conforme a figura 4.5.
Pré-processamento: envolve duas etapas por intermédio de dois arquivos input.dat e GiD.dat
respectivamente, sendo que a primeira etapa no arquivo input.dat é definida a geometria
da estrutura, as condições de contorno, informações sobre as propriedades do material e a
relação do tamanho do elemento finito. O programa PMOF armazena essas informações
em um banco de dados, posteriormente gera um arquivo de saída do tipo Gid.dat e por
meio de comando interno executa o GiD, de modo automático, para iniciar a segunda
etapa que consiste em gerar a malha de elementos finitos num arquivo output.dat;
Pós-processamento: visualização gráfica dos resultados através das combinações das infor-
mações da malha de elementos finitos, do critério de tensão de von Mises e a deformação
pelo pelo arquivos GiD_.msh e GiD_.res que são gerados pelo algoritmo.
Inicio
Lê os dados de
3
entrada
Determinar a
Gera banco de
Direção de
dados do modelo
Descida
MOF
1
Executa o gerador Determinar o
de Malha EF Tamanho do
Passo de Descida
Gera o banco de
dados da estrutura Calcular
EF s k +1 = s k + a k d k
Calcula a Calcular
Qualidade da
F=Ku(s)
Malha EF
Calcular
-1
Não u=K F
Qe > 0.45 1
Calcula a
2 Sim
Qualidade da
Análise da Malha EF
estrutura pelo MEF
Não
Análise da Qe > 0.45 1
Sensibilidade
Sim
Imprime 2
Resultado
Fim
Neste capítulo são apresentados os resultados numéricos de estruturas lineares sob estado
plano de tensão, de maneira a verificar a potencialidade do software de otimização de forma,
denominado por PMOF.
O algoritmo do PMOF tem como objetivo reduzir a massa estrutural de problema bidimen-
sional submetida ao critério de tensão de von Mises, caracterizado pela modelagem geométrica
de curvas β -splines com a finalidade de obter contornos suaves no segmento e uma homogenei-
dade de tensão na estrutura otimizada.
O PMOF, por ser um programa que processa dados numéricos, não possui um sistema de
unidade definida. Portanto, os dados inseridos deverão ter uma consistência em um referencial
de sistema de unidade adotado.
Por simplicidade, adota-se o Sistema Internacional de Unidade - (SI) onde são utilizados as
propriedades mecânica do aço ASTM-A36 para os exemplos, ver as propriedade do material na
tabela 5.1. As dimensões geométricas do projeto estão especificadas em metros [m] e as estru-
turas sob carregamento distribuído uniforme em [N/m] correspondente a tensão de escoamento
σy de maneira a poder ser verificado em determinadas situações uma distribuição homogênea de
tensão após processo de otimização. Para os exemplos são adotados carregamentos distribuídos
uniformes.
FX - Ponto-chave fixo: informa qual o ponto-chave que não pertence ao conjunto das variáveis
de projeto. Isto é, durante o processo de otimização as coordenadas geométricas (x, y),
não são alteradas;
FP - Ponto-chave livre: informa qual o ponto-chave que pertence ao conjunto das variáveis de
projeto. Portanto, existe alteração nas coordenadas geométricas (x, y) durante o processo
de otimização. Por ter dois graus de liberdade, adicionam-se ao problema duas variáveis
de projeto;
FV - Ponto-chave livre na direção vetorial: informa que o ponto-chave está livre para alte-
ração nas coordenadas geométricas de acordo com a direção do vetor unitário prescrito
durante o processo de otimização, isto reduz um grau de liberdade ao movimento, adicio-
nando uma variável ao conjunto das variáveis de projeto.
5.1 Exemplo 01
Uma estrutura sob esforço de tração na extremidade mostrada na figura 5.1, é um exemplo
com solução trivial de uma barra tracionada. Contudo tem por objetivo testar os resultados do
algoritmo PMOF quanto à funcionalidade, à estabilidade de solução, à geração automática da
malha. Para este caso é considerada a simetria do problema.
A figura 5.1.a ilustra a concepção da geometria inicial do problema físico representado por
segmentos de retas, que consiste de um apoio em a, com carregamento distribuído em b de
intensidade de 250 N/m e com a área inicial de 17, 0 m2 .
Na figura 5.1.b ilustra a descrição do modelo de otimização de forma que é definido por 4
segmentos de curvas β -splines, onde existem 8 pontos-chave, sendo que os pontos 1 − 2 − 5 − 6
são pontos-chave fixos e os pontos-chave livres são 3 − 4 − 7 − 8 correspondendo a dois graus
de liberdades nas direções (x, y) para cada ponto-chave, que terão as suas coordenadas alteradas
de acordo com as iterações do algoritmo proposto para determinar o ótimo leiaute da estrutura.
Portanto, existem 8 variáveis de projeto.
Na figura 5.2.a visualiza-se a malha inicial do modelo aproximado pelo MEF. Observa-se
que a forma geométrica da figura 5.2.a é diferente da concepção da figura 5.1.b, isto se deve a
quantidade de pontos-chave no segmento na representação pelas curvas β -splines. No entanto,
para esse exemplo isto não influenciará no resultado final. Porque os pontos-chave são inter-
polados nos pontos desejados a ser otimizados. Na figura 5.2.b mostra o resultado leiaute final
proposto pelo PMOF com o mapa da tensão. Na tabela 5.2 encontra os valores das restrições
dos limites geométricos impostas para cada grau de liberdade com seus respectivos valores das
coordenadas de ótimo, inicial e final, e na tabela 5.3 apresentam os resultados numéricos da
função objetivo.
Observa-se que na figura 5.2.b mostra uma homogeneidade na distribuição da tensão efetiva
de von Mises em quase toda superfície com uma violação de 1, 500% do critério de tensão, isto
se deve ao fato do método da penalidade exterior penalizar a função restrição de tal forma que
a aproximação seja efetuada a partir da região “violada”.
5.2 Exemplo 02 82
5.2 Exemplo 02
Neste exemplo, analisa-se a simetria da estrutura tracionada com situação diferenciada pelo
tipo de grau de liberdade conforme a figura 5.3 com 2 pontos-chave.
Na figura 5.4 visualiza-se o modelo discreto e a forma proposta pelo PMOF com o mapa
do critério de tensão, na tabela 5.4 encontram os valores das restrições dos limites geométricos
impostas para cada caso com os seus respectivos valores de ótimos e com as coordenadas inici-
5.3 Exemplo 03 84
ais e finais. Na tabela 5.5 o vetor unitário da direção e na tabela 5.6 os resultados numéricos da
função objetivo.
Caso Pch-TP Eixo Lim. inf. (m) C. ótimo (m) C. inicial (m) C. final (m) Lim. sup. (m)
x1 −2, 300000 −2, 015542 2, 500000 0, 484458 0, 000000
1 3-FP
y1 −1, 000000 0, 364880 2, 500000 2, 864880 1, 000000
2, 500000 0, 481684
2 3-FV u1 -2,300000 -2,018317 0,000000
2, 500000 2, 500000
Legenda: Pch→ Ponto-Chave , TP→ Tipo de ponto-chave, Lim.→ Limite, inf.→ inferior, C.→ Coordenada, sup.→ superior
Nota-se que nos dois casos, mesmo partindo das mesmas coordenadas iniciais, houve uma
leve diferenças nos resultados e sem alterar a forma final da estrutura que pode ser percebido
pelo tamanho da área final e das coordenadas finais.
Sendo que no primeiro caso, tem uma melhor distribuição da tensão em toda a superfí-
cie, com violação no critério de 0, 306% em relação ao segundo caso, onde a estrutura está
submetida a uma violação de 3, 940%. Esta diferença é ocasionada pela limitação do grau de
liberdade do ponto-chave para segundo caso. No entanto, a flexibilidade no grau de liberdade
para primeiro caso o ocasionou uma melhor movimentação do ponto-chave no segmento da
curva β -spline e uma suavidade no contorno otimizado.
5.3 Exemplo 03
diferença está no tipo de grau de liberdade. Com uma carga distribuída de 250 N/m e com a
área inicial de 17, 0 m2 .
Caso Pch-TP Eixo Lim. inf. (m) C. ótimo (m) C. inicial (m) C. final (m) Lim. sup. (m)
x1 −2, 200000 −2, 014822 2, 500000 0, 485179 0, 000000
3-FP
y1 0, 000000 0, 000000 2, 000000 3, 000000 0, 000000
1
x2 −2, 200000 −2, 014698 2, 500000 0, 485302 0, 000000
4-FP
y2 0, 000000 0, 000000 3, 000000 3, 000000 0, 000000
2, 500000 0, 485180
3-FV u1 −2, 300000 −2, 014822 0,000000
2, 000000 0, 000000
2
2, 500000 0, 485303
4-FV u2 −2, 200000 −2, 014697 0,000000
3, 000000 0, 000000
Legenda: Pch→ Ponto-Chave , TP→ Tipo de ponto-chave, Lim.→ Limite, inf.→ inferior, C.→ Coordenada, sup.→ superior
Na figura 5.6 mostra o modelo discreto com a concepção inicial e a forma final proposta
pelo PMOF com o mapa do critério de tensão e os resultados numéricos estão nas tabelas 5.7 e
5.9, e na tabela 5.8 está a direção do vetor unitário prescrito.
Para ambos os casos não houve nenhuma alteração significativa para o resultado final,
isto se deve porque houve uma restrição ao movimento do eixo y por maneiras diferentes,
no primeiro caso através das limitações do espaço geométrico e no segundo caso pelo vetor
unitário.
5.4 Exemplo 04 87
5.4 Exemplo 04
Analisa-se a simetria da estrutura tracionada em duas situações conforme a figura 5.7, com
uma carga distribuída de 250 N/m e com a área inicial de 9, 2 m2 e 9, 4 m2 respectivamente. As
coordenas iniciais dos pontos-chave partem de pontos diferentes para ambas as situações.
Caso Pch-TP Eixo Lim. inf. (m) C. ótimo (m) C. inicial (m) C. final (m) Lim. sup. (m)
x1 −1, 383120 −1, 185886 1, 683120 0, 497234 0, 816880
3-FP
y1 −0, 174120 0, 688723 1, 174120 1, 862843 1, 125880
1
x2 −0, 167456 0, 030305 0, 467456 0, 497761 2, 032544
4-FP
y2 −0, 967970 0, 532030 3, 667970 4, 200000 0, 532030
x1 −0, 167456 0, 029490 0, 467456 0, 496946 0, 632544
3-FP
y1 −0, 374120 −0, 374121 1, 174120 0, 799999 1, 275888
2
x2 −1, 383120 −1, 186387 1, 683120 0, 496733 0, 316880
4-FP
y2 −0, 637382 0, 348618 3, 667970 4, 016588 0, 348618
Legenda: Pch→ Ponto-Chave , TP→ Tipo de ponto-chave, Lim.→ Limite, inf.→ inferior, C.→ Coordenada, sup.→ superior
Na figura 5.8 apresenta o modelo discreto na concepção inicial e a forma final proposta
pelo PMOF com o mapa do critério de tensão e os resultados numéricos estão nas tabelas 5.10
e 5.11.
Para ambos os casos, observa-se que partindo de diferentes pontos-chave tenderam para a
mesma forma geométrica e com a solução das funções objetivas aproximadas. Pode ser visto,
através da área final e a variação da tensão na superfície de ambos os casos.
5.5 Exemplo 05
Analisa-se a simetria da estrutura tracionada em três situações conforme a figura 5.9 com
3 pontos-chave, sendo que as coordenas iniciais dos pontos-chave partem de pontos diferentes
para as três situações. Para os casos 1 e 2 com a área inicial de 5, 6 m2 e caso 3 com a área
inicial de 9, 8 m2
Na figura 5.10 visualiza-se o modelo discreto e a forma proposta pelo PMOF com o mapa
do critério de tensão.
5.5 Exemplo 05 90
Na tabela 5.12 encontra os valores das restrições dos limites geométricos impostas para
cada grau de liberdade com seus respectivos valores das coordenadas de ótimo, inicial e final.
Na tabela 5.13 está a direção do vetor unitário prescrito e na tabela 5.14 os resultados numéricos
da função objetivo.
Caso Pch-TP Eixo Lim. inf. (m) C. ótimo (m) C. inicial (m) C. final (m) Lim. sup. (m)
x1 −0, 474580 −0, 176271 0, 674580 0, 498309 0, 117185
3-FP
y1 −0, 361038 −0, 105108 1, 011880 0, 906772 0, 136080
x2 −0, 182815 0, 118739 0, 382815 0, 501554 0, 499218
1 4-FP
y2 −0, 353690 0, 166670 2, 554450 2, 721120 0, 166670
x3 −0, 499218 −0, 201966 0, 699218 0, 497252 0, 117185
5-FP
y3 −0, 288490 0, 202639 3, 953610 4, 156249 0, 202640
0, 674580 0, 476679
3-FV u1 −0, 474580 −0, 197901 0,117185
1, 011880 1, 011880
0, 382815 0, 479209
2 4-FV u2 −0, 182815 0,096394 0,499218
2, 554450 2, 554450
0, 699218 0, 476648
5-FV u3 −0, 499218 −0, 222570 0,117185
3, 953610 3, 953610
x1 −0, 075482 0, 100667 0, 375482 0, 476149 1, 324518
3-FP
y1 −0, 338450 −0, 338450 1, 338450 1, 000000 0, 361550
x2 −2, 252130 −2, 071581 2, 552130 0, 480549 0, 147870
3 4-FP
y2 −0, 500000 0, 500002 2, 500000 3, 000002 0, 500000
x3 −0, 164845 0, 011110 0, 464845 0, 475955 1, 335155
5-FP
y3 −0, 459230 0, 140770 3, 859230 4, 000000 0, 140770
Legenda: Pch→ Ponto-Chave , TP→ Tipo de ponto-chave, Lim.→ Limite, inf.→ inferior, C.→ Coordenada, sup.→ superior
Nota-se para o três casos, mesmo alterando as posições iniciais de partida, o grau de liber-
dade e o refino da malha tenderam para mesma solução aproximada com homogeneidade no
critério de tensão.
5.6 Exemplo 06
Neste problema tem com objetivo testar o comportamento algoritmo quando ao travamento
pelo efeito de Poisson. Para isso é alterado coeficiente de Poisson para os seguintes valores:
ν = 0, 45; ν = 0, 47; ν = 0, 48; ν = 0, 49 e ν = 0, 499 a concepção do projeto é mostrada na
figura 5.11 que consiste de uma apoio em a com uma carga distribuída em b de intensidade de
250 N/m e com a área inicial de 18 m2 . Analisa-se a simetria da estrutura.
Na figura 5.12 visualiza-se o modelo discreto e a forma proposta pelo PMOF com o mapa
do critério de tensão.
Na tabela 5.15 encontra os valores das restrições dos limites geométricos impostas para
cada grau de liberdade com seus respectivos valores das coordenadas de ótimo, inicial e final, e
na tabela 5.16 os resultados numéricos da função objetivo.
O programa comportou-se com uma boa estabilidade numérica como pode observar nos
resultados numéricos nas tabelas 5.15 e 5.16, e na figura 5.12 que visualiza a malha inicial do
modelo aproximado pelo MEF, tendo uma homogeneidade na distribuição da tensão efetiva de
von Mises em quase toda superfície.
5.6 Exemplo 06 93
Caso Pch-TP Eixo Lim. inf. (m) C. ótimo (m) C. inicial (m) C. final (m) Lim. sup. (m)
x1 −2, 120000 −2, 015848 2, 50000 0, 484152 0, 000000
3-FP
y1 −0, 500000 −0, 500000 1, 70000 1, 200000 0, 600000
1
x2 −2, 120000 −2, 015500 2, 50000 0, 484500 0, 000000
4-FP
y2 −0, 500000 0, 600001 3, 20000 3, 800001 0, 600000
x1 −2, 120000 −2, 010406 2, 50000 0, 489594 0, 000000
3-FP
y1 −0, 500000 −0, 500000 1, 70000 1, 200000 0, 600000
2
x2 −2, 120000 −2, 009212 2, 50000 0, 490788 0, 000000
4-FP
y2 −0, 500000 0, 600000 3, 20000 3, 800000 0, 600000
x1 −2, 120000 −2, 008922 2, 50000 0, 491078 0, 000000
3-FP
y1 −0, 500000 −0, 500000 1, 70000 1, 200000 0, 600000
3
x2 −2, 120000 −2, 009332 2, 50000 0, 490668 0, 000000
4-FP
y2 −0, 500000 0, 600000 3, 20000 3, 800000 0, 600000
x1 −2, 120000 −2, 008962 2, 50000 0, 491038 0, 000000
3-FP
y1 −0, 500000 −0, 500000 1, 70000 1, 200000 0, 600000
4
x2 −2, 120000 −2, 008987 2, 50000 0, 491013 0, 000000
4-FP
y2 −0, 500000 0, 600000 3, 20000 3, 800000 0, 600000
x1 −2, 120000 −2, 011677 2, 50000 0, 488323 0, 000000
3-FP
y1 −0, 500000 −0, 500000 1, 70000 1, 200000 0, 600000
5
x2 −2, 120000 −2, 011318 2, 50000 0, 488682 0, 000000
4-FP
y2 −0, 500000 0, 600000 3, 20000 3, 800000 0, 600000
Legenda: Pch→ Ponto-Chave , TP→ Tipo de ponto-chave, Lim.→ Limite, inf.→ inferior, C.→ Coordenada, sup.→ superior
5.7 Exemplo 07
Uma estrutura em L sob esforço na extremidade de menor seção transversal como mostra
na figura 5.13, onde a concepção geometria do problema físico é mostrada na figura 5.13.a
que consiste por dois apoios em a e b com uma carga distribuída em c de intensidade de 250
N/m e com uma área de 72 m2 . A concepção do modelo para otimização de forma, é vista na
figura 5.13.b, e é descrita por 7 pontos-chave, formado por 4 segmentos de curvas β -splines. Os
segmentos que serão otimizados são 3 − 4 e tendo 6 variáveis de projeto (os pontos 4 − 5 − 6).
Nas tabelas 5.17 e 5.19 encontram os valores resultados numéricos e na tabela 5.18 está a
direção do vetor prescrito, e na figura 5.14 o resultado da simulação.
Para evitar que as coordenadas do ponto-chave 4 tenha uma intersecção nos pontos-chave
3 e 5 é limitado o intervalo da geometria e alterada a posição inicial da coordenada, conforme a
tabela 5.15.
Segmento Pch-TP Eixo Lim. inf. (m) C. ótimo (m) C. inicial (m) C. final (m) Lim. sup. (m)
6, 010000 11, 609999
4-FV u1 0,000000 5,599999 5,600000
4, 000000 4, 000000
1
x2 −4, 700000 0, 000000 6, 000000 6, 000000 0, 000000
5-FP
y2 −4, 500000 −4, 091128 8, 000000 3, 908872 0, 000000
0, 000000 0, 000000
4 6-FV u3 -4,500000 -4,068692 0,000000
8, 000000 3, 931308
Legenda: Pch→ Ponto-Chave , TP→ Tipo de ponto-chave, Lim.→ Limite, inf.→ inferior, C.→ Coordenada, sup.→ superior
5.8 Exemplo 08
Na figura 5.15 mostra-se uma estrutura com duas configurações para o projeto de otimiza-
ção de forma. Onde a estrutura é apoiada nos pontos a e b submetida ao carregamento em c de
intensidade 145 N/m, com uma área inicial de 60, 0 m2 .
Nas figuras 5.16, 5.17 e 5.18 estão os resultados gráficos do critério de tensão e nas tabelas
5.20, 5.21 e 5.22 estão os resultados numéricos obtidos pelo PMOF.
Nota-se para o primeiro caso, tem pico de violação de tensão na região próximas aos apoios
da estrutura, isto pode ser observado atribuindo um limite máximo de leitura conforme mostra
5.8 Exemplo 08 97
a figura 5.16.c. Não existe uma homogeneidade na tensão na estrutura apesar de ter satisfeito
ao critério global da tensão de von Mises e da tolerância numérica. Isto se deve pela limitação
da quantidade de ponto-chave para representar o contorno de forma a suavizar a concentração
de tensão.
Caso Pch-TP Eixo Lim. inf. (m) C. ótimo (m) C. inicial (m) C. final (m) Lim. sup. (m)
x1 −2, 50000 −2, 50000 5, 00000 2, 50000 0, 00000
2-FP
y1 0, 00000 2, 60000 0, 00000 2, 60000 2, 60000
x2 −2, 50000 −2, 49999 5, 00000 2, 50001 0, 00000
1 5-FP
y2 −2, 60000 −2, 60000 12, 0000 9, 40000 0, 00000
x3 0, 00000 2, 80083 0, 00000 2, 80083 4, 00000
8-FP
y3 −0, 20000 0, 20000 6, 00000 6, 20000 0, 20000
x1 −2, 50000 −2, 49999 5, 00000 2, 50001 0, 00000
2-FP
y1 0, 00000 2, 58886 0, 00000 2, 58886 2, 60000
x2 −2, 50000 −2, 35440 5, 00000 2, 64559 0, 00000
5-FP
y2 −2, 60000 −2, 60000 12, 00000 9, 40000 0, 00000
0, 00000 0, 64121
2 8-FV u3 0,00000 0,64121 1,10000
10, 50000 10, 50000
0, 00000 3, 87421
9-FV u4 0,00000 3,87421 4,40000
6, 00000 6, 00000
0, 00000 0, 71084
10-FV u5 0,00000 0,71084 1,10000
1, 50000 1, 50000
x1 −2, 50000 −2, 45507 5, 00000 2, 54493 0, 00000
2-FP
y1 0, 00000 2, 60000 0, 00000 2, 60000 2, 60000
x2 −2, 50000 −2, 45852 5, 00000 2, 54148 0, 00000
5-FP
y2 −2, 60000 −2, 59996 12, 00000 9, 40004 0, 00000
0, 00000 0, 64885
3 8-FV u3 0,00000 0,64885 1,10000
10, 50000 10, 50000
0, 00000 3, 91407
9-FV u4 0,00000 3,91407 4,40000
6, 00000 6, 00000
0, 00000 0, 65034
10-FV u5 0,00000 0,65034 1,10000
1, 50000 1, 50000
Legenda: Pch→ Ponto-Chave , TP→ Tipo de ponto-chave, Lim.→ Limite, inf.→ inferior, C.→ Coordenada, sup.→ superior
No entanto, para o segundo e terceiro caso, onde têm os pontos-chave próximo da região de
concentração de tensão encontrado no primeiro caso, o resultado final mostrado nas figuras 5.17
e 5.18 para os respectivos casos, tem-se uma suavidade no contorno e uma melhor distribuição
de tensão na estrutura principalmente quando a malha é refinada.
Com relação à minimização da massa para as duas situações proposta inicialmente o algo-
ritmo propões estrutura bastante diferentes. Apesar da diferença, a redução das áreas é prati-
camente igual, como mostrado na tabela 5.22. Na realidade, variando-se os pontos-chave e
parâmetros dos algoritmos, diferentes leiautes “ótimas” podem ser obtidas.
5.9 Exemplo 09
Na figura 5.19 mostra-se uma estrutura com duas configurações para o projeto de otimiza-
ção de forma. A estrutura é apoiada nos pontos a e b submetida ao carregamento de tração em
c de intensidade 250 N/m, com uma área inicial de 12, 5 m2 .
Caso Pch-TP Eixo Lim. inf. (m) C. ótimo (m) C. inicial (m) C. final (m) Lim. sup. (m)
2, 500000 2, 500000
3-FV u1 0,000000 1,492034 1,800000
0, 000000 1, 492034
x2 −0, 700000 −0, 633085 5, 000000 4, 366915 0, 200000
6-FP
y2 −0, 400000 0, 028075 1, 000000 1, 028075 0, 400000
x3 −1, 900000 −1, 129034 5, 000000 3, 870966 0, 000000
1 7-FP
y3 −0, 800000 −0, 683329 2, 500000 1, 816671 0, 000000
x4 0, 000000 1, 043445 0, 000000 1, 043445 1, 900000
10-FP
y4 −0, 800000 −0, 800002 2, 500000 1, 699998 0, 000000
x5 −0, 200000 0, 474646 0, 000000 0, 474646 0, 700000
11-FP
y5 −0, 400000 −0, 174362 1, 000000 0, 825638 0, 400000
1, 250000 1, 250000
3-FV u1 0,000000 0,854314 1,000000
0, 000000 0, 854314
2, 500000 2, 500000
4-FV u2 0,000000 1,956821 2,200000
0, 000000 1, 956821
3, 750000 3, 750000
5-FV u3 0,000000 0,855835 1,000000
0, 000000 0, 855835
x4 −0, 800000 −0, 677923 5, 000000 4, 322077 0, 200000
2 8-FP
y4 −0, 300000 −0, 107969 1, 000000 0, 892031 0, 300000
x5 −1, 900000 −1, 357719 5, 000000 3, 642281 0, 000000
9-FP
y5 −0, 900000 −0, 899999 2, 500000 1, 600001 0, 000000
x6 0, 000000 1, 362328 0, 000000 1, 362328 1, 900000
12-FP
y6 −0, 900000 −0, 900000 2, 500000 1, 600000 0, 000000
x7 −0, 200000 0, 610266 0, 000000 0, 610266 0, 800000
13-FP
y7 −0, 400000 −0, 182846 1, 000000 0, 817154 0, 400000
Legenda: Pch→ Ponto-Chave , TP→ Tipo de ponto-chave, Lim.→ Limite, inf.→ inferior, C.→ Coordenada, sup.→ superior
Nas figuras 5.20 e 5.21 visualizam os modelos discretos inicial e as formas final proposta
pelo PMOF com o mapa do critério de tensão de von Mises. Observa-se que o primeiro caso tem
uma violação no critério de tensão nas regiões próximas aos apoios da estrutura. De maneira
para o segundo caso foram selecionados pontos-chave na região de violação para contornar o
problema.
Na tabela 5.23 encontra os valores das restrições dos limites geométricos impostas para
cada grau de liberdade com seus respectivos valores das coordenadas de ótimo, inicial e final,
na tabela 5.24 o vetor unitário da direção prescrita e, na tabela 5.25, os resultados numéricos
da função objetivo. Nota-se que tanto nos resultados numéricos das tabelas com nas figuras
do mapa de tensão de Von Mises que PMOF caminhou para uma homogeneidade da tensão
atendendo o critério e a tolerância imposta ao problema.
Conclui-se que ambos os casos, tem a violação de tensão na região dos apoios da estrutura.
No entanto, o segundo caso tem uma melhor distribuição da tensão devido o número de pontos-
chave existente.
5.10 Exemplo 10
Neste exemplo tem como objetivo de compará o resultado final com as referências [SIENZ,
1994; PARENTE JR., 2000; MACHNIEVSCZ, 2003], que consiste de uma chapa quadrada
com furo central com carga distribuída bi-axial que visa determinar a forma do furo de maneira
a minimizar o volume da chapa mantendo a espessura constante.
Na figura 5.22.b mostra-se o modelo para o problema de otimização de forma com as va-
riáveis de projeto representadas no segmento 2 pelos pontos-chave 2 − 4 − 3 − 5 − 6 onde são
movimentados a partir do ponto inicial em uma direção radial com um raio máximo de 250, 00
mm, e com carregamento distribuído de intensidade p/2 e p nos segmentos 4 − 5 respectiva-
mente.
5.10 Exemplo 10 104
Na figura 5.23 visualiza-se o modelo discreto inicial e as formas final proposta pelo PMOF
com o mapa do critério de tensão de von Mises com 1/4 de simetria.
5.23.a:Malha inicial do modelo discreto do Exemplo 10 5.23.b:Resultado da otimização do Exemplo 10 para 1/4
para 1/4 simetria simetria
Na tabela 5.26 encontra os valores das restrições dos limites geométricos impostas para cada
ponto-chave com seus respectivos valores das coordenadas de ótimo, inicial e final, na tabela
5.27 encontra-se o ângulo da direção do vetor unitário prescrito com os respectivos valores
unitários, na tabela 5.28 os resultados numéricos da função objetivo e na tabela 5.29 relaciona
os valores encontrados pelas referências com obtidos neste trabalho.
5.10 Exemplo 10 105
Pch-TP Eixo Lim. inf. (mm) C. ótimo (mm) C. inicial (mm) C. final (mm) Lim. sup. (mm)
400, 00000 300, 772
2-FV u1 0,000000 99,2277 250,00000
0, 0000000 0, 00000
419, 03011 188, 060
3-FV u2 0,000000 250,0000 250,00000
95, 67085 191, 342
473, 22330 304, 619
4-FV u3 0,000000 238,4420 250,00000
176, 77669 345, 381
554, 32914 497, 766
5-FV u4 0,000000 147,8040 250,00000
230, 96988 367, 524
650, 00000 650, 000
6-FV u5 0,000000 99,9971 250,00000
250, 00000 349, 997
Legenda: Pch→ Ponto-Chave , TP→ Tipo de ponto-chave, Lim.→ Limite, inf.→ inferior, C.→ Coordenada, sup.→ superior
O volume inicialmente calculado pelo PMOF é de 149365 mm3 , reduziu-se para 107795
mm3 , um valor aproximado dos encontrados na literatura. No entanto, tensão máxima obtida
em relação aos demais algoritmos é violado, isto se deve pelo método adotado neste trabalho
que atende ao critério global de tensão de von Mises e não ao critério que atenda o domínio
da fronteira a ser otimizada como proposto nos demais trabalhos. Na figura 5.24 visualiza-se o
resultado final da chapa com o furo centrado.
5.10 Exemplo 10 106
A limitação observada durante a execução dos exemplos estimula uma melhoria da proposta
do trabalho, tais como:
- Implementação de uma função restrição de critério local de tensão no contorno para limi-
tar a tensão máxima de projeto;
- Extensão da formulação com técnicas de criação de bolhas no domínio interno que atenda
aos critérios de restrições de von Mises;
- Utilização de curva spline do tipo Catmull-Rom que tem a característica que os pontos-
chave são os mesmos pontos de controle, o diferencia da B-spline;
- Integração do software tipo CAD que define o modelo geométrico, pode ser introduzido
a um programa de geração de malha para posterior análise de otimização de forma;
- Aplicação de refino h-adaptativo na malha de elementos finitos proposto por Costa Jr.
[2003] para identificar as regiões críticas de elevados gradientes diminuindo o erro numé-
rico provocado pela pertubação nas mesmas;
ARORA, J. S. Introduction to Optimum Design. 2a . ed. New York: McGraw-Hill Book Com-
pany, 2004.
AVILA, S. L.; LIMA, C. B.; CARPES JR., W. P. Otimização conceitos básicos, ferramentas
e aplicações. Revista de Automação e Tecnologia da Informação, CTAI-SENAI, Florianópolis
- SC, v. 2, n. 1, p. 70–75, 2003.
BATHE, K. J. Finite Element Procedures. 4a . ed. New Jersey: Prentice Hall, 1996.
BUELOW, P. von. An Intelligent Genetic Design Tool (IGDT) Applied to the Exploration
of Architectural Trussed Structural Systems. Tese (Doctor of Philosophy) — University of
Stuttgart: Institute for Lightweight Structures and Conceptual Design (ILEK), Germany, June
2007.
CEA, J. Numerical methods of shape optimal design. In: HAUG, E.; CEA, J. (Editors).
Optimization of Distributed Parameter Structures. Alphen aan den Rijn - Netherlands: Sijthoff
& Noordhoff, p. 1049–1087, 1981.
CHOI, K.; HAUG, E. J. Shape design sensitivity analysis of elastic structures. Journal of
Struct Mechanics, v. 11, p. 231–269, 1983.
COOK, R. D. Finite Element Modeling for Stress Analysis. 3a . ed. New York: John Wiley &
Sons, INC, 1995.
CRAIG JR., R. R. Mecânica dos Materiais. 2a . ed. São Paulo: LTC - Livros Técnicos e Cien-
tíficos Editora, 2003.
FARIN, G. E. Curves and Surfaces for Computer Aided Geometric Design. 4a . ed. New
York: Academic Press, 1988.
FLETCHER, R. Practical Methods of Optimization. 2a . ed. Great Britain: John Wiley and
Son, 2000.
FOLEY, J. D.; DAM, A. van; FEINER, S. K.; FEINER, S. K.; HUGHES, J. F. Computer
Graphics: Principles and Practice. 2a . ed. USA: Addison Wesley Professional, 1996.
FYLSTRA, D.; LASDON, L.; WATSON, J.; WAREN, A. Design and use of the microsoft
excel solver. Interfaces, INFORMS, v. 28, n. 5, p. 29–50, May 1998.
GEDIG, M.; STIEMER, S. Decision tools for the engineering of steel structures. Electronic
Journal of Structural Engineerin, eJSE International, p. 19–38, 2006.
Referências Bibliográficas 112
GOMES, J.; VELHO, L. Computação Gráfica Volume 1. 1a . ed. Rio de Janeiro: Instituto de
Matemática Pura e Aplicada - IMPA, 1998.
HAUG, E.; CHOI, K.; KOMKOV, V. Design sensitivity analysis of structural system.
Orlando-FL: Academic Press, 1986.
HOLZLEITNER, L.; MAHMOU, K. Structural shape optimization using msc/nastran and se-
quential quadratic programming. Computers and Structures, Elsevier Science, v. 70, n. 5, p.
487–514, February 1999.
JARRAYA, A.; DAMMAK, F.; ABID, S.; HADDAR, M. Shape and thickness optimization
performance of a beam structure by sequential quadratic programming method. Journal
of Failure Analysis and Preven, Springer Boston, v. 7, n. 1, p. 50–55, February 2007.
LASDON, L. S.; WAREN, A. D.; JAIN, A.; RATNER, M. Design and testing of a generalized
reduced gradient code for nonlinear programming. ACM Transactions on Mathematical
Software, ACM, v. 4, n. 1, p. 34–50, March 1978.
MOTTRAM, J. T.; SHAW, C. T. Using Finite Elements in Mechanical Design. 1a . ed. London:
McGraw-Hill Book Company, 1996.
PAPADRAKAKIS, M.; LAGAROS, N.; TSOMPANAKIS, Y.; PLEVRIS, V. Large scale struc-
tural optimization: Computational methods and optimization algorithms. Archives of
Methods in Engineering, v. 8, n. 3, p. 239–301, 2001.
PIEGL, L.; TILLER, W. The NURBS Book. 2a . ed. New York: Springer, 1997.
PORTER, C. S.; BAKER, M.; ALONGE, F.; SUTTON, M.; MUNSON, M. J. The integrated
hypersonic aeromechanics tool structural module. In: AIAA - AMERICAN INSTITUTE
OF AERONAUTICS AND ASTRONAUTICS. USA: 12a International Space Planes and Hy-
personic Systems and Technologies, 2003.
SADD, M. H. Elasticity – Theory, Applications, and Numerics. 04. ed. New York: Elsevier,
2005.
SCHMIT, L. A. Structural design by systematic systhesis. In: ASCE. New York - USA:
Proceedings 2a Conference on Electronic Computation, p. 105–122, 1960.
SMITH, J.; HODGINS, J.; OPPENHEIM, I.; WITKIN, A. Creating models of truss struc-
tures with optimization. ACM Transactions on Graphics, ACM Association for Computing
Machinery, v. 21, n. 3, p. 295–301, July 2002.
XU, B.; JIANG, J. S.; OU, J. P. Integrated optimization of structural topology and con-
trol for piezoelectric smart trusses using genetic algorithm. Journal of sound and vibration,
Elsevier, v. 307, p. 393–427, May 2007.
YAMAGUCHI, F. Curves and surfaces in computer aided geometric design. 1a . ed. New
York: Springer-Verlag, 1988.
onde φ (s, ηk ) é a função objetivo penalizada, f (s) é a função objetivo original, ηk é o parâmetro
de penalidade, k é o indicador de iteração, e ψ (s) é a função de penalidade.
A função penalidade é definida nos seguintes métodos: Penalidade Exterior que penaliza
a função objetivo de forma que as restrições são violadas, sendo que a solução está na região
inviável; Penalidade Interior penaliza a função objetivo de forma que as restrições não são
violadas, sendo que a solução está na região viável.
A função objetivo é penalizada nos limites exterior da região factível com é ilustrado na
figura A.1 e é definida como:
m p
ψ (s) = ∑ {max[0, gi (s)]} + ∑ [h j (s)]2
2
(A.2)
i=1 j=1
Quando a função penalidade ψ (s) = 0 (for igual à zero), então, φ (s, ηk ) ⇒ f (s), isto é,
todas as restrições são satisfeitas e a função objetivo penalizada equivale a função original.
Caso contrário, uma ou mais restrições são violadas, e o quadrado da função ψ (s) é adicionado
na função φ (s, ηk ).
A.2 Método da Função de Penalidade Interior 117
O grau quadrático das restrições da função ψ (s) garante a continuidade e assegura que
a primeira derivada seja nula sobre a fronteira da região factível e descontínua para segunda
derivada limitado a região factível. Isto pode ocasionar um mal-condicionamento numérico
para o método de otimização. A seguir temos um algoritmo de implementação do método.
A função objetivo é penalizada na região factível quando o ponto s se aproxima dos limites
da fronteira com é ilustrado na figura A.2 e é definida como:
m
ψ (s) = ∑ log[−gi (s)] (A.3)
i=1
a sua utilização é apenas para restrição de desigualdade. Com isso, a função função penalidade
é definida por:
m
min φ (s, ηk ) = f (s) − ηk ∑ log[gi (s)] (A.4)
i=1
A.2 Método da Função de Penalidade Interior 118