UTILIZAÇÃO DO CAOS POLINOMIAL PARA ANÁLISE DAS CURVAS DE RESSONÂNCIA ESTOCÁSTICAS DE PAINÉIS CILÍNDRICOS - Anna Elizabete

UNIVERSIDADE FEDERAL DE GOIÁS
ESCOLA DE ENGENHARIA CIVIL E AMBIENTAL

PROGRAMA DE PÓS-GRADUAÇÃO EM GEOTECNIA,
ESTRUTURAS E CONSTRUÇÃO CIVIL
UTILIZAÇÃO DO CAOS POLINOMIAL

PARA ANÁLISE DAS CURVAS DE
RESSONÂNCIA ESTOCÁSTICAS DE
PAINÉIS CILÍNDRICOS
ANNA ELIZABETE FONSECA PALLA
GOIÂNIA
2020
ANNA ELIZABETE FONSECA PALLA
UTILIZAÇÃO DO CAOS POLINOMIAL

PARA ANÁLISE DAS CURVAS DE
RESSONÂNCIA ESTOCÁSTICAS DE
PAINÉIS CILÍNDRICOS
Dissertação apresentada ao Programa de Pós-

Graduação em Geotecnia, Estruturas e Construção
Civil área de concentração de Mecânica das
Estruturas para a obtenção do título de Mestre em
Engenharia Civil.
Área de concentração: Mecânica das estruturas
Orientador: Frederico Martins Alves da Silva
GOIÂNIA
2020
Dados Internacionais de Catalogação na Publicação na (CIP)
GPT/BC/UFG
Palla, Anna Elizabete Fonseca.

Utilização do Caos Polinomial para análise das curvas de
ressonância estocásticas de painéis cilíndricos [manuscrito] /
Anna Elizabete Fonseca Palla. - 2020.
143 f. : il., figs, tabs.
Orientador: Prof. Dr. Frederico Martins Alves da Silva;

Dissertação (Mestrado) – Universidade Federal de Goiás,
Escola de Engenharia Civil, 2020.
Bibliografia.
Inclui lista de figuras, símbolos e tabelas.
Apêndices.
1 Painel cilíndrico.2 Parâmetros aleatórios.3 Método de

Galerkin Estocástico.4 Polinômio de Legendre-Caos. 5
Dinâmica não-linear I. Título.
A. E. F. PALLA
AGRADECIMENTOS
Agradeço a Deus primeiramente, por me orientar e guiar nesse longo caminho da vida.
Aos meus pais por terem me proporcionado a melhor educação e me incentivado a sempre
buscar pelo conhecimento. Em especial, a minha mãe, Yara, como professora e pesquisadora
sempre foi o meu maior exemplo dentro dessa profissão. Obrigada por me ensinar tanto.
A toda a minha família, irmãos, padrasto, madrasta, avós, tios, primos, agradeço por todo o
apoio e paciência nos momentos de ausência. Vocês sempre foram a minha melhor torcida.
Amanda, Neto, Clara, Gabriel e Augusto, meu eterno amor a vocês que sem saber me
incentivam a ser sempre melhor como irmã e pessoa.
Ao meu querido companheiro de vida, Bruno, agradeço por todo o seu amor, apoio, incentivo
e paciência nos momentos mais difíceis. Obrigada a você e sua família por todo carinho.
Gratidão a minha eterna e inesquecível turma de Mestrado, Ericka, Guilherme, Phablo e

Kenia, por toda união e parceria ao longo de todo o período de aulas e pesquisa, vocês fizeram
a diferença em inúmeros momentos.
A todos os meus amigos que me apoiaram e fizeram parte de mais um grande desafio. A
amizade e o carinho de vocês foram de grande valia durante todo esse processo.
Agradeço ao professor Frederico, por toda a orientação e dedicação ao longo de todos esses
anos desde a Graduação. Obrigada por toda paciência, incentivo e confiança em mim.
Também agradeço ao Programa de Pós-Graduação em Geotecnia, Estruturas e Construção

Civil da Universidade Federal de Goiás e funcionários e aos demais docentes, Renata, Zenon,
Sylvia e Daniel por todo o conhecimento transmitido.
Ao CNPq, pelo incentivo e apoio financeiro, de extrema importância na realização e

desenvolvimento deste trabalho.
A. E. F. PALLA
RESUMO
Este trabalho analisa a influência da incerteza de parâmetros físicos e geométricos na

dinâmica não linear de painéis cilíndricos. Este estudo parte do pressuposto de que os
parâmetros físicos e geométricos do painel cilíndrico, a espessura, o raio e o módulo de
elasticidade, são variáveis aleatórias contínuas. Assim, à luz da teoria não linear de Donnell
sobre cascas abatidas, a investigação apresenta as equações de movimento do painel cilíndrico
a partir dos funcionais de energia potencial total e cinética. Os parâmetros físicos e
geométricos, considerados como aleatórios, possuem distribuição de probabilidade uniforme e
são inseridos, em um primeiro momento, individualmente na equação diferencial parcial de
movimento do painel cilíndrico, que passa a ser uma equação diferencial parcial estocástica.
Considera-se também nesta dissertação a atuação simultânea de duas, ou mais, variáveis
aleatórias nas oscilações não lineares de painéis cilíndricos. Em seguida, a partir do Método
da Perturbação o campo de deslocamentos laterais do painel cilíndrico é discretizado e o
sistema de equações diferenciais parciais estocásticas é transformado em um sistema de
equações ordinárias estocásticas de segunda ordem no tempo que, por sua vez, é discretizado
através do método de Galerkin Estocástico com a utilização do polinômio de Legendre-Caos,
transformando o sistema de equações diferenciais ordinárias estocásticas em um sistema de
equações diferenciais ordinárias determinísticas equivalentes que consideram a aleatoriedade
do sistema. A partir desse sistema, que considera a aleatoriedade em seus parâmetros, as
equações são integradas ao longo do tempo pelo método de Runge-Kutta de quarta ordem,
obtendo-se resultados como resposta no tempo e diagramas de bifurcação para diferentes
geometrias do painel cilíndrico. Esses resultados são comparados com análises determinísticas
obtidas através da simulação de Monte Carlo, evidenciando o polinômio de Legendre-Caos
como uma boa ferramenta para a obtenção das curvas de ressonância de painéis cilíndricos
com parâmetros físicos e geométricos aleatórios sem a necessidade de uma análise estatística
por um processo de amostragem para se obter a média e a variância do processo aleatório.
Palavras-chave: Painel cilíndrico. Parâmetros aleatórios. Método de Galerkin Estocástico.

Polinômio de Legendre-Caos. Dinâmica não-linear.
A. E. F. PALLA
ABSTRACT
This work analyzes the influence of uncertainty of physical and geometric parameters on
nonlinear dynamics of cylindrical panels. This study assumes that the physical and geometric
parameters of a cylindrical panel, thickness, radius and modulus of elasticity, are continuous
random variables. Thus, in the light of Donnell's nonlinear Shallow shell theory, the
investigation introduces the equations of motion of the cylindrical panel from total and kinetic
potential energy functionals. The physical and geometric parameters considered as random
have a uniform probability distribution and are inserted, initially, individually in the
cylindrical panel’s partial differential equation of motion, that becomes a stochastic partial
differential equation. It is also considered in this dissertation the simultaneous action of two,
or more, random variables in cylindrical panels’ nonlinear oscillations. Then, using the
Pertubation Method, the field of lateral displacement of the cylindrical panel is discretized
and the system of stochastic partial differential equations is transformed into a system of
ordinary second-order stochastic equations in time that, later, is discretized through Stochastic
Galerkin method using the Legendre-Chaos polynomial, and transforming a system of
stochastic ordinary differential equations into an equivalent system of deterministic ordinary
differential equations that consider the randomness of the problem. From this system, which
considers randomness in its parameters, the equations are integrated over time by the fourth-
order Runge-Kutta method, obtaining results in time as a response and bifurcation diagrams.
These results are compared with deterministic analyzes obtained through Monte Carlo
simulation, showing the Legendre-Chaos polynomial as a good tool for obtaining dynamic
responses for cylindrical panels with random physical and geometric parameters without the
need for a statistical analysis by a sampling process to obtain the mean and variance of
random process.
Keywords: Cylindrical panel. Random parameters. Stochastic Galerkin Method. Legendre-

Chaos polynomial. Nonlinear dynamics.
A. E. F. PALLA
LISTA DE FIGURAS
Figura 2.1 - (a) Geometria e campo de deslocamento do painel cilíndrico e (b)

detalhamento da seção transversal. .......................................................................................... 37
Figura 2.2 - Convenção de sinais adotada para a definição dos (a) esforços internos de
membrana e (b) flexão e torçao. .............................................................................................. 39
Figura 2.3 - Representação do carregamento aplicado ao painel cilíndrico. ........................... 41
Figura 4.1 - Diagramas de bifurcação determinístico para hmín, hnom e hmáx da geometria
G1 (Caso 1).............................................................................................................................. 64
Figura 4.2 - Planos fase do painel cilíndrico determinísticos da geometria G1 (a) hmín (b)
hnom e (c) hmáx. (Caso 1, Ωf = 0,9916). ..................................................................................... 65
Figura 4.3 - Diagramas de bifurcação determinísticos da geometria G1 (Caso 1). ................. 65
Figura 4.4 - Diagramas de bifurcação determinístico para h = 0,0103 m e geometria G1

(Caso 1). .................................................................................................................................. 66
Figura 4.5 - Planos fase do painel cilíndrico determinísticos h = 0,0103 m para a

geometria G1 para Ωf = 0,9916 (Caso 1). ................................................................................ 66
Figura 4.6 - Planos fase do painel cilíndrico determinísticos h = 0,0103 m para a

geometria G1 para Ωf = 0,8498 (Caso 1) (a) atrator de maior amplitude (b) atrator de
menor amplitude. ..................................................................................................................... 67
Figura 4.7 - Diagramas de bifurcação da amplitude A1(τ) do PCE grau 0 e média MC da

geometria G1. (Caso 1). ........................................................................................................... 68
Figura 4.8 - Diagramas de bifurcação da amplitude A1(τ) da geometria G1 e diferenças

percentuais entre os dois métodos utilizados (Caso 1). (a) PCE grau 0 (b) PCE grau 1 (c)
PCE grau 2 (d) PCE grau 3 (e) PCE grau 4. ............................................................................ 69
Figura 4.9 - Planos fase do painel cilíndrico estocásticos da geometria G1 para Ωf =

0,9916 (Caso 1) (a) PCE grau 0 (b) PCE grau 1 (c) PCE grau 2 (d) PCE grau 3 (e) PCE
grau 4. ...................................................................................................................................... 71
A. E. F. PALLA
Figura 4.10 - Variância ao longo do parâmetro de controle da amplitude A1(τ) da
geometria G1 e diferenças percentuais entre os dois métodos utilizados (Caso 1). (a)
PCE grau 1 (b) PCE grau 2 (c) PCE grau 3 (d) PCE grau 4. ................................................... 73


Figura 4.13 - Diagramas de bifurcação determinísticos da geometria G1 (Caso 2). ............... 78
Figura 4.14 - Diagramas de bifurcação determinístico para hmín, hnom e hmáx da geometria
G1. (Caso 2)............................................................................................................................. 79
Figura 4.15 - Planos fase do painel cilíndrico determinísticos da geometria G1 para Ω f =

0,9916 (Caso 2) (a) hmín (b) hnom (c) hmáx. ................................................................................ 80
Figura 4.16 - Planos fase do painel cilíndrico (a) determinísticos e (b) estocásticos da
geometria G1 para Ωf = 0,9363 (Caso 2). ................................................................................ 80

Figura 4.18 - Planos fase do painel cilíndrico estocásticos da geometria G1 para Ωf =

0,9516 (Caso 2) (a) PCE grau 0 (b) PCE grau 1 (c) PCE grau 2 (d) PCE grau 3 (e) PCE
grau 4. ...................................................................................................................................... 83


A. E. F. PALLA
Figura 4.22 - Diagramas de bifurcação determinísticos da geometria G1 (Caso 3). ............... 90
Figura 4.23 - Diagramas de bifurcação determinístico para Emín, Enom e Emáx da

geometria G1 (Caso 3). ............................................................................................................ 90
Figura 4.24 - (a) Diagramas de bifurcação da amplitude A1(τ) da geometria G1 para o

PCE grau 2 e (b) diferenças percentuais entre os dois métodos utilizados (Caso 3). .............. 91
Figura 4.25 - Planos fase do painel cilíndrico determinísticos e estocásticos da

geometria G1 (Caso 3) (a) Ωf = 0,9363 (b) Ωf = 0,9516. ........................................................ 92
Figura 4.26 -(a) Variância ao longo do parâmetro de controle da amplitude A1(τ) da

geometria G1 para o PCE grau 2 e (b) diferenças percentuais entre os dois métodos
utilizados. (Caso 3). ................................................................................................................. 92


utilizados. (Caso 3). ................................................................................................................. 94
Figura 4.29 -(a) Diagramas de bifurcação determinísticos e (b) diagramas de bifurcação

determinístico para Rmín, Rnom e Rmáx da geometria G1 (Caso 4). ............................................ 94



utilizados. (Caso 4). ................................................................................................................. 96

A. E. F. PALLA
Figura 4.34 –(a) Variância ao longo do parâmetro de controle da amplitude A2(τ) da
utilizados. (Caso 4). ................................................................................................................. 97

determinístico para hmín, hnom e hmáx da geometria G2 (Caso 1). ............................................. 99



utilizados. (Caso 1). ................................................................................................................. 101

PCE grau 2 e (b) diferenças percentuais entre os dois métodos utilizados para média (c)
variância ao longo do parâmetro de controle da amplitude A2(τ) da geometria G2 para o
PCE grau 2 e (e) diferenças percentuais entre os dois métodos utilizados para variância
(Caso 1). .................................................................................................................................. 103

determinístico para Emín, Enom e Emáx da geometria G2 (Caso 2). ............................................ 104

(Caso 2). .................................................................................................................................. 104


(Caso 2). .................................................................................................................................. 107
A. E. F. PALLA



utilizados. (Caso 3). ................................................................................................................. 109


utilizados. (Caso 3). ................................................................................................................. 111

determinístico para hmín, hnom e hmáx da geometria G3 (Caso 1). ............................................. 112


Figura 4.53 - (a) Variância ao longo do parâmetro de controle da amplitude A1(τ) da

utilizados. (Caso 1). ................................................................................................................. 114


utilizados. (Caso 1). ................................................................................................................. 115

determinístico para Emín, Enom e Emáx da geometria G3 (Caso 2). ............................................ 116
A. E. F. PALLA


utilizados. (Caso 2). ................................................................................................................. 117

(Caso 2). .................................................................................................................................. 118




Figura 4.65 - Diagramas de bifurcação determinísticos da geometria G1 considerando

duas variaveis aleatórias simultaneamente (Caso 1). .............................................................. 124

PCE grau 2 e (b) diferenças percentuais entre os dois métodos utilizados (Caso 1)
considerando duas variáveis aleatórias simultaneamente. ....................................................... 124

geometria G1 (Caso 1) considerando duas variáveis aleatórias simultaneamente (a) Ωf =
0,9363 (b) Ωf = 0,9516. ........................................................................................................... 125
A. E. F. PALLA
utilizados. (Caso 1) considerando duas variáveis aleatórias simultaneamente. ...................... 126

(Caso 1) considerando duas variáveis aleatórias simultâneas. ................................................ 126



0,9363 (b) Ωf = 0,9516. ........................................................................................................... 129




A. E. F. PALLA
0,9363 (b) Ωf = 0,9516. ........................................................................................................... 132



três variaveis aleatórias simultaneamente................................................................................ 135

PCE grau 2 e (b) diferenças percentuais entre os dois métodos utilizados considerando
três variáveis aleatórias simultaneamente................................................................................ 136

geometria G1 considerando três variáveis aleatórias simultaneamente (a) Ωf = 0,9363
(b) Ωf = 0,9516. ....................................................................................................................... 136

PCE grau 2 e (b) diferenças percentuais entre os dois métodos utilizados considerando
três variáveis aleatórias simultaneamente................................................................................ 137
A. E. F. PALLA
LISTA DE TABELAS
Tabela 3.1 - Polinômios de Wiener-Askey e suas correspondentes variáveis aleatórias ........ 47
Tabela 4.1 - Características geométricas do painel cilíndrico estudado. ................................. 55
Tabela 4.2 - Intervalo da distribuição uniforme das variáveis aleatórias consideradas. ......... 57
Tabela 4.3 - Frequências naturais dos sistemas determinísticos. ............................................ 58
Tabela 4.4 - Frequências ressonantes do sistema estocástico G1. ........................................... 59
Tabela 4.5 - Casos de análise da geometria G1 considerando uma variável aleatória. ........... 63
Tabela 4.8 – Composição do poliômio de Legendre-Caos para duas variáveis aleatórias ...... 122
Tabela 4.9 - Casos de análise da geometria G1 considerando duas variáveis aleatórias

simultaneamente. ..................................................................................................................... 123
Tabela 4.10 - Composição do poliômio de Legendre-Caos para três variáveis aleatórias ...... 135
Tabela A.1 - Frequências ressonantes do sistema estocástico G2. .......................................... 146
Tabela A.2 - Frequências ressonantes do sistema estocástico G3. .......................................... 147
A. E. F. PALLA Lista de Tabelas

LISTA DE SÍMBOLOS
SÍMBOLOS ROMANOS
Aij Amplitudes modais do campo de deslocamento transversal do painel cilíndrico

relativa aos modos ímpares
aj amplitudes dos modos aleatórios relativos às amplitudes modais dos modos

ímpares
aθ comprimento circunferencial do painel cilíndrico
B(2+6α)(2+6β) Amplitudes modais do campo de deslocamento transversal do painel cilíndrico

relativa aos modos pares
bj amplitudes dos modos aleatórios relativos às amplitudes modais dos modos

pares
ci amplitudes dos modos aleatórios
C Rigidez de membrana
D Rigidez à flexão
E Módulo de elasticidade do material do painel cilíndrico
f Função de tensão de Airy
F(x) Função de distribuição de probabilidade
fx(x) Função densidade de probabilidade
Fx(x) Função de distribuição acumulada
h Espessura do painel cilíndrico
In(ζ) Polinômio de caos de Wiener-Askey de grau n
L Comprimento axial do painel cilíndrico
L Função de Lagrange
Len Polinômio de Legendre Caos
m Número de semi-ondas longitudinais
A. E. F. PALLA Lista de símbolos

Mx Componente axial dos esforços internos de flexão
Mxθ Componente de torção dos esforços internos de flexão
Mθ Componente circunferencial dos esforços internos de flexão
n Número de semi-ondas circunferenciais
NT Número de termos da expansão do polinômio Φj
Nx Componente axial dos esforços internos de membrana
Nxθ Componente cisalhante dos esforços internos de membrana
Nθ Componente circunferencial dos esforços internos de membrana
p Grau do polinômio de caos
p(t) Carregamento lateral dinâmico
px(x) Função de massa de probabilidade
Q Vetor das forças generalizadas derivadas do funcional
R Raio do painel cilíndrico
Re Trabalho das forças de dissipação
t Tempo
T Energia cinética do painel cilíndrico
u Componente axial do campo de deslocamentos do painel cilíndrico
u(x,t;ϕ) Solução qualquer de uma equação estocástica
UI Energia interna de deformação
U Vetor de coordenadas generalizadas do campo de deslocamentos do painel

cilíndrico
Ub Energia de flexão
Ui i-ésima amplitude modal da expansão para o deslocamento axial derivada dos

driven modes
Um Energia de membrana
v Componente circunferencial do campo de deslocamentos do painel cilíndrico

Ve Trabalho da força externa
Vi i-ésima amplitude modal da expansão para o deslocamento circunferencial

derivada dos driven modes
w Componente transversal do campo de deslocamentos do painel cilíndrico
W(ζ) Função peso da distribuição Uniforme
x Coordenada na direção axial
X(ϕ) Processo aleatório de segunda ordem
z Coordenada na direção radial
SIMBOLOS GREGOS
β1 Parâmetro de amortecimento viscoso
γxθ Deformação específica angular de um ponto da superfície média do painel

cilíndrico
 x Deformação específica angular de um ponto qualquer do painel cilíndrico
δ Parâmetro de perturbação
δij Delta de Kronecker
εx Deformação específica axial de um ponto da superfície média do painel

cilíndrico
εx Deformação específica axial de um ponto qualquer do painel cilíndrico
εθ Deformação específica circunferencial de um ponto da superfície média do

painel cilíndrico
ε Deformação específica circunferencial de um ponto qualquer do painel

cilíndrico
ζ Variável aleatória
η1 Coeficiente de amortecimento viscoso
θ Coordenada na direção circunferencial
Θ Ângulo de abertura do painel cilíndrico

ν Coeficiente de Poisson do material do painel cilíndrico
ρ Densidade do material do painel cilíndrico
x Tensão axial de um ponto qualquer do painel cilíndrico
 Tensão circunferencial de um ponto qualquer do painel cilíndrico
τ Parâmetro adimensional do tempo
 x Tensão cisalhante de um ponto qualquer do painel cilíndrico
Φ(ζ) Processo aleatório de segunda ordem
Φj Base polinomial de Wiener-Askey
ϕ Processo aleatório
χx Mudança de curvatura axial de um ponto da superfície média do painel

cilíndrico
χxθ Mudança de curvatura angular de um ponto da superfície média do painel

cilíndrico
χθ Mudança de curvatura circunferencial de um ponto da superfície média do

painel cilíndrico
ω0 Frequência natural do painel cilíndrico
ωf Frequência de excitação da carga lateral aplicada
ω Frequências ressonantes do sistema estocástico
Ω Espaço amostral associado a um experimento aleatório
Ωf Parâmetro adimensional da frequência de excitação
SÍMBOLOS MATEMÁTICOS
∇4 Operador bi harmônico
D1( ) Operador diferencial não linear que dá origem aos termos quadráticos
D2( ) Operador diferencial não linear que dá origem aos termos cúbicos
E[ ] Valor esperado ou esperança

L( ) Operador diferencial linear
, Produto interno
Var[ ] Variância

SUMÁRIO
CAPÍTULO 1 .......................................................................................................................... 24
INTRODUÇÃO ...................................................................................................................... 24
1.1 JUSTIFICATIVA ............................................................................................................... 34
1.2 OBJETIVOS GERAIS ........................................................................................................ 34
1.3 ORGANIZAÇÃO DO TEXTO........................................................................................... 35
CAPÍTULO 2 .......................................................................................................................... 36
FORMULAÇÃO MATEMÁTICA DO PAINEL CILÍNDRICO ...................................... 36
2.1 CAMPO DE DEFORMAÇÕES DO PAINEL CILÍNDRICO ............................................ 37
2.2 ESFORÇOS INTERNOS DE MEMBRANA E FLEXÃO ATUANTES NO PAINEL

CILÍNDRICO ........................................................................................................................... 38
2.3 FUNCIONAIS DE ENERGIA DO PAINEL CILÍNDRICO .............................................. 41
2.4 SISTEMAS DE EQUAÇÕES NÃO LINEARES DE MOVIMENTO ............................... 42
CAPÍTULO 3 .......................................................................................................................... 45
DISCRETIZAÇÃO ESTOCÁSTICA DO PAINEL CILÍNDRICO BASEADA EM

CAOS POLINOMIAL ........................................................................................................... 45
3.1 CAOS POLINOMIAL GENERALIZADO ........................................................................ 45
3.2 POLINÔMIO DE LEGENDRE-CAOS .............................................................................. 49
3.3 DETERMINAÇÃO DO CAMPO DE DESLOCAMENTOS TRANSVERSAIS .............. 50
3.4 MÉTODO GALERKIN ESTOCÁSTICO .......................................................................... 53
CAPÍTULO 4 .......................................................................................................................... 55
RESULTADOS NUMÉRICOS ............................................................................................. 55
4.1 VIBRAÇÃO LIVRE LINEAR ........................................................................................... 57
4.2 VIBRAÇÃO FORÇADA NÃO LINEAR – CONSIDERAÇÃO DE UMA VARIÁVEL

ALEATÓRIA ........................................................................................................................... 61
A. E. F. PALLA Sumário
4.2.1 Incertezas nos parâmetros físico e geométrico para a geometria G1 ....................... 63
4.2.2 Incertezas nos parâmetros físico e geométrico para G2 ........................................... 98
4.2.3 Incertezas nos parâmetros físico e geométrico para G3 ......................................... 111
4.3 VIBRAÇÃO FORÇADA NÃO LINEAR – CONSIDERAÇÃO DE MAIS DE UMA

VARIÁVEL ALEATÓRIA .................................................................................................... 122
4.3.1 Incerteza na geometria G1 – consideração de duas variáveis aleatórias simultâneas123
4.3.2 Incerteza na geometria G1 – consideração de três variáveis aleatórias simultâneas134
CAPÍTULO 5 ........................................................................................................................ 138
CONCLUSÕES..................................................................................................................... 138
REFERÊNCIAS .................................................................................................................. 142
APÊNDICE A ....................................................................................................................... 146
FREQUÊNCIAS RESSONANTES ..................................................................................... 146
A. E. F. PALLA Sumário
CAPÍTULO 1
INTRODUÇÃO
O painel cilíndrico é um setor circular da casca cilíndrica que pode ser utilizado em diversas
áreas da engenharia, quais sejam: civil, mecânica, aeroespacial, naval, como cobertura de
edificações, fuselagem de foguetes e aviões, entre outras aplicações. Essa abrangência
funcional do painel cilíndrico é resultado de sua estrutura esbelta e de sua capacidade em
atender diferentes designs que demandam um formato leve e resistente. Esse tipo de estrutura
apresenta uma geometria simples, porém suscetível à mudança do regime estável para
instável, devido às excitações externas ou vibrações excessivas, podendo levar a estrutura ao
colapso quando submetida a carregamentos estáticos ou dinâmicos.
A não linearidade geométrica descrita nas relações não lineares das deformações em função
dos campos de deslocamentos é o foco de diversos trabalhos de estruturas esbeltas como o
caso do painel cilíndrico que apresentam deslocamentos da ordem da sua espessura. Dessa
forma, não é aconselhável a linearização do sistema de equações que rege o problema,
motivando pesquisadores a desenvolverem estudos e teorias complexas que permitam analisar
o comportamento não linear estático ou dinâmico.
Também conhecido como casca cilíndrica circular aberta, o painel cilíndrico acompanha a
mesma teoria da casca cilíndrica, porém por não serem completamente fechados
circunferencialmente, há a diferença no comportamento dinâmico entre eles devido ao não
aparecimento do companion mode nos painéis cilíndricos. De acordo com Amabili e
Païdoussis (2003), isso acontece por conta da quebra da simetria axial da estrutura. Dessa
forma, o comportamento da relação frequência-amplitude, que geralmente é do tipo softening
para a maioria das geometrias de cascas cilíndricas, fica dependente do raio de curvatura,
podendo se tornar uma não linearidade do tipo hardening quando o raio de curvatura é muito
grande e a estrutura se aproxima de uma placa.
A teoria não linear de Donnell (1934) para cascas abatidas considera as excentricidades
iniciais ou desvios do formato cilíndrico da estrutura. Donnell (1934) realizou testes em
cilindros esbeltos de modo que a espessura fosse bem menor que as outras duas dimensões.
Estas cascas cilíndricas, submetidas a um carregamento axial e apresentando imperfeições
A. E. F. PALLA Capítulo 1
Utilização do Caos Polinomial para análise das curvas de ressonância estocásticas de painéis cilíndricos 25
geométricas iniciais, são longas o suficiente para que o comprimento e as condições de apoio
pudessem ser desconsiderados. Com base nessa teoria, são estabelecidas três equações de
equilíbrio envolvendo os deslocamentos nas direções axial, circunferencial e transversal da
superfície média da casca. Para a solução desse sistema, é introduzida a função de tensão de
Airy que reduz o problema a duas equações envolvendo apenas o deslocamento na direção
transversal e a própria função de tensão.
Alijani e Amabili (2014) fizeram uma revisão da literatura, no período de 2003 a 2013, sobre
vibrações não lineares das cascas cilíndricas, sendo uma extensão natural do trabalho de
Amabili e Païdoussis (2003). Nessa revisão foram citadas as teorias clássicas de Donnell,
Novozhilov, Sanders, Koiter e Flugge-Lur’e-Byrne, as quais baseiam-se nas hipóteses de
Kirchhoff-Love. A teoria de Donnell (1934), a mais utilizada pelas simplificações de cascas
abatidas e sua boa precisão, despreza a inércia no plano, a deformação cisalhante transversal e
a inércia rotacional, obtendo resultado preciso para cascas esbeltas com a espessura bem
menor que o raio.
Também é realizado por Moussaoui e Benamar (2002) uma revisão de literatura sobre as
vibrações não lineares de estruturas em formato de casca e como os problemas relacionados
ao comportamento dinâmico desse tipo de estrutura são presentes nas engenharias:
aeronáutica, civil e naval. Alguns pontos discutidos nessa extensa revisão, com uma lista de
175 referências, envolvem os efeitos da não linearidade geométrica, as principais dificuldades
na análise dinâmica não linear das estruturas em formato de casca e os métodos mais comuns
de modelagem e solução.
Nas discussões sobre cascas cilíndricas, há diferentes posições entre os pesquisadores sobre o
comportamento não linear dinâmico. Alguns autores observaram vibrações não lineares com
um comportamento com ganho de rigidez inicial. Para Chu (1961) e Nowinski (1963), o
comportamento não linear é caracterizado como sendo do tipo hardening, ou seja, a
frequência natural de vibração cresce à medida que se aumenta a amplitude de vibração.
Em seguida, Evensen (1963) contesta os trabalhos de Chu (1961) e de Nowinski (1963) a

respeito do comportamento do tipo hardening das vibrações de cascas cilíndricas e sobre
alguns casos cujo o problema foi considerado fortemente não linear. Os resultados
experimentais de Evensen (1963) indicam a não linearidade do tipo softening, ou seja, as
vibrações não lineares se caracterizam por uma perda de rigidez com vibrações levemente não
lineares. A razão da diferença entre o trabalho de Evensen (1963) e os de Chu (1961) e de
Nowinski (1963) encontra-se na expansão do deslocamento transversal considerada pelos

autores. Chu (1961) não atende a restrição de que o deslocamento circunferencial da
superfície média é contínuo e possui valor único. Nowinski (1963), por sua vez, empregou
uma expansão que não atende a continuidade de deslocamento transversal nulo nas bordas.
Um pouco mais a frente, Evensen (1967) utiliza a teoria não linear de Donnell para analisar as
vibrações livres, utilizando apenas o modo clássico de vibração (driven mode), e as vibrações
forçadas, considerando adicionalmente um modo complementar defasado
circunferencialmente do modo clássico, chamado companion mode.
Há a utilização tanto do driven mode quanto do companion mode na análise sobre as

vibrações forçadas de uma casca cilíndrica simplesmente apoiada por Amabili et al. (1998,
1999), sendo constatado que o comportamento não linear do sistema é com perda de rigidez e
que algumas regiões instáveis do sistema só são identificadas quando na expansão modal está
contido o companion mode. Estudos como esses indicam a importante característica do
acoplamento modal nesse tipo de problema e a necessidade de uma expansão modal que
evidencie os modos necessários para uma análise do real comportamento da casca.
Dessa forma, é notável a importância da representação do campo de deslocamento transversal

e do acoplamento modal para a obtenção das soluções não lineares de painéis cilíndricos,
visto que um modo a mais na expansão modal pode influenciar na resposta do sistema. Sendo
um setor da casca cilíndrica, os painéis cilíndricos também apresentam uma não linearidade
geométrica que deve ser considerada e por isso é necessário descrever a expansão modal que
melhor representa o comportamento dessas estruturas. Diversos estudos utilizam o método da
perturbação para a obtenção dos modos não lineares que se acoplam ao modo linear e
descrevem o comportamento de cascas e painéis cilíndricos como: Gonçalves e Batista
(1988), Gonçalves et al. (2008), Gonçalves et al. (2011), Del Prado (2001), Silva et al. (2011)
e Rodrigues et al. (2014), Sattler (2015) e Morais (2017).
O estudo do comportamento dinâmico não linear dos painéis cilíndricos é um campo de

pesquisa muito estudado pela importância de entender como a estrutura se comporta sob a
influência de diversos fatores como: imperfeições geométricas iniciais, tipos de carregamento,
diferentes geometrias e materiais. Porém, o sistema também pode sofrer a influência de
incertezas em seus parâmetros físicos e geométricos advindas de um erro de fabricação, ou
montagem, imprecisão ou incompletude de dados, por exemplo, e torna-se necessário
investigar o impacto dessas variáveis aleatórias no comportamento dinâmico não linear da
estrutura. Nos últimos anos, a quantificação dessas incertezas tem sido objeto de estudo de
inúmeras pesquisas, pois ainda há um vasto campo a ser explorado sobre como os parâmetros
aleatórios podem influenciar no comportamento dinâmico de painéis cilíndricos.
De acordo com Grigoriu (2000), as propriedades de muitos sistemas físicos exibem

aleatoriedades que não são completamente caracterizadas por modelos determinísticos e, por
isso, necessitam de modelos probabilísticos que quantifiquem a incerteza dessas propriedades,
desenvolvam representações realísticas do sistema, evidenciando a influência das incertezas
no mesmo, e forneçam condições racionais e seguras de projeto. Pode se destacar que um dos
objetivos da mecânica estocástica é estudar a relação entre o sistema inicial que considera as
incertezas em seus dados de entrada e a resposta de uma determinada análise desse sistema.
Ainda na pesquisa de Grigoriu (2000) é apresentada uma classificação para os sistemas físicos
em função da natureza do sistema e da excitação, sendo: (1) sistema e excitação
determinísticos, (2) sistema determinístico e excitação estocástica, (3) sistema estocástico e
excitação determinística e (4) sistema e excitação estocásticos. Na primeira classe estão os
problemas de equilíbrio, propagação e dinâmica comuns da mecânica dos sólidos clássica, por
exemplo, que podem ser resolvidos com métodos numéricos tradicionais. Já a segunda classe
incorpora a incerteza na excitação do sistema, como em um carregamento, sendo objeto de
estudo de diversas pesquisas da mecânica estocástica, tendo como principal objetivo estudar a
lei, os momentos estatísticos e outras propriedades estatísticas das soluções desses problemas.
A terceira classe consiste em representar as incertezas da maioria dos sistemas físicos que
apresentam em suas propriedades físicas e geométricas variações notáveis em relação ao valor
nominal. Por fim, a última classe representa os sistemas físicos e numéricos caracterizados
por apresentarem incertezas em suas propriedades e estarem sujeitos a excitação estocástica,
não possuindo um método genérico de resolução, sendo resolvidos por métodos analíticos
como o método da perturbação e linearização equivalente.
Existem diversos métodos numéricos para a resolução de sistemas que consideram a incerteza
de alguma forma nas características do sistema ou na excitação. Xiu (2009) apresenta uma
revisão de técnicas que foram e ainda estão sendo desenvolvidas para tratar das incertezas do
sistema como variáveis aleatórias. Um dos métodos mais simples e comumente usados é a
simulação de Monte Carlo, ou suas variantes, que primeiro gera um campo de amostras da
variável aleatória, com base na sua distribuição de probabilidade, e para cada amostra será
executada uma análise específica, passando a se tratar de um problema determinístico. Após a
execução de diversas análises é possível obter informações estatísticas do conjunto de
soluções como média e variância, por exemplo. Apesar do método ter uma aplicação simples
e direta, e apenas exigir análises repetitivas do mesmo problema, em muitas vezes torna-se
inviável a aplicação do mesmo em problemas dinâmicos não lineares por necessitar de um
número muito alto de repetições (amostras) para a convergência das informações estatísticas
do conjunto de soluções.
Um dos métodos mais populares que não considera a amostragem é o método de perturbação,
onde os campos aleatórios são expandidos por séries de Taylor em torno da média e
geralmente é truncada na segunda ordem pois o sistemas de equações se torna muito
complicado de resolver para o truncamento da série em ordens maiores (XIU, 2009).
O enfoque na abordagem baseada em Caos Polinomial tem sido bastante discutido, pois existe
um esforço crescente de estudos interessados em métodos numéricos eficientes para resolver
equações diferenciais com entradas aleatórias. Esse método desenvolvido por Ghanem e
Spanos (1991) é uma generalização da Expansão do Caos Polinomial clássico de Wiener e
tem sido estendida por inúmeros estudiosos da área de engenharia.
O Polinômio de Caos Generalizado (gPC – aqui mantido com a definição em inglês)

quantifica a incerteza por meio de uma variável aleatória e suas funções de base polinomial
ortogonais, que são escolhidas de acordo com a função de distribuição de probabilidade da
variável aleatória para melhor convergência. Os coeficientes do gPC descrevem a relação
entre a variável aleatória e suas funções de base polinomial e são calculados através de uma
técnica numérica (XIU, 2010).
Para Gel et. al (2013), a quantificação das incertezas de um problema envolve a identificação,
caracterização, propagação e análise de todas as fontes que causam a aleatoriedade no
sistema. E há duas categorias para a classificação dos métodos de propagação de incertezas:
intrusivos e não intrusivos. Os métodos intrusivos como o de Galerkin Estocástico, baseado
na expansão do polinômio de caos generalizado, requerem modificações importantes no
modelo determinístico o que pode ser uma desvantagem em relação aos métodos não
intrusivos que, por sua vez, não modificam os modelos determinísticos e se baseiam em
técnicas de amostragem.
No caso da abordagem intrusiva, o Galerkin Estocástico é utilizado desde os trabalhos

envolvendo apenas o polinômio de caos clássico, se mostrando um método eficiente em
minimizar o erro da expansão do polinômio de ordem finita que quantifica a incerteza por
uma aproximação. Esse método transforma o sistema original em um sistema de equações
determinísticas dos coeficientes do gPC que descreve o sistema estocástico e, por isso, é
classificado como um método intrusivo de quantificação de incertezas. Mesmo sendo
comprovado como um método eficiente, dependendo da complexidade e não linearidade das
equações que governam o problema, pode ser bem difícil ou até impossível obter o sistema de
equações determinísticas pela projeção de Galerkin Estocástico (XIU, 2010).
Já a abordagem não intrusiva como o método de Colocação Estocástica consiste em executar

repetidamente o sistema de equações determinísticas em determinados nós, ou pontos, que são
escolhidos através de alguma técnica de interpolação, ou integração. Em seguida, faz-se o
pós-processamento desses resultados para a construção dos polinômios de caos generalizado
por uma técnica de interpolação ou projeção. Portanto, a implementação desse método em
comparação com o Galerkin Estocástico é mais simples, onde sua aplicabilidade não depende
da complexidade e não linearidade do problema desde que o mesmo possa ser resolvido por
um sistema de equações determinísticas (XIU, 2010).
Em relação a precisão dos métodos baseados no polinômio de caos, para Xiu (2010) a
abordagem pela projeção do Galerkin Estocástico oferece soluções mais precisas envolvendo
um número menor de equações em espaços aleatórios multidimensionais pelo fato dos
resíduos gerados pela projeção de Galerkin serem ortogonais ao espaço linear medido pelos
polinômios de caos generalizados.
Nessa dissertação será utilizada a abordagem intrusiva pelo método de Galerkin Estocástico
em conjunto com o Caos polinomial para a determinação dos momentos estatísticos de
primeira e segunda ordem (média e variância) das respostas do sistema estocástico de forma
direta sem a necessidade da utilização de um método de amostragem. Essa abordagem foi
escolhida por ser uma técnica pioneira na quantificação de incertezas envolvendo o Caos
Polinomial e para demonstrar a aplicabilidade da mesma na resolução de um sistema contínuo
dinâmico não linear estocástico um pouco mais complexo em relação aos sistemas abordados
na literatura solucionados por essa abordagem intrusiva. Diversos trabalhos abordam o Caos
Polinomial na quantificação de incertezas por diferentes abordagens, demonstrando que esse é
um campo de estudo muito amplo e que ainda pode ser bastante investigado.
Silva Jr e Beck (2011) demonstraram a eficiência da obtenção de soluções aproximadas dos

campos de deslocamentos transversais e angulares de vigas de Timoshenko biengastadas,
sujeitas a um carregamento uniforme, pelo método do polinômio de caos em uma abordagem
intrusiva com o Galerkin Estocástico. Os resultados foram obtidos para dois exemplos, o
primeiro considerando a aleatoriedade no módulo de elasticidade, e o segundo na altura da

seção transversal da viga. Em ambos os casos, foi apresentada uma rápida convergência dos
momentos estatísticos de primeira e segunda ordem dos campos de deslocamentos
transversais e angulares da viga obtidos pelo método estocástico com os obtidos pelo método
de Monte Carlo.
Destaca-se também o trabalho de Brazão (2014) que possui um caráter introdutório nos
estudos da influência de incertezas na determinação da carga de instabilidade paramétrica de
cascas cilíndricas. As variáveis aleatórias consideradas foram: módulo de elasticidade,
espessura e amplitude da imperfeição geométrica inicial de maneira isolada e depois de forma
simultânea entre a espessura e o módulo de elasticidade. Nesse trabalho foi utilizado o
polinômio de Hermite-Caos, ideal para variáveis aleatórias com a distribuição de
probabilidade Gaussiana, em conjunto com o método de Galerkin Estocástico. Algumas
conclusões desse trabalho são: a espessura, quando variável aleatória, altera o modo de
vibração para pequenos desvios em relação ao seu valor nominal enquanto que o módulo de
elasticidade e a amplitude de imperfeição geométrica inicial não alteram; as fronteiras de
instabilidade não determinísticas mostram a redução da capacidade de carga da casca
cilíndrica quando consideradas as aleatoriedades; e, a necessidade de avaliar o número de
termos do polinômio utilizado de Hermite-Caos para representar bem as aleatoriedades
presentes nos parâmetros.
Pimentel (2014) aplicou o Caos Polinomial em uma abordagem não intrusiva em problemas
de transferência de calor e massa. O resultado do problema analisado demonstra que a
presença de incertezas no sistema faz com que todas as medidas avaliadas fossem
perturbadas, prevendo a importância da consideração em sistemas experimentais de
perturbações que indiquem indefinições em propriedades do material. Os resultados desse
trabalho obtidos utilizando o polinômio de caos foram comparados com os resultados obtidos
pela simulação de Monte Carlo e apresentaram boa convergência.
Jacquelin et al. (2015) obtêm a resposta da frequência de um sistema massa mola com dois
graus de liberdade com uma variável aleatória pelo método do Caos Polinomial em uma
abordagem intrusiva e comparam os resultados com o método de Monte Carlo, concluindo
que o polinômio de caos é um método eficiente para estimar a resposta dinâmica do sistema,
exceto nas regiões próximas às frequências naturais determinísticas do sistema, e os
momentos estatísticos são obtidos com maior eficiência na presença de um método de
aceleração em série, como o método de Aitken.
Bahmyari, Khedmati e Soares (2017) quantificaram as incertezas em um problema de flexão

de placas deformáveis por cisalhamento com bordas restringidas elasticamente e apoiadas em
uma fundação elástica de Pasternak através do Caos Polinomial Generalizado em conjunto
com o método de Galerkin sem elementos. Os resultados obtidos na expansão generalizada do
caos polinomial mesmo para um polinômio de baixa ordem apresentou boa convergência com
os resultados das simulações de Monte Carlo.
García (2019) utiliza da expansão do polinômio de caos em uma abordagem não intrusiva
para quantificação de incertezas em problemas que envolvem fadiga, fratura e
viscoelaticidade como, por exemplo, a representação da incerteza da deflexão máxima e
módulo de relaxação em vigas biapoiadas. Dentre as contribuições desse trabalho, foi
desenvolvido um algoritmo que utiliza apenas os principais componentes da expansão do
polinômio de caos obtendo um polinômio com menos coeficientes, diminuindo o custo
computacional das análises e apresentando praticamente a mesma precisão do polinômio de
caos expandido completo para as análises realizadas. Foram apresentados resultados
concordantes entre as três abordagens: polinômio de expansão de caos completo, polinômio
de expansão caos adaptativo e método de Monte Carlo em análises que consideram a
aleatoriedade em algumas variáveis como na resistência a tração e energia inicial e total de
fratura de vigas de concreto.
Além de trabalhos que abordaram o Caos Polinomial Generalizado e os métodos para a

resolução de um problema estocástico, é importante ressaltar alguns conceitos para o
entendimento e solução de um problema estocástico, tais como:
• O intervalo dos possíveis valores que a variável aleatória pode assumir;

• Função de probabilidade associada a variável aleatória;
• A média e variância da variável aleatória.
No presente trabalho, os parâmetros físicos e geométricos do painel cilíndrico considerados

como incertos são considerados como variáveis aleatórias contínuas já que, no intervalo
estudado, eles podem assumir infinitos valores de ocorrência. Para variáveis contínuas, tem-se
a função de densidade de probabilidade que é capaz de informar a probabilidade de a variável
contínua assumir um valor dentro do intervalo considerado.
Uma variável aleatória X() é essencial para o entendimento de alguns fenômenos incertos,
pois ela associa um valor numérico a cada resultado ζ de um determinado evento aleatório
dentro de um espaço amostral  . A função de distribuição de probabilidade associa a cada
variável aleatória uma probabilidade, ou seja, a cada valor numérico que a variável aleatória
pode assumir existe uma probabilidade de acontecer que está na função de distribuição de
probabilidade.
De acordo com Papoullis e Pillai (2002), variável aleatória consiste em uma função que
relaciona dentro do espaço amostral (Ω) um número X() para cada resultado ζ do
experimento estudado. A função de distribuição da variável aleatória é uma função que
associa valores numéricos de probabilidade de a variável aleatória assumir o valor desejado.
Por exemplo, suponha que a variável aleatória é tal que X() = a para todo resultado ζ
possível dentro de Ω , a função de distribuição seria:
Se x  a , então ( ) = a  x para todo  :
F ( x ) = P (   x ) = P () = 1 xa (1.1)
Se x  a , então   x é um evento impossível porque ( ) = a :
F ( x) = P (   x) = P () = 0 xa (1.2)
As variáveis aleatórias podem ser classificadas em discretas ou contínuas e essa revisão

abaixo de probabilidade será feita de acordo com o trabalho de Wirsching et al. (2006). A
variável aleatória discreta é a que possui um espaço amostral apenas com valores inteiros,
como por exemplo o espaço amostral gerado pelos valores que podem ser assumidos do
lançamento de um dado {1,2,3,4,5,6}. Para as variáveis aleatórias, a função de distribuição é
chamada de lei de probabilidade ou função massa de probabilidade designada por px(x), que
associa a cada valor x do espaço amostral um valor real positivo e menor que 1. Pelo primeiro
axioma de probabilidade elucidado a seguir tem-se que px(x) necessariamente assume valores
entre 0 e 1:
0  p ( x)  1 (1.3)
E pelo segundo axioma que define a probabilidade do espaço amostral ser igual a 1 e o
terceiro axioma que define que a probabilidade de ocorrência de eventos mutuamente
exclusivos dentro do espaço amostral é igual ao somatório da probabilidade de ocorrência de
cada evento, tem-se que a soma de todos os possíveis valores de px(x) deve ser igual a 1:
p  ( x) = 1 (1.4)
Já as variáveis aleatórias contínuas são aquelas onde o espaço amostral consiste em uma faixa
de valores dentro da linha de números reais como, por exemplo, o espaço amostral gerado
pelos números reais dentro do intervalo [0,1]. A diferença entre o tratamento das variáveis
aleatórias discretas e contínuas é, basicamente, que a variável aleatória discreta pode ser
associada a uma probabilidade finita e diferente de zero, porém se associarmos cada valor da
variável contínua a uma probabilidade finita e diferente de zero, a probabilidade total seria
infinita já que existem infinitos pontos entre dois pontos e assim violaria o segundo axioma.
Dessa maneira, para a variável aleatória contínua, a função que descreve a distribuição de
probabilidade é chamada de função densidade de probabilidade (FDP) e é designada por fx(x).
Essa função associa a probabilidade de um valor aleatório ocorrer dentro de uma região do
espaço amostral através da integral dessa função nessa região pré-definida. Portanto, a
probabilidade da variável aleatória  que está entre os valores a e b é dada pela integral de
fx(x) abaixo:
b
P(a    b) =  f  ( x)dx (1.5)
a
E para atender aos dois axiomas da probabilidade, a função fx(x) só assume valores positivos e
toda a área abaixo da função fx(x) é igual a 1.
f  ( x)  0
+
(1.6)

−
f  ( x)dx = 1
É possível tratar a variável como contínua e discreta ao mesmo tempo utilizando funções delta
de Dirac.
Outra função que pode descrever a distribuição de probabilidade tanto das variáveis aleatórias
discretas quanto das contínuas é a função de distribuição acumulada (FDA) representada por
Fx(x), que é definida por todos os valores que a variável aleatória X pode assumir de -∞ a +∞
e é igual a probabilidade da variável X ser menor ou igual ao valor específico de x:
F ( x) = (   x ) (1.7)
Se a variável aleatória for discreta, a FDA é calculada somando as probabilidades de todos os

valores de X menores que x, mas se for contínua a FDA deve ser calculada através da
integração da função de densidade de probabilidade (FDP) da seguinte maneira:
x
F ( x) = 
−
f  (u )du (1.8)
Portanto, a distribuição de probabilidade descreve, através de um modelo analítico, a natureza

da variável aleatória do fenômeno em questão. Essas informações estatísticas são obtidas de
acordo com os parâmetros que cada distribuição de probabilidade consegue avaliar.
Em específico para esta dissertação, a distribuição uniforme é uma distribuição de

probabilidade contínua que entre os limites máximo e mínimo pré-estabelecidos todos os
valores são equiprováveis, ou seja, a função de densidade de probabilidade é constante.
Na presente pesquisa, será utilizada a distribuição de probabilidade uniforme pois não há

conhecimento total de como a variação das incertezas nos parâmetros físicos e geométricos do
painel cilíndrico se comporta.
1.1 JUSTIFICATIVA
Os painéis cilíndricos são estruturas que apresentam um complexo comportamento não linear
dinâmico, inclusive quando se insere a aleatoriedade nos parâmetros físicos e geométricos do
problema. Dessa forma, há a necessidade de se entender melhor o comportamento do painel
cilíndrico frente a aleatoriedade de parâmetros que possam existir por erros de fabricação ou
construção e que influenciam sensivelmente o comportamento não linear desse tipo de
estrutura.
1.2 OBJETIVOS GERAIS
Essa dissertação de mestrado terá como objetivo realizar análises dinâmicas, lineares e não
lineares, estocásticas de painéis cilíndricos esbeltos simplesmente apoiados submetidos a uma
pressão transversal dinâmica. O painel cilíndrico é perfeito e será considerada a aleatoriedade
nos parâmetros físicos e geométricos que atenderão a uma função de probabilidade uniforme.
Será analisada a influência da aleatoriedade de cada parâmetro na frequência, no modo de
vibração e nos diagramas de bifurcação do painel cilíndrico, validando a resposta estocástica,
obtida a partir do Caos Polinomial juntamente com o método de Galerkin Estocástico, através
da técnica de simulação de Monte Carlo.
1.3 ORGANIZAÇÃO DO TEXTO
O texto está organizado, além deste capítulo introdutório, em mais quatro capítulos.
No Capítulo 2 tem-se a formulação matemática do painel cilíndrico, abordando o campo de

deformações do painel cilíndrico, os esforços internos de membrana e de flexão atuantes no
painel cilíndrico, os funcionais de energia do painel cilíndrico e o sistema de equação não
lineares de movimento.
No Capítulo 3 apresenta-se a discretização estocástica baseada em Caos Polinomial. Para

tanto, discute-se o caos polinomial generalizado, polinômio de Legendre-Caos, discretização
da equação diferencial ordinária estocástica de movimento do painel cilíndrico e o método de
Galerkin Estocástico.
No Capítulo 4 apresenta os resultados numéricos para as análises dinâmicas lineares e não-

lineares que consideram as incertezas dos parâmetros físicos e geométricos do painel
cilíndrico: espessura, raio e módulo de elasticidade em três geometrias. Analisa-se também
nesse capítulo a influência em dois e três parâmetros aleatórios simultâneos para uma
determinada geometria.
No Capítulo 5 são apresentadas as principais conclusões e contribuições desse trabalho e

algumas sugestões para trabalhos futuros.
Por fim, são apresentadas as referências bibliográficas utilizadas e que serviram de

embasamento teórico para o desenvolvimento dessa dissertação.
CAPÍTULO 2
FORMULAÇÃO MATEMÁTICA DO PAINEL CILÍNDRICO
O painel cilíndrico esbelto é um elemento estrutural originado de um setor circular da casca

cilíndrica de espessura h, que é pequena quando comparada com as outras dimensões, raio de
curvatura e comprimento longitudinal, acompanhando a mesma teoria das cascas cilíndricas
esbeltas.
A formulação matemática necessária para a modelagem do painel cilíndrico é apresentada

nesse capítulo para o estudo do seu comportamento dinâmico estocástico não linear. A partir
dos campos de deformações proposto pela teoria não linear de Donnell (1934) para cascas
abatidas, que podem ser utilizados para o painel cilíndrico, obtém-se as equações não lineares
de movimento. Essa teoria é largamente utilizada nos problemas de cascas e de painéis
cilíndricos por ser relativamente simples e precisa, considerando que uma casca é esbelta
quando a sua espessura h é relativamente menor que o raio R e o comprimento L, obedecendo
a relação h/R ≤ 20.
Também conhecida como a teoria de Donnell-Mushtari-Vlasov para cascas cilíndricas

esbeltas, há uma boa precisão apenas para modos de vibração com um número de ondas
circunferenciais (n) que não seja pequeno, especificamente, atendendo à relação 1/n2 << 1, o
que significa n ≥ 5 (AMABILI, 2008). Essa teoria é válida para painéis cilíndricos desde que
se converta o número de semi-ondas circunferenciais do painel para uma casca cilíndrica
hipotética e a mesma relação seja satisfeita.
Ainda nesse capítulo, será descrito o Método da Perturbação que é uma das metodologias para
se obter de forma consistente o modelo de baixa dimensão para descrever o campo de
deslocamento transversal do painel para descrever o correto comportamento não-linear do
painel cilíndrico com seus respectivos acoplamentos modais, fenômenos intrinsicamente não
linear que estão presentes na equação de equilíbrio do painel cilíndrico.
2.1 CAMPO DE DEFORMAÇÕES DO PAINEL CILÍNDRICO
Considere um painel cilíndrico esbelto com espessura h, raio R, comprimento L, ângulo de

abertura , simplesmente apoiado, composto por material elástico linear, homogêneo,
isotrópico com módulo de elasticidade E, coeficiente de Poisson ν e densidade ρ. A Figura 2.1
ilustra a geometria do painel apresentada assim como as coordenadas cilíndricas x, θ, z, e seus
respectivos campos de deslocamentos: u, v e w.
Figura 2.1 - (a) Geometria e campo de deslocamento do painel cilíndrico e (b) detalhamento da seção
transversal.
(a) (b)
De acordo com a teoria não linear de Donnell (1934) para cascas abatidas, o campo de
deformações específicas da superfície média para um painel cilíndrico imperfeito é obtido em
termos dos deslocamentos u, v e w dado por:
1
 x = u, x + w,2x + w, x w0, x
2
1 1 1
 = (v, + w) + 2
w,2 + 2 w, w0, (2.1)
R 2R R
1
 x = v, x + (u, + w, x w, + w, x w0, + w0, x w, )
R
onde εx, εθ e γxθ são, respectivamente, as deformações específicas nas direções axial e
circunferencial e a distorção angular de um ponto localizado na superfície média do painel
cilíndrico. u, v e w são, respectivamente, as componentes dos campos de deslocamentos nas
direções axial (x), circunferencial (θ) e transversal (z) do painel cilíndrico. w0 é a imperfeição
geométrica inicial no campo de deslocamento transversais, previsto na teoria não linear de
Donnell (1934), porém nesse trabalho é desconsiderada essa influência das imperfeições no
campo de deformação do painel.
As mudanças de curvatura da superfície média são definidas por Donnell (1934) como:
 x = − w, xx
1 (2.2)
 = − w,
R2
1
 x = − w, x
R
onde χx e χθ e são respectivamente, as mudanças de curvatura nas direções axial e

circunferencial e χxθ é a mudança de curvatura devido a torção do plano.
Para um ponto qualquer do painel cilíndrico localizado a uma distância z da superfície média
(-h/2 ≤ z ≤ h/2), as deformações específicas e a distorção angular são dadas pelas seguintes
equações:
 x =  x + zx
  =   + z  (2.3)
 x =  x + 2 z  x
onde ε x e ε são, respectivamente, as deformações específicas nas direções axial e

circunferencial e γ x é a distorção angular de um ponto qualquer localizado ao longo da
espessura do painel cilíndrico.
2.2 ESFORÇOS INTERNOS DE MEMBRANA E FLEXÃO ATUANTES

NO PAINEL CILÍNDRICO
As deformações e as tensões internas do painel cilíndrico se relacionam através da Lei de

Hooke, já que o painel cilíndrico é composto por um material homogêneo, isotrópico e
elástico linear que possui um módulo de elasticidade (E), coeficiente de Poisson (v) e
densidade (ρ).
Dessa maneira, o estado plano de tensões de um ponto qualquer do painel cilíndrico obedece
às seguintes relações constitutivas:
E
x = ( x + v  )
1 − v2
E
 = (  + v x ) (2.4)
1 − v2
E
 x =  x
2(1 + v)
onde  x ,   e  x são respectivamente as tensões axiais, circunferenciais e cisalhantes de um

ponto qualquer posicionado ao longo da espessura do painel cilíndrico.
A partir das relações de tensão-deformação descritas na equação (2.4), os esforços internos de

membrana (Nx, Nθ, Nxθ) e os momentos internos (Mx, Mθ, Mxθ) são obtidos da seguinte
maneira:
h h h
2 2 2
Nx = h
x dz N =    dz
h
N x =    dz
h
x
− − −
2 2 2
h h h (2.5)
2 2 2
Mx =  z x dz M =  z  dz
h
M x =  z  dz
h
x
h − −
−
2 2 2
A convenção de sinais adotada para os esforços internos de membrana e momentos internos é

mostrada na Figura 2.2.
Figura 2.2 - Convenção de sinais adotada para a definição dos (a) esforços internos de membrana e (b) flexão e
torçao.
(a) (b)
Fonte: Del Prado (2001)
Com as relações tensão-deformação descritas na equação (2.4) é possível reescrever a

equação (2.5) em função das deformações e das mudanças de curvatura da superfície média
da casca cilíndrica conforme as relações abaixo:
N x = C ( x + v  ) M x = − D (  x + v  )
N = C (  + v x ) M  = C (  + v  x )
(2.6)
C (1 − v) M x = − D (1 − v)  x
N x =  x
2
onde C e D representam, respectivamente, as rigidezes de membrana e de flexão que são

dadas por:
Eh Eh3
C= D= (2.7)
1 − v2 12(1 − v 2 )
Para a solução das equações do painel cilíndrico, os esforços internos de membrana são
comumente substituídos pela função de tensão de Airy, f(x,θ), de acordo com as seguintes
relações:
f , xx = N
f , = R 2 N x (2.8)
f , x = − RN x
sendo possível escrever, a partir das equações (2.6) e (2.8), a relação entre as deformações da
superfície média e a função de tensão de Airy como:
( f , − vR 2 f , xx )
x =
EhR 2
( R 2 f , xx − vf , )
 = (2.9)
EhR 2
2 R (1 + v) f , x
 x = −
EhR 2
2.3 FUNCIONAIS DE ENERGIA DO PAINEL CILÍNDRICO
Foi considerado para a formulação das equações não lineares de movimento o painel
cilíndrico com suas extremidades simplesmente apoiadas e sobre a ação de um carregamento
lateral dinâmico, p(t), conforme a Figura 2.3.
Figura 2.3 - Representação do carregamento aplicado ao painel cilíndrico.
Para a obtenção das equações não lineares de movimento, foram escritos os funcionais de
energia do sistema e aplicado o princípio de Hamilton. A energia interna de deformação (UI),
pode ser escrita como a soma das parcelas da energia de membrana (Um) e da energia de
flexão (Ub), que é descrita em função das tensões e das deformações em um ponto qualquer ao
longo da espessura, tendo como referência a superfície média. De acordo com Brush e
Almroth (1975), tem-se:
h /2  L
UI =
R
2 − h/2 0 0
( )
 x  x +     +  x  x dxd dz (2.10)
Substituindo-se na equação (2.10) as equações (2.3) e (2.4), obtêm-se as duas parcelas de

energia de deformação Um e Ub de tal maneira que a energia de membrana reúne apenas os
termos relativos à deformação da superfície média do painel cilíndrico enquanto a energia de
flexão reúne os termos relativos à mudança de curvatura, resultando nas seguintes expressões
para Um e Ub:
L
CR  2 1 − 2 
Um =     x +  + 2 x +  x  dxd
2
2 0 0 2  (2.11)
L
Ub =
DR
2 0 0
(  x2 + 2 + 2 x  + 2 (1 − )  x2 ) dxd (2.12)
O trabalho da força externa (Ve), considerando o carregamento representado na Figura 2.3, é

dado conforme equação a seguir:
L
Ve = −   p(t ) wRdxd (2.13)
0 0
A energia cinética (T) do painel cilíndrico considera apenas a inércia relativa ao deslocamento
transversal (w), pois a simplificação por não considerar as parcelas relativas ao deslocamento
axial (u) e circunferencial (v) não gera erros significativos, visto que a vibração nesses
sentidos são bem superiores à vibração transversal do painel. Desta forma, tem-se para a
energia cinética:
 hR  L
T=   w dxd
2
(2.14)
2 0 0
Quanto as forças de dissipação, estabelece para o painel cilíndrico, segundo Popov et al.
(1998):
L
1
2 0 0
Re = 1 w2 dxRd (2.15)
A equação (2.15) representa as forças lineares viscosas devida à resistência do ar, sendo β1 o
parâmetro de amortecimento viscoso dado por:
1 = 21 h0 (2.16)
onde η1 representa o coeficiente de amortecimento viscoso e ω0 a frequência natural do painel

cilíndrico perfeito.
2.4 SISTEMAS DE EQUAÇÕES NÃO LINEARES DE MOVIMENTO
A partir dos funcionais de energia, a função de Lagrange pode ser escrita da seguinte forma:
L = T − (U m + U b ) + Ve (2.17)
Escrevendo a função de Lagrange em termos das componentes dos deslocamentos u, v e w, e

das suas respectivas derivadas em relação a x e a θ, e aplicando o princípio de Hamilton:
d L L
− =Q , U =  u , v, w
T
(2.18)
dt U U
onde U é a coordenada generalizada e Q são as forças generalizadas não derivadas de um

funcional, como as forças de dissipação Re. Nesse caso, as forças generalizadas Q são obtidas
pela simples diferenciação abaixo:
Re
Q=− (2.19)
U
Utilizando as ferramentas do cálculo variacional, obtêm-se as seguintes equações não lineares

de movimento:
N x ,
N x, x + =0
R
N ,
N x , x + =0 (2.20)
R
N  N 2 N x 
 hw + 1w + D 4 w − −  N x w, xx + 2 w, + w, x  − p (t ) = 0
R  R R 
Para um painel cilíndrico simplesmente apoiado, o problema deve satisfazer as seguintes

condições de contorno:
• Deslocamentos transversais nulos nas extremidades do painel:
w ( 0,  ) = w ( L,  ) = 0
(2.21)
w ( x, 0 ) = w ( x,  ) = 0
• Momento axial e circunferencial nulos nas bordas do painel:
M x ( 0,  ) = M x ( L,  ) = 0
(2.22)
M  ( x, 0 ) = M  ( x,  ) = 0
Utilizando a função de tensão, é possível reescrever as equações de equilíbrio (2.20), sendo

que as duas primeiras equações do sistema não linear são satisfeitas automaticamente com a
aplicação das equações (2.8). Já a terceira equação de (2.20) pode ser reescrita apenas em
função do deslocamento transversal (w) e da função de tensão de Airy, f (x,θ):
1 1
 hw + 1w + D 4 w − f , xx − 2  f , w, xx − 2 f , x w, x + f , xx w,  − p (t ) = 0 (2.23)
R R
Para que a equação (2.24) tenha solução possível e determinada, é necessária uma nova
equação composta dessas mesmas duas incógnitas. A partir da teoria da elasticidade, tem-se a
seguinte equação de compatibilidade e continuidade geométrica para o estado plano de

deformação:
 x ,  x , x
2
+  , xx − =0 (2.24)
R R
Aplicando as equações (2.1) e (2.9) na equação (2.24), é possível reescrever a equação de

compatibilidade e continuidade em função de w e f (x,θ):
f 4 ( x, ) = 2 ( 2w, x − Rw, xx + w,2x − w, xx w, − w, − w, xx )

1 1
(2.25)
Eh R
Para a solução das equações de movimento do painel cilíndrico em termos do deslocamento

lateral, w, é necessário adotar uma expansão modal que represente uma boa aproximação dos
deslocamentos laterais e que represente o real comportamento não linear do painel cilíndrico.
No próximo capítulo, serão apresentadas as técnicas empregadas para a discretização do

problema com a inclusão da aleatoriedade dos parâmetros físicos e geométricos na
modelagem do painel cilíndrico.
CAPÍTULO 3
DISCRETIZAÇÃO ESTOCÁSTICA DO PAINEL CILÍNDRICO

BASEADA EM CAOS POLINOMIAL
Neste capítulo é apresentado o método de Galerkin Estocástico para determinar os

coeficientes da expansão do Polinômio de Caos Generalizado, transformando o sistema
estocástico em um sistema determinístico equivalente que leva em consideração a
aleatoriedade do problema.
Este trabalho tem o objetivo de representar a aleatoriedade dos parâmetros físicos e

geométricos de um painel cilíndrico submetido a uma pressão lateral dependente do tempo,
realizando a análise dinâmica não linear para avaliar a influência das incertezas no
comportamento dinâmico dessa estrutura. Uma das maneiras de se fazer essa análise é
simulando diversas amostras através da simulação de Monte Carlo. Porém essa estratégia,
principalmente em um cenário de análise dinâmica não linear, torna o processo de obtenção
dos resultados numéricos ineficiente devido ao esforço computacional para a realização de
cada análise. Para contornar essa dificuldade numérica, optou-se nesta dissertação por um
método que não considera a geração de amostras para fornecer as informações estatísticas
necessárias, como média e variância, de forma direta, a exemplo do Caos Polinomial.
3.1 CAOS POLINOMIAL GENERALIZADO
As incertezas de um processo representam a variabilidade dos dados que estão presentes

devido desconhecimento da descrição do modelo físico do problema, de erros de medições
inevitáveis ou de erros de fabricação da estrutura. Portanto, para se ter simulações mais
realistas, é fundamental incorporar essas incertezas nos parâmetros das equações que regem o
equilíbrio do problema. A principal abordagem é tratar a incerteza como variáveis aleatórias,
ou processos aleatórios, e reformular o que originalmente eram sistemas determinísticos em
sistemas estocásticos (XIU, 2009).
Atualmente, um dos métodos mais utilizados para incorporar a aleatoriedade é a simulação de

Monte Carlo (MC). Trata-se de um método de amostragem dos dados de entrada de acordo
com a distribuição de probabilidade inserida, obtendo-se uma solução determinística para
cada valor da amostra. A partir desse conjunto de soluções geradas, algumas informações
estatísticas podem ser obtidas como, por exemplo, média e variância. Apesar de ser um
método relativamente simples do ponto de vista matemático, a sua precisão depende da
consideração de um número elevado de amostras o que eleva o tempo de processamento
computacional (XIU, 2009).
Por isso existem métodos não estatísticos alternativos que incorporam a aleatoriedade de
forma analítica nas equações. Recentemente, um método desenvolvido que se tornou um dos
métodos mais utilizados para esse tipo de problema, e que será utilizado no presente trabalho,
é o Caos Polinomial Generalizado (gPC) baseado na teoria de caos homogêneo de Wiener-
Hermite. Nesse método as soluções estocásticas são expressas como polinômios ortogonais
dos parâmetros aleatórios de entrada. De acordo com a distribuição de probabilidade das
variáveis aleatórias, diferentes tipos de polinômios ortogonais podem ser escolhidos para
melhorar a convergência do método. O Caos Polinomial clássico utiliza o polinômio de
Hermite que possui a mesma função peso da distribuição de probabilidade gaussiana,
portanto, é apenas um caso em específico do caos polinomial generalizado (XIU, 2009).
Xiu e Karniadakis (2002) demonstram para o método gPC que os polinômios do esquema de
Askey podem ser utilizados para representar os processos estocásticos com uma boa taxa de
convergência, já que possuem uma função peso idêntica a funções pesos de certas
distribuições de probabilidade. Dessa maneira, os autores introduziram a expansão do caos
polinomial Wiener-Askey, que generaliza a expansão relacionando a variável aleatória a um
dado polinômio do esquema de Askey que possua a mesma função peso, conforme mostrado
na Tabela 3.1. Xiu e Karniadakis (2002) realizaram diversos exemplos com diferentes tipos de
entradas aleatórias, resolvendo uma equação diferencial estocástica específica. As taxas de
convergência da expansão Wiener-Askey foram comparadas com a solução exata da equação,
mostrando a eficiência do método.
Tabela 3.1 - Polinômios de Wiener-Askey e suas correspondentes variáveis aleatórias
Tipo de Processo Variável aleatória Polinômio de Wiener-Askey {Φj(ζ)} Limites
Gaussiana Hermite-Caos (-∞,∞)
Gamma Laguerre-Caos (0,∞)

Contínuo
Beta Jacobi-Caos [a,b]
[a,b]
Uniforme Legendre-Caos
Poisson Charlier-Caos {0,1,2,...,}
Binomial Krawtchouk-Caos {0,1,...,N}

Discreto
Binomial Negativa Meixner-Caos {0,1,2,...}
Hipergeométrica Hahn-Caos {0,1,2,...,N}
Fonte: Xiu e Karniadakis (2002)

Como a expansão do Caos Polinomial Generalizado de Wiener-Askey tem o intuito de lidar
com as variáveis aleatórias genéricas não-gaussianas, é possível representar o processo
aleatório por processos estocásticos de segunda ordem X(ϕ), de acordo com Xiu e
Karniadakis (2002), como:
 
( ) ( )
i1
X ( ) = c0 I 0 +  ci1 I1  i1 ( ) +  ci1i2 I 2  i1 ( ) ,  i2 ( )
i1 =1 i1 =1 i2 =1
(3.9)

( )
i1 i2
+  ci1i2i3 I 3  i 1 ( ) ,  i2 ( ) ,  i3 ( ) + ,
i1 =1 i2 =1 i3 =1
onde ϕ é o processo randômico, In(ζi1,...,ζin) representa o polinômio de caos de Wiener-Askey

de grau n em termos do vetor de variáveis aleatórias ζ=(ζi1,...,ζin) e ci1 , ci1 i2 , ci1 i2i3 ... são as
amplitudes dos modos aleatórios do processo estocástico X(ϕ). É importante observar que ao
invés de se considerar o primeiro somatório como infinito, atribui-se um valor limite
correspondente ao número de variáveis aleatórias a ser analisada no problema.
Por conveniência a equação (3.1) pode ser reescrita como:


X ( ) =  cˆ j  j ( ) (3.2)
j =0
onde existe a correspondência direta entre as funções que representa o polinômio In(ζi1,...,ζin) e
a base polinomial Фj (ζ) bem como entre os coeficientes ci1 i2i3 e cˆ j .
Dessa maneira, a relação de ortogonalidade do polinômio de caos de Wiener-Askey é dada

por:
 i ,  j =  i2  ij (3.3)
onde δij é o delta de Kronecker e <·,·> representa o produto interno dentro do espaço de
Hilbert para as funções dependentes das variáveis aleatórias contínuas f(ζ) e g(ζ) , ou seja:
f (  ) , g ( ) =  f ( ) g ( ) W ( ) d  (3.4)

sendo que W(ζ) representa função peso correspondente ao polinômio de caos de Wiener-
Askey, que nesse caso é a mesma função da distribuição de probabilidade da variável
aleatória, e o intervalo de integração é o domínio da variável aleatória em questão.
O procedimento geral para a expansão do polinômio de caos é demonstrado por Xiu e

Karniadakis (2002) que consideram a solução da equação diferencial estocástica Γ(x,t,ϕ;u) um
somatório truncado em um número finito de termos, NT:
NT
u ( x, t ;  ) =  ui ( x, t ) j ( ( ) )
i =0
(3.5)
O total de termos dessa expansão é (NT+1) e é determinada pela dimensão (n) da variável
aleatória (ζ) e da maior ordem (p) dos polinômios {Фj}:
( NT + 1) =
( n + p )!
(3.6)
n! p !
De acordo com Xiu e Karniadakis (2003), os momentos estatísticos de primeira e segunda

ordem, respectivamente, média e variância, são obtidos de forma direta a partir do coeficiente
de índice zero e da soma dos demais coeficientes do polinômio, conforme as seguintes
relações:
 u ( x, t ;  )    u ( x, t ;  ) NT  ˆ
N  = u0
( )
NT (3.7)
Var u ( x, t ;  )  =   u ( x, t ;  ) −  ( u ( x, t ;  ) )     uˆi2 ( x, t ;  )  2j 
2
  i =1
3.2 POLINÔMIO DE LEGENDRE-CAOS
A distribuição de probabilidade das variáveis aleatórias contínuas do presente trabalho foi

considerada como Uniforme por ser uma distribuição de probabilidade conservadora, que na
ausência de um procedimento para caracterizar estatisticamente as variáveis aleatórias,
representa de maneira satisfatória a incerteza dos parâmetros físicos e geométricos. Dessa
maneira, o polinômio de Wiener-Askey que será utilizado é o polinômio de Legendre-Caos,
no qual a função peso é a mesma da distribuição uniforme de uma variável aleatória contínua,
conforme a Tabela 3.1.
Na prática, a escolha do polinômio de caos é dependente do tipo de distribuição da variável

aleatória  para que haja a semelhança na função peso. A função peso da distribuição de
probabilidade uniforme de uma variável aleatória contínua definida para um domínio [a,b] é
dada por:
1
W ( ) = (3.8)
b−a
Os oito primeiros polinômios de Legendre-Caos denotado por {Len (z)} definido no intervalo
de [a,b]=[-1,1] estão apresentados a seguir:
Le0 = 1
Le1 = z
Le2 =
1
2
( 3 z 2 − 1)
Le3 = ( 5 z 3 − 3z )
1
2
Le4 = ( 35 z 4 − 30 z + 3)
1 (3.9)
8
Le5 = ( 63 z 5 − 70 z 3 + 15 z )
1
8
Le6 = ( 231z 6 − 315 z 4 + 105 z 2 − 5 )
1
16
Le7 = ( 429 z 7 − 693z 5 + 315 z 3 − 35 z )
1
16
Para a distribuição da variável aleatória (ζ) dentro de qualquer outro intervalo [a,b], é
necessário uma mudança de variável nos polinômios de Legendre-Caos de modo que os
valores limites do intervalo qualquer seja correspondente ao intervalo [-1,1], que é o intervalo
para a consideração dos polinômios de Legendre-Caos, dados pela equação (3.9). Sendo
assim, a equação abaixo representa essa mudança dos limites da variável aleatória em questão
para o intervalo [-1,1]:
2 − ( a − b )
z= (3.10)
b−a
onde ζ é a variável aleatória e a e b são os valores mínimo e máximo do domínio da variável

aleatória, respectivamente.
3.3 DETERMINAÇÃO DO CAMPO DE DESLOCAMENTOS

TRANSVERSAIS
O campo de deslocamento transversal, w, é um fator determinante para a obtenção de

soluções não lineares representativas de um problema estrutural real como o de um painel
cilíndrico. Portanto, é necessária uma metodologia que permita a escolha dos modos que
devem ser adotados na expansão de w que represente de maneira consistente o
comportamento não-linear da estrutura, considerando os devidos acoplamentos modais. O
método da perturbação que será descrito a seguir é uma metodologia aplicável às equações
não lineares do painel cilíndrico que identifica os modos necessários para a obtenção da
solução aproximada do problema (GONÇALVES, 1987; DEL PRADO, 2001; SILVA et al.,
2011; SATLER, 2015; MORAIS, 2017). A seguir, apresenta-se uma breve descrição do
método da perturbação para a determinação dos campos de deslocamentos, conforme o
apresentado no trabalho de Gonçalves (1987).
O sistema de equações não lineares do painel cilíndrico, (2.20), pode ser escrito da seguinte
forma:
L(U) − U,tt = Q +  D1 (U) +  2 D2 (U) (3.11)
Onde L é um operador diferencial linear, U é o campo de deslocamentos, Q é o vetor de

cargas, D1( ) é um operador diferencial não linear que gera os termos não lineares quadráticos,
D2( ) é um operador diferencial que não-linear que gera os termos não lineares cúbicos nas
equações diferenciais.
Nota-se na equação (3.11) que os termos quadráticos são multiplicados pelo parâmetro de
perturbação δ (h/R) e os termos cúbicos multiplicados por δ2. Como o painel cilíndrico é
considerado uma estrutura esbelta com h/R<<1, o parâmetro δ pode ser tomado como um
valor muito pequeno e o campo de deslocamentos, U, pode ser reescrito como uma série de
potência de δ:

u =   i ui ( x,  , t )
i =0

v =   i vi ( x,  , t ) (3.12)
i =0

w =   i wi ( x,  , t )
i =0
Substituindo os termos da equação (3.12) na equação (3.11) e agrupando todos os termos com
igual potência de δ , obtém-se uma série de sistemas de equações lineares da seguinte forma:
L(U 0 ) − U ,0tt = 0
L(U1 ) − U1,tt = D1 (U 0 )
(3.13)
L(U ) − U = D1 (U , U ) + D2 (U )
2 2
,tt
0 1 0
podendo ser resolvidos recursivamente, visto que os termos à direita das igualdades para Ui
contém termos até a ordem máxima (i-1).
Inicialmente, é necessário solucionar a primeira equação do sistema apresentado em (3.12) e

para isso é considerado os modos clássicos de vibração de um painel cilíndrico simplesmente
apoiado em todas as suas bordas:
 m x   n 
u0 = U 0 f (t ) cos   sen  
 L    
 m x   n 
v0 = V 0 f (t )sen   cos   (3.14)
 L    
 m x   n 
w0 = W 0 f (t )sen   sen  
 L    
onde U 0 , V 0 e W 0 são as amplitudes modais, f(t) é a função no tempo que descreve a

amplitude modal dos deslocamentos, m o número de semi-ondas longitudinais e n o número
de semi-ondas circunferenciais do painel cilíndrico.
A partir de U0, é possível encontrar usando os seguintes sistemas lineares (3.13) a forma dos
demais modos secundários de ordens mais altas U1, U2, etc, que acoplarão aos modos
principais até a precisão desejada. A solução geral do campo de deslocamentos pode ser
escrita a seguir como o somatório dos modos encontrados pelo método da perturbação:
 im x   jn   lm x   kn 

u=  U
i =1,3,5 j =1,3,5
ij (t ) cos 
 L 
 sen 
 
 +   U lk (t )sen 
 l = 2,4,6 k =2,4,6  L 
 cos 
  

 im x   jn   lm x   kn 

v=  V
i =1,3,5 j =1,3,5
ij (t )sen 
 L 
 cos   +   V lk (t ) cos 
   l = 2,4,6 k = 2,4,6  L 
 sen 
  
 (3.15)
 im x   jn   lm x   kn 

w=  W
i =1,3,5 j =1,3,5
ij (t )sen 
 L 
 sen 
 
 +   W lk (t ) cos 
 l = 2,4,6 k =2,4,6  L 
 cos 
  

Observa-se que a solução geral do campo de deslocamentos (3.15) se aplica a painéis

cilíndricos infinitamente longos, já que nenhuma condição de contorno foi aplicada durantes o
cálculo dos termos de alta ordem. Aplicando as condições de contorno de deslocamentos
transversais (2.21) e momentos axial e circunferencial (2.22) nulos nas bordas do painel, o
campo de deslocamento transversal pode ser reescrito da seguinte forma (SATTLER, 2015;
MORAIS, 2017):
 im x   jn 
w=  
i =1,3,5 j =1,3,5
Aij (t )sen 
 L 
 sen 
 
+

  3 + 6  6 m x 
  B(2+ 6 )(2 +6  ) (t )   cos  
 = 0,1,2,3...  = 0,1,2,3...   4 + 12  L 
(3.16)
 (2 + 6 )m x  1 + 6  (4 + 6 ) m x    3 + 6   6  n 
− cos  + cos    cos  
 L  4 + 12  L    4 + 12    
 (2 + 6  ) n  1 + 6  (4 + 6  ) n  
− cos  + cos   
   4 + 12    
em que Aij(t) e B(2+6α)(2+6β)(t) são as amplitudes modais do campo de deslocamento transversal

do painel.
A expansão modal do deslocamento transversal utilizada nessa dissertação alcança de forma

qualitativa um comportamento estático não linear adequado e com um esforço computacional
pequeno por ter apenas dois graus de liberdade (MORAIS, 2017), a saber:
 m x   n 
w = A11 (t )sen   sen  +
 L    
(3.17)
3  2m x  1  4m x    3  2n  1  4n  
B22 (t )  − cos   + cos     − cos   + cos  
4  L  4  L   4    4   
O campo de deslocamento transversal descrito em (3.17) é substituído na equação (2.26) e a

função de tensão de Airy, f, é encontrada, analiticamente, e substituída na equação de
movimento (2.24). Com a função de tensão obtida e o campo de deslocamento transversal
empregado na solução da função de tensão, aplica-se o método de Galerkin clássico para a

discretização da equação de equilíbrio e obtém-se equações do tipo:
EQi ( A11 (t ), B22 (t ), p(t ),  , 0 ) = 0 , i = 1, 2 (3.12)
dependentes das amplitudes modais do campo de deslocamento transversal A11(t) e B22(t), da

carga, p(t), da variável aleatória ζ, que poderá ser a espessura, h, o raio, R, ou o módulo de
elasticidade, E, e da frequência natural do painel cilíndrico ω0.
3.4 MÉTODO GALERKIN ESTOCÁSTICO
Nesse trabalho o processo randômico X(ϕ) representa as amplitudes modais que serão
expandidas em um somatório de termos que englobam os termos do polinômio de Legendre-
Caos (Le) e as amplitudes dos modos aleatórios (aj e bj), conforme a seguinte equação:
NT
Aij (t ) =  a j Le j = a0 Le0 + a1Le1 + a2 Le2 + + a NT LeNT
j =0
NT
(3.13)
Bij (t ) =  b j Le j = b0 Le0 + b1 Le1 + b2 Le2 + + bNT LeNT
j =0
onde NT é o número de termos de polinômios que serão considerados no somatório.
A frequência natural do sistema também é substituída por uma expressão em função da

variável aleatória em questão, ζ, já que esse parâmetro depende do valor que essa variável
aleatória assume e por isso a aleatoriedade deve ser incorporada indiretamente nesse
parâmetro da estrutura. Assim, a equação (3.12) pode ser reescrita da seguinte forma,
independentemente da frequência natural do sistema e com os coeficientes do polinômio de
caos:
EQi ( a j (t ), b j (t ), Le j , p (t ),  ) = 0 , i = 1, 2 (3.14)
Para a solução de equações diferenciais ordinárias estocásticas (EDOE), dadas por EQi (i=1,2)
na equação (3.14), que possuem variáveis aleatórias independentes em um espaço de
probabilidade conhecido, o método de Galerkin Estocástico transforma as equações do tipo
EDOE em um sistema de equações diferenciais ordinárias determinísticas (EQOD) conforme
equação (3.15), que incorpora a incerteza do problema através da expansão do caos
polinomial sob a variável aleatória desejada:
EQOD j = Eq.(3.14) j ,  j = 0 , j = 0,1, 2 NT (3.15)
Sendo Фj o j-ésimo termo do polinômio de caos, conforme equação (3.9). Demonstrando que
a solução de um processo aleatório pode ser aproximada pela expansão das amplitudes modais
a partir do Caos Polinomial. A projeção de Galerkin-Estocástico é então conduzida de
maneira a assegurar que o erro da aproximação seja ortogonal ao espaço funcional medido
pela base polinomial finita {Фi}.
Com a aplicação do método de Galerkin-Estocástico, equação (3.15) propriamente dita,

observa-se que são geradas (NT+1) equações determinísticas que consideram a aleatoriedade
do problema, mas que não dependem mais da variável aleatória, ζ, apenas dos coeficientes do
polinômio de caos, da frequência de excitação da carga lateral, p(t), e do tempo, t. Em
seguida, é montado um sistema de equações determinísticas que podem ser discretizadas no
espaço e no tempo por técnicas numéricas tradicionais como método de Runge-Kutta de
quarta ordem.
CAPÍTULO 4
RESULTADOS NUMÉRICOS
Neste capítulo serão apresentados as frequências naturais e os digramas de bifurcação de um

painel cilíndrico simplesmente apoiado, excitado transversalmente por um carregamento
dependente do tempo e na forma do modo fundamental de vibração. Para a abordagem
empregada nesta dissertação, considera-se como variável aleatória, com distribuição uniforme
de probabilidade, os seguintes parâmetros: a espessura, o módulo de elasticidade e o raio,
primeiramente de forma isolada e, posteriormente, a análise é feita com a consideração
simultânea de dois, ou de três, parâmetros aleatórios. Para isto, os resultados das análises
dinâmicas são obtidos a partir do emprego do polinômio de Legendre-Caos em uma
abordagem intrusiva. Sempre que possível, realiza-se a comparação dos resultados desta
dissertação, obtidos a partir da aplicação do Caos Polinomial, com os resultados gerados a
partir de simulações do método de Monte Carlo. As análises dinâmicas apresentadas ao longo
desse capítulo consideram três diferentes geometrias nominais para o painel cilíndrico de
material homogêneo, isotrópico e elástico-linear com módulo de elasticidade E = 2,1 x 1011
N/m2, coeficiente de Poisson ν = 0,3 e densidade ρ = 7860 kg/m3. As características
geométricas do painel, denominado como G2, foram atribuídas a partir do trabalho de Popov,
Thompson, Croll (1998), com comprimento circunferencial, aθ = 1,00 m, comprimento axial,
L = 1,00 m e espessura h = 0,01 m. As geometrias denominadas como G1 e G3 são variações
da geometria G2 quanto ao raio de curvatura, R, e são conhecidas também dos trabalhos de
Morais (2017) e Morais e Silva (2019). As características geométricas nominais dessas
geometrias são apresentadas na Tabela 4.1.
Tabela 4.1 - Características geométricas do painel cilíndrico estudado.

Geometria h (m) R (m) E (N/m2) L (m) ν aθ (m) ρ (kg/m3)
G1 4,1665
G2 0,01 8,333 2,1x1011 1,00 0,3 1,00 7860
G3 2,083
A expansão modal utilizada, para descrever o campo de deslocamentos transversais do painel
cilíndrico simplesmente apoiado, nas análises dinâmicas lineares e não lineares, é composta
pela soma de um modo de vibração formado por funções harmônicas do tipo seno,
denominado como modo fundamental de vibração, e um modo de vibração formado por
funções harmônicas do tipo cosseno, conforme a seguinte equação:
 m x   n 
w( x,  , t ) = A1 (t )sen   sen  +
 L    
(4.1)
 3  2m x  1  4m x    3  2n  1  4n  
A2 (t )   − cos   + cos     − cos   + cos   
 4  L  4  L   4    4    
onde A1(t) e A2(t) são as amplitudes modais do campo de deslocamento transversal do painel
cilíndrico, m descreve o número de semi-ondas longitudinais, n o número de semi-ondas
circunferências no painel cilíndrico e L e Θ são o comprimento axial e ângulo de abertura do
painel, respectivamente.
Esse modelo de baixa dimensão composto por dois graus de liberdades, dado pela equação
(4.1), representa satisfatoriamente o comportamento não linear do painel cilíndrico para as
três geometrias estudadas, minimizando o esforço computacional e o tempo de análise tanto
em uma abordagem determinística quanto em uma abordagem estocástica. Morais (2017) e
Morais e Silva (2019) demonstraram a eficiência desse modelo em representar o
comportamento não linear pós-críticos das geometrias consideradas nesse estudo dentre as
diversas expansões modais para os deslocamentos transversais do painel cilíndrico que foram
investigadas pelos autores. Essa eficiência também foi observada para uma análise dinâmica
de painéis cilíndricos excitados lateralmente (SATTLER, 2015).
Os parâmetros adimensionais empregados nas equações desse trabalho são definidos por:
f
 = 0t f = (4.2)
0
onde ω0 é a frequência natural do painel cilíndrico, ωf é a frequência de excitação da carga

lateral aplicada e t é a variável tempo.
Na análise das vibrações forçadas, os painéis cilíndricos foram submetidos a uma pressão
lateral, p(t), na forma do modo fundamental de vibração dos painéis cilíndricos simplesmente
apoiados, a saber:
 m x   n 
p(t ) = PLsen   sen   cos ( f t ) (4.3)
 L    
sendo PL a magnitude da pressão lateral aplicada, ωf a frequência de excitação e t o tempo.
Nas análises forçadas do painel cilíndrico, utilizou-se uma magnitude da pressão lateral
aplicada que ativasse a não linearidade geométrica do problema, provocando amplitudes
modais de vibração máximas próximas do valor de duas vezes a espessura dos painéis
cilíndricos, considerado um limite de utilização da teoria de Donnell (1934).
A incorporação das variáveis aleatórias, com distribuição uniforme de probabilidade, no

problema foi realizada pelo método de Monte Carlo (MC) e pela Expansão do Caos
Polinomial (PCE) aplicado em conjunto com o método de Galerkin Estocástico. Para cada
variável aleatória em análise foi gerada um conjunto de amostras descrito por uma
distribuição uniforme no intervalo [A, B], no qual os limites A e B correspondem a 90% e
110% do valor nominal da variável aleatória, respectivamente, conforme apresentado na
Tabela 4.2, sendo o raio, R, o único parâmetro que gera intervalos diferentes de amostragem
entre as geometrias consideradas.
Tabela 4.2 - Intervalo da distribuição uniforme das variáveis aleatórias consideradas.
Variável aleatória Limite mínimo (A) Valor Nominal Limite máximo (B)
E (Pa) 1,89 x 1011 2,1 x 1011 2,31 x 1011
h (m) 0,009 0,01 0,011
R - G1 (m) 3,74985 4,1665 4,58315
R - G2 (m) 7,4997 8,333 9,1663
R - G3 (m) 1,8747 2,083 2,2913
4.1 VIBRAÇÃO LIVRE LINEAR
A análise dinâmica linear, para a obtenção da frequência natural e dos modos de vibração do
painel cilíndrico, foi realizada considerando cada um dos três parâmetros h, R e E da Tabela
4.1 como uma variável aleatória que obedece a distribuição uniforme de probabilidade já
mencionada na Tabela 4.2. É importante destacar que, no intervalo de distribuição da variável
aleatória do problema, não foi observado alteração nos modos de vibração em nenhum dos
casos de geometria e em nenhuma das variáveis aleatórias consideradas nesta dissertação.
A frequência natural do painel cilíndrico para cada caso de geometria foi calculada pela
mesma expansão para o campo de deslocamento transversal descrito na equação (4.1). A
expansão com dois graus de liberdade também foi utilizada na análise dinâmica linear, pois o
segundo grau de liberdade, A2(t), influencia na obtenção das frequências naturais do primeiro
modo de vibração, A1(t), quando obtidas pelo Caos Polinomial. Isso, por sua vez, interfere na
análise dinâmica forçada visto que a frequência natural do sistema é um dos parâmetros que é
inserido na equação não linear de equilíbrio em função da variável aleatória.
Foram obtidas as frequências naturais para o primeiro e segundo grau de liberdade para o
sistema determinístico com os valores dos parâmetros nominais de cada geometria. A
expansão modal para o campo de deslocamento, equação (4.1), é substituída na equação de
compatibilidade geométrica do painel cilíndrico, equação (2.26), obtendo-se analiticamente a
função de tensão que será empregada na equação não linear de movimento do painel
cilíndrico, equação (2.24). Após a aplicação do método de Galerkin, as equações de equilíbrio
discretizadas são linearizadas em torno das amplitudes modais que, por sua vez, são
temporalmente descritas por Ai(t) = ai cos(0 t) (i = 1, 2), gerando um problema de autovalor-
autovetor resultante, onde os autovalores desse sistema fornecem as frequências naturais
associadas aos respectivos modos de vibração da solução modal da equação (4.1). As
frequências naturais, 0, para cada geometria avaliada neste trabalho com seus respectivos
modos de vibração (m, n) estão apresentadas na Tabela 4.3.
Tabela 4.3 - Frequências naturais dos sistemas determinísticos.

Geometria m n ω0 (rad/s) Ai(t)
G1 1 1 692,89 A1(t)
1286,57 A2(t)
G2 1 1 437,56 A2(t)
1086,03 A2(t)
G3 1 2 917,67 A1(t)
2779,36 A2(t)
Para o caso não-determinístico, as frequências naturais do sistema foram obtidas através da
expansão das amplitudes modais da equação (4.1) em termos do polinômio de Legendre-Caos
(3.13), pois a função de distribuição de probabilidade é uniforme (XIU e KARNIADAKIS,
2002). Em seguida aplica-se o método de Galerkin Estocástico no sistema de equações
lineares de equilíbrio discretizadas. A solução do problema de autovalor-autovetor
equivalente, que considera a aleatoriedade dos parâmetros, foi resolvido como sendo um
sistema determinístico equivalente.
No estudo de Jacquelin et. al (2015), as frequências naturais de um sistema massa mola com
dois graus de liberdade também são calculadas a partir da Expansão do Caos Polinomial e são
denominadas de frequências ressonantes que se dividem em dois grupos centrados nos
autovalores do sistema determinístico. Como o número de graus de liberdade do sistema
estocástico é um múltiplo do número de graus de liberdade do sistema determinístico, o
número de frequências ressonantes aumenta à medida que o grau do polinômio de Legendre-
Caos também aumenta, observando que as frequências determinísticas do sistema aparecem

apenas quando o grau do polinômio é par.
Assim como no estudo de Jacquelin et. al (2015), as frequências ressonantes também foram
calculadas para os sistemas estocásticos do presente trabalho. Porém, com o aumento da
complexidade das equações lineares do painel cilíndrico em relação ao sistema massa-mola
apresentado por Jacquelin et. al (2015), as frequências ressonantes aparecem com termos
imaginários para determinados graus do polinômio, demonstrando já na análise dinâmica
linear que, para sistemas estruturais contínuos como o de painéis cilíndricos, há uma maior
dificuldade de se obter resultados para graus de alta ordem do polinômio empregado no
método de Galerkin Estocástico.
Na Tabela 4.4 são apresentadas as frequências ressonantes obtidas para a geometria G1,
considerando a espessura, módulo de elasticidade e raio como variáveis aleatórias de forma
independente e obedecendo o intervalo de distribuição uniforme já estabelecido na Tabela 4.2.
Para o caso da aleatoriedade na espessura do painel cilíndrico, a partir do polinômio de grau 4
já se observa frequências ressonantes com termos imaginários para o primeiro grau de
liberdade. Porém, para os graus pares do polinômio, os grupos de frequências ressonantes
estão centrados em valores bem próximos das frequências naturais do sistema determinístico
da geometria G1 que estão destacados em negrito na Tabela 4.4, com a diferença percentual
em relação as frequências naturais determinísticas de cada caso.
Também foi observado na Tabela 4.4 que, dependendo do parâmetro físico, ou geométrico,
que é incorporado como variável aleatória, as frequências ressonantes podem se aproximar
mais das frequências naturais determinísticas, a exemplo do módulo de elasticidade como
variável aleatória. Nota-se também que, diferente do caso com aleatoriedade no módulo de
elasticidade, os termos imaginários apareceram a partir do polinômio de Legendre-Caos de
grau 5. Isso pode ser explicado pelo fato de a espessura ser uma variável aleatória não linear
enquanto o módulo de elasticidade é uma variável aleatória linear na equação de equilíbrio do
painel cilíndrico que, por sua vez, influenciam a obtenção das frequências naturais.
Tabela 4.4 - Frequências ressonantes do sistema estocástico G1.
Grau do PCE ω (rad/s) - h ω (rad/s) - E ω (rad/s) - R

p=0 693,58 (0,10%) 692,89 (0,00%) 697,56 (0,68%)

1290,53 (0,10%) 1286,57 (0,00%) 1290,73 (0,32%)
p=1 685,41 672,59 664,42
701,29 712,61 729,20
1242,93 1248,88 1261,58
1334,41 1323,19 1319,23
p=2 682,69 665,51 653,95
693,18 (0,04%) 692,89 (0,00%) 694,89 (0,29%)
703,99 719,22 740,82
1226,77 1235,74 1252,52
1288,27 (0,04%) 1286,57 (0,00%) 1288,34 (0,14%)
1349,56 1335,47 1329,87
p=3 681,53 662,39 649,48
688,42 680,97 675,70
697,90 704,62 713,72
705,17 722,08 746,08
1219,77 1229,95 1248,73
1260,98 1264,46 1271,66
1314,85 1308,30 1305,42
1356,31 1340,81 1334,80
p=4 676,30 661,01 76,41i
687,46+10,77i 673,14 649,40
687,46-10,77i 694,42 (0,22%) 675,30
707,48+7,33i 709,74 713,12 (2,92%)
707,48-7,33i 724,21 745,85
1216,89 1225,33 982,33
1243,27 1256,72 1249,27
1289,94 (0,26%) 1280,27 (0,49%) 1272,38
1328,73 1325,21 1307,36 (1,62%)
1360,42 1341,73 1335,06
p=5 655,75
672,25+14,60i
672,25-14,60i
710,04+20,59i
710,04-20,59i
734,66
1212,47
1253,38+31,02i
1253,38-31,02i
1321,41+25,31i
1321,41-25,31i
1352,96
Já quando o raio, R, foi incorporado como variável aleatória, as frequências ressonantes

apresentam uma diferença maior das frequências determinísticas do que foi observado para os
casos da espessura ou do módulo de elasticidade como variável aleatória, ver as porcentagens
destacadas na Tabela 4.4. Por exemplo, para a geometria G1, é apresentado na Tabela 4.4 as
frequências ressonantes até o polinômio Legendre-Caos de grau 4, que apesar de ser um grau
par não apresentou um grupo centrado em torno das frequências determinísticas. Nas
equações de equilíbrio, o raio aparece como um termo não linear, porém de forma mais
complexa que a espessura, o que pode explicar o fato de o resultado obtido para essa variável
aleatória ser o mais diferente dentre as variáveis aleatórias investigadas.
A mesma análise foi realizada para as demais geometrias G2 e G3 e notou-se a mesma

influência das variáveis aleatórias na obtenção das frequências ressonantes. Porém, para a
geometria G2 foi possível obter os grupos de frequências apenas com termos reais até o
polinômio de grau 4 para a espessura e para o módulo de elasticidade como variável aleatória.
Por outro lado, os grupos de frequências obtidos, quando se considera o raio como variável
aleatório, foram até o polinômio de grau 3. Já para a geometria G3, as frequências ressonantes
foram obtidas apenas com termos reais para a espessura, o módulo de elasticidade e o raio até
os polinômios de grau 5, 5 e 3, respectivamente, como podem ser observados nas Tabelas A.1
e A.2 do Apêndice.
4.2 VIBRAÇÃO FORÇADA NÃO LINEAR – CONSIDERAÇÃO DE UMA

VARIÁVEL ALEATÓRIA
Os diagramas de bifurcação apresentados ao longo desta dissertação, como resultados das

vibrações forçadas não lineares, foram obtidos pelo método da força bruta que é um dos
métodos mais simples para a obtenção dos diagramas de soluções permanentes estáveis de
sistemas dinâmicos, o qual permite encontrar diversos tipos de soluções como pontos fixos,
soluções periódicas ou quase periódicas e movimentos caóticos (DEL PRADO, 2001).
Inicialmente, é estabelecido a discretização do intervalo do parâmetro de controle que, no

caso deste trabalho, considera-se a frequência de excitação do carregamento lateral, f. Para
cada configuração de carregamento, é escolhido um conjunto de condições iniciais e as
equações de equilíbrio discretizadas do painel cilíndrico são integradas ao longo de um tempo
suficientemente longo pelo método de Runge-Kutta de quarta ordem para chegar a uma
resposta permanente. Ao fim de cada integração ao longo do tempo e para cada valor
discretizado do parâmetro de controle, são armazenadas as coordenadas das seções de

Poincaré e o diagrama de bifurcação é traçado. O algoritmo utilizado nessa dissertação
encontra-se de forma detalhada em Del Prado (2001).
A construção do diagrama é feita a partir de dois trechos, um em que o parâmetro de controle

é incrementado até o limite máximo do intervalo (denominado como trecho de ida), e no outro
o parâmetro de controle é decrementado até o limite mínimo estabelecido (denominado como
trecho de volta). Nesse trabalho, para todos os diagramas de bifurcação obtidos para os dois
métodos investigados, a saber: método de Monte Carlo e Expansão Polinomial do Caos, o
intervalo do parâmetro de controle em ambos os trechos, ida e volta, foi 0,60 < Ωf < 1,40.
No caso do método de Monte Carlo (MC), a partir do conjunto de amostras geradas pelo
intervalo da distribuição uniforme definido para cada variável aleatória, sucessivas análises
foram realizadas traçando em cada uma delas um diagrama de bifurcação e, posteriormente,
os momentos estatísticos de primeira e segunda ordem foram obtidos a partir do conjunto total
dessas soluções. Já utilizando a Expansão do Caos Polinomial (PCE), a variável aleatória é
incorporada nas equações não lineares de movimento através da aplicação do método de
Galerkin Estocástico. Portanto, a análise é feita uma única vez para cada grau do polinômio de
Legendre-Caos, obtendo os momentos estatísticos de primeira e segunda ordem de forma
direta, conforme dado nas equações 3.7 (XIU e KARNIADAKIS, 2003).
Em todos os casos que serão apresentados nas subseções seguintes, os momentos estatísticos
de primeira e segunda ordem dos resultados obtidos pelo PCE serão comparados com os
obtidos pelo método de MC com o propósito de avaliar a metodologia estocástica utilizada
nesta dissertação. Deve-se destacar que o número de amostras (n) utilizadas no MC foi de
1000 amostras para cada caso de carregamento, de geometria e de variável aleatória analisado
no presente trabalho.
Na primeira subseção a seguir (4.2.1) serão apresentados os resultados dos 4 casos analisados
para geometria G1, o primeiro considerando a aleatoriedade em h em um sistema menos
amortecido que nos demais casos 2, 3 e 4 que consideram a aleatoriedade em h, E, R,
respectivamente. O primeiro caso dessa subseção foi necessário para demonstrar que em
sistemas menos amortecidos, o comportamento dinâmico e os resultados obtidos pelo PCE
podem ser inferiores a casos de sistemas mais amortecidos. Na segunda subseção 4.2.2 são
apresentados os casos considerando a aleatoriedade em h, E e R para o mesmo valor de
carregamento e amortecimento dentro da análise da geometria G2. E na subseção 4.2.3 foi
feito o mesmo para a geometria G3. Já na subseção 4.3.1, foram consideradas duas variáveis
aleatórias simultâneas em 3 casos para a geometria G1, considerando os valores de
carregamento e amortecimento do sistema mais amortecido da geometria G1 analisado na
subseção 4.2.1. E por fim, na subseção 4.3.2 é apresentado um único caso para a geometria
G1 que considera a aleatoriedade nas três variáveis aleatórias simultâneas h, E e R.
4.2.1 Incertezas nos parâmetros físico e geométrico para a geometria G1
A geometria G1, conforme apresentado na Tabela 4.4, possui o raio com o valor intermediário
entre as demais geometrias G2 e G3. Os resultados, considerando a incerteza em um dos
parâmetros, físico ou geométrico, são apresentados primeiramente para essa geometria, pois
durante o estudo de cada caso, percebeu-se que essa geometria apresenta um comportamento
dinâmico não linear complexo devido ao carregamento aplicado e ao coeficiente de
amortecimento viscoso relativamente baixo. Esse caso será apresentado como o primeiro caso
na subseção seguinte. A partir desse primeiro caso, foi estabelecido para os demais casos um
coeficiente de amortecimento viscoso mais alto e, consequentemente, uma pressão lateral (PL)
mais alta para ativar a não linearidade do problema até que a amplitude máxima atingisse duas
vezes o valor da espessura.
Na Tabela 4.5 são apresentados os quatro casos que foram analisados para a geometria G1,
considerando a incerteza na espessura para os Casos 1 e 2, porém com carregamentos
diferentes devido a alteração do amortecimento. Para os Casos 3 e 4 foram considerados a
incerteza no módulo de elasticidade e no raio, respectivamente, e com a mesma amplitude do
carregamento lateral do Caso 2, permitindo avaliar a influência da aleatoriedade de cada
parâmetro dentro da mesma geometria e submetida ao mesmo carregamento e ao mesmo
amortecimento.
Tabela 4.5 - Casos de análise da geometria G1 considerando uma variável aleatória.

Caso Geometria ζ PL (N/m²) η1
1 G1 h 600 0,001
2 G1 h 9000 0,01
3 G1 E 9000 0,01
4 G1 R 9000 0,01
4.2.1.1 Caso 1 da geometria G1
A primeira análise dinâmica forçada e amortecida foi realizada para a geometria G1,
considerando a aleatoriedade na espessura, h, do painel cilíndrico. Como apresentado na seção
4.1, não foi observado nenhuma modificação no modo de vibração do painel cilíndrico para o
intervalo de distribuição adotado para a variável aleatória em questão, dado na Tabela 4.2.
Neste caso foi considerado um valor de PL = 600 N/m² e o coeficiente de amortecimento
viscoso de η1 = 0,001.
A fim de compreender o comportamento dinâmico não linear do painel cilíndrico de

geometria G1, na Figura 4.1 são apresentados os diagramas de bifurcação de três amostras
determinísticas.
Figura 4.1 - Diagramas de bifurcação determinístico para hmín, hnom e hmáx da geometria G1 (Caso 1).
Na Figura 4.1 os diagramas de bifurcação foram obtidos de forma determinística dentro da

distribuição de amostras gerada para o intervalo de cada variável aleatória, considerando a
respectiva frequência natural de cada amostra para se efetuar a adimensionalização das
equações de equilíbrio no tempo. As amostras para a variável aleatória foram consideradas
para os valores dos limites mínimos e máximos do intervalo de distribuição adotado para a
variação da espessura além do valor nominal da espessura, conforme já apresentado na Tabela
4.2.
Observa-se a partir da Figura 4.1 que a forma do diagrama de bifurcação é a mesma para cada
uma das amostras determinísticas, nos quais antes da região de ressonância, frequência de
excitação Ωf = 1,00, é notado um salto dinâmico e a estrutura tem a possibilidade de vibrar
entre essas duas soluções estáveis que coexistem para o mesmo parâmetro de controle,
caracterizando esse comportamento não linear do painel cilíndrico como softening.
Na Figura 4.2 são apresentados os planos fase determinísticos para os três valores da variável
aleatória da Figura 4.1, ilustrando a coexistência dos dois atratores para o parâmetro de
controle Ωf = 0,9916, sendo a órbita de cor preta os pontos que convergem para a solução de
maior amplitude modal (resposta ressonante) e na cor cinza os pontos que convergem para
valores de menor amplitude da resposta (resposta não-ressonante) do diagrama de bifurcação.
Figura 4.2 - Planos fase do painel cilíndrico determinísticos da geometria G1 (a) hmín (b) hnom e (c) hmáx. (Caso 1,
Ωf = 0,9916).
(a) hmín = 0,009 m (b) hnom = 0,01 m (c) hmáx = 0,011 m
Portanto, nesse primeiro momento, observa que a aleatoriedade dentro do intervalo estudado
influencia na posição e na amplitude da solução estável de maior amplitude que é transladada
para a esquerda à medida que o valor da espessura diminui. Porém, a forma do diagrama de
bifurcação do painel é mantida, não aparentando uma influência qualitativa da aleatoriedade
da variável espessura no comportamento dinâmico não linear do painel cilíndrico.
A partir dessa análise inicial, o método de Monte Carlo foi adotado para o número de
amostras, n = 1000, com o intuito obter os momentos estatísticos de primeira e segunda
ordem (média e variância) com uma precisão maior para posterior comparação com a
Expansão do Caos Polinomial. Na Figura 4.3 é apresentado os diagramas de bifurcação das
1000 amostras determinísticas na cor cinza, obedecendo o intervalo da variável aleatória,
0,009 < h < 0,011, e a média de todas essas amostras para cada valor do parâmetro de controle
nos trechos de ida e volta do digrama de bifurcação na cor preta.
Figura 4.3 - Diagramas de bifurcação determinísticos da geometria G1 (Caso 1).
Nos diagramas de bifurcação da Figura 4.3 é possível observar um comportamento dinâmico

não linear diferente dos diagramas de bifurcação obtidos na Figura 4.1, demonstrando assim
que dependendo do valor que a variável aleatória assume dentro do intervalo estabelecido
para a incerteza na espessura é possível obter um comportamento bem diferente do observado
para os valores mínimo, nominal e máximo da variável aleatória, não sendo indicado uma
mera análise da dinâmica não linear a partir dos valores amostrais extremos do problema. Por
exemplo, na Figura 4.4 é apresentado o diagrama de bifurcação determinístico para o valor de
h = 0,0103 m, demonstrando que, para alguns valores de espessura, se observa no intervalo
0,80 < Ωf < 0,98 uma nuvem de pontos para cada valor do parâmetro de controle, podendo se
tratar de uma região caótica, quase periódica ou de múltipla periodicidade de vibração.
Figura 4.4 - Diagramas de bifurcação determinístico para h = 0,0103 m e geometria G1 (Caso 1).
Da mesma forma que foi apresentado o plano fase para as espessuras mínima, nominal e
máxima, observa-se na Figura 4.5 a coexistência de dois atratores no plano fase da espessura
h = 0,0103 m para o parâmetro de frequência Ωf = 0,9916.
Figura 4.5 - Planos fase do painel cilíndrico determinísticos h = 0,0103 m para a geometria G1 para Ωf = 0,9916
(Caso 1).
Por outro lado, para o parâmetro de controle Ωf = 0,8498 nota-se que nessa região contém
uma nuvem de soluções conforme apresentado na Figura 4.4. Observa-se na Figura 4.6 a
coexistência de dois atratores para esse valor de parâmetro de controle. No trecho de volta do
diagrama de bifurcação, várias seções de Poincaré são mapeadas como mostrado no plano
fase de cor escura, demonstrado que nessa região é obtida uma solução quase periódica,
Figura 4.6a, para o atrator de maior amplitude. Por outro lado, o atrator de menor amplitude é
apresentado na Figura 4.6b na cor clara com uma solução periódica de período 1T.
Figura 4.6 - Planos fase do painel cilíndrico determinísticos h = 0,0103 m para a geometria G1 para Ωf = 0,8498
(Caso 1) (a) atrator de maior amplitude (b) atrator de menor amplitude.
(a) (b)
Assim, a partir dos diagramas obtidos pelo método de Monte Carlo (MC), onde há amostras
que englobam os valores de espessura que geram essa nuvem de soluções, é possível afirmar
que a aleatoriedade influencia qualitativamente no comportamento dinâmico do painel para
esse caso de geometria e de carregamento aplicado, estabelecendo uma dificuldade maior para
a obtenção dos momentos estatísticos de primeira e segunda ordem pela Expansão Polinomial
do Caos.
Após a obtenção dos diagramas de bifurcação pelo método MC, foram traçadas as médias e as
variâncias dos diagramas de bifurcação utilizando o polinômio de Legendre-Caos para a
expansão da amplitude modal A1(t), considerando a variável aleatória nos termos do
polinômio como já demonstrado no Capítulo 3. As soluções obtidas pelo PCE, associado ao
Galerkin Estocástico, são apresentadas a seguir, diferenciando-as entre si pelo grau do
polinômio e, consequentemente, pelo número de termos utilizados na discretização das
amplitudes modais da expansão modal. Cada resultado do PCE foi obtido a partir de
incrementos (trecho de ida) e decrementos (trecho de volta) do mesmo intervalo do parâmetro
de controle e já avaliados com o método de MC.
Na Figura 4.7 é apresentado o diagrama de bifurcação com a média de todas as amostras

obtidas pelo MC e a média obtida pelo PCE para o polinômio de Legendre Caos de grau 0,
representada pelo primeiro termo a0 da equação (3.13).
Para uma melhor compreensão dos resultados que serão apresentados e comparados entre as
duas metodologias utilizadas, MC e PCE, a apresentação dos diagramas de bifurcação será
feita por trecho de ida e de volta de forma isolada, a fim de demonstrar a funcionalidade e
eficiência do método PCE para o completo entendimento dos resultados apresentados na
Figura 4.7.
Figura 4.7 - Diagramas de bifurcação da amplitude A1(τ) do PCE grau 0 e média MC da geometria G1. (Caso 1).
Apresenta-se ao lado de cada diagrama de bifurcação a diferença percentual da seção de

Poincaré mapeada para cada valor da frequência de excitação, Ωf, obtida pelos dois métodos.
Esse erro percentual do resultado do PCE em relação ao resultado obtido pelo MC será
relacionado para cada trecho de ida e volta do diagrama de bifurcação, conforme Figura 4.8.
Os polinômios de Legendre-Caos foram utilizados até o grau 4 e apresentaram boa

correspondência com a média obtida pelo MC em todo o trecho de ida do diagrama de
bifurcação e na região 0,98 < Ωf < 1,2 do trecho de volta do diagrama de bifurcação, onde se
observam soluções estáveis de periodicidade 1T. Por outro lado, aproximadamente na região
0,80 < Ωf < 0,98 do trecho de volta do diagrama de bifurcação, como já era esperado, os
resultados obtidos no PCE não foram considerados satisfatórios pela dificuldade da
representação dos momentos estatísticos nessa região que apresentam soluções caóticas,
quase-periódicas ou de múltipla periodicidade, como foi visto nos diagramas de bifurcações
de todas as 1000 amostras determinísticas, Figura 4.3.
Figura 4.8 - Diagramas de bifurcação da amplitude A1(τ) da geometria G1 e diferenças percentuais entre os dois
métodos utilizados (Caso 1). (a) PCE grau 0 (b) PCE grau 1 (c) PCE grau 2 (d) PCE grau 3 (e) PCE grau 4.
(a) PCE grau 0
(b) PCE grau 1
(c) PCE grau 2
Figura 4.8 - continuação
(d) PCE grau 3
(e) PCE grau 4

O polinômio de grau 0, Figura 4.8a, apresentou taxas de erro próximas a 1,00% e com o
aumento do grau do polinômio os erros em relação à média do MC ficaram em torno de
0,05%, exceto na região de 0,80 < Ωf < 0,98 do trecho de volta do diagrama de bifurcação. Os
erros percentuais diminuíram com o aumento do grau do polinômio, como já era esperado, já
que quanto maior o grau do polinômio mais termos são utilizados para descrever a variância
da variável aleatória.
Assim como apresentado para alguns casos determinísticos da variável aleatória, na Figura
4.9 são apresentados os planos fase obtidos para o mesmo parâmetro Ωf = 0,9916
demonstrando a eficiência do PCE em descrever a coexistência dos dois atratores nesse
parâmetro de controle. Para a reconstrução do plano fase a partir da variação dos coeficientes
do polinômio do caos, as equações não lineares de movimento que consideram as

aleatoriedades são integradas ao longo do tempo através do método de Runge Kutta de quarta
ordem para o parâmetro de controle escolhido, obtendo os valores dos coeficientes e suas
respectivas taxas de variação de cada coeficiente do polinômio ao longo do tempo. Assim, a
amplitude modal é reconstruída a partir da variação dos coeficientes do polinômio de acordo
com a equação 3.13.
As órbitas são obtidas para cada instante de tempo, sendo possível analisar o tipo de solução
encontrada para aquele parâmetro de controle. A título de comparação, os planos fase obtidos
de forma determinística pela média de MC estão presentes na Figura 4.9 nas cores cinza claro
e escuro enquanto os resultados obtidos para o PCE estão representados nas cores vermelho e
azul para as órbitas de menor e maior amplitude, respectivamente.
Figura 4.9 - Planos fase do painel cilíndrico estocásticos da geometria G1 para Ωf = 0,9916 (Caso 1) (a) PCE
grau 0 (b) PCE grau 1 (c) PCE grau 2 (d) PCE grau 3 (e) PCE grau 4.
(a) PCE grau 0 (b) PCE grau 1
(c) PCE grau 2 (d) PCE grau 3
Figura 4.9 – continuação.
(e) PCE grau 4
Além do momento estatístico de primeira ordem (média), é obtido pelo PCE o momento
estatístico de segunda ordem (variância), como já demonstrado no Capítulo 3 e ilustrado na
Figura 4.10 para os graus de polinômio analisados.
Observa-se na Figura 4.10 que a variância das respostas para cada parâmetro de controle foi
comparada entre os dois métodos, observando boa convergência do PCE em relação aos
resultados determinísticos obtidos via MC. Os erros variaram entre 3,00% e 4,00% ao longo
dos trechos de ida e de volta do diagrama de bifurcação, exceto na região do trecho de volta
do diagrama de bifurcação de 0,80 < Ωf < 0,98. Os resultados de variância são apresentados
para os polinômios a partir do grau 1, já que o polinômio de grau 0 possui apenas um termo
na expansão, a0, e dessa forma só é possível se obter a média para esse grau de polinômio.
As Figura 4.9 eFigura 4.10 comparam os resultados obtidos pelo PCE com os obtidos pelo
MC para a amplitude A1(τ). Mesmo não obtendo resultados para polinômios com o grau
maior que 4, o método do PCE conseguiu apresentar boa correspondência tanto para a média
quanto para a variância quando comparados com os resultados obtidos para o MC. Observa-se
que para a média, 79% dos resultados apresentaram diferenças percentuais menores que
0,05% enquanto para a variância 95% valores obtidos demonstraram erros menores que
4,00% no trecho de ida do diagrama de bifurcação. Já no trecho de volta do diagrama de
bifurcação, para a média apenas 35% dos resultados analisados geraram resultados com
diferenças percentuais menores que 0,05% enquanto para a variância apenas 46% dos valores
obtidos tiveram diferenças percentuais menores que 4,00%, pois, como já observado nos
diagramas de bifurcação, no trecho de volta o intervalo do parâmetro de controle 0,80 < Ωf <
0,98 gera soluções quase periódicas e o PCE não as representa de forma satisfatória.
Figura 4.10 - Variância ao longo do parâmetro de controle da amplitude A1(τ) da geometria G1 e diferenças
percentuais entre os dois métodos utilizados (Caso 1). (a) PCE grau 1 (b) PCE grau 2 (c) PCE grau 3 (d) PCE
grau 4.
(a) PCE grau 1
(b) PCE grau 2
(c) PCE grau 3
Figura 4.10 - Continuação
(d) PCE grau 4
Na Figura 4.11 são apresentados os diagramas de bifurcação para a amplitude A2(τ) e

percebe-se que a margem de erro entre os resultados obtidos pelo PCE e pelo MC é inferior a
1,00% nas mesmas regiões já observadas nos diagramas de bifurcação da amplitude A1(τ),
exceto para o polinômio de grau 0. Para o segundo grau de liberdade, os resultados obtidos
pelo PCE para a média geraram diferenças percentuais com a média das amostras
determinísticas em torno de 1,00% para 73% e 32% dos pontos analisados nos trechos de ida
e de volta, respectivamente, para os polinômios de graus de 1 a 4 do PCE.
(a) PCE grau 0
(b) PCE grau 1
(c) PCE grau 2
(d) PCE grau 3
(e) PCE grau 4

Os resultados da variância para o segundo grau de liberdade, ao longo do parâmetro de
controle, são apresentados na Figura 4.12 . Observa-se nesta figura que há uma diferença
percentual maior em relação aos resultados obtidos pelo MC quando comparados com os
resultados obtidos para a variância da amplitude A1(τ). Tanto nos trechos de ida como nos
trechos de volta e para qualquer grau de polinômio maior que 1 foram obtidos mais do que
20% dos pontos analisados dentro d intervalo do parâmetro de controle definido com erros
menores que 4,00% em relação ao MC para a amplitude A2(τ).
grau 4.
(a) PCE grau 1
Figura 4.12 - continuação.
(b) PCE grau 2
(c) PCE grau 3
(d) PCE grau 4
Apesar dessa possível piora nos resultados para o segundo grau de liberdade da expansão
modal, a sua influência na resposta não linear do painel cilíndrico é inferior ao do primeiro
modo da expansão modal, bastando observar a relação entre os valores da amplitude de
vibração de cada um dos modos, onde A2(t) é em torno de dez vezes menor do que A1(t).
O segundo caso que será apresentado considera a incerteza na espessura para o caso de
geometria G1, porém com o amortecimento dez vezes maior. A motivação dessa análise é
demonstrar que para sistemas mais amortecidos, os resultados obtidos pelo polinômio de caos
têm melhor correspondência com os resultados obtidos para as amostras determinísticas. Com
o aumento do amortecimento, a magnitude da pressão lateral, PL, também sofreu um aumento
de cerca de 15 vezes do valor do caso anterior para que a não linearidade do sistema fosse
mantida, gerando amplitudes máxima de vibração em torno de duas vezes o valor da
espessura do painel cilíndrico.
Na Figura 4.13 é apresentado na cor cinza os diagramas de bifurcação das amostras

determinísticas, obedecendo o mesmo intervalo da variável aleatória, 0,009 < h < 0,011. A
média de todas essas amostras, para cada valor do parâmetro de controle nos trechos de ida e
de volta do diagrama de bifurcação, está apresentada na cor preta.
Os diagramas de bifurcação determinísticos para os valores de espessura mínimo, nominal e

máximo, dados na Tabela 4.2, foram obtidos com o objetivo de avaliar a influência da
incerteza da espessura no comportamento dinâmico não linear quando a espessura assume
valores diferentes do valor nominal. Portanto, observa-se na Figura 4.14 que, dentro desse
intervalo de incerteza adotado para a variável aleatória em questão, os diagramas de
bifurcação podem ser qualitativamente diferentes, com pontos de bifurcação em posições

diferentes e para alguns valores como, por exemplo, o valor nominal da espessura, há
soluções caóticas ou quase periódicas em torno do parâmetro de controle Ωf = 0,95.
Figura 4.14 - Diagramas de bifurcação determinístico para hmín, hnom e hmáx da geometria G1. (Caso 2).
A partir desses três diagramas de bifurcação apresentados na Figura 4.14 é possível

compreender melhor a forma dos diagramas de bifurcação das 1000 amostras determinísticas
apresentadas na Figura 4.13. Há uma dificuldade de se obter a média dessas amostras para
cada parâmetro de controle, visto que a forma desse diagrama de bifurcação é alterada de
acordo com o valor que a variável aleatória assume.
Apresentam-se na Figura 4.15 - Figura 4.15 os planos fase para o parâmetro de controle Ωf =
0,9363 para os valores mínimo, nominal e máximo da espessura. Foi observado que a
estrutura pode vibrar entre duas soluções estáveis, como ilustrado na Figura 4.15a e na
Figura 4.15c para, respectivamente, a espessura mínima e a máxima, sendo a órbita de cor
escura a de maior amplitude (resposta ressonante) e a de cor clara a de menor amplitude
(resposta não ressonante). Porém, para o valor de espessura nominal, Figura 4.15b, nota-se
uma solução estável de menor amplitude, ilustrada pela órbita de cor clara, enquanto a outra
solução de maior amplitude indica a existência de uma solução quase periódica onde as
seções de Poincaré são mapeadas na cor vermelha. Esses planos fase indicam como o
comportamento dinâmico pode ser alterado de acordo com o valor que a variável aleatória em
questão assume.
Figura 4.15 - Planos fase do painel cilíndrico determinísticos da geometria G1 para Ωf = 0,9916 (Caso 2) (a) hmín
(b) hnom (c) hmáx.
(a) hmín = 0,009 m (b) hnom = 0,01 m (c) hmáx = 0,011 m
O plano fase para o mesmo parâmetro de controle Ωf = 0,9363 foi obtido considerando o valor
médio da variável aleatória da espessura para as amostras determinísticas, conforme
apresentado na Figura 4.16. Percebe-se, a partir desta figura, a semelhança com o plano fase
obtido para o valor nominal da variável aleatória. Isso significa que, para esse parâmetro de
controle, o PCE dificilmente conseguiria representar a solução quase periódica encontrada
para o valor médio da variável aleatória, conforme apresentado na Figura 4.16.
Figura 4.16 - Planos fase do painel cilíndrico (a) determinísticos e (b) estocásticos da geometria G1 para
Ωf = 0,9363 (Caso 2).
(a) Determinístico hmédio = 0,0099 m (b) Estocástico PCE Grau 0
A partir dos diagramas de bifurcação determinísticos foram obtidas as médias dos trechos de
ida e de volta e comparadas com o primeiro termo da expansão do polinômio de caos que
representa o momento estatístico de primeira ordem. Ao lado do diagrama de bifurcação de
cada trecho, representa-se a diferença percentual da seção de Poincaré entre os resultados
obtidos entre o PCE e o MC obtida para cada parâmetro de controle.
Na Figura 4.17 são apresentados os resultados obtidos pelos polinômios de grau de 0 a 4 para
a amplitude A1(τ). Observam-se que, para os graus de polinômio de 1 a 4, as diferenças
percentuais, excluindo o intervalo 0,90 < Ωf < 1,00 no trecho de ida e o intervalo de 0,85 < Ωf
< 1,00 no trecho de volta, são inferiores a 0,02%, mostrando assim a eficiência do método
PCE para pelo menos 68% dos pontos analisados. O diagrama obtido pela expansão do
polinômio de caos de grau 0 gera diferenças percentuais maiores entre MC e PCE e o trecho
de volta estocástico se assemelha ao trecho de volta do diagrama de bifurcação determinístico
para a espessura média, já que o polinômio de grau 0 possui apenas um termo, a0, não
representando bem a aleatoriedade quanto os demais graus de polinômio que possuem mais
termos envolvendo a variável aleatória.
(a) PCE grau 0
(b) PCE grau 1
(c) PCE grau 2
(d) PCE grau 3
(e) PCE grau 4
Para o parâmetro de controle Ωf = 0,9363, já foi observado na Figura 4.16 que o PCE não
consegue obter a solução quase-periódica de maior amplitude. Já para o parâmetro de controle
Ωf = 0,9516, coexistem dois atratores como observado no diagrama de bifurcação da
Figura 4.13. Na Figura 4.18 é apresentado os planos fase determinísticos nas cores cinza claro
e escuro e a correspondência com os resultados obtidos pelo PCE para o parâmetro de
controle Ωf = 0,9516. É interessante observar que para os polinômios de grau par há a
correspondência entre os resultados obtidos pelo PCE e os encontrados pelo MC, tanto para a
resposta ressonante como para a não ressonante. Porém, para os polinômios de grau ímpar a
resposta ressonante do PCE não convergiu para a órbita de maior amplitude obtida pela média
das amostras determinísticas.
Figura 4.18 - Planos fase do painel cilíndrico estocásticos da geometria G1 para Ωf = 0,9516 (Caso 2) (a) PCE
grau 0 (b) PCE grau 1 (c) PCE grau 2 (d) PCE grau 3 (e) PCE grau 4.
(a) PCE grau 0 (b) PCE grau 1
(c) PCE grau 2 (d) PCE grau 3
(e) PCE grau 4

Para o momento estatístico de segunda ordem também foram observados bons resultados com
diferenças percentuais em torno de 3,00% para 83% e 70% dos pontos analisados nos trechos
de ida e de volta, respectivamente, como ilustrado na Figura 4.19. Nota-se que, nos mesmos
intervalos de parâmetro de controle nos trechos de ida e de volta, que geraram as maiores
diferenças percentuais entre os valores da média, foram observados que variância é superior a
4,00%, sendo que nos demais trechos a diferença da variância entre os métodos PCE e MC é
inferior a 4,00%.
grau 4.
(a) PCE grau 1
(b) PCE grau 2
(c) PCE grau 3
(d) PCE grau 4
Para o Caso 2 da geometria G1 também são apresentados os diagramas de bifurcação para o

segundo grau de liberdade obtidos pelo MC e PCE de grau de 0 a 4, Figura 4.20 . Mesmo
apresentando diferenças percentuais maiores que para os resultados obtidos para o primeiro
grau de liberdade, observa-se diferenças percentuais inferiores a 0,5% para praticamente 67%
dos pontos analisados no trecho de ida e 61% no trecho de volta para os polinômios de grau 1,
2, 3 e 4. O polinômio de grau 0 também foi o que apresentou o pior resultado quando
comparado com os demais graus.
(a) PCE grau 0
(b) PCE grau 1
(c) PCE grau 2
(d) PCE grau 3
(e) PCE grau 4
Na Figura 4.21 é apresentado os resultados para o momento estatístico de segunda ordem para
o segundo grau de liberdade, para os graus 1, 2, 3 e 4 do polinômio de caos, com diferenças
percentuais em torno de 3% para 56% e 52% dos pontos analisados nos trechos de ida e de
volta, respectivamente.
grau 4.
(a) PCE grau 1
(b) PCE grau 2
(c) PCE grau 3
(d) PCE grau 4
O Caso 1 da geometria G1, onde a estrutura é menos amortecida, os resultados obtidos, de

média e de variância, para o PCE apresentaram diferenças percentuais em relação ao MC
maiores do que os obtidos pelo PCE para o Caso 2 da geometria G1 no trecho de volta. Isso se
deve ao fato de a estrutura menos amortecida, Caso 1, apresentar um comportamento
dinâmico não linear com soluções quase periódicas em um intervalo de parâmetro de controle
maior do que no Caso 2.
O Caso 3 considera o módulo de elasticidade como sendo a variável aleatória do problema.

Para permitir a comparação dos resultados obtidos dentro da mesma geometria, G1, mantém-
se o carregamento e o amortecimento do Caso 2 e obtém-se os diagramas de bifurcação
determinísticos na cor cinza e a média determinística na cor preta conforme pode ser
observado na Figura 4.22.
A partir da Figura 4.22 é possível notar que diferentemente dos casos anteriores, Caso 1 e 2,
as amostras determinísticas geram diagramas de bifurcação qualitativamente idênticos e,
apenas no parâmetro de controle em torno de Ωf = 0,9363, observa-se uma nuvem de seções
de Poincaré que correspondem a uma solução quase-periódica nessa região, como está melhor
representado nos diagramas de bifurcação determinísticos da Figura 4.23 obtidos para os
valores mínimo, nominal e máximo da variável aleatória em questão.
Figura 4.23 - Diagramas de bifurcação determinístico para Emín, Enom e Emáx da geometria G1 (Caso 3).
A aleatoriedade no módulo de elasticidade fez com que o painel cilíndrico apresentasse o

mesmo tipo de solução para os diversos valores analisados para a variável aleatória e isso
pode ser explicado pelo fato de o módulo de elasticidade ser um termo linear na equação de
equilíbrio não linear do problema.
Daqui por diante serão apresentados apenas os resultados para o grau do polinômio que
obteve boa convergência de média e de variância, tanto para o primeiro como para o segundo
grau de liberdade, a fim de demonstrar a eficiência dos resultados para o melhor grau do
polinômio que não necessariamente é o do maior grau analisado, pois o ganho obtido nos
valores de média de variância são mínimos frente ao esforço computacional que o maior grau
de polinômio necessita. Portanto, para o Caso 3 da geometria G1, o polinômio de grau 2
apresentou resultados para a média com cerca de 99% (trecho de ida) e de 86% (trecho de
volta) dos pontos analisados ao longo do intervalo do parâmetro de controle com diferenças
percentuais entre os dois métodos, PCE e MC, menores que 0,08%, conforme apresentado na
Figura 4.24.
Figura 4.24 - (a) Diagramas de bifurcação da amplitude A1(τ) da geometria G1 para o PCE grau 2 e (b)
diferenças percentuais entre os dois métodos utilizados (Caso 3).
(a) (b)
Foram obtidos os planos fase para os mesmos parâmetros Ωf = 0,9363 e Ωf = 0,9516

analisados no Caso 2 da geometria G1 para o PCE de grau 2, Figura 4.25. Observa-se que,
diferentemente do Caso 2, onde a espessura era a variável aleatória, o PCE é capaz de obter
qualitativamente a solução quase periódica obtida pelo método determinístico para a órbita de
maior amplitude do parâmetro de controle Ωf = 0,9363. Ainda, na Figura 4.25a ilustra-se a
coexistência de dois atratores, sendo que a solução não ressonante (menor amplitude) obtida
pelo PCE é capaz de descrever a resposta obtida pelo método determinístico. Já para o
parâmetro de controle Ωf = 0,9516, Figura 4.25b, estão apresentadas as duas soluções estáveis
e periódicas, onde o PCE consegue representar muito bem quando comparado com os
resultados obtidos pelo MC.
Figura 4.25 - Planos fase do painel cilíndrico determinísticos e estocásticos da geometria G1 (Caso 3) (a)
Ωf = 0,9363 (b) Ωf = 0,9516.
(a) Ωf = 0,9363 (b) Ωf = 0,9516

Passando para a análise da variância da amplitude do primeiro grau de liberdade, foram
obtidos bons resultados para a variância com cerca de 99% e 89% dos pontos analisados nos
trechos de ida e de volta, respectivamente, com diferenças percentuais menores que 4% entre
os dois métodos utilizados, demonstrando que a influência do módulo de elasticidade nos
diagramas de bifurcação do painel cilíndrico é menor do que a influência da espessura nesses
diagramas. Esses resultados para o momento estatístico de segunda ordem para o polinômio
de grau 2 em comparação com os resultados determinísticos estão apresentados na
Figura 4.26.
Figura 4.26 -(a) Variância ao longo do parâmetro de controle da amplitude A1(τ) da geometria G1 para o PCE
grau 2 e (b) diferenças percentuais entre os dois métodos utilizados. (Caso 3).
(a) (b)
Como já foi observado nos casos anteriores, o segundo grau de liberdade tem menor
influência no comportamento dinâmico não linear do painel cilíndrico. Os resultados do têm
aproximadamente 95% (trecho de ida) e 86% (trecho de volta) dos pontos analisados com
diferenças percentuais menores que 0,2%, conforme pode ser observado na Figura 4.27.
(a) (b)
Da mesma maneira, os resultados do PCE para a variância do segundo grau de liberdade ao

longo do intervalo do parâmetro de controle, geraram diferenças percentuais menores que
4,00% para 98% e 89% dos pontos analisados nos trechos de ida e volta, respectivamente,
como apresentado na
(a) (b)
(a) (b)
O Caso 4 considera o raio, R, como a variável aleatória da geometria G1 submetida ao mesmo

carregamento e ao mesmo amortecimento dos Casos 2 e 3 dessa geometria. Observa-se nos
diagramas de bifurcação determinísticos da Figura 4.29 que o formato do diagrama é parecido
com o obtido para as 1000 amostras determinísticas no Caso 2.
Figura 4.29 -(a) Diagramas de bifurcação determinísticos e (b) diagramas de bifurcação determinístico para Rmín,
Rnom e Rmáx da geometria G1 (Caso 4).
(a) (b)
Nos diagramas de bifurcação para os valores mínimo, nominal e máximo da variável aleatória
do raio, observa-se na Figura 4.29b que, da mesma forma do Caso 2 da geometria G1, para o
valor nominal da variável aleatória o diagrama de bifurcação apresenta próximo ao parâmetro
de controle Ωf = 0,9363 uma nuvem de pontos que pode indicar uma solução quase-periódica.
No Caso 4, o PCE de grau 2 foi o que gerou os melhores resultados em comparação com os
demais graus, considerando que a convergência dos valores obtidos de média e de variância
não melhorou consideravelmente para os graus maiores que 2, compensando desta forma o
maior esforço computacional envolvido na análise computacional. Dessa maneira, na
Figura 4.30 apresenta os resultados para a média com aproximadamente 88% e 76% dos
pontos analisados com diferenças percentuais menores que 0,5% para os trechos de ida e de
volta, respectivamente.
(a) (b)
Os planos fases apresentados para os parâmetros de controle Ωf = 0,9363 e Ωf = 0,9516

demonstram que os resultados obtidos pelo MC se mantiveram de forma qualitativa para
todas as variáveis aleatórias. Porém, para as órbitas de maior amplitude em ambos os
parâmetros de controle analisados, o PCE não foi capaz de descrever a resposta solução
quase-periódica e a solução periódica estável para parâmetro de controle Ωf = 0,9516. A
Figura 4.31 ilustra que apenas para a resposta não ressonante (menor amplitude) o PCE
obteve uma boa correspondência com a órbita obtida pelo método determinístico para os dois
parâmetros de controle em análise.
Ωf = 0,9363 (b) Ωf = 0,9516.
(a) Ωf = 0,9363 (b) Ωf = 0,9516
Já os resultados para o momento estatístico de segunda ordem, 91% dos pontos analisados
geraram diferenças percentuais menores que 15% no trecho de ida. Porém para o trecho de
volta não foram obtidos resultados satisfatórios para a variância, apesar da convergência dos
valores da média apresentarem aderência com os obtidos no método determinístico,
Figura 4.32.
(a) (b)
Em relação ao segundo grau de liberdade, a média do PCE apresentou uma boa

correspondência com os resultados obtidos pelo MC com diferenças percentuais menores que
1,00% para 72% e 67% dos pontos analisados nos trechos de ida e de volta, respectivamente,
como pode ser observado na Figura 4.33.
(a) (b)
Porém, para a variância apresentada na Figura 4.34, conforme já observado para o primeiro
grau de liberdade no trecho de ida, 60% dos pontos analisados apresentaram diferenças
percentuais menores que 15% comparando os dois métodos de análise MC e PCE. Já no
trecho de volta do diagrama de bifurcação não foram obtidos resultados satisfatórios.
Figura 4.34 –(a) Variância ao longo do parâmetro de controle da amplitude A2(τ) da geometria G1 para o PCE
(a) (b)
Após a apresentação dos resultados dos quatros casos analisados para geometria G1,
observou-se que nos Casos 1 e 2 o aumento do amortecimento viscoso gerou um
comportamento dinâmico não linear do painel cilíndrico com um maior número de soluções
estáveis ao longo do diagrama de bifurcação, como esperado. Isso permitiu a maior

correspondência entre os resultados do método do polinômio de caos e os resultados do
método de MC, pois o aumento do amortecimento provoca alterações na solução permanente
do sistema dinâmico.
Dessa forma, nos Casos 3 e 4 foram utilizados o mesmo coeficiente de amortecimento viscoso
e pressão lateral aplicada (PL) do Caso 2. Pelos resultados apresentados, é possível observar
que, quando a variável aleatória é o módulo de elasticidade, o PCE consegue com um grau
relativamente baixo do polinômio obter resultados com boa correspondência entre o método
determinístico e não-determinístico, e para os dois graus de liberdade, para os trechos de ida e
de volta do diagrama de bifurcação.
Já o Caso 4, que considera o raio como variável aleatória, apresentou as maiores diferenças
percentuais entre os dois métodos de análise. Para a variância no trecho de volta, o PCE não
obteve resultados considerados satisfatórios, demonstrando que o raio por ser um termo não
linear, com maior complexidade, da equação não linear de equilíbrio do painel cilíndrico, esse
termo tem maior influência no comportamento dinâmico não linear do painel.
4.2.2 Incertezas nos parâmetros físico e geométrico para G2
A geometria G2, conforme já apresentado na Tabela 4.1, possui o maior raio dentre todas as
geometrias analisadas. Os resultados para essa geometria serão apresentados considerando a
incerteza em um dos parâmetros físicos e geométricos, conforme apresentado na Tabela 4.2.
O coeficiente de amortecimento viscoso foi o mesmo considerado para o caso mais

amortecido da geometria G1 (η1 = 0,01), porém a pressão lateral (PL) foi cerca de 2,5 vezes
menor (PL = 3600 N/m2) para ativar níveis de não linearidade geométrica com amplitude de
vibração máxima do problema dentro dos limites da teoria não linear utilizada para descrever
o campo de deformação do painel cilíndrico. Os Casos 1, 2 e 3, dados na Tabela 4.6,
consideram a aleatoriedade na espessura, módulo de elasticidade e raio, respectivamente.

Caso Geometria  PL (N/m²) η1
1 h
2 G2 E 3600 0,01
3 R
O primeiro caso dessa seção incorpora a aleatoriedade na variável espessura. Diferentemente

do Caso 2 da geometria G1, os diagramas de bifurcação se comportam qualitativamente de
maneira semelhante ao longo do intervalo de incerteza do parâmetro geométrico. Porém, para
os valores menores de espessura, há um salto dinâmico no trecho de volta do diagrama de
bifurcação como pode ser observado na Figura 4.35.
Figura 4.35 -(a) Diagramas de bifurcação determinísticos e (b) diagramas de bifurcação determinístico para hmín,
hnom e hmáx da geometria G2 (Caso 1).
(a) (b)
Para esse caso, é apresentado o polinômio de grau 2 com sendo os melhores resultados para se
obter os momentos estatísticos tanto em correspondência com os resultados de MC como em
custo computacional em relação aos demais graus.
Para o primeiro grau de liberdade é possível observar, tanto no trecho de ida como no trecho
de volta do diagrama de bifurcação (Figura 4.36), a dificuldade do PCE em descrever a região
em que ocorre o salto dinâmico entre as soluções estáveis, visto que para o mesmo parâmetro
de controle algumas seções de Poincaré são mapeadas antes, e outras após, o salto dinâmico,
dependendo do valor que a variável aleatória assume.
(a) (b)
Excluindo essas regiões da análise do diagrama de bifurcação, sem perda de qualidade da

resposta, o PCE apresentou boa convergência para o primeiro momento estatístico com 91% e
88% dos pontos analisados com diferenças percentuais menores que 0,10% em relação aos
resultados determinísticos, conforme ilustrado na Figura 4.36.
Os planos fases para os parâmetros de controle Ωf = 0,9363 e Ωf = 0,9516 foram obtidos, a

título de comparação entre os dois métodos empregados nesta dissertação, PCE e MC, sendo
que para o primeiro parâmetro, Figura 4.37a, há a existência de dois atratores de solução
estáveis. Apenas no trecho de ida do diagrama de bifurcação houve convergência dos
resultados do PCE com os resultados do MC. Por outro lado, no trecho de volta do diagrama
de bifurcação o PCE encontrou uma solução estável, mas em uma órbita diferente que não
corresponde ao que foi encontrado no caso determinístico. Para o parâmetro de controle
Ωf = 0,9516, Figura 4.37b, os planos fase traçados pelos resultados de MC demonstraram
também a coexistência de duas soluções estáveis de maior e menor amplitude nas cores cinza
escuro e claro, respectivamente. Entretanto, o PCE não representou bem essas soluções
estáveis, encontrando soluções quase periódicas representadas nas cores azul e vermelho da
Figura 4.37b.
Ωf = 0,9363 (b) Ωf = 0,9516.
(a) Ωf = 0,9363 (b) Ωf = 0,9516
Os planos fases representados na Figura 4.37 demonstram que, para esses parâmetros
próximos da região de salto dinâmico nos trechos de ida e de volta do diagrama de bifurcação,
as soluções encontradas pelo PCE não possuem boa correspondência com as soluções
encontradas pelo MC como ocorre para os demais valores do parâmetro de controle no
intervalo analisado.
(a) (b)
Para o momento estatístico de segunda ordem, o PCE apresentou boa convergência com os
resultados de MC, apresentando 91% e 87% dos pontos analisados com diferenças percentuais
entre os dois métodos, PCE e MC, menores que 4,00%, como ilustrado na Figura 4.38.
Já para o segundo grau de liberdade, é notado que os resultados apresentam diferenças

maiores entre os métodos PCE e MC quando comparados com os resultados obtidos para o
primeiro grau de liberdade, como ilustra a Figura 4.39. E mesmo com essa diferença em
relação ao primeiro grau de liberdade, a média obtida pelo PCE apresenta em torno de 70%
dos pontos analisados, tanto nos trechos de ida como de volta do diagrama de bifurcação, com
diferenças percentuais menores que 0,20% enquanto para a variância com 81% (trecho de ida)
e 77% (trecho de volta) dos pontos analisados com diferenças percentuais entre os dois
métodos de análise, PCE e MC, menores que 4,00%.
diferenças percentuais entre os dois métodos utilizados para média (c) variância ao longo do parâmetro de
controle da amplitude A2(τ) da geometria G2 para o PCE grau 2 e (e) diferenças percentuais entre os dois
métodos utilizados para variância (Caso 1).
(a) (b)
(c) (d)
4.2.2.2. Caso 2 da geometria G2
O Caso 2 da geometria G2 considera a aleatoriedade no módulo de elasticidade. É possível

notar pela Figura 4.40a que a forma do diagrama de bifurcação é a mesma para quase todos os
valores de todas as amostras analisadas na simulação de MC. Isso pode ser melhor observado
na Figura 4.40b para os três valores mínimo, nominal e máximo da variável aleatória em
questão.
Figura 4.40 -(a) Diagramas de bifurcação determinísticos e (b) diagramas de bifurcação determinístico para Emín,
Enom e Emáx da geometria G2 (Caso 2).
(a) (b)
Dessa maneira, a correspondência dos resultados estocásticos considerando a incerteza no

módulo de elasticidade para a geometria G2 ocorrem praticamente ao longo de todo o trecho
de ida e de volta no diagrama de bifurcação com, aproximadamente, 97% dos pontos
analisados dentro do intervalo de parâmetro de controle com diferenças percentuais menores
que 0,10% para a média e 4,00% para a variância.
(a) (b)
(c) (d)
O plano fase para o parâmetro de controle Ωf = 0,9363, Figura 4.42a, nesse caso apresenta a
mesma solução estável para o trecho de ida e de volta, onde há completa correspondência do
resultado estocástico com o resultado determinístico para esse parâmetro de frequência. Para o
segundo parâmetro analisado Ωf = 0,9516, Figura 4.42b, assim como no Caso 1 da geometria
G2, são determinadas duas soluções estáveis nessa região, onde o PCE pode representar as
duas órbitas periódicas.
Figura 4.42 - Planos fase do painel cilíndrico determinísticos e estocásticos da geometria G2 (Caso 2) (a) Ωf =
0,9363 (b) Ωf = 0,9516.
(a) Ωf = 0,9363 (b) Ωf = 0,9516
Outro fato interessante a se destacar é que para o segundo grau de liberdade, os resultados
obtidos desse caso, assim como observado para os resultados obtidos para o primeiro grau de
liberdade, apresentam boa concordância entre os métodos PCE e MC. Como pode ser
observado na Figura 4.43, 96% dos pontos analisados obtiveram diferenças percentuais
menores que 0,20% entre os resultados obtidos pelo MC e pelo polinômio de grau 2 tanto
para a média como para a variância. Essa melhora significativa na comparação entre os
resultados para esse grau de liberdade, pode ser explicada pelo parâmetro físico que está
sendo analisado que participa da equação não linear de equilíbrio do problema como um
termo linear.
(a) (b)
(c) (d)
Para o caso que se considera a aleatoriedade no parâmetro geométrico raio, assim como já
discutido na geometria G1, os resultados estocásticos não conseguem convergir para o
momento estatístico de segunda ordem para nenhum dos graus de liberdade. Apesar da
incerteza no raio não influenciar na forma do diagrama de bifurcação, como ilustrado na
Figura 4.44, há uma dificuldade maior para a obtenção dos resultados gerados pelo polinômio
de caos, pois o raio é uma variável aleatória não linear na equação de equilíbrio.
(a) (b)
Nota-se na Figura 4.45a que na região do salto dinâmico do diagrama os resultados gerados
pelo polinômio de caos de grau 2 não possui uma boa correspondência com os resultados
gerados pelas amostras determinísticas. No entanto, 95% e 92% dos demais valores obtidos
para o parâmetro de controle geraram diferenças percentuais menores que 0,10% entre os dois
métodos, PCE e MC, de análise para o momento estatístico de primeira ordem, Figura 4.45b.
(a) (b)
Os planos fase são apresentados para os mesmos parâmetros considerados nos Casos 1 e 2 da
geometria G2. Para o parâmetro de controle Ωf = 0,9363, Figura 4.46a, assim como no Caso
2, é obtido apenas uma solução estável em uma órbita de pequena amplitude tanto pelo
método determinístico quanto pelo estocástico com boa correspondência entre eles.
0,9363 (b) Ωf = 0,9516.
(a) Ωf = 0,9363 (b) Ωf = 0,9516
Já para o parâmetro de controle Ωf = 0,9516, Figura 4.46b, há a coexistência de duas soluções

estáveis de amplitudes diferentes, porém apenas no trecho de ida do diagrama de bifurcação o
PCE obteve o mesmo resultado do MC enquanto para a órbita de maior amplitude o PCE
obteve uma solução quase-periódica de comportamento diferente do esperado pelo método de
MC.
(a) (b)
Conforme já descrito anteriormente, os resultados para o momento estatístico de segunda

ordem para esse caso (Figura 4.47) apresentam 95% dos pontos analisados nos trechos de ida
e de volta com diferenças percentuais de até 30%, um valor bem mais alto que os limites
estabelecidos para os demais casos.
Para o segundo grau de liberdade, a média obtida pelo polinômio de caos foi satisfatória com
78% e 74% dos pontos analisados dentro do intervalo de parâmetro de controle observado
com diferenças percentuais menores que 0,10%, apresentando melhores resultados do que os
obtidos para o segundo grau de liberdade do Caso 1.
(a) (b)
Porém, para o momento estatístico de segunda ordem, o polinômio de grau 2, mesmo obtendo
os melhores resultados em relação aos demais graus de polinômio analisados, não conseguiu
representar bem a resposta da variância ao longo do parâmetro de controle para a incerteza na
variável aleatória raio, onde, praticamente, 85% dos pontos analisados geraram diferenças
percentuais entre 5% e 50% nos trechos de ida e de volta do diagrama de bifurcação,
Figura 4.49.
(a) (b)
4.2.3 Incertezas nos parâmetros físico e geométrico para G3
A geometria G3, conforme já apresentado na Tabela 4.1, possui o menor raio dentre todas as
geometrias analisadas, metade do raio da geometria G1 e um quarto do raio da geometria G2,
o que torna esse painel o mais rígido dentre as geometrias analisadas. Os resultados para essa
geometria serão apresentados considerando a incerteza em um dos parâmetros físicos e
geométricos conforme dado na Tabela 4.2.
O coeficiente de amortecimento viscoso foi o mesmo considerado para o caso mais

amortecido de G1 e os demais casos da geometria G2 (η1 = 0,01), porém a pressão lateral (PL)
foi aproximadamente 2,5 vezes maior que a pressão lateral aplicada na geometria G1 para
ativar a não linearidade máxima do problema dentro dos limites da teoria não linear utilizada.
Os Casos 1, 2 e 3 consideram a aleatoriedade na espessura, no módulo de elasticidade e no
raio, respectivamente, conforme a Tabela 4.7.

1 h 24.000,00
2 G3 E 24.000,00 0,01
3 R 24.000,00
O primeiro caso da geometria G3 demonstra um diagrama de bifurcação com ganho de

rigidez diferentemente dos diagramas de bifurcação apresentados para as outras duas
geometrias que demonstraram perda de rigidez. No caso da consideração da incerteza na
variável espessura, o diagrama não apresentou mudança qualitativas em relação a sua forma a
medida que há a variação da variável aleatória, como ilustra a Figura 4.50.
Figura 4.50 -(a) Diagramas de bifurcação determinísticos e (b) diagramas de bifurcação determinístico para hmín,
hnom e hmáx da geometria G3 (Caso 1).
(a) (b)
O polinômio de grau 2 novamente foi o que melhor representou a aleatoriedade no sistema

estocástico com uma boa convergência com os resultados das amostras determinísticas. É
possível observar que, no trecho de ida do diagrama de bifurcação, Figura 4.51a, o PCE
representa melhor a forma do diagrama do que a média de MC propriamente dita, pois nessa
região do parâmetro de controle 1,10 < Ωf < 1,25 as seções de Poincaré mapeada podem estar
antes, ou depois, do salto dinâmico de acordo com o valor da amostra da variável aleatória.
Dessa maneira, a média obtida pelo MC nessa região pode ser enviesada, devido a presença
simultânea da resposta de maior amplitude (resposta ressonante) juntamente com a resposta
de menor amplitude (resposta de não ressonante). A média obtida pelo PCE se assemelha a
forma do diagrama de bifurcação que muito mais se aproxima ao encontrado para o valor
determinístico do raio.
Assim, os resultados para o trecho de ida do diagrama de bifurcação foram prejudicados

quando comparados com a média de MC com 72% dos pontos analisados com diferenças
percentuais menores que 0,02% enquanto no trecho de volta diagrama de bifurcação 94% dos
pontos analisados apresentaram diferenças percentuais menores que 0,02%, Figura 4.51b.
(a) (b)
Para ilustrar o comportamento da solução obtida no diagrama de bifurcação, os planos fase

foram traçados para os parâmetros de controle Ωf = 0,9516, Figura 4.52a, no qual é
encontrada a mesma solução estável do método de MC tanto no trecho de ida como no trecho
de volta do diagrama de bifurcação. No parâmetro de controle Ωf = 1,0565 foram
determinadas duas soluções estáveis, uma de menor amplitude no trecho de volta e outra de
maior amplitude no trecho de ida, e o PCE foi capaz de encontrar as mesmas soluções obtidas
pelo MC, conforme apresenta a Figura 4.52b.
0,9516 (b) Ωf = 1,0565.
(a) Ωf = 0,9516 (b) Ωf = 1,0565
Em virtude do que já foi analisado para os resultados obtidos pelo MC para o trecho de ida do
diagrama de bifurcação, a comparação do momento estatístico de segunda ordem também foi
prejudicada na mesma região do parâmetro de controle já comentado na apresentação dos
resultados da média. No trecho de ida, 79% dos pontos analisados apresentaram diferenças
percentuais menores que 4,00%, enquanto no trecho de volta foram praticamente 98% com
diferenças inferiores a 4,00%.
Figura 4.53 - (a) Variância ao longo do parâmetro de controle da amplitude A1(τ) da geometria G3 para o PCE
(a) (b)
As Figura 4.54 e Figura 4.55 demonstram que, assim como para o primeiro grau de liberdade,
os resultados de média e de variância obtidos pelo PCE para o trecho de ida não apresentaram
boa correspondência na região do salto dinâmico, resultando em 78% e 95% dos pontos
analisados nos trechos de ida e volta, respectivamente, com diferenças percentuais menores
que 0,20% entre os resultados obtidos pelo PCE e MC.
(a) (b)
Para a variância, foram obtidos também uma boa correspondência dos resultados estocásticos,
com 80% e 98% dos pontos analisados com diferenças percentuais menores que 4,00% nos
trechos de ida e de volta do diagrama de bifurcação, respectivamente.
(a) (b)
Assim como no Caso 1 da geometria G3, a aleatoriedade no módulo de elasticidade também

não altera a forma do diagrama de bifurcação, apenas translada a sua posição do salto
dinâmico. Porém, diferentemente do Caso 1, as curvas são mais próximas nessa situação e por
isso a média de MC se aproxima mais da forma real do diagrama de bifurcação determinístico

do que no caso anterior, como pode ser visto na Figura 4.56.
Figura 4.56 -(a) Diagramas de bifurcação determinísticos e (b) diagramas de bifurcação determinístico para Emín,
Enom e Emáx da geometria G3 (Caso 2).
(a) (b)
O polinômio de grau 2 foi o escolhido para representar os resultados obtidos pelo PCE. No
trecho de ida do diagrama de bifurcação houve um aumento da convergência com os
resultados determinísticos em relação ao Caso 1, onde 91% dos pontos analisados
apresentaram diferenças percentuais menores que 0,08% enquanto no trecho de volta do
diagrama de bifurcação há 98% dos pontos analisados com diferenças percentuais menores
que 0,08%.
(a) (b)
Assim como no Caso 1 para a geometria G3, os planos fase para os parâmetros de frequência
Ωf = 0,9516 e Ωf = 1,0565 foram traçados para os trechos de ida e de volta do diagrama de
bifurcação, sendo que os resultados obtidos pelo PCE apresentaram boa convergência com os
resultados obtidos com a média determinística, como é possível observar na Figura 4.58
0,9516 (b) Ωf = 1,0565.
(a) Ωf = 0,9516 (b) Ωf = 1,0565
Para o momento de segunda ordem, os resultados do PCE de grau 2 para o primeiro grau de
liberdade apresentam boa convergência com 90% e 99% nos trechos de ida e volta do
diagrama de bifurcação, respectivamente, com diferenças percentuais menores que 4,00%.
(a) (b)
Para o segundo grau de liberdade, é possível observar uma excelente convergência para o
momento de primeira e segunda ordem com 87% e 99% dos pontos analisados nos trechos de
ida e de volta do diagrama de bifurcação, respectivamente, com erros menores que 0,20%
para a média. Enquanto para a variância, Figura 4.60c, 92% e 99% dos pontos analisados
apresentaram diferenças percentuais entre os métodos MC e PCE menores que 5% para os
trechos de ida e de volta do diagrama de bifurcação, respectivamente.
(a) (b)
(c) (d)
O Caso 3 da geometria G3 incorpora a aleatoriedade no parâmetro geométrico raio, R, com o

mesmo carregamento dos casos anteriores, conforme dado na Tabela 4.7.
É possível observar na Figura 4.61 que, assim como nos Casos 1 e 2 apresentados para essa
geometria, a forma do diagrama de bifurcação não foi alterada de acordo com o valor que a
variável aleatória assume, mantendo um mesmo padrão das soluções que são obtidas ao longo
do intervalo do parâmetro de controle.
(a) (b)
Os resultados do momento estatístico de primeira ordem para o primeiro grau de liberdade são
apresentados na Figura 4.62 para o PCE de grau 1, pois não foram obtidos resultados
satisfatórios para graus mais elevados do polinômio. A convergência com os resultados
determinísticos foi de 65% e 81% dos pontos analisados com diferenças percentuais menores
que 2,00% nos trechos de ida e de volta do diagrama de bifurcação, respectivamente.
(a) (b)
Os planos fases para os parâmetros de controle Ωf = 0,9516 e Ωf = 1,0565 também foram

obtidos para o PCE grau 1 e, como é apresentado na Figura 4.63, as soluções periódicas
encontradas pelo PCE são as mesmas encontradas pela simulação de Monte Carlo, ilustrando
novamente, a convergência do método estocástico com o determinístico.
Ωf = 0,9516 (b) Ωf = 1,0565.
(a) Ωf = 0,9516 (b) Ωf = 1,0565
Para o segundo grau de liberdade, a convergência com a média determinística corresponde a

62% e 78% dos pontos analisados com diferenças percentuais menores que 5,00%, nos
trechos de ida e de volta do diagrama de bifurcação, respectivamente, como pode ser

(a) (b)
Os resultados do momento estatístico de segunda ordem não foram satisfatórios para nenhum
grau de liberdade e por isso não são apresentados para esse caso. O PCE de grau 1 possui
apenas um termo para compor a variância estocástica e isso pode ser um indicativo da má
convergência com os resultados determinísticos, porém para esse caso não foi possível obter
resultados para o polinômio de grau maior que 2 e, ainda sim, o do PCE de grau 1 foi o
melhor entre os resultados estocásticos obtidos.
Para a geometria G3, os resultados estocásticos obtidos para o Caso 2, que considera a
incerteza no módulo de elasticidade, assim como para as outras geometrias, foram os que
apresentaram a melhor convergência com os resultados obtidos pelo MC. No Caso 1, as
diferenças percentuais na região do parâmetro de controle 1,10 < Ωf < 1,25 podem ser
atribuídas a média determinística por não representar tão bem o que realmente acontece nessa
região do que ao resultado estocástico obtido que aparenta ser mais coerente pela forma do
diagrama obtido para esse trecho. E o caso 3 que considera a aleatoriedade no raio do painel
cilíndrico foi o que apresentou os piores resultados dentre todos os casos, e isso pode ser
atribuído pela variável aleatória ser um termo altamente não linear nas equações governantes
do problema.
4.3 VIBRAÇÃO FORÇADA NÃO LINEAR – CONSIDERAÇÃO DE

MAIS DE UMA VARIÁVEL ALEATÓRIA
Nessa seção serão apresentados os resultados obtidos para a geometria G1, considerando a
aleatoriedade em duas, ou em três, variáveis aleatórias simultâneas. O processo de obtenção
dos resultados dos diagramas de bifurcação é o mesmo da seção anterior, porém com a
consideração de mais de uma variável aleatória de maneira simultânea na equação estocástica
do problema. E para a obtenção dos planos fase determinístico, uma amostra específica foi
escolhida para posterior comparação com o PCE e não a média da variável aleatória como foi
possível nos casos que consideraram apenas uma variável aleatória.
A expansão do polinômio de caos com a consideração de mais de uma variável aleatória é

realizada a partir de um algoritmo que constrói o PCE desde o p = 0 até o grau p requerido do
termo do polinômio de Legendre-Caos padrão para a primeira variável aleatória até a última
variável aleatória em questão, conforme pode ser observado na Tabela 4.8 para o caso de duas
variáveis aleatórias simultâneas até o polinômio de grau 2 (GARCÍA, 2019).
Tabela 4.8 – Composição do poliômio de Legendre-Caos para duas variáveis aleatórias

Ζ Ψζ p
[0,0] 1 0
[1,0] ξ1 1
[0,1] ξ2 1
[2,0] ½(3ξ12-1) 2
[1,1] ξ1ξ2 2
[0,2] ½(3ξ22-1) 2
Dessa maneira, nas subseções seguintes serão apresentados os resultados para os três casos
que agrupam as variáveis aleatórias: espessura, módulo de elasticidade e raio, tomadas duas a
duas, e o caso único da consideração dessas três variáveis aleatórias em questão para a
geometria G1.
4.3.1 Incerteza na geometria G1 – consideração de duas variáveis aleatórias

simultâneas
Os Casos 1, 2 e 3 agrupam os parâmetros já considerados na seção anterior tomados dois a

dois, conforme Tabela 4.9. Avalia-se como o PCE influencia na obtenção dos diagramas de
bifurcação e no comportamento dinâmico do painel quando são considerados de forma
simultânea um segundo parâmetro aleatório. A magnitude da pressão lateral PL e o coeficiente
de amortecimento viscoso η1 são iguais aos Casos 2, 3 e 4 da geometria G1 que consideram
apenas uma variável aleatória no problema, com o intuito de facilitar a comparação com os
resultados já obtidos anteriormente.
Tabela 4.9 - Casos de análise da geometria G1 considerando duas variáveis aleatórias simultaneamente.
1 h,E
2 G1 h,R 9000 0,01
3 E,R
4.3.1.1 Caso 1 – aleatoriedade em duas variáveis (h, E)
No Caso 1, os parâmetros aleatórios considerados de forma simultânea são a espessura, h, e

módulo de Elasticidade, E. Foi possível obter os resultados para os momentos estatísticos de
primeira e segunda ordem com a expansão da aleatoriedade nas amplitudes modais para o
polinômio de caos de grau 2 de forma satisfatória. Em comparação com os diagramas de
bifurcação determinísticos apresentados para as variáveis aleatórias h e E, consideradas
isoladamente nos Casos 2 e 3 da seção 4.2.1 (Figura 4.13 e Figura 4.22), é possível notar que
a nuvem dos diagramas é mais extensa para esse caso das variáveis consideradas de maneira
simultânea, ou seja, quando essas duas variáveis são consideradas ao mesmo tempo na
equação estocástica o diagrama de bifurcação tem uma variabilidade maior do que quando é
considerado apenas uma variável isoladamente, conforme podemos observar na Figura 4.65.
Figura 4.65 - Diagramas de bifurcação determinísticos da geometria G1 considerando duas variaveis aleatórias
simultaneamente (Caso 1).
Na Figura 4.66 são apresentados os diagramas de bifurcação com as diferenças percentuais

entre os métodos, MC e PCE, ao lado, demonstrando a boa convergência em 95% e 78% dos
pontos analisados dentro do intervalo do parâmetro de controle analisado com diferenças
percentuais menores que 2,00% nos trechos de ida e de volta do diagrama de bifurcação,
respectivamente. Nota-se pela Figura 4.66a que no trecho de volta do diagrama de bifurcação
há uma dificuldade da obtenção do diagrama de bifurcação pela média do PCE entre o
intervalo do parâmetro de controle 0,80 < Ωf < 1,00, trecho esse já observado no Caso 2 da
geometria G1 que considera apenas a espessura como variável aleatória, demonstrando que
mesmo na presença de uma outra variável aleatória essa região ainda obteve resultados com
uma convergência pior do que nos demais trechos.
diferenças percentuais entre os dois métodos utilizados (Caso 1) considerando duas variáveis aleatórias
simultaneamente.
(a) (b)
Na Figura 4.67 também são apresentados os planos fase para os mesmos parâmetros
Ωf = 0,9363 e Ωf = 0,9516 analisados nos casos que consideraram apenas uma variável
aleatória para o PCE de grau 2. Os planos fase determinísticos foram obtidos para valores de h
e E iguais a 0,0092m e 2,1636e+11 N/m², respectivamente. Observa-se que, diferentemente
dos primeiros casos que consideraram a variável aleatória isolada, para o parâmetro de
controle Ωf = 0,9363 as respostas determinísticas e estocásticas para o atrator de maior
amplitude são do tipo periódicas. Porém, foi obtido uma boa correspondência apenas para o
atrator de menor amplitude conforme dado na Figura 4.67a. Já para o parâmetro de controle
Ωf = 0,9516, observa-se na Figura 4.67b que há a existência de duas soluções estáveis e
periódicas, conforme casos anteriores dessa geometria, e uma boa correspondência para os
dois atratores de menor e maior amplitude.
Figura 4.67 - Planos fase do painel cilíndrico determinísticos e estocásticos da geometria G1 (Caso 1)
considerando duas variáveis aleatórias simultaneamente (a) Ωf = 0,9363 (b) Ωf = 0,9516.
(a) Ωf = 0,9363 (b) Ωf = 0,9516
Assim como já analisado para a média para o intervalo 0,80 < Ωf < 1,00 no trecho de volta do
diagrama de bifurcação, foi observado nos resultados para o momento estatístico de segunda
ordem que 87% e 72% dos pontos analisados apresentaram erros menores que 8,00% nos
trechos de ida e de volta, respectivamente, para o primeiro grau de liberdade, como pode ser
grau 2 e (b) diferenças percentuais entre os dois métodos utilizados. (Caso 1) considerando duas variáveis
aleatórias simultaneamente.
(a) (b)
Já para o segundo grau de liberdade, tanto para a média quanto para a variância, os resultados
do PCE convergentes com os resultados obtidos pelo Monte Carlo ocorrem em menor
número. Na Figura 4.69a são apresentados os resultados para a média com 76% e 40% dos
pontos analisados com erros menores que 2,00% nos trechos de ida e de volta,
respectivamente. Enquanto para a variância 72% e 63% dos pontos analisados apresentaram
erros menores que 8,00% para os trechos de ida e de volta, respectivamente.
métodos utilizados para variância (Caso 1) considerando duas variáveis aleatórias simultâneas.
(a) (b)
(c) (d)
4.3.1.2 Caso 2 – aleatoriedade em duas variáveis (h, R)
De forma análoga, o Caso 2 que considera as variáveis aleatórias de forma simultânea:

espessura, h, e raio, R, tem os resultados apresentados para o PCE de grau 2. É importante
ressaltar que nos casos já discutidos para a mesma geometria submetida ao mesmo
carregamento e amortecimento, essas variáveis quando consideradas de forma isolada
apresentaram resultados com convergência entre o MC e o PCE em um menor trecho do
diagrama de bifurcação que para o caso onde o módulo de elasticidade era uma das variáveis
aleatórias do sistema. Nesse caso, a consideração de duas variáveis aleatórias
simultaneamente na equação estocástica também influenciou na maior variabilidade do
diagrama de bifurcação entre as amostras consideradas em relação aos casos que tem apenas
uma variável aleatória no sistema, conforme apresentado na Figura 4.70.
A baixa convergência dos resultados em relação aos apresentados para o Caso 1 dessa seção
pode ser explicado pela não linearidade que essas variáveis, h e R, geram nas equações de
movimento do problema.
simultaneamente.
(a) (b)
Porém para o limite estabelecido de 2,00% das diferenças percentuais entre os dois métodos
utilizados, foram obtidos bons resultados para a média do primeiro grau de liberdade com
95% e 80% dos pontos analisados com diferenças menores que o limite estabelecido para os
trechos de ida e volta do diagrama de bifurcação, respectivamente, como pode ser observado
na Figura 4.71.
Os planos fase desse caso são apresentados na Figura 4.72 e para o parâmetro de controle
Ωf = 0,9363 não houve convergência na resposta do atrator de maior amplitude, pois o PCE
encontrou uma solução do tipo quase periódica enquanto a resposta determinística é uma
solução periódica. No parâmetro de controle Ωf = 0,9516, as respostas são soluções estáveis
periódicas para os dois atratores, porém o PCE não conseguiu representar muito bem a
resposta de menor amplitude como pode ser observado na Figura 4.72b. Os planos fase
determinísticos foram obtidos para valores de h e R iguais a 0,0098m e 4,1562m,
respectivamente.
(a) Ωf = 0,9363 (b) Ωf = 0,9516
Assim como para o momento estatístico de primeira ordem, os resultados para a variância
também foram considerados com uma boa convergência em 89% e 73% dos pontos
analisados com diferenças menores que o limites estabelecido de 8,00% para os trechos de ida
e de volta como pode ser visualizado na Figura 4.73.
(a) (b)
Assim como no Caso 1, há uma dificuldade na obtenção dos resultados para o primeiro grau
de liberdade para o intervalo do parâmetro de controle 0,80 < Ωf < 1,00 no trecho de volta do
diagrama de bifurcação, visto que nessa região os diagramas de bifurcação determinísticos

assumem formas diferentes o que dificulta tanto a obtenção da média e variância
determinística como a obtenção desses mesmos resultados pelo método do polinômio de caos
expandido.
(a) (b)
(c) (d)
Os resultados para o segundo grau de liberdade foram apresentados na Figura 4.74,
demonstrando também resultados menos convergentes com o método de Monte Carlo do que
para o primeiro grau de liberdade com 60% e 52% dos pontos analisados para a média com
diferenças percentuais menores que 2,00% e com 55% e 46% dos pontos analisados para a
variância com diferenças percentuais menores que 8,00% para os trechos de ida e volta,
respectivamente.
4.3.1.3 Caso 3 – aleatoriedade em duas variáveis (R, E)
O Caso 3 avalia as duas variáveis aleatórias simultâneas: raio, R, e módulo de elasticidade, E,

sendo dentre os três casos dessa subseção o melhor resultados do PCE para o primeiro grau de
liberdade quando comparados com os resultados obtidos pelo MC. Na Figura 4.75 observa-se
uma menor variabilidade do comportamento não linear dinâmico para as diversas amostras
das variáveis aleatórias dentre todos os casos analisados nessa seção.
Para a média foi observado que 96% e 83% dos pontos analisados apresentam diferenças
percentuais menores que 2,00% nos trechos de ida e de volta, respectivamente, conforme
demonstrado na Figura 4.76.
simultaneamente.
(a) (b)
Nesse caso, o plano fase referente ao parâmetro de controle Ωf = 0,9363, Figura 4.77a,
apresenta para a solução determinística de maior amplitude uma solução quase periódica, o
mesmo observado nos casos que consideraram apenas uma variável aleatória para essa
geometria. Assim como nos casos anteriores, o PCE não conseguiu representar bem essa
solução, e para esse parâmetro de controle houve apenas convergência no atrator de menor
amplitude.
(a) Ωf = 0,9363 (b) Ωf = 0,9516
Na Figura 4.77b é possível observar as soluções estáveis periódicas encontradas pelos dois
métodos de análise, porém não houve convergência em nenhum dos dois atratores. Os planos
fase determinísticos foram obtidos para valores de E e R iguais a 2,0897e+11 N/m2 e 4,1420
m.
Assim como para o momento estatístico de primeira ordem, os resultados para a variância
também apresentaram uma boa convergência com 92% e 79% dos pontos analisados com
diferenças percentuais menores que 8,00% nos respectivos trechos de ida e de volta, como é
possível observar na Figura 4.78.
(a) (b)
Já para o segundo grau de liberdade, o Caso 3 foi o que apresentou os resultados obtidos pelo
PCE menos convergentes com os obtidos pelo MC para a média dentre os demais casos dessa
subseção. Na Figura 4.79 é possível observar apenas 0,5% e 42% dos pontos analisados com
diferenças percentuais menores que 2,00% para a média e em 73% e 67% dos pontos
analisados com diferenças percentuais menores que 8,00% para os trechos de ida e de volta,
respectivamente.
(a) (b)
(c) (d)
4.3.2 Incerteza na geometria G1 – consideração de três variáveis aleatórias

simultâneas
Nessa seção será apresentado o caso único que levou em consideração as três variáveis
aleatória, h, E e R para a geometria G1, mantendo a magnitude da pressão lateral PL e o valor
do coeficiente de amortecimento viscoso, conforme os casos anteriores, nos valores de 9000
N/m2 e 0,01, respectivamente.
Na Tabela 4.10 são apresentados os termos para compor o PCE de grau 1 quando é
considerado três variáveis aleatórias simultaneamente. O PCE de grau 2 possui 10 termos,
porém, a não linearidade geométrica do problema é elevada de tal sorte que não foi possível
obter nenhum resultado para algum grau de polinômio superior a 1.
Tabela 4.10 - Composição do poliômio de Legendre-Caos para três variáveis aleatórias

ζ Ψζ p
[0,0,0] 1 0
[1,0,0] ξ1 1
[0,1,0] ξ2 1
[0,0,1] ξ3 1
Na Figura 4.80 são apresentados os diagramas de bifurcação determinísticos obtidos pelo MC

com a média determinística e observa-se, assim como nos casos que consideram duas
variáveis aleatórias simultâneas, uma maior variabilidade das respostas dinâmicas em torno da
média.
Figura 4.80 - Diagramas de bifurcação determinísticos da geometria G1 considerando três variaveis aleatórias
simultaneamente.
Foram obtidos bons resultados para o momento estatístico de primeira ordem do primeiro
grau de liberdade com 90% e 73% dos pontos analisados com erros menores que 2,00% e,
assim como já observados nos casos anteriores, para essa mesma geometria e carregamento,
há uma dificuldade da correspondência do PCE com a média determinística na região do salto
dinâmico no trecho de volta, conforme ilustrado na Figura 4.81.
diferenças percentuais entre os dois métodos utilizados considerando três variáveis aleatórias simultaneamente.
(a) (b)
Os planos fases são apresentados na Figura 4.82 para os parâmetros de controle Ωf = 0,9363 e
Ωf = 0,9516 e foram obtidas apenas soluções estáveis periódicas para os dois atratores
existentes em cada parâmetro de controle analisado, tanto de forma determinística como
estocástica. Porém, para os atratores de maior amplitude o PCE não conseguiu representar
bem a solução obtida de forma determinística. Os planos fase determinísticos foram obtidos
para os valores de h, E e R iguais a 0,0098m, 2,1414e+11 N/m2 e 4,1562m.
Figura 4.82 - Planos fase do painel cilíndrico determinísticos e estocásticos da geometria G1 considerando três
variáveis aleatórias simultaneamente (a) Ωf = 0,9363 (b) Ωf = 0,9516.
(a) Ωf = 0,9363 (b) Ωf = 0,9516
Para o segundo grau de liberdade, os resultados apresentados na Figura 4.83 indicam uma pior
correspondência nos dois trechos de ida e de volta principalmente na região do salto
dinâmico. Apenas 57% e 48% dos pontos analisados apesentaram diferenças percentuais
menores que 2,00%.
diferenças percentuais entre os dois métodos utilizados considerando três variáveis aleatórias simultaneamente.
(a) (b)
CAPÍTULO 5
CONCLUSÕES
Esta dissertação teve como objetivo analisar as curvas de ressonância de um painel cilíndrico
esbelto simplesmente apoiado, submetido a uma pressão transversal dinâmica, para três
geometrias diferentes, considerando a aleatoriedade em parâmetros físicos e geométricos,
como: espessura, módulo de elasticidade e raio.
As equações de movimento do painel cilíndrico foram obtidas a partir dos funcionais de

energia potencial total e cinética, de acordo com a teoria não linear de Donnell para cascas
abatidas, sendo utilizado um modelo de baixa dimensão com dois graus de liberdade para
descrever do campo de deslocamentos transversais do painel, determinado pelo método da
perturbação e já comprovado sua eficiência em outros trabalhos da literatura.
A natureza estocástica do problema se dá pela consideração da aleatoriedade não equações

que governam o problema transformando-as em equações diferenciais parciais estocásticas de
segunda ordem no tempo, que foram discretizadas em uma abordagem intrusiva pelo método
de Galerkin Estocástico em conjunto com o Caos Polinomial. Todas as variáveis aleatórias
considerada nas análises desse trabalho obedeceram a uma distribuição uniforme e por isso o
polinômio de Legendre-Caos foi utilizado para uma melhor convergência dos resultados
estocásticos.
O sistema de equações resultantes após a aplicação do método de Galerkin Estocástico é

determinístico e as equações foram integradas ao longo do tempo pelo método de Runge-
Kutta de quarta ordem, obtendo-se os diagramas de bifurcação dentro do intervalo definido
para o parâmetro de controle e os planos fases para determinados valores do parâmetro de
controle para verificar a qualidade das respostas obtidas.
As geometrias nominais analisadas se diferenciam pelo raio de curvatura sendo que o raio da
geometria G1 é 50% maior que o da geometria G2 e 50% menor que o da geometria G3. O
valor da magnitude da pressão transversal dinâmica utilizada, em cada geometria analisada,
foi diferente entre si, apresentando para a geometria de menor raio, a maior carga para ativar a
não linearidade do problema até que a amplitude máxima atingisse duas vezes o valor da
espessura.
Em todas as geometrias investigadas, as variáveis aleatórias foram consideradas

individualmente. Porém para a geometria G1, que é a geometria de de referência deste
trabalho, analisou-se os casos com a consideração de duas, e de três, variáveis aleatórias
simultâneas. Todos os resultados obtidos para os dois graus de liberdade pela abordagem do
Caos Polinomial em conjunto com o método de Galerkin Estocástico foram comparados com
os resultados obtidos pela simulação de Monte Carlo.
Diante das diversas análises realizadas para diferentes graus do polinômio de caos,
carregamento, coeficiente de amortecimento e geometrias do painel cilíndrico, têm-se como
as principais conclusões dessa dissertação:
• As frequências naturais obtidas pelo polinômio de caos se separam em dois grupos

dependendo do grau do polinômio. Para os graus pares, foi observado que as
frequências encontradas estão em torno da frequência determinística do sistema, como
frequências ressonantes, enquanto para os graus ímpares do polinômio, isso não
acontece, podendo classificá-las como frequências antiressoanntes.
• O carregamento e o coeficiente de amortecimento influenciam fortemente na
qualidade das soluções obtidas pelo caos polinomial. Como foi observado nos Casos 1
e 2 da geometria G1, para casos menos amortecidos há uma dificuldade maior da
obtenção dos resultados dinâmicos estocásticos pelo polinômio de caos devido à
complexidade das soluções presentes em sistemas dinâmicos;
• O PCE alcançou bons resultados para os momentos estatísticos de primeira e segunda
ordem em comparação com os resultados obtidos pelo método de Monte Carlo em
todos os casos. Porém, as geometrias mais rígidas apresentaram formas do diagrama
de bifurcação mais difíceis de se obter a média determinística para a comparação com
o PCE, como pôde ser observado nos casos da geometria G3;
• Em todas as geometrias, foi observado que cada parâmetro aleatório influencia de uma
maneira no comportamento dinâmico e na obtenção da resposta estocástica. O módulo
de elasticidade por ser inserido como um termo linear nas equações governantes do
problema foi o parâmetro que menos influenciou na variabilidade das soluções
dinâmicas tanto na abordagem determinística como na abordagem estocástica. Por
outro lado, a espessura, que é um termo não linear associado numerador das equações
não lineares de movimento, aumenta a complexidade da obtenção da resposta
estocástica. Por fim, o raio, que é inserido como termo não linear tanto no numerador
quanto no denominador das equações do problema, dificulta fortemente a obtenção
dos resultados pelo PCE. Por isso, para a geometria G3 os momentos estatísticos de
segunda ordem obtidos pela abordagem estocástica não foram satisfatórios;
• O aumento do grau do polinômio não gerou uma maior eficiência que na resposta
estocástica que compensasse o elevado custo computacional. Os resultados de todas as
análises foram gerados até o grau máximo do polinômio capaz de obter as soluções
dinâmicas e, mesmo assim, a maioria dos resultados desse trabalho foram
apresentados para polinômios de baixa ordem, demonstrando a alta eficiência do
método utilizado na obtenção dos resultados na maioria dos trechos do diagrama de
bifurcação obtidos;
• A partir da comparação com os resultados determinísticos, foi possível observar que a
pior correspondência dos resultados estocásticos com os determinísticos se deu em
trechos próximos a ressonância em todos os casos analisados seja no diagramas de
bifurcação com comportamento do tipo softening, ou do tipo hardening, demonstrando
a limitação para a obtenção dos resultados estocásticos para os casos analisados nesse
trabalho diante da abordagem intrusiva adotada;
• Na consideração de duas, ou de três, variáveis aleatórias simultâneas, a quantidade de
termos aumenta consideravelmente para o mesmo grau de polinômio. Em problemas
contínuos com não linearidade geométrica, isso dificulta ainda mais a obtenção dos
resultados estocásticos para maiores graus do polinômio que melhoram a convergência
principalmente do momento estatístico de segunda ordem. A variabilidades das
soluções encontradas variou de acordo com o grupo de variáveis que estavam sendo
consideradas, demonstrando novamente a influência de cada parâmetro aleatório de
forma diferente;
• Em todos os casos, também foram obtidos planos fase pela abordagem do Caos
Polinomial e Galerkin Estocástico para a verificação da qualidade das soluções e
posterior comparação com os resultados determinísticos. Foi observado que, em
relação aos trechos com pior correspondência entre os diagramas de bifurcação
obtidos pelo PCE e MC, há uma deficiência de convergência da abordagem intrusiva
empregada nessa dissertação. Porém, para as regiões onde não coexistem soluções
quase-periódicas ou caóticas, a abordagem proposta é totalmente aderente as soluções
encontradas pelo MC. Com a consideração de mais de uma variável aleatória, houve
uma pior correspondência nesse tipo de resultado quando comparado com os obtidos
pelo método de Monte Carlo, o que já havia sido observado nos diagramas de
bifurcação. Nas soluções quase periódicas encontradas para alguns casos não foi
possível obter a mesma qualidade de solução pelo PCE;
• A abordagem intrusiva do método de Galerkin Estocástico apresenta uma maior
dificuldade de implementação à medida que o nível de incertezas e o grau do
polinômio utilizado aumenta, ainda mais em uma análise dinâmica não linear de um
sistema contínuo com um nível de complexidade mais alto do que os sistemas
discretos. Ainda assim, os resultados estocásticos obtidos para os casos de geometria e
carregamento analisados apresentaram boa correspondência com os resultados obtidos
pelo Monte Carlo na maioria dos trechos do parâmetro de controle, incluindo trechos
que apresentaram uma média de vibração alta;
• Esse trabalho tem como caráter introdutório considerar a aleatoriedade na análise
dinâmica de um sistema contínuo como o painel cilíndrico através da inserção dessas
incertezas pelo Caos Polinomial em uma abordagem intrusiva, juntamente com o
método de Galerkin Estocástico, na tentativa de entender a aplicabilidade e eficiência
do método para a resolução desse tipo de problema. Diante das diferentes geometrias e
carregamento, os resultados estocásticos em sua grande maioria apresentaram boa
correspondência com os obtidos pelo método de Monte Carlo, demonstrando que o
método é capaz de descrever o comportamento dinâmico da estrutura considerando a
aleatoriedade em parâmetros físicos e geométricos sem a necessidade de um processo
de amostragem.
Como sugestão para trabalhos futuros e continuidade da pesquisa, tem-se os seguintes pontos:
• Implementação de uma abordagem não intrusiva aplicado em conjunto com o Caos

Polinomial;
• Consideração de diferentes geometrias que sofram com a alteração do modo de
vibração quando se considera a aleatoriedade em parâmetros físicos e geométricos;
• Definição e estudo de outros resultados importantes no estudo da dinâmica não linear
tais como fronteiras de instabilidade, bacias de atração, por exemplo;
• Aplicar outras função de distribuição de probabilidade, estendendo o entendimento do
procedimento empregado nesta dissertação;
Avaliar a incerteza em outros parâmetros do problema tais como: carregamento,

amortecimento e massa do painel cilíndrico.
REFERÊNCIAS
ALIJANI, F.; AMABILI, M. Non-linear vibrations of shells: A literature review from 2003 to
2013. International Journal of Non-Linear Mechanics, [s. l.], v. 58, p. 233-257, 2014.
AMABILI, M. Nonlinear vibrations and stability of shells and plates. 1. ed. New York:
Cambridge University Press, 2008. 390 p.
AMABILI, M.; PAÏDOUSSIS, M. P. Review of studies on geometrically non-linear

vibrations and dynamics of circular cylindrical shells and panels, with and without fluid-
structure interaction. Applied Mechanics Reviews, [s. l.], v. 56, n. 4, p. 655-699, 2003.
AMABILI, M.; PAÏDOUSSIS, M. P.; LAKIS, A. A. Vibration of partially filled cylindrical

tanks with ring-stiffeners and flexible bottom. Journal of Sound and Vibration, v. 213,
p.259-299, 1998.
AMABILI, M.; PELLICANO, F.; PAÏDOUSSIS, M. P. Non-linear dynamics and stability of

circular cylindrical shells containing flowing fluid. Part I: Stability. Journal of Sound and
Vibration, v. 225, p. 655-699, 1999.
BRAZÃO, A.F. Análise das imperfeições geométricas iniciais no comportamento de

cascas cilíndricas. 2014. 94 f. Dissertação (Mestrado em Engenharia Civil) – Programa de
Pós-Graduação em Geotecnia, Estruturas e Construção Civil, Universidade Federal de Goiás,
Goiânia, 2014.
BRUSH, D. O.; ALMROTH, B.O. 1 ed. Buckling of bars, plates and shells. McGraw-Hill,
1975. 379 p.
CHU, H. N. Influence of large amplitudes on flexural vibrations of a thin circular cylindrical

shell. Journal of Aerospace Science, v. 28, p. 302-609, 1961.
DEL PRADO, Z. J. G. N. Acoplamento e Interação Modal na Instabilidade Dinâmica de

Cascas Cilíndricas. Tese (Doutorado em Engenharia Civil) - Pontifícia Universidade
Católica do Rio de Janeiro. Rio de Janeiro, p. 222. 2001.
DONNELL, L. H. A new theory for the buckling of thin cylinders under axial compression
and bending, Transactions of the American Society of Mechanical Engineers, [s. l.], v.56,
p. 795-806, 1934.
A. E. F. PALLA Referências
EVENSEN, D. A. Some observations on the nonlinear vibration of thin cylindrical shells.

AIAA Journal, v. 1, n. 12, p. 2857-2858, 1963.
EVESEN, D. A. Nonlinear flexural vibrations of thin-walled circular cylinders. NASA

Technical Note, Washington D.C, 1967. D-4090. p. 32.
GARCÍA, N.A.; Quantificação da incerteza em modelos de fratura e fadiga utilizando

polinômio de expansão de caos. Tese (Doutorado em Estruturas e Construção Civil) –
Universidade de Brasília. Brasília, p. 203. 2019.
GEL, A.; GARG, R.; TONG C.; SHAHNAM M.; GUENTHER C. Applying uncertainty
quantification to multiphase flow computational fluid dynamics. Powder Technology, v. 242,
p. 27-39, 2013.
GHANEM, R.G., SPANOS, P. Stochastic Finite Elements: A Spectral Approach, Journal of

Engineering Mechanics, v. 117, n. 10, p. 2351-2372, New York, 1991.
GONÇALVES, P. B.; BATISTA, R. C. Non-linear vibration analysis of fluid-filled

cylindrical shells. Journal of Sound and Vibration, [s. l.], v. 127, p. 133-143, 1988.
GONÇALVES, P. B.; SILVA, F. M. A.; DEL PRADO, Z. J. G. N. Low-dimensional models

for the nonlinear vibration analysis of cylindrical shells based on a perturbation procedure and
proper orthogonal decomposition. Journal of Sound and Vibration, [s. l.], v. 315, p. 641663,
2008.
GRIGORIU, M. Stochastic mechanics. International Journal of Solids and Structures, [s.

1.], v. 37, p. 197-214, 2000.
JACQUELIN, E.; ADHIKARI, S.; SINOU, J.-J.; FRISHWELL, M. I. Polynomial chaos

expansion and Steady-State Response of a Class of Random Dynamical Systems. Journal of
Engineering Mechanics, v. 4, 2015.
JACQUELIN, E.; ADHIKARI, S.; SINOU, J.-J.; FRISHWELL, M. I. Polynomial chaos

expansion in structural dynamics: Accelerating the convergence of the first two statistical
moment sequences. Journal of Sound and Vibration, v. 356, p. 144-154, 2015.
MORAIS, J. L. Influência do acoplamento modal no comportamento estático não linear

de painéis cilíndricos. Dissertação de Mestrado - PPG GECON, Universidade Federal de
Goiás. Goiânia, p. 147. 2017.
MOUSSAOUI, F.; BENAMAR, R. Non-linear vibrations of shell-type structures: a review

with bibliography. Journal of Sound and Vibration, [s. l.], v. 255, n. 1, p. 161-184, 2002.
NOWINSKI, J. L. Nonlinear transverse vibration of orthotropic cylindrical shells. AIAA

Journal, v. 1, p. 617-620, 1963.
PAPOULIS, A; PILLAI, S. U. Probability, random variables, and stochastic processes. 4.

ed. New York: McGraw-Hill, 2002. 852 p.
PIMENTEL, A. C. M. Simulações sob incertezas em problemas de transferência de calor

e massa. 2014. 124 f. Tese (Doutorado – Programa de Pós-Graduação em Engenharia),
Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2014.
POPOV, A. A.; THOMPSON, J. M. T.; MCROBIE, F. A. Low dimensional models of shell

vibrations: parametrically excited vibrations of cylindrical shells. Journal of Sound and
Vibration, [s. l.], v. 209, n. 1, p. 163-186, 1998.
RODRIGUES, L.; SILVA, F. M. A.; GONÇALVES, P. B.; DEL PRADO, Z. J. G. N. Effects

of modal coupling on the dynamics of parametrically and directly excited cylindrical shells.
Thin-Walled Structures, [s. l.], DOI: 10.1016/j.tws.2013.08.004.
SATTLER, H. A. R. Modelo de baixa dimensão para análise dinâmica de painel

cilíndrico simplesmente apoiado. Dissertação de Mestrado - PPG GECON, Universidade
Federal de Goiás. Goiânia, p. 75. 2015.
SILVA, F. M. A.; GONÇALVES, P. B.; DEL PRADO, Z. J. G. N. An alternative procedure

for the non-linear vibration analysis of fluid-filled cylindrical shells. Nonlinear Dynamics, [s.
l.], v. 66, p. 303-333, 2011.
SILVA JÚNIOR., C. R. A.; BECK, A. T. Chaos-Galerkin solution of stochastic Timoshenko

bending problems. Computers and Structures, [s. l.], v. 89, p. 599-611, 2011.
WIRSCHING, P. H.; PAEZ, T. L.; ORTIZ, K. Random vibrations: theory and practice. 1.
ed. New York: Dover Publications, 2006. 448 p.
XIU, D. Fast Numerical Methods for Stochastic Computations: A Review. Communications

in Computational Physisc, v. 5, n. 2-4, p. 242-272, 2009.
XIU, D. e KARNIADAKIS, G. E. The Wiener-Askey Polynomial Chaos for Stochastic

Differential Equations. SIAM Journal of Scientific Computing, v.24, n.2, p.619-644, 2002.
XIU, D. e KARNIADAKIS, G. E. Modeling uncertainty in flow simulations via generalized

polynomial chaos. Journal of Computational Physics, v.187, p.137-167, 2003.
APÊNDICE A
FREQUÊNCIAS RESSONANTES
No Apêndice A são apresentadas as Tabelas A.1 e A.2 referente as frequências ressonantes do

sistema estocástico G1 e G2 considerando a incerteza em uma variável aleatória.
Tabela A.1 - Frequências ressonantes do sistema estocástico G2.
Grau do PCE ω (rad/s) - h ω (rad/s) - E ω (rad/s) – R

p=0 438,65 (0,25%) 437,56 (0,00%) 439,48 (0,44%)
1090,72 (0,43%) 1086,03 (0,00%) 1087,30 (0,12%)
p=1 425,62 424,76 426,45
450,74 450,03 452,14
1033,96 1054,19 1078,72
1142,30 1116,92 1095,82
p=2 421,22 420,29 422,39
438,03 (0,11%) 437,58 (0,00%) 438,42 (0,20%)
454,93 454,21 456,84
1014,48 1043,10 1076,07
1088,05 (0,18%) 1086,01 (0,00%) 1086,61 (0,05%)
1159,97 1127,28 1099,03
p=3 419,32 418,31 420,70
430,54 430,07 430,99
445,93 444,95 446,04
456,80 456,03 459,01
1006,02 1038,19 1077,08
1055,56 1067,40 1078,39
1119,43 1104,30 1093,87
1167,80 1131,81 1099,56
p=4 418,45 417,24 68,78
425,89 425,79 420,71
438,34 (0,18%) 437,32 (0,06%) 431,02 (1,45%)
449,22 449,46 446,13
457,95 456,86 459,03
1001,57 1035,19 935,51
1036,77 1057,75 1097,52+2,27i
1087,02 (0,01%) 1084,16 (0,17%) 1077,28+3,22i
1328,73 1116,35 1077,28+3,22i
1360,42 1133,56 1097,52-2,27i
p=5 416,15 416,86
A. E. F. PALLA Apêndices
460,72 422,32
998,22 433,40
1027,53 441,35
1061,36 453,25
1111,85 456,79
1148,00 1128,96
1174,52 1131,32
426,77+6,14i 1039,84+2,51i
448,71+7,21i 1086,19+6,72i
426,77-6,14i 1086,19-6,72i
448,71-7,21i 1039,84-2,51i
Tabela A.2 - Frequências ressonantes do sistema estocástico G3.
Grau do PCE ω (rad/s) - h ω (rad/s) - E ω (rad/s) – R

p=0 920,91 (0,35%) 917,67 (0,00%) 919,94 (0,25%)
2790,42 (0,40%) 2779,36 (0,00%) 2784,08 (0,17%)
p=1 881,87 890,79 904,10
956,71 943,79 935,51
2656,80 2697,93 2750,96
2912,20 2858,46 2816,81
p=2 868,57 881,42 899,20
919,05 (0,15%) 917,67 (0,00%) 918,64 (0,14%)
969,04 952,55 941,34
2611,07 2669,54 2740,74
2784,11 (0,18%) 2779,36 (0,00%) 2781,35 (0,10%)
2954,16 2884,99 2829,11
p=3 862,81 877,27 897,08
896,69 901,94 909,33
940,80 933,14 927,71
974,51 956,37 943,97
2591,24 2656,99 2735,93
2707,58 2731,70 2762,96
2858,19 2826,21 2799,60
2972,73 2896,55 2834,99
p=4 859,83 875,09 897,11
883,66 892,66 909,61
918,54 (0,09%) 917,62 (0,00%) 927,80 (0,85%)
953,53 942,10 944,04
977,38 958,34 1491,04
2580,97 2650,53 2731,66
2663,01 2703,24 2837,31
2782,18 (0,10%) 2779,66 (0,01%) 3022,27

2901,62 2852,98 2777,72+3,08i
2982,42 2902,63 2777,72-3,08i
p=5 857,78 873,92
876,65 886,81
901,52 906,09
935,23 929,92
960,58 946,12
979,33 960,03
2572,80 2646,20
2642,68 2687,63
2719,17 2742,65
2843,98 2816,71
2921,97 2866,23
2990,06 2907,22
p=6 852,80 963,45
969,65 875,06+5,79i
979,26 945,92+11,28i
933,73+7,54i 907,30+14,13i
880,04+12,97i 907,30-14,13i
880,04-12,97i 945,92+11,28i
933,72-7,54i 875,06+5,79i
2549,26 2629,35
2988,79+36,96i 2911,76+29,35i
2639,91+69,02i 2685,83+47,72i
2832,24+84,52i 2809,85+63,68i
2832,24-84,52 2809,85-63,68i
2639,91-69,02i 2685,83-47,72i
2988,79-36,96i 2911,76-29,35i

UTILIZAÇÃO DO CAOS POLINOMIAL PARA ANÁLISE DAS CURVAS DE RESSONÂNCIA ESTOCÁSTICAS DE PAINÉIS CILÍNDRICOS - Anna Elizabete

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

UTILIZAÇÃO DO CAOS POLINOMIAL PARA ANÁLISE DAS CURVAS DE RESSONÂNCIA ESTOCÁSTICAS DE PAINÉIS CILÍNDRICOS - Anna Elizabete

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDADE FEDERAL DE GOIÁS

ESCOLA DE ENGENHARIA CIVIL E AMBIENTAL

UTILIZAÇÃO DO CAOS POLINOMIAL

ANNA ELIZABETE FONSECA PALLA

UTILIZAÇÃO DO CAOS POLINOMIAL

Dissertação apresentada ao Programa de Pós-

Palla, Anna Elizabete Fonseca.

Orientador: Prof. Dr. Frederico Martins Alves da Silva;

1 Painel cilíndrico.2 Parâmetros aleatórios.3 Método de

Gratidão a minha eterna e inesquecível turma de Mestrado, Ericka, Guilherme, Phablo e

Também agradeço ao Programa de Pós-Graduação em Geotecnia, Estruturas e Construção

Ao CNPq, pelo incentivo e apoio financeiro, de extrema importância na realização e

Este trabalho analisa a influência da incerteza de parâmetros físicos e geométricos na

Palavras-chave: Painel cilíndrico. Parâmetros aleatórios. Método de Galerkin Estocástico.

Keywords: Cylindrical panel. Random parameters. Stochastic Galerkin Method. Legendre-

Figura 2.1 - (a) Geometria e campo de deslocamento do painel cilíndrico e (b)

Figura 2.3 - Representação do carregamento aplicado ao painel cilíndrico. ........................... 41

Figura 4.3 - Diagramas de bifurcação determinísticos da geometria G1 (Caso 1). ................. 65

Figura 4.4 - Diagramas de bifurcação determinístico para h = 0,0103 m e geometria G1

Figura 4.5 - Planos fase do painel cilíndrico determinísticos h = 0,0103 m para a

Figura 4.6 - Planos fase do painel cilíndrico determinísticos h = 0,0103 m para a

Figura 4.7 - Diagramas de bifurcação da amplitude A1(τ) do PCE grau 0 e média MC da

Figura 4.8 - Diagramas de bifurcação da amplitude A1(τ) da geometria G1 e diferenças

Figura 4.9 - Planos fase do painel cilíndrico estocásticos da geometria G1 para Ωf =

Figura 4.11 - Diagramas de bifurcação da amplitude A2(τ) da geometria G1 e diferenças

Figura 4.12 - Variância ao longo do parâmetro de controle da amplitude A2(τ) da

Figura 4.13 - Diagramas de bifurcação determinísticos da geometria G1 (Caso 2). ............... 78

Figura 4.15 - Planos fase do painel cilíndrico determinísticos da geometria G1 para Ω f =

Figura 4.17 - Diagramas de bifurcação da amplitude A1(τ) da geometria G1 e diferenças

Figura 4.18 - Planos fase do painel cilíndrico estocásticos da geometria G1 para Ωf =

Figura 4.19 - Variância ao longo do parâmetro de controle da amplitude A1(τ) da

Figura 4.20 - Diagramas de bifurcação da amplitude A2(τ) da geometria G1 e diferenças

Figura 4.22 - Diagramas de bifurcação determinísticos da geometria G1 (Caso 3). ............... 90

Figura 4.23 - Diagramas de bifurcação determinístico para Emín, Enom e Emáx da

Figura 4.24 - (a) Diagramas de bifurcação da amplitude A1(τ) da geometria G1 para o

Figura 4.25 - Planos fase do painel cilíndrico determinísticos e estocásticos da

Figura 4.26 -(a) Variância ao longo do parâmetro de controle da amplitude A1(τ) da

Figura 4.27 - (a) Diagramas de bifurcação da amplitude A2(τ) da geometria G1 para o

Figura 4.28 -(a) Variância ao longo do parâmetro de controle da amplitude A2(τ) da

Figura 4.29 -(a) Diagramas de bifurcação determinísticos e (b) diagramas de bifurcação

Figura 4.30 - (a) Diagramas de bifurcação da amplitude A1(τ) da geometria G1 para o

Figura 4.31 - Planos fase do painel cilíndrico determinísticos e estocásticos da

Figura 4.32 -(a) Variância ao longo do parâmetro de controle da amplitude A1(τ) da

Figura 4.33 - (a) Diagramas de bifurcação da amplitude A2(τ) da geometria G1 para o

Figura 4.35 -(a) Diagramas de bifurcação determinísticos e (b) diagramas de bifurcação

Figura 4.36 - (a) Diagramas de bifurcação da amplitude A1(τ) da geometria G2 para o

Figura 4.37 - Planos fase do painel cilíndrico determinísticos e estocásticos da

Figura 4.38 -(a) Variância ao longo do parâmetro de controle da amplitude A1(τ) da

Figura 4.39 - (a) Diagramas de bifurcação da amplitude A2(τ) da geometria G2 para o

Figura 4.40 -(a) Diagramas de bifurcação determinísticos e (b) diagramas de bifurcação

Figura 4.41 - (a) Diagramas de bifurcação da amplitude A1(τ) da geometria G2 para o

Figura 4.42 - Planos fase do painel cilíndrico determinísticos e estocásticos da

Figura 4.43 - (a) Diagramas de bifurcação da amplitude A2(τ) da geometria G2 para o

Figura 4.45 - (a) Diagramas de bifurcação da amplitude A1(τ) da geometria G2 para o

Figura 4.46 - Planos fase do painel cilíndrico determinísticos e estocásticos da

Figura 4.47 -(a) Variância ao longo do parâmetro de controle da amplitude A1(τ) da

Figura 4.48 - (a) Diagramas de bifurcação da amplitude A2(τ) da geometria G2 para o

Figura 4.49 -(a) Variância ao longo do parâmetro de controle da amplitude A2(τ) da

Figura 4.50 -(a) Diagramas de bifurcação determinísticos e (b) diagramas de bifurcação

Figura 4.51 - (a) Diagramas de bifurcação da amplitude A1(τ) da geometria G3 para o

Figura 4.52 - Planos fase do painel cilíndrico determinísticos e estocásticos da

Figura 4.53 - (a) Variância ao longo do parâmetro de controle da amplitude A1(τ) da

Figura 4.54 - (a) Diagramas de bifurcação da amplitude A2(τ) da geometria G3 para o