Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
ANÁLISE DE CONFIABILIDADE EM
MODELOS DE BIELAS E TIRANTES
D0081E13
GOIÂNIA
2014
VICTOR MARK PONTES DOS SANTOS
ANÁLISE DE CONFIABILIDADE EM
MODELOS DE BIELAS E TIRANTES
D0081E13
GOIÂNIA
2014
AGRADECIMENTOS
Primeiramente, agradeço ao Smith e à minha mãe por terem me criado e educado,
possibilitando este trabalho. Ao meu pai, Iraenys e meus irmãos que me ajudaram e
acompanharam nessa trajetória. Sou grato também aos meus professores, principalmente
Sylvia e Pantoja que tanto me auxiliaram neste trabalho. Em especial, à minha namorada
Alinny por todo seu apoio, ajuda e dedicação. E o mais importante, a Deus sobretudo por
colocar essas pessoas em minha vida.
SANTOS, V. M. P. Agradecimentos
RESUMO
Este trabalho tem o objetivo de utilizar técnicas de confiabilidade para a seleção de modelos
de bielas e tirantes e verificar a viabilidade da utilização de técnicas de otimização de
topologia para geração automática desses modelos. Apresenta-se uma revisão bibliográfica
com conceitos de probabilidade úteis na análise de confiabilidade, conceitos sobre modelos de
bielas e tirantes e sobre a otimização de topologia. A metodologia do trabalho emprega
formulações utilizadas na análise limite por ser a base teórica do modelo de bielas e tirantes.
Apresentam-se também formulações utilizadas na análise de confiabilidade como a simulação
de Monte Carlo e os métodos FOSM e FORM. Essas técnicas são utilizadas em nove
exemplos de aplicação. As primeiras aplicações exploram variações nas técnicas de
otimização de topologia que possibilitam resultados de modelos de bielas e tirantes mais
adequados ao projeto de estruturas de concreto armado. As aplicações seguintes validam as
ferramentas utilizadas na análise de confiabilidade e na análise limite. Por fim, nas últimas
quatro aplicações, aplica-se a análise de confiabilidade com função de falha baseada na
análise limite para comparar modelos clássicos e modelos obtidos com otimização de
topologia e analisar o nível de segurança dos modelos em relação a algumas variáveis como
resistência do concreto, área de aço e espessura de bielas.
SANTOS, V. M. P. Resumo
ABSTRACT
This work explores the use of reliability techniques for selecting strut and tie models and
explores the use of topology optimization techniques to generate these models automatically.
A literature review is presented exploring probability concepts useful in reliability analysis,
concepts about classic approaches to generate strut and topology optimization. The
formulation is based on concepts of the limit analysis thus they are the theoretical basis of the
strut and tie model. Formulations used in reliability analysis are presented, such as the Monte
Carlo simulation and the methods FOSM and FORM. These techniques are applied in nine
numerical applications. The first two examples explore alternative techniques on the topology
optimization field so as enable appropriate strut and tie results consistent with the project of
concrete structures. The following examples are used to validate the tools used in the
reliability analysis and in the limit analysis. Finally the four following examples apply
reliability analysis with failure function based on limit analysis to compare classic models
with those obtained by using topology optimization and analyze the security level of the
models with respect to changes in concrete strength, reinforcement provided by the ties and
thickness of the struts.
SANTOS, V. M. P. Abstract
LISTA DE FIGURAS
Figura 2.1 - Espaço amostral pontos amostrais e amostras .................................................. 30
Figura 2.2 - Histogramas: a) histograma e b) histograma de frequência .............................. 30
Figura 2.3 - Representação esquemática da intersecção. ...................................................... 31
Figura 2.4 - Representação esquemática da união. ............................................................... 32
Figura 2.5 - Representação esquemática de eventos complementares. ................................ 32
Figura 2.6 - Representação esquemática do teorema da probabilidade total. ....................... 33
Figura 2.7 - Funções de probabilidade: (a) PDF; (b) CDF. .................................................. 36
Figura 2.8 - Funções de probabilidade normais variando o desvio padrão: (a) PDF;
(b) CDF. ............................................................................................................ 40
Figura 2.9 - Distribuição normal e normal reduzida (a) PDF; (b) CDF. .............................. 40
Figura 2.10 - PDF e CDF para distribuição lognormal (a) PDF; (b) CDF. ............................ 41
Figura 2.11 - distribuição de Gumbel para máximos (a) PDF; (b) CDF ................................ 43
Figura 2.12 - Distribuição com duas variáveis ....................................................................... 44
Figura 3.1 - Variação linear de deformações para uma seção qualquer ............................... 48
Figura 3.2 - Exemplo de modelo de analogia de treliça ....................................................... 49
Figura 3.3 - Exemplos de regiões B e D (MEIRINHOS, 2008). .......................................... 50
Figura 3.4 - Exemplo de desenvolvimentos de escoras e tirantes baseado em tensões
principais obtidas com o auxilio de Método dos elementos finitos. Sousa
(2004) ................................................................................................................ 51
Figura 3.5 - Exemplo de estratégia para determinação correta do modelo de escoras e
tirantes Shaffer & Schlaich (1988,1991) .......................................................... 51
Figura 3.6 - Tipos de bielas: (a) forma de leque (b) forma de garrafa (c) forma de
cilindro Shaffer e Schlaich (1988,1991) ........................................................... 52
Figura 3.7 - Exemplo de modelos clássicos obtidos por Shaffer e Schlaich (1991): a)
viga parede e b) ligação pilar-viga .................................................................... 56
Figura 3.8 - Exemplo de modelos clássicos obtidos por Liang et al (2000): a)consolo
simples e b) viga parede com dois furos ........................................................... 56
Figura 3.9 - Exemplo de modelos para consolos duplos obtidos por Liang et al
(2002): a)resultado da otimização topológica e b) modelo de escoras e
tirantes ............................................................................................................... 57
Símbolos romanos
a0,..an - são coeficientes que determinam a reta que representa a função de falha;
Ac - Área de concreto calculada como a espessura do consolo multiplicado
pela espessura da biela;
Ac - Área de concreto calculada como a espessura do consolo multiplicado
pela espessura da biela obtida com a expressão (5.20);
Ael - a área da seção transversal de cada elemento;
Ai - Seção transversal de cada barra i.
As - Área de aço.
b - Espessura da estrutura;
b(x) - é o vetor de cargas aplicadas no ponto vetorial x;
B - é a matriz deformação-deslocamento do elemento.
c - é a flexibilidade média da estrutura;
Cel - a equação de equilíbrio de cada elemento.
d - Variação aplicada no método das diferenças finitas.
dist - é uma função que mede a distância entre os pontos i e j;
E - é o módulo de elasticidade do ponto do domínio estendido;
- valor esperado da variável aleatória X;
E - é a matriz elástica do elemento..
Ei - Modulo de elasticidade de cada barra i.
Es - é o módulo de elasticidade do material sólido;
f - é a carga que atua em um ponto infinitesimal do volume;
F - Função dependente das funções objetivo a serem minimizadas;
F̂ - é vetor de forças nodais da estrutura.
f(x) - distribuição de densidades da variável X.
F(x) - é o vetor das nobj funções objetivos a serem minimizadas;
f0a - são os valores iniciais do carregamento variável;
fa - é o carregamento aplicado aos nós da estrutura;
fc(Xc) - Variável aleatória de resistência do concreto.
Ĥ f
- é o operador que estabelece a influência de cada variável de projeto yj na
correção da sensibilidade analítica c / j.
i - indica o ponto de medição da variável de projeto i, relacionada à
sensibilidade c / i que se deseja corrigir;
I[] - é um indicador que corresponde aos valores apresentados em (4.12);
Símbolos gregos
- o parâmetro de forma.
k - é o coeficiente normalizado referente à função objetivo k.
- é o elemento i do versor que indica a direção do ponto de projeto y.
n - Coeficiente da norma referente ao tipo de nó.
s - Coeficiente da norma referente ao tipo de biela.
- é o índice de confiabilidade do elemento.
- é uma matriz composta por operadores diferenciais.
(x) - é um vetor que representa o estado de deformações em um ponto vetorial
x;
* c - são os parâmetros plásticos de deformação avaliados em nc pontos
nodais;
c - são as deformações generalizadas em nc pontos nodais;
- é a função de distribuição cumulativa da distribuição normal padrão;
- é a função de distribuição acumulada da variável normal padrão;
- a variável normal padrão de X.
- é o coeficiente de majoração da carga;
c - Fator de segurança central.
c - Fator de segurança central.
- Coeficiente da norma referente à homogeneidade dos agregados.
- a quantidade de ocorrências esperadas no intervalo.
- a quantidade de ocorrências esperadas em um intervalo.
i - é o fator de colapso da estrutura.
r - Variável aleatória fator de colapso referente a resistência da estrutura.
s - Variável aleatória fator de colapso referente às solicitações na estrutura.
- é o vetor de médias das variáveis X;
Símbolos matemáticos
! - Fatorial
∩ - Intersecção
∞ - Infinito
∪ - União
projeto j.
projeto i;
4. METODOLOGIA ......................................................................................................... 68
4.1. GERAÇÃO DE STM VIA OTIMIZAÇÃO DE TOPOLOGIA ............................... 68
4.1.1. Elementos indutores em OT .................................................................................. 69
4.1.2. Consideração de diferentes propriedades de material em OT ........................... 70
4.1.3. Múltiplas combinações de carregamento em OT ................................................ 71
4.2. ANÁLISE DE CONFIABILIDADE ............................................................................ 75
4.2.1. Simulação de Monte Carlo .................................................................................... 76
4.2.2. Métodos de transformação .................................................................................... 78
4.2.2.1. Método de transformação MVFOSM ...................................................................... 78
4.2.2.2. Método de transformação AFOSM ......................................................................... 80
4.2.2.3. Método de transformação FORM ............................................................................ 87
4.2.3. Probabilidade de sistemas ...................................................................................... 90
4.3. ANÁLISE LIMITE ....................................................................................................... 92
4.3.1. Dualidade estático-cinemática ............................................................................... 93
4.3.2. Formulação ............................................................................................................. 93
4.3.2.1. Relações de plasticidade .......................................................................................... 96
4.3.2.2. Formulação da análise limite como um problema de PL ........................................ 99
4.3.2.3. Formulação pelo limite inferior ............................................................................. 100
4.3.2.4. Formulação de análise limite para treliça plana .................................................... 100
5. RESULTADOS............................................................................................................ 103
5.1. APLICAÇÃO 1 - MODELOS DE BIELAS E TIRANTES OBTIDOS VIA
OTIMIZAÇÃO DE TOPOLOGIA ........................................................................... 104
5.1.1. Adaptação dos conceitos de OT à obtenção de STMs ....................................... 104
5.1.2. Aplicação 2 - combinações de carregamento ..................................................... 107
5.2. APLICAÇÃO 3 - VALIDAÇÃO DA IMPLEMENTAÇÃO DO MÉTODO
FORM........................................................................................................................... 110
5.3. APLICAÇÃO 4 - ESCOLHA DE MODELO BASEADA NO FATOR DE
COLÁPSO DA ANÁLISE LIMITE .......................................................................... 112
5.4. ESCOLHA DE MODELO BASEADO EM ANÁLISE DE CONFIABILIDADE
COM FALHA DETERMINADA PELA ANÁLISE LIMITE ................................ 113
5.4.1. Aplicação 5 ............................................................................................................ 114
5.4.2. Aplicação 6 ............................................................................................................ 117
V. M. P. SANTOS Sumário
EQ: Analise de confiabilidade em modelos de bielas e tirantes
V. M. P. SANTOS Sumário
CAPÍTULO 1
INTRODUÇÃO
O concreto é um dos materiais de construção mais utilizados na atualidade devido à sua boa
resistência à compressão e ao custo relativamente baixo das matérias primas. No entanto, o
dimensionamento de estruturas de concreto armado não é uma questão simples em peças em
que a relação entre o vão e a altura não permite o uso da hipótese de Bernoulli. Nesses casos,
os modelos de bielas e tirantes, também chamados de modelos de analogia de treliça, são os
mais utilizados para dimensionamento.
Ressalta-se, no entanto, que o modelo gerado via OT é apenas mais um na imensa gama de
modelos possíveis.
Outro problema para escolha do modelo mais adequado reside no fato de que, tanto os
métodos tradicionais quanto a proposta de utilização de OT dão um tratamento determinístico
ao problema. No entanto, muitas das variáveis utilizadas nas análises e no dimensionamento
de estruturas apresentam imprecisões que devem ser consideradas para garantir a segurança.
Com isso, os métodos de projeto se classificam em três tipos quanto à abordagem das
incertezas: métodos determinísticos, semiprobabilísticos e probabilísticos.
estabelecida. Ainda assim, as incertezas são consideradas de forma isolada, não se levando em
conta a probabilidade de falha da estrutura como um todo.
Nos últimos anos, com novas tecnologias e com melhores condições de processamento, torna-
se viável a utilização de análises probabilísticas, permitindo maior controle do nível de
segurança. A análise de confiabilidade é um método de verificação do nível de segurança da
estrutura, na maioria das vezes feita depois do dimensionamento como mais uma verificação
de projeto. Uma proposta mais ampla, denominada projeto baseado em confiabilidade, propõe
projetar a estrutura visando, desde o início, obter níveis de segurança aceitáveis. A análise de
confiabilidade também pode ser utilizada para verificar e para comparar o nível de segurança
entre diversas soluções estruturais, podendo ser útil como critério para escolha de modelos
estruturais em um projeto.
Assim, este trabalho se propõe a utilizar o fator de colapso da análise limite e o índice de
confiabilidade da estrutura para a avaliação do desempenho de modelos de bielas tirantes,
gerados via OT frente aos modelos gerados por uma das técnicas clássicas. Propõe-se, ainda
explorar a adaptação das técnicas de OT ao problema de geração de modelos de bielas e
tirantes. Analisa-se especialmente a técnica de elementos indutores e a proposta deste trabalho
de propriedades mecânicas adaptativas, com a utilização de módulos de elasticidade
diferentes nas regiões com concreto e com aço. A eficiência dos modelos obtidos é avaliada
tanto pela metodologia de escolha baseada no fator de colapso da análise limite quanto na
análise de confiabilidade com função de falha envolvendo o fator de colapso da análise limite.
1.1. OBJETIVOS
O presente trabalho está dividido em seis capítulos. O primeiro apresenta as linhas gerais do
trabalho, enquanto os dois seguintes apresentam a revisão bibliográfica sobre o tema. No
segundo capítulo são apresentados conceitos básicos sobre probabilidade e tratamento de
Os problemas que envolvem resistências e solicitações costumam ser calculados com funções
de duas ou mais variáveis aleatórias. Assim, neste capítulo apresentam-se as formulações
necessárias para o cálculo de funções de uma variável aleatória, distribuições com mais de
uma variável e por fim a utilização de diversas variáveis em uma função.
Nos métodos determinísticos as variáveis do problema são tomadas por seus valores médios
e, a partir daí, trata-se o problema como se as variáveis fossem de natureza determinística.
Naturalmente, valores de resistência abaixo do valor médio e de solicitação acima do valor
médio conduzem a estruturas inseguras. Em normas antigas a imprecisão causada por esse
procedimento era contornada utilizando coeficientes de segurança centrais que majoravam as
solicitações e minoravam as resistências. Nesse caso, os coeficientes de segurança acabavam
por representar toda incerteza do processo, visto que os conhecimentos sobre os fenômenos
apresentados pelos modelos de cálculo não eram suficientes para tratar as incertezas
individualmente. O processo de calibração desse coeficiente mostrou-se muito demorado
devido à necessidade de observação de sua eficiência apenas com o desempenho das
construções. Este modelo pode ser representado por:
R S c (2.1)
Onde:
R - Resistência média;
S - Solicitação média;
ponderadas para obtenção das combinações críticas. Dessa forma a segurança é garantida pela
equação (2.2) sendo os valores de projeto obtidos com as equações (2.3) e (2.4).
S d Rd (2.2)
S d S k i γi (2.3)
Rk
Rd (2.4)
r
Onde:
Atualmente, considera-se falha num significado mais amplo, não apenas da ruptura da
estrutura, mas estados para os quais a estrutura apresente desconforto ou prejuízo aos usuários
da construção. Dessa maneira as normas atuais, com a introdução do conceito de estados
limites, embutem um conceito mais amplo dos objetivos que devem ser atingidos pelo
projetista para além da preocupação com a resistência e a segurança, consideradas com os
estados limites últimos (ELU). Também se tem a preocupação com a função para a qual a
construção foi projetada e com sua durabilidade, com os estados limites de serviço (ELS).
A NBR 8681 (ABNT 2004) prevê os estados limites últimos apresentados a seguir:
-Estado limite último da perda de equilíbrio da estrutura, admitida como corpo rígido;
-Outros casos.
- Outros casos.
Esta seção apresenta conceitos básicos envolvidos na análise de probabilidade como: ponto
amostral, espaço amostral e evento; histogramas e histogramas de frequência; independência
de eventos; e dependência e independência de eventos.
Ponto amostral
Amostra
Espaço
amostral
a) b)
A probabilidade de ocorrência de um evento pode então ser estimada com a equação (2.5).
P x
Nf
(2.5)
Nt
Sendo:
P( A B) P( A) P( B) (2.6)
A A B B
P( A B) P( A) P( B) P( A B) (2.7)
A B
A B
A A
P( A ) 1 P( A) (2.8)
Estabelecer uma condição significa utilizar um subconjunto de eventos como espaço amostral.
Assim, seja um evento B de probabilidade de ocorrência não nula. A probabilidade de
ocorrência de um evento A condicionado à ocorrência do evento B é dada pela equação (2.9).
P( A B)
P( A | B) (2. 9)
P( B)
Se N eventos A1, A2, ..., AN forem mutuamente exclusivos tal que sua soma corresponda ao
espaço amostral, , tem-se:
Ai A j 0, i j (2.10)
P A1 P A2 P AN 1 (2.11)
N
P( B) P Ai B (2.13)
i 1
A B
A1 B
A1 A2 A1 A4
P A B PB A (2.14)
P( A | B) P( B) P( B | A) P( A) (2.15)
P( B | Ai ) P( Ai )
P( Ai | B) (2.16)
P( B)
P( B | Ai ) P( Ai )
P( Ai | B) (2.17)
PB | A1 P A1 PB | A2 P A2 PB | AN P AN
P( A B) P( A) P( B) (2.18)
P( A | B) P( A) e P( B | A) P( B) (2.19)
Devido à inexistência de um valor fixo que represente uma variável, necessita-se que se
determine a frequência com que se observa cada valor ou cada faixa de valores daquela
variável. A representação de distribuição de frequência de uma faixa de valores é chamada
histograma. Num limite com intervalos infinitesimais e número de observações infinitas,
obtém-se uma distribuição de densidades de probabilidade.
Distribuições teóricas que representem o comportamento de uma variável aleatória com boa
aproximação são utilizadas com o objetivo de permitir o equacionamento de problemas em
que ainda não se tem o conjunto amostral específico do problema, mas para os quais se sabe o
comportamento genérico das variáveis. É o caso dos projetos de estruturas, onde é necessário
projetar para cargas e resistências de materiais futuros. Essas distribuições teóricas são
utilizadas por apresentarem funções analíticas e parâmetros necessários na análise com uso de
procedimentos como o FOSM (First Order Second Moment), o FORM (First Order Reability
Model), o SORM (Second Order Reability Model) e a Simulação de Mote Carlo. As funções
de distribuição de probabilidades têm como domínio o espaço amostral () e a imagem é a
probabilidade do ponto amostral. Para as funções cumulativas, a imagem é a soma de todas as
probabilidades iguais ou inferiores ao ponto amostral. Dessa forma, sendo X uma variável
aleatória, a distribuição acumulada de probabilidades (cumulative density function – CDF) é
definida em (2.18) como a probabilidade de que a variável aleatória X assuma valor menor ou
igual a x. Para o intervalo - ≤ x ≤ +.
FX P( X x) (2.20)
FX ( x1 ) FX ( x2 ) se x1 x2 (2.21)
Sendo:
X - variável aleatória;
x1 e x2 - valores de uma variável aleatória X.
A função F(x) contínua pela direita e outras características são representadas pelas
equações (2.22).
P[{x1 X x 2 }] FX ( x 2 ) FX ( x1 ) se x1 x 2
FX () 0 (2.22)
F X ( ) 1
dFX x
f X x (2.23)
dx
f X () 0
(2.24)
f X ( ) 0
Sendo:
f X P( X x ) (2.25)
x
dx 0
a) b)
Os principais valores estatísticos de uma variável aleatória são: a média, ou valor esperado; a
variância; o desvio padrão; o coeficiente de variação; e os coeficientes de skewness e de
curtosis.
O valor esperado é uma operação representada pela equação (2.26), em sua aplicação mais
simples, representada pela equação (2.27), possibilita a obtenção do valor médio de uma
variável.
E ( g ( x)) g ( x) f ( x) dx (2.26)
E ( x) x f ( x) dx (2.27)
Sendo:
A variância mede a dispersão das variáveis com relação à média e é calculada com a
equação (2.28).
VAR ( x) 2 ( x ) 2 f ( x) dx (2.28)
Onde:
1 ( x ) 3 f ( x) dx (2.29)
O coeficiente do curtosis (2), expresso pela equação (2.30) indica a suavidade da PDF.
Assim, quanto maior o coeficiente mais suave é a distribuição.
2 ( x ) 4 f ( x) dx (2.30)
Nesta seção serão apresentadas as características de algumas funções teóricas discretas como
a distribuição uniforme discreta. Também serão apresentadas características de funções de
distribuição contínuas como as distribuições de Poisson, normal, normal reduzida, lognormal,
de Rayleigh, uniforme, exponencial, Gumbel entre outros.
t n p (2.31)
Sendo:
( t ) x t
f ( x) e (2.32)
x!
E ( x) t
(2.33)
VAR ( x) t
Sendo:
1 x
2
1
2
f ( x) e (2. 34)
2
Figura 2.8 – Funções de probabilidade normais variando o desvio padrão: (a) PDF; (b) CDF.
a) b)
X
XR (2. 35)
Sendo:
A Figura (2.9) ilustra uma distribuição normal e uma distribuição normal reduzida,
permitindo verificar o deslocamento da média e a diferença na dispersão da variável.
Figura 2.9 – distribuição normal e normal reduzida (a) PDF; (b) CDF.
a) b)
2
1 ln(x )
1
f ( x) e 2
(2.36)
2 x
1
2
e 2
(2.37)
2 1
e
Figura 2.10 – PDF e CDF para a distribuição lognormal (a) PDF; (b) CDF.
0.8 1
0.8
0.6
0.6
0.4
0.4
0.2
0.2
0 0
0 2 4 6 0 2 4 6
a) b)
F ( x) e A( x , ) (2.39)
0.5772
u
(2.40)
6
Com:
A( x, ) e ( xu ) (2.41)
Sendo:
- o parâmetro de forma.
0.5772
u
(2.44)
6
Com:
B( x, ) e ( xu ) (2.45)
A Figura (2.14) representa uma distribuição de valores extremos de Gumbel para máximos,
juntamente com sua distribuição cumulativa.
Figura 2.11 – Distribuição de Gumbel para máximos (a) PDF; (b) CDF.
0.2 1
0.8
0.15
0.6
0.1
0.4
0.05
0.2
0 0
-6 -4 -2 0 2 4 6 -6 -4 -2 0 2 4 6
a) b)
2.3.4. Momentos
A maioria dos parâmetros das distribuições, como média, desvio padrão, etc, está relacionada
com os momentos e momentos centrais. Deve-se ter em mente a diferença entre os momentos
de amostras e os parâmetros de uma variável, pois as amostras são feitas com objetivo de
representar a variável. Pode-se ter uma boa representação, ou não, dependendo, entre outros
fatores, do número de dados da amostra. Portanto, se o número de dados da amostra tender ao
infinito (situação perfeitamente representada) os parâmetros da amostra se igualam aos da
variável.
Os momentos são parâmetros que representam as distribuições e podem ser expressos pela
equação (2.46):
0 1
1 x f ( x) dx
2 x 2 f ( x) dx (2.46)
n x n f ( x) dx
Os momentos centrais são obtidos de forma semelhante, porém com relação à média e podem
ser obtidos com a equação (2.47).
m0 1
m1 ( x ) f ( x) dx
m 2 ( x ) 2 f ( x) dx (2.47)
m n ( x ) n f ( x) dx
Y f xy
[ X x, Y ] [ X x] (2.48)
x
Fx ( x) Fxy ( x, ) f xy (u, v) du dv (2.49)
y
Fy ( y) Fxy (, y) f xy (u, v) du dv (2.50)
Dessa forma, podem-se calcular as funções marginais em x com a equação (2.51) e em y com
a equação (2.52).
dFx ( x)
f x ( x) f xy ( x, y) dx (2.51)
dy
dFx ( x)
f y ( y) f xy ( x, y) dy (2.52)
dx
Além dos momentos já trabalhados em distribuições com uma variável, também se observam
momentos mistos entre as variáveis aleatórias utilizadas em distribuições conjuntas. A mais
utilizada é a chamada covariância, expressa na equação (2.53). Outros momentos desse tipo
são apresentados na equação (2.54) e na equação (2.55),
m k n E[( X x ) k (Y y ) n ] (2.54)
k n E[ X k Y n ] (2.55)
A partir de parâmetros obtidos por amostras, é possível ajustar a função de distribuição das
amostras com funções clássicas conhecidas, como normal, lognormal etc. Em problemas em
que não se tem conhecimento sobre o comportamento das variáveis aleatóras utilizadas, torna-
se necessária a aplicação de um teste de aderência, como o chi-square ou teste de
Kolmogorov - Smirnov, para a escolha da função que melhor representa estas variáveis.
O tipo de distribuição e seus parâmetros devem ser obtidos a partir de uma amostra
grande e homogênea.
Parâmetros geométricos:
Variáveis ligadas à fabricação podem ter grandes coeficientes de variação (por exemplo,
imperfeições, desalinhamentos, tensões residuais, defeitos de solda entre outros);
Variáveis de carregamento:
As cargas devem ser divididas de acordo com sua variação temporal (ex: cargas
permanentes, acidentais, excepcionais, entre outras);
Cargas permanentes geralmente podem ser representadas por uma distribuição normal;
Os modelos de bielas e tirantes são uma idealização que substitui estruturas contínuas
compostas, normalmente de concreto armado, por uma estrutura equivalente reticulada. Tal
procedimento permite determinar na estrutura real os locais em que é necessário posicionar as
armaduras e, portanto, pode ser utilizado como um método de dimensionamento para
estruturas de concreto armado.
Os modelos de bielas e tirantes (Strut and tie models – STM) foram desenvolvidos a partir das
pesquisas de Mörsch e Ritter, sendo utilizados inicialmente apenas para vigas. No entanto, seu
conceito foi difundido para outros tipos de estruturas, principalmente após os trabalhos de
Schlaich e Shäffer (1991).
teorema do limite inferior da teoria da plasticidade. Assim, verifica-se que a estrutura possui
regiões que estão submetidas a altas tensões de compressão ou de tração e também regiões
que são submetidas a pequenas tensões. Nos STMs, regiões submetidas a tensões extremas de
tração são idealizadas como tirantes e, devido à baixa resistência do concreto à tração, torna-
se uma região que necessita da utilização de reforço, usualmente em aço. As regiões
submetidas a tensões extremas de compressão são idealizadas como bielas e, devido à boa
resistência à compressão do concreto, verifica-se se o material suporta as tensões, sem adição
de outro material.
Em uma viga solicitada principalmente por flexão simples, sujeita a momento fletor positivo,
as tensões normais de compressão concentram-se na parte superior da viga, enquanto que as
de tração concentram-se na parte inferior. Assim, considerando-se a inclusão de armadura
apenas nas regiões tracionadas, será necessária armadura longitudinal apenas na parte inferior
da viga. A Figura 3.1 mostra a distribuição linear de deformações nas estruturas de concreto
armado.
Figura 3.1 – Variação linear de deformações para uma seção transversal qualquer.
ec
h
Ycg
et
No entanto, a viga está submetida também a cisalhamento, que altera a direção das tensões
principais nas vigas. Os estudos de Mörsch1 (1909, apud Pantoja, 2010) e Ritter2 (1899, apud
Pantoja, 2010) foram os primeiros a trabalhar com essa idealização, hoje conhecida como
modelo de analogia de treliça clássica. A partir de ensaios experimentais e da observação do
comportamento das fissuras, determinaram-se, para vigas pouco esbeltas, os ângulos das
1
MöRSH, E. Concrete-Steel Construction (English Translation by E.P. Goodrich). Mc Graw Hill. New York, 180 p, 1909.
2
RITTER, W. Die Bauweise Hennebique. Schwweizerische Bauzeitung. vol 33, n 7, 49–52, 1899.
bielas e dos tirantes em relação ao eixo da viga. A Figura 3.2 mostra um exemplo de modelo
generalizado de analogia de treliça
Banzo de concreto
comprimido biela
Armadura
longitudinal estribo
A NBR 6118 (ABNT, 2004) estabelece dois STMs para vigas baseados nos modelos de
Ritter-Mörsh. Nos modelos da NBR 6118 o ângulo dos estribos com relação ao eixo da viga
varia entre 45º a 90º. Usualmente adota-se a inclinação dos estribos de 90º por ser de mais
fácil execução. No primeiro modelo a inclinação da biela com relação ao eixo da viga é fixa
com 45º e a parcela de resistência do concreto à tração não depende da parcela de resistência
do aço. Já no segundo modelo a inclinação da biela pode variar entre 30º e 45º e a parcela de
resistência do concreto pode diminuir com o aumento da parcela de resistência do aço.
Nos trabalhos de Schlaich e Shäffer (1991) o conceito de STM foi expandido para peças
estruturais mais complexas, com regiões de descontinuidade. Parâmetros como ângulo de
inclinação das bielas e espaçamento entre tirantes não podem ser aplicados a essas estruturas.
No entanto, a idéia de utilização das tensões principais permanece a mesma, com aplicação
para viga parede, consolos simples e duplos, blocos etc.
3.1.1. Regiões B e D
D B B
B
D
B
D
O dimensionamento das regiões B torna-se simples devido à separação clara entre as zonas de
tração e de compressão, necessitando apenas de armadura longitudinal na região de tração.
Nas regiões afastadas dos pontos de aplicação das cargas, as descontinuidades vão sendo
reduzidas. Esse fenômeno é conhecido por princípio de Saint Vernant e é responsável por
dividir as estruturas em regiões do tipo D e B. Na maioria dos casos, a dimensão da região D é
igual ao maior lado da seção transversal.
Intuitivamente, percebe-se que as regiões de máxima tensão são as regiões nas quais se tem
maior necessidade de material, por isso muitos pesquisadores utilizam o diagrama de tensões
máximas baseado no ciclo de Mohr e geram um mapeamento de tensões, geralmente com
auxílio do MEF, para, através de processos de tentativa e erro, determinarem os elementos de
bielas e tirantes (e.g. PARK; YINDEESUK; TJHIN; KUCHMA, 2010). Os nós são
determinados pela intersecção entre as bielas e os tirantes. A Figura (3.4) mostra um exemplo
de modelo obtido com tensões principais.
Figura 3.4 – Exemplo de desenvolvimentos de bielas e tirantes baseado em tensões principais obtidas com o
auxilio de Método dos elementos finitos. Adaptado de Sousa (2004)
A determinação do STM a partir de tensões principais é muito utilizada por indicar os locais
mais solicitados da estrutura. Entretanto, a necessidade de experiência do projetista para
interpretar o diagrama de tensões principais, além da característica de tentativa-e-erro do
processo, torna esse método bastante ineficiente. Apesar disso, existem pesquisas com
recomendações que facilitam a escolha do modelo a partir de métodos clássicos. Uma dessas
recomendações refere-se à maximização da energia elástica e indica utilização mínima de
tirantes de aço, exemplificada na Figura 3.5. Nesse caso, considera-se mais correto o modelo
que apresenta a menor quantidade de tirantes de aço.
Legenda
Tirante
Biela
Segundo Schlaich e Shäffer (1991) as bielas podem ser classificadas segundo a forma do
caminho das cargas em forma de leque, garrafa e cilindro, como mostra a Figura 3.6 .
Figura 3.6 – Tipos de bielas: a) forma de leque; b) forma de garrafa; c) forma de cilindro
Schlaich e Shäffer (1991)
a) b) c)
Schlaich e Shäffer (1991) propõem os coeficientes apresentados na Tabela 3.1 para os casos
de estado multiaxial e de distúrbio de fissuras:
As bielas também podem ser classificadas quanto ao material. Apesar das bielas geralmente
serem compostas de concreto, existem casos do reforço com aço, que é o caso das vigas bi
armadas.
Geralmente os tirantes são constituídos apenas de aço. No entanto, em análise mais rigorosa,
pode-se considerar a parcela de resistência do concreto à tração (SCHLAICH; SHÄFFER,
1991). Alem disso, estudos como de Nehdi et al. (2008), apresentam como opção o uso de
reforço com fibras plásticas (fiber reinforced plastic – FRP) como armadura.
f Rst
As (3.1)
f yd
f Rst
Ac (3.2)
f cd
Onde:
Para Schlaich e Shäffer (1991), os nós são classificados em nós concentrados e nós contínuos.
Consideram-se nós contínuos as regiôes nodais em que o desvio de forças é feito em
comprimentos razoáveis e portanto a armadura pode ser ancorada sem maiores problemas, já
os nós singulares são consideradas as regiões em que o desvio de forças é feito de forma
localizada.
Os nós contínuos não são críticos e, portanto, pode-se verificar apenas a segurança da
ancoragem e se as fibras externas são reforçadas. No entanto, os nós concentrados necessitam
de maior cuidado. Deve-se certificar que a compressão nos nós seja menor que os valores
apresentados na Tabela 3.2. Além disso, deve-se verificar a ancoragem correta dos nós
segundo as prescrições das normas técnicas.
Tipo de nó Característica
CCC Intercepta apenas bielas
CCT Intercepta apenas um tirante
CTT Intercepta apenas uma biela
Conforme os STMs foram sendo estudados, foram obtidos modelos bastante eficientes e
muito utilizados, como são o caso do modelo de treliça de Mörsh para vigas e o modelo de
viga-parede de Schlaich e Shäffer (1991). Esses modelos clássicos são bastante conhecidos na
literatura e podem ser muito úteis para utilização em projetos ou como base para comparação
com outros modelos em novas pesquisas.
O primeiro modelo clássico obtido foi o de analogia de treliça para vigas. A partir deste e com
a expansão das pesquisas sobre os modelos de bielas e tirantes tem-se modelos para vigas
parede e consolos duplos obtidos por Schlaich e Shäffer (1991), consolos simples de
Liang et al (2000), além de vários modelos descritos pelas diversas normas e pesquisadores no
mundo.
Figura 3.7 – Exemplo de modelos clássicos adaptados de Schlaich e Shäffer (1991) : a) viga parede e b) ligação
pilar-viga
Legenda
Tirante
Biela
a) b)
Figura 3.8 – Exemplo de modelos clássicos obtidos por Liang et al(2000): a) consolo simples e b) viga parede
com dois furos
Legenda
Tirante
Biela
a) b)
Figura 3.9 – Exemplo de modelos para consolos duplos obtidos por Liang et al (2002): a) resultado da
otimização de topologia e b) modelo de bielas e tirantes.
Legenda
Tirante
Biela
a) b)
Obter ρ
Que minimize c Fˆ T Uˆ
Sujeito a K ρe U
ˆ Fˆ
(3.3)
Nel
eV e
e 1 Vt
1
min e 1
Onde:
e - é a densidade do elemento;
Ve - é o volume do elemento;
Vt - é o volume da estrutura;
E p E S (3.4)
3
BENDSØE, M.P. Optimal shape design as a material distribution problem. Structural Optimization. Berlin, vol 1, n 4, 193–202,
1989.
Onde:
p - é um coeficiente de penalização.
c
K ρe U
p 1 ˆ T ˆ
p e U (3.5)
e
Figura 3.10 – Exemplo de solução em tabuleiro de xadrez: a) Domínio estendido, condições de apoio e de
carregamento de uma viga em balanço; b) Solução em tabuleiro de xadrez.
a) b)
As soluções em ilha ocorrem quando existem elementos que não estão ligados ao restante da
estrutura, como mostra a Figura (3.11) e têm a mesma causa das soluções em tabuleiro de
xadrez.
Figura 3.11 – Exemplo de solução em ilhas: para uma viga MBB com malha de 60x10 elementos.
Adaptado de Talischi (2009).
10
Figura 3.12 - Exemplo de dependência de malha para a viga em balanço: a) Solução para malha 30 x 20;
b) Solução para malha 60 x 40; c) Solução para malha 90 x 60; d) Solução para malha 120 x 80.
a) b)
c) d)
Por fim, o coeficiente de penalização do modelo SIMP introduz múltiplos mínimos locais e,
dependendo do algoritmo de otimização empregado, pode-se não encontrar o mínimo global.
Assim, define-se, para cada variável i, a região de vizinhança wi, como mostra a
Figura 3.13. Para isso define-se que os pontos vizinhos da variável de projeto i que influem
na sensibilidade c / i são os que se encontram dentro da região de vizinhançawi formada
por um círculo centrado no centro do elemento e raio predeterminado rmin. A nova
sensibilidade será então dada pela equação (3.6):
4
SIGMUND, O. 1994: Design of material structures using topology optimization. Ph.D. Thesis, Department of
Solid Mechanics, Technical University of Denmark
V. M. P. SANTOS Capítulo 3 – Modelos de bielas e tirantes
D0081E13:Analise de confiabilidade em modelos de bielas e tirantes 62
Figura 3.13 – Região we de influência da variável de projeto j para a alteração da sensibilidade analítica
c / i
w
cˆ 1 NVP
c
i
NVP Hˆ j j
j
(3.6)
i Hˆ j j 1
j 1
Onde:
Sendo:
Figura 3.14 – Atuação do filtro de sensibilidade: a) Domínio estendido, condições de apoio e de carregamento de
uma viga em bi-apoiada; b) Resultado sem filtro (rmín = 1,0) com malha 120 x 20; c) Resultado obtido com filtro,
rmín = 1,5 com malha 120 x 20; d) Resultado sem filtro (rmín = 1,0) com malha 240 x 40; r) Resultado obtido com
filtro, rmín = 3,0 com malha 240 x 40.
1m
6m
a)
b) d)
c) e)
Inicialização
Análise estrutural
(MEF)
Solução
ótima
Não converge
Análise de sensibilidade
Utilizou-se o critério de convergência proposto por Sigmund (2001), que é satisfeito quando a
maior variação de densidades for menor que um valor pré-estabelecido, adotou-se 0,01 em
concordância com Sigmund (2001).
Para mostrar a semelhança dos resultados obtidos via OT com os STMs adotados na
literatura, apresentam-se quatro aplicações ilustradas nas Figuras 3.16 a 3.19.
As aplicações 1 a 3 referem-se a uma viga-parede bi apoiada com dimensões 1,2 m por 0,8 m
e carregamento ilustrado nas Figuras 3.16a, 3.17a e 3.18a.. Em todos os casos foi utilizada
uma malha de 120x80 elementos, coeficiente de penalização p = 3, raio do filtro de
sensibilidade rmin = 1,5 cm, ou seja, rmin = 1,5 elementos e fração de volume de 50%.
A aplicação 4 refere-se a uma viga-parede biapoiada com dimensões 7,0 m por 4,7 m com um
furo quadrado de 1,5 m de lado, localizado no canto inferior esquerdo da viga, conforme
ilustrado na Figura 3.19a. Foi utilizada uma malha de 140 x 94 elementos, coeficiente de
penalização p = 3, raio do filtro de sensibilidade rmin = 15,0 cm, ou seja, rmin = 3,0 elementos,
e fração de volume de 50%.
Figura 3.16 – Primeira aplicação: a) esquema da estrutura; b) STM Liang et al (2000); c) resultado de OT.
520KN
0,8m
0,6m 0,6m
a)
Legenda
Tirante
Biela
b) c)
Figura 3.17 – Segunda aplicação: a) esquema da estrutura; b) STM adaptado de Sousa (2004); c) resultado
obtido via OT.
260KN 260KN
0,8m
Legenda
Tirante
Biela
b) c)
Figura 3.18 – Terceira aplicação: a) esquema da estrutura; b) STM (Liang et al 2000); c) resultado de OT.
0,8m
Legenda
Tirante
Biela
b) c)
Figura 3.19 – Quarta aplicação: a) esquema da estrutura; b) STM Schlaich et al (1987); c) resultado de OT.
520 KN
2,7 m
0,8 m
1,5 m
0,5 m
a) 7,0m
Legenda
Tirante
Biela
b) c)
Observa-se que em todos os casos apresentados a solução obtida via OT guarda semelhança
com as soluções usualmente adotadas para STMs, validando a aplicação da técnica para
geração desses modelos.
Este capítulo apresenta a metodologia necessária para geração de modelos de bielas e tirantes
(STMs) via otimização de topologia e levanta a discussão sobre os critérios de julgamento
sobre o melhor modelo a ser empregado. São propostos três critérios de julgamento: baseado
no índice de confiabilidade do modelo; baseado na carga de colapso do modelo, considerando
as variáveis como determinísticas; e baseado na carga de colapso, considerando as variáveis
como aleatórias.
Esta seção apresenta três metodologias aplicadas à otimização de topologia que conduzem a
resultados mais compatíveis com os projetos estruturais, melhorando o desempenho da
técnica na geração de modelos de bielas e tirantes. Na primeira subseção são apresentados os
elementos indutores, técnica utilizada para estimular a presença ou a ausência de material em
regiões definidas nos projetos. Aqui esta técnica é usada para incentivar a formação de
tirantes em locais especificados pelos projetistas. A segunda seção apresenta uma abordagem
para a otimização de topologia mais compatível com o problema de modelos de bielas e
tirantes considerando a presença de dois materiais: Concreto na região de compressão e aço
na região de tração.
Figura 4.1 – Elementos indutores: a) sistema estrutural (Pantoja, 2012); b) resultado de OT sem uso elementos
indutores; c) localização dos elementos indutores; d) resultado de OT com uso de elementos indutores.
L/2 p
a) b)
L/2 p
Elementos
L/2 indutores
L/2
c) d)
Tendo em vista que o aço é utilizado para suprir a deficiência de resistência à tração do
concreto, utilizam-se as tensões no interior do elemento para defini-los como elementos de
concreto, comprimidos, e os elementos de aço, tracionados. Para o problema abordado com o
modelo SIMP e análise estrutural via método dos elementos finitos, foram calculadas as
tensões no centro dos elementos, obtidas com a equação (4.1).
σ EB U (4.1)
Onde:
Para cada elemento apresenta os valores de x e y, xy, com estes valores obtêm-se as
tensões principais e considera-se o sinal da tensão principal de maior módulo para determinar
se o elemento se encontra em estado de tração ou compressão.
Dessa forma, o procedimento utilizado neste trabalho consiste na determinação das tensões no
centro de cada elemento, mapeando-se os elementos que são tracionados e os comprimidos
para cada iteração. Com isso, atribui-se ao elemento o módulo de elasticidade do concreto, se
submetido à compressão, o do aço, se submetido à tração.
Tendo em vista que as cargas acidentais são definidas como cargas variáveis dependentes do
uso a que a estrutura se destina, torna-se essencial levar em conta as principais combinações
de carregamento. No problema de OT de minimização da flexibilidade média, a consideração
de cada combinação de carregamento implica em uma configuração do campo de
deslocamentos. Trata-se, então, de problema como otimização multicarregamento visando a
obtenção de uma envoltória topológica e, com isso, definir um modelo de bielas e tirantes que
apresente um bom desempenho para todas as combinações de cargas consideradas, como visto
em Pantoja (2012).
g i (x) 0 i 1,.., ni
(4.4)
Sendo:
De modo geral, nos problemas de otimização multiobjetivo não se tem um resultado que
minimize simultaneamente todos os objetivos. Por isso, nesses problemas frequentemente
utiliza-se o conceito de ótimo de Pareto, no qual, em um domínio factível, os pontos de Pareto
são os que não são dominados por nenhum outro ponto. Define-se ponto dominado como o
que apresenta pior desempenho com relação a um outro ponto para todas as funções
consideradas.
O problema de minimização de duas funções, g(x) e h(x), mostrado na Figura (4.2) é uma
representação clássica do conceito de ótimos de Pareto. Nela se observa que os pontos entre x1
e x2 têm imagens com valores menores ou iguais às de qualquer ponto para pelo menos um
objetivo.
Figura 4.2 – Exemplo de problema de minimização multi objetivo com uma variável e duas funções objetivo.
f
f2 f1
f1* f 2*
x1 x2 x
f k ( x) f k ( x p ) para k 1,..., n
(4.6)
Figura 4.3 – Representação dos ótimos de pareto (Pantoja 2010): a) Pontos de pareto em sua região viável do
espaço das variáveis de projeto; b) Espaço das funções objetivo.
a) b)
Para a obtenção dos pontos de Pareto utilizou-se o método dos coeficientes de ponderação
Ibañez3 (1990 apud PANTOJA, 2010), no qual são gerados pontos de projeto ótimos
baseados no modelo SIMP para combinações lineares de carregamento, de forma a montar as
funções objetivo segundo a equação (4.8) cujos coeficientes k devem atender a
equação (4.9). Pantoja (2012) lembra que, em problemas em que as funções não são
convexas, pode haver combinações que não apresentem soluções.
n
F k f k
k 1 (4.8)
n
k 1
k 1 0 k 1
(4.9)
Onde:
Para exemplificar este procedimento apresenta-se na Figura 4.4, obtida de Pantoja (2012),
resultados de otimização considerando oito combinações e a envoltória topológica formada
por elas.
3
IBAÑEZ, S.H. Métodos de Diseño Optimo de Estructuras. Coleccion Seinor. Paraninfo S.A., N.8,. 1990.
Figura 4.5 – Exemplo de obtenção do modelo de bielas e tirantes de uma envoltória topológica (Pantoja 2010).
A análise da confiabilidade das estruturas visa obter sua probabilidade de falha para as
diversas condições de projeto, últimas e em serviço. Para tanto, é necessário determinar a
função conjunta das variáveis envolvidas que representa as diversas possibilidades falha da
estrutura e delimita o domínio de falha. Os métodos utilizados na solução desse tipo de
problema podem ser subdivididos em métodos de simulação e de transformação. Os métodos
de simulação são caracterizados por criar amostras baseadas nas distribuições marginais das
variáveis aleatórias e a obtenção da probabilidade de falha de forma discreta através da
combinação das amostras. Os métodos de transformação usam técnicas para substituir
A simulação de Monte Carlo tem sido utilizada há bastante tempo como forma de obter
aproximações numéricas de funções complexas. Embora a lógica do método seja conhecida
há bastante tempo, seu nome foi criado na segunda guerra mundial durante o projeto
Manhattan (HAMMERSELEY, 1964). No projeto de construção da bomba atômica havia
necessidade de consideração da aleatoriedade em relação ao coeficiente de difusão do nêutron
em certos materiais. No entanto, existem registros mais antigos, como um artigo escrito por
Lord Kelvin dezenas de anos antes, que já utilizava técnicas de Monte Carlo em uma
discussão das equações de Boltzmann (HAMMERSELEY, 1964).
PF f
GX ( X ) 0
X ( X) dX (4.10)
PF I G
X
X ( X) 0 f X ( X) dX (4.11)
Onde:
PF - é a probabilidade de falha.
1 se GX ( X) 0
I (4.12)
0 se GX ( X) 0
Como o espaço amostral foi transformado em um conjunto finito de pontos amostrais, pode-se
reescrever a expressão (4.11) como em (4.13):
I G
N
1
PF X (Xi ) 0 (4.13)
N i 1
Onde:
V PF PF
1 PF PF (4.15)
N N
Neste trabalho foi utilizado o método FORM para determinação do índice de confiabilidade
dos STMs. Por isso, nos tópicos seguintes serão apresentadas as formulações referentes a esse
método, obtidas de (MELCHERS, 1999), juntamente com os métodos MVFOSM (mean value
first order second moment) e AFOSM (advanced first order second moment), obtidos de
HALDAR; MAHADEVAN, 2000) e de (MELCHERS, 1999), por terem significativa
importância no desenvolvimento do FORM.
O Método FOSM também é conhecido com MVFOSM (mean value first order second
moment) por utilizar a série de Taylor centrada nas médias das variáveis (mean value)
utilizando-se a série até a primeira ordem (first order) sendo necessários, para a obtenção do
índice de confiabilidade, os dois primeiros momentos (second moment), que são as médias e
as covariâncias. Essa formulação, entretanto, apresenta diversas restrições como a necessidade
de que as variáveis aleatórias sejam todas normais e independentes, e que a função de falha
seja linear.
4
CORNEL, C. A. A Probability-Based Structural Code. Journal of the American Concrete Institute. v 66, n 12, p, 974-985,
1969.
Z RS (4.16)
PF 1 z (4.17)
z
z s
r (4.18)
z r s
Z g x g x1 , x2 (4.19)
Expandido-se a função de falha da equação (4.19) em série de Taylor centrada nas médias
tem-se a equação (4.20) e utilizando-se apenas a primeira ordem, tem-se a equação (4.21).
g
X i xi 1 g X i xi X j xj ...
n n n 2
Z g x (4.20)
i 1 X i 2 i 1 j 1 X i X j
n
g
Z g x X i xi (4.21)
i 1 X i
Desta forma a média e desvio padrão da variável margem de segurança são calculados com as
equações (4.22) e (4.23).
z g x1 , x1 xn (4.22)
2
n
g
2
Var X i (4.23)
i 1 X i
z
Este método tem como principais deficiências os erros significativos quando as funções de
falha não são lineares, além da não utilização das informações da distribuição das variáveis
quando disponíveis. Para suprir essas deficiências foram criadas outras metodologias como o
método AFOSM (advanced first order second moment) que tem como principal vantagem em
relação ao MVFOSM a utilização da distribuição das variáveis, que permite posteriormente a
transformação de variáveis não normais em normais equivalentes, chegando-se assim ao
método FORM.
f x ( x)
f y ( y) dy f x ( x) dx f y ( y) (4.24)
y'
Sendo:
y’ - é a derivada de y em relação a x.
X i i
Yi ( X i ) (4.25)
i
Onde:
5
HASOFER, A. M. ; LIND, N. C. Exact and Invariant Second Moment Code Format. Journal of Engineering Mechanics. v 100, n
1, p, 111-121, 1974.
Com isso, o vetor de variáveis originais pode ser escrito em função do vetor de variáveis
normais - padrão apresentado na equação (4.26). Também se pode obter o jacobiano, que
representa as derivadas das variáveis originais X em relação às variáveis normais - padrão Y,
como apresentado na equação (4.27).
X Yσ μ (4.26)
X
J xy σ (4.27)
Y
Onde:
Além da transformação das variáveis aleatórias, a função de falha também deve ser descrita
em função das variáveis normais - padrão Y. Devido à linearização da função de falha,
característica do método AFOSM, o conhecimento do ponto de projeto y*, ponto de maior
probabilidade da função de falha, e do gradiente da função de falha, gy(y), são suficientes para
a determinação da função de falha linear no domínio das variáveis normais - padrão Y. A
equação (4.28) é a utilizada para a obtenção do gradiente da função de falha gy(y).
g X
g Y (Y) J xy g X (X)
X Y (4.28)
O ponto de projeto y* pode ser determinado de diversas formas. A principal e mais utilizada é
a forma numérica na qual se inicializa o ponto de projeto, geralmente com a média das
variáveis, e atualizam-se seus valores a cada iteração com algoritmos como o conhecido
HLRF.
PF ( ) (4.29)
Essa abordagem pode ser exemplificada com o problema mais simples, usando-se duas
variáveis. Seja R uma variável aleatória que represente a resistência e S a variável que
representa o efeito da solicitação. Em problemas lineares, a equação de estado limite pode ser
definida em (4.30) e a probabilidade de falha obtida com a equação (4.29).
Z RS (4.30)
Onde:
R - é a variável de resistência;
S - é a variável de solicitação;
Figura 4.6 – Significado geométrico do índice de confiabilidade no problema com duas variáveis.
YS
MPP
Yr
*
, Ys
*
r s
0,
s
YR
r s
,0
r
r s
(4.31)
r2 s2
Onde:
Em problemas com mais de uma variável, a função de falha linear é aproximada com a
equação (4.32). Nestes casos, é definido como a norma do vetor y e pode ser obtido com a
expressão (4.33).
Onde:
a0,..an - são coeficientes que determinam a reta que representa a função de falha;
Em problemas de confiabilidade com função de falha não linear, usa-se linearizar a função no
ponto de projeto como mostra a Figura 4.6.
Y2
Superfície de
falha aproximada
G(Y) 0 Ponto de
projeto
G(Y) 0
Y1
n
g ( y ) αi y i (4.34)
i 1
y *T α (4.35)
Onde o ponto de projeto y* é o ponto contido na função de falha com menor distância entre a
função g(y) e o eixo de coordenadas no sistema normal reduzido.
Assim, o problema de obtenção do índice de confiabilidade pode ser expresso pelo problema
de otimização descrito em (4.36).
Obter y*
Que minimiza y *T α (4.36)
n
Tal que g ( y ) αi y i 0
i 1
Melchers (1999) propõe para problemas com função de falha não linear a utilização de três
métodos de solução: a partir de uma função lagrangeana; métodos iterativos; e métodos
numéricos.
ys g
T i 1/ 2 s 0 (4.38)
yi (y y ) yi
g (y ) 0 (4.39)
Sendo:
g (y)
gy (4.40)
y
g y (g Ty g y )1/2 (4.41)
y (y T y)1/2 (4.42)
g yi yis
i (4.43)
gy ys
Onde:
A equação (4.43) pode ser expressa em forma matricial como na equação (4.44).
gy y *
y* (4.44)
gy
gy y *
β (4.45)
gy
Nos problemas com função de falha curvas, o índice de confiabilidade pode ser obtido com
procedimentos iterativos como proposto com a equação (4.47), sendo m a iteração, m o vetor
de cada iteração e o m obtido com a equação (4.45).
g (y m )
y m1 α m m (4.47)
g my
y m 1
g m T
y y g (y )
m m
g my
2
(4.48)
g my
O procedimento para o calculo da probabilidade de falha via método AFOSM pode ser
resumido nos seguintes passos:
4) Obtenção do gradiente em função da variável normal padrão gy(y) com a equação (4.28).
5) Calculo do novo ponto de projeto yk com a equação (4.48) e xk com a equação (4.26)
O método AFOSM é bastante limitado, pois seu procedimento viabiliza apenas a obtenção da
probabilidade de falha de problemas com distribuições normais. Apesar dessa limitação o
método é muito importante, pois seu procedimento é utilizado como parte de outros
procedimentos mais completos como o FORM (first order reability method) ou o SORM
(second order reability method).
O método FORM utiliza as distribuições marginais das variáveis para a substituição das
variáveis originais por variáveis com distribuições normais equivalentes. Com essas variáveis
equivalentes, aplicam-se os procedimentos do método AFOSM para a obtenção da
probabilidade de falha da estrutura. Em problemas em que as distribuições marginais não são
gaussianas, utilizam-se transformações para obter uma distribuição normal equivalente. Para
isto, nas técnicas FORM e SORM utilizam-se ferramentas como a transformação de
Rosemblatt (19526 apud MELCHERS, 1999) ou a transformação de Nataf (19627 apud
MELCHERS, 1999). Neste trabalho utilizou-se o método de Nataf. Dessa forma, considera-se
a distribuição normal equivalente como a distribuição normal que, no ponto de projeto, tem
mesma probabilidade e mesma probabilidade acumulada que a variável aleatória original.
Então, a média e o desvio padrão da variável normal equivalente são calculados com as
equações (4.50) e (4.51), respectivamente.
6
ROSENBLATT, M..Remarks on a multivariate transformation, Ann. Math. Stat.,23,470-472., 1952.
7
NATAF, A..Determination des Distribution don’t les Marges sont DDonnees, Comptes Rendus de
L’academie des sciences, 225, 42-43, 1962.
V. M. P. SANTOS Capítulo 4 – Metodologia
D0081E13:Analise de confiabilidade em modelos de bielas e tirantes 88
( z i* )
Xneq
i
fx i ( xi* ) (4.50)
Em problemas com mais de uma variável, havendo dependência entre elas, é necessária a
obtenção dos coeficientes de correlação com a equação (4.52).
1 12 1n
1 2 n
ρ 21 (4.52)
n1 n2 1
Z LY (4.53)
Z
J zy L
Y (4.54)
Sendo: L a matriz modificada para uma matriz triangular inferior por decomposição de
Choleski e apresentada na equação (4.55).
Lik 0 0
L Lik 0
L ik (4.55)
Lik Lik Lik
Sendo:
L11 1 (4.56)
Li1 ij (4.57)
1 k 1
Lik ik Lik Lik 1 k i (4.58)
Lkk j 1
k 1
Lii 1 Lik i 1
2
(4. 59)
j 1
Alem da transformação das variáveis aleatórias, a função de falha também deve ser descrita
em função das variáveis normais - padrão independentes Y. Devido à linearização da função
de falha, característica do método FORM, com o conhecimento do ponto de projeto y* e do
gradiente da função de falha gy(y) define-se a função linear de falha no domínio das variáveis
normais - padrão independentes. Com a equação (4.62) é possível a obtenção do gradiente
gy(y).
X Z σ eq μ eq
(4.60)
X
J xz σ eq
Z (4.61)
g X Z
g Y (Y) J xz J zy g X (X)
X Z Y (4.62)
O procedimento para o cálculo da probabilidade de falha via método FORM pode ser
resumido nos seguintes passos:
3) Obtenção dos parâmetros eq e eq das variáveis normais equivalentes com as equações
(4. 50) e (4. 51) e do jacobiano Jxz com a equação (4.61).
6) Obtenção do gradiente em função da variável normal padrão gy(y) com a equação (4.62).
7) Cálculo do novo ponto de projeto yk com a equação (4.48) e xk com as equações (4.60) e
(4.53)
Os sistemas em geral podem ter seus componentes associados em série ou em paralelo. Nos
associados em série a falha do sistema significa a ruptura de pelo menos um dos seus
componentes. Por isso, a probabilidade de falha do sistema é representada matematicamente
pela equação (4.63), como é o caso das estruturas isostáticas. Nos componentes associados em
paralelo a falha do sistema indica a ruptura de todos componentes. Dessa forma, a
probabilidade de falha pode ser calculada com a equação (4.64). Como exemplo cita-se o
mecanismo de colapso de estruturas hiperestáticas.
n
pf P g i (V) 0 (4.63)
i 1
n
pf P g i (V) 0 (4.64)
i 1
Onde:
n n n n n n
pf Pi Pik Pikl (4.65)
i 1 i 1 k i i 1 k i l k
Pi Pg i V 0
Pik PPg i V 0 Pg k V 0 (4.66)
Pikl PPg i V 0 Pg k V 0 Pg l V 0
Pi i (4.67)
Sendo:
1 i 2 j 2 2 i j
i , j ,
1
exp (4.70)
2 1 2
2 1 2
ρ αt α (4.71)
A probabilidade de falha obtida com a expressão (4.65) com auxilio de integral numérica
pode apresentar grandes desvios do resultado correto. Por isso, além deste cálculo numérico,
utilizou-se uma estratégia obtida de Melchers (1999), na qual utiliza-se um cálculo
simplificado para o valor máximo e mínimo aceitável. Dessa forma, calcula-se o valor
máximo da probabilidade com a equação (4.72) e o valor mínimo com a equação (4.73).
n i 1
pf min P[ F1 ] max 0, P[ Fi ] P( Fi F j ) (4.72)
i 2 j 1
n n
pf max P[ Fi ] max P( Fi F j ) i j (4.73)
i 1 i 2
pf pf min pf T pf min
pf min pf pf max pf T pf (4.74)
pf pf max
pf pf
T max
Sendo:
O primeiro teorema aponta que sendo i o maior valor do fator que multiplica o carregamento
inicial de forma que se garantam o equilíbrio e as condições de escoamento da estrutura, este
fator i representa um limite inferior do fator de colapso real .
O teorema da unicidade revela que a estrutura real no limite de colapso é o que atende
simultaneamente os dois primeiros teoremas e, portanto, garante a equação (4.75).
i s (4.75)
4.3.2. Formulação
Sendo:
Onde:
εC Cu A (4.83)
Sendo:
T
T
σ(x) b(x) u(x) dV 0 (4.86)
V
Esta expressão pode ser apresentada em notação indicial na forma da equação (4.87)
ij, i bi u i dV 0
T
(4.87)
V
( ij ui), j dV ij ui, j dV bi ui dV 0
V V V
(4.88)
ij n j ui dV bi ui dV ij ui, j dV
V V V
(4.89)
Sendo:
Como a equação (4.91) é valida para qualquer vetor de deslocamentos nodais simplifica-se a
expressão chegando-se à equação (4.92):
f A C σ C (4.93)
Observa-se que, com as equações (4.83) e (4.93), verifica-se novamente a dualidade estático -
cinemática da estrutura.
Os hiperplanos são definidos por dois parâmetros: O parâmetro i indica a distância do
hiperplano à origem e ni o vetor unitário normal ao hiperplano. Com isto determina-se o vetor
i com as distâncias dos hiperplanos à origem e a matriz Q com todos vetores normais aos
hiperplanos. A Figura 4.7 representa os hiperplanos e seus parâmetros i e ni juntamente com
o estado de tensão da estrutura.
1
n1
hiperplanos
n2
*1
2
*1
σ * *2 (4.96)
*n
n1x n2 x n NHx
Q n1 y n2 y n NHy (4.97)
n1z n2 z n NHz
Onde:
π* QT σ(x) σ* 0 (4.98)
Sendo:
A deformação é obtida com a lei do fluxo plástico associado, expressa na equação (4.91).
Utilizando-se a equação (4.101) na expressão do potencial na lei de fluxo plástico associado
obtém-se a equação (4.100).
π*
ε ε* (4.99)
σ
ε Q ε* (4.100)
Sendo:
π *
Q (4.101)
σ
π* ε * 0
T
(4.102)
Portanto, as relações de plasticidade podem ser formuladas como escrito na equação (4.103).
π* Q T σ(x) σ * 0
ε Q ε* (4.103)
π* ε * 0
T
π* C (Q C ) T σ C σ * C 0
ε C QC ε*
C
(4.104)
(π* ) T ε * 0
C C
Onde:
*c - são as distâncias dos nh hiperplanos que definem a superfície de escoamento nos nc
pontos nodais;
Observa-se que estes nós podem se referir aos pontos de Gauss que representam cada
elemento.
Com isso os parâmetros dos hiperplanos na forma discreta são montadas na forma apresentada
na equação (4.105) e (4.106).
σ 1*
σ
σ * 2* (4.105)
σ NC*
Q 13xNH 0
2
Q 3xNH
Q
C
(4.106)
NC
0 Q 3xNH
O objetivo principal da análise limite é determinar o fator de carga que leva ao colapso o
sistema estrutural. O fator de colapso é então representado pelo fator de carga da equação
(4.99).
f A f PA λi f 0A (4.107)
Onde:
Quando se atinge o colapso, mantém-se constante a energia de deformação plástica. Por isso
considera-se o trabalho de forças externas constante e unitário, tornando a equação (4.108)
responsável por eliminar a indeterminação das deformações plásticas.
(f 0A )T u A 1 (4.108)
(f 0A ) T u A 1
A
f P λi f 0 C σ
A T C
(4.109)
T C
Q ε * C u ε
A C
No teorema do limite inferior o campo de tensões que melhor representa a situação real é o
que atende as equações de equilíbrio, condições de resistência e que maximiza o fator de
colapso i. Então, pode-se formular o teorema do limite inferior com a equação de equilíbrio,
equação de resistência dos elementos (4.97) maximizando-se o fator i como apresenta o
sistema de equações (4.110).
max( )
A
f P i f 0 C σ
A T C
(4.110)
T
Q σ(x) σ * 0
Esse sistema pode ser representado na forma matricial da equação (4.111) e (4.112).
σ
C
max W 0 1 (4.111)
i
Sujeito a:
(Q C ) T 0 σ
C
σ*
C
(4.112)
C i
f 0A f P
T A
A partir dos equacionamentos de análise limite, obtidos de Faria (1992), generalizados para
qualquer tipo de estrutura, especificou-se o método neste trabalho para estruturas de treliça
plana com intuito de representar os modelos de bielas e tirantes.
Para isso, adotou-se, no método dos elementos finitos, elementos de treliça com dois nós por
elemento para discretizar os deslocamentos da estrutura e um nó por elemento para discretizar
as tensões. As equações de interpolação dos deslocamentos podem ser obtidas na equação
(4.105) e para interpolação de tensões considerou-se a função constante unitária da equação
(4.106).
H ( x) 1 (4.114)
Cel Ael 1 1
(4.115)
Sendo:
σ 1*
σ
σ * 2*
C
(4.116)
σ NC*
Q 13xNH 0
2
Q 3xNH
Q
C
(4. 117)
NC
0 Q 3xNH
Os vetores de cargas f0a e fpa são os carregamentos que, neste trabalho, são tratados como
dados de entrada do problema. Desta forma, pode-se resolver o problema de análise limite
com a formulação das equações (4.111) e (4.112).
Neste tópico foram reunidas algumas destas técnicas que ajudam a adequar os resultados de
otimização de topologia às necessidades dos projetos de estruturas em concreto armado. O
primeiro exemplo tem como resultado a topologia ótima considerando elementos indutores e
módulo de elasticidade do aço nas regiões de tração e módulo de elasticidade do concreto nas
regiões de compressão para simular a existência dos dois materiais que formam concreto
armado, aqui denominado propriedades mecânicas autoadaptativas. O segundo exemplo
explora o conceito de envoltória topológica (PANTOJA, 2012), que considera várias
combinações de carregamentos.
Figura 5.1 – Aplicação 1 - viga parede com elementos indutores: a) viga sem os elementos indutores; b) viga
com os elementos indutores.
L/2 p L/2 p
Elementos
L/2 indutores
L/2
L L
a) b)
A Figura 5.2a mostra os resultados obtidos com uso da otimização de topologia clássica, sem
uso de elementos indutores e com mesmo módulo de elasticidade do material sólido E0 em
todo o domínio estendido. Observa-se que a solução obtida difere do modelo apresentado
normalmente na literatura pelo posicionamento da região tracionada superior (Figura 5.2a).
Ressalta-se que, do ponto de vista do comportamento mecânico, a solução obtida apresenta
maior rigidez e, por isso, foi a encontrada pelo algoritmo de OT. No entanto, neste problema a
biela superior (horizontal) representa uma região comprimida frequentemente reforçada com
armadura de compressão. Daí, nos modelos, sua localização mais abaixo, coincidindo com o
centro de gravidade da armadura. Assim, apresenta-se na Figura 5.2b a solução com uso de
elementos indutores.
\
a) b)
A Figura 5.3a apresenta o STM obtido via OT com um único material e a Figura 5.3b o
resultado obtido considerando os dois tipos de materiais. Observa-se que, conforme esperado,
houve uma redução da espessura do tirante, decorrente do módulo de elasticidade maior nessa
região, e um aumento de espessura das bielas comprimidas, decorrente da restrição do
problema de OT que prevê a manutenção do volume constante do material.
Figura 5.3 – Resultados da OT da aplicação 1: a) sem variação no módulo de elasticidade; b) com módulo de
elasticidade adaptativo.
a) b)
Figura 5.4 – Resultados da OT da aplicação 1 com uso de elementos indutores: a) sem variação no módulo de
elasticidade; b) com módulo de elasticidade adaptativo.
a) b)
Figura 5.5 – Viga parede engastada da aplicação 2: a) sem furo; b) com furo.
P1 P2 P1 P2
1
2 2
2
2 2
1
4 2 2 2 2 2 2
a) b)
P1
(5.1)
P2 1
A Figura 5.6 apresenta os resultados obtidos para cada uma das combinações de carregamento
para a estrutura da Figura 5.5a e a Figura 5.7 para a estrutura da Figura 5.5b. As envoltórias
apresentadas nas Figuras 5.6e e 5.7e correspondem à solução que incorpora todas as
combinações de carregamento, adotando-se para cada elemento a maior densidade obtida nas
8 combinações analisadas.
Figura 5.6 – Resultados para as combinações de carregamento aplicadas à viga sem furo da aplicação 2: a) = 0;
b) = 1/7; c) = 2/7; d) = 3/7; e) envoltória. f) = 4/7; g) = 5/7; h) = 6/7; (i) = 1.
a) b) c)
d) e) f)
g) h) i)
Figura 5.7 – Resultados para as combinações de carregamento aplicadas à viga com furo da aplicação 2:
a) = 0; b) = 1/7; c) = 2/7; d) = 3/7; e) envoltória. f) = 4/7; g) = 5/7; h) = 6/7; (i) = 1.
a) b) c)
d) e) f)
g) h) i)
A comparação dos resultados apresentados nas Figuras 5.6 e 5.7 mostra como a combinação
entre as cargas influi no STM resultante. As Figuras 5.6a e 5.7a foram obtidas para ausência
da carga P1 e, por isso, os modelos resultantes apresentam biela comprimida inclinada na
extremidade da viga. Nesse caso, há uma coincidência de resultados para as vigas com furo e
sem furo.
Já as Figuras 5.6i e 5.7i foram obtidas para ausência da carga P2 e, por isso, os modelos
resultantes apresentam bielas comprimidas inclinadas ligando a posição de aplicação da carga
P1 aos apoios. Os modelos das duas figuras são diferentes devido à presença do furo, que
impede a ligação direta entre o ponto de aplicação da carga e o apoio.
As Figuras 5.6b, 5.6d, 5.6f, 5.6g e 5.6h, bem como as Figuras 5.7b, 5.12d, 5.7f, 5.7g e 5.7h
apresentam modelos intermediários, com variações significativas nas inclinações das bielas à
medida que se aumenta a proporção das cargas.
ac La
L Lt Lt L B
Grandeza geométrica ac L Lt La H B
Dimensão (cm) 15 30 70 85 100 40
O modelo de bielas e tirantes adotado para a análise é o modelo clássico de viga parede
apresentado na Figura 5.9 e apresentado em Sousa (2006), Pantoja (2010), Liang (2000), e
muitos outros autores. As variáveis aleatórias de resistência e de solicitações têm valores
estatísticos e característicos apresentados na Tabela 5.2. Foram utilizadas distribuição
lognormal para as resistências, distribuição normal para a carga permanente e distribuição
Gumbel para a carga acidental. Em concordância com Pantoja (2010), Sousa (2008) e
recomendação do ACI 318 (ACI, 2008), adotou-se o valor das espessuras das bielas igual à
espessura da viga-parede. Adotou-se área de aço de 40 cm2.
V. M. P. SANTOS Capítulo 5 – Resultados
D0081E13:Analise de confiabilidade em modelos de bielas e tirantes 111
Figura 5.9 – Modelo de bielas e tirantes da aplicação 3 para verificação da implementação do método FORM .
Figura 5.10 – Aplicação 3 - análise de confiabilidade do modelo usando simulação de Monte Carlo e o método
FORM.
4.4
3.6
Método
3.2 FORM
MC
2.8
20 24 28 32 36 40
fck
Este exemplo de aplicação visa classificar modelos de bielas e tirantes gerados para a viga
parede da Figura 5.8 segundo o fator de colapso. Em todas as análises apresentadas nesta
seção utilizam-se as dimensões apresentadas na Tabela 5.1. São analisados os 4 (quatro)
modelos de bielas e tirantes apresentados na Figura 5.11, ordenados conforme sua
complexidade.
Figura 5.11 – Modelos de bielas e tirantes utilizados na aplicação 4: a) modelo 1; b) modelo 2; c) modelo 3;
d) modelo 4.
a) b)
c) d)
Figura 5.12 – Fator de colapso da análise limite dos modelos da aplicação 4 em função do fck.
5
4.5
4
3.5
Modelos
3 modelo 1
modelo 2
2.5 modelo 3
modelo 4
2
20 25 30 35 40 45
fck
O objetivo desta seção é avaliar a metodologia de avaliação dos modelos de bielas e tirantes
proposta em Pantoja (2010), baseada em uma análise de confiabilidade considerando-se a
função de falha baseada no teorema do limite inferior apresentada na equação (5.2). Nas
aplicações desta seção foi utilizado o método de transformação FORM para a análise de
confiabilidade.
Onde:
Embora o cálculo da função de falha apresentada na equação (5.2) seja facilmente resolvido
através da programação linear, o gradiente dos fatores de colapso com relação às variáveis
aleatórias não é obtido de forma analítica. Por isso utilizou-se o método das diferenças finitas
na obtenção destes dados, como indicado na equação (5.3).
G( X) G( X d ) G( X)
(5.3)
X d
Sendo:
5.4.1. Aplicação 5
A Figura 5.13 mostra a variação do índice de confiabilidade de cada modelo, obtido da análise
de confiabilidade com função de falha da análise limite, em relação à resistência característica
do concreto. Em todas as análises considerou-se área de aço 40 cm2 e espessura de bielas e da
estrutura de 25 cm.
Figura 5.13 – Variação do índice de confiabilidade com a resistência do concreto para os modelos da
aplicação 5.
6
Modelos
medelo 1
4
medelo 2
medelo 3
medelo 4
2
20 24 28 32 36 40
fck
Observa-se que o modelo 4 apresenta desempenho superior ao dos demais. O trecho inicial da
curva representa a ruptura em uma das bielas comprimidas, representando uma ruptura frágil.
O trecho final da curva corresponde à ruptura de um dos tirantes, relacionado a uma ruptura
dúctil. Nesse trecho, o valor da resistência do concreto não mais influi no índice de
confiabilidade. A zona de transição entre os critérios de ruptura frágil e dúctil é representada
por um salto. Como a análise limite considera apenas valores limites de resistência para o
concreto e o aço, o processo não capta a transferência de forças de um mecanismo de ruptura
para outro. Os modelos 1 a 3 não conseguiram apresentar escoamento das armaduras no
intervalo de fck adotado. Ou seja, apresentam desempenho inferior ao modelo 4 tanto do ponto
de vista do índice de confiabilidade quanto do ponto de vista do tipo de ruptura.
Figura 5.14 – Variação do índice de confiabilidade com a resistência do concreto para o modelo 4 da aplicação 5
e diversos valores de área de aço do tirante inferior.
6
as
20 cm2
5 25 cm2
30 cm2
4
20 24 28 32 36 40
fck
Também nesse caso o nível de segurança é aumenta à medida que se aumenta a espessura da
biela. Entretanto, isso acontece apenas na região onde o modo de falha é frágil pois, porque
uma vez atingido o patamar de escoamento, o valor da carga de colapso é mantido constante
conforme já observado nos exemplos anteriores.
Figura 5.15 – Variação do índice de confiabilidade com a resistência do concreto para o modelo 4 da aplicação 5
e diversos valores de espessura da biela.
6
sb
5 20 cm
25 cm
30 cm
4
20 24 28 32 36 40
fck
5.4.2. Aplicação 6
Grandeza geométrica ac L
Dimensão (cm) 30 250
L L
ac
L
ac
Figura 5.17 – Modelos de bielas e tirantes da viga parede com balanço da aplicação 6: a) modelo 1; b) modelo 2;
c) modelo 3; d) modelo 4.
a) b)
c) d)
Tabela 5.5 – Valores estatísticos e semiprobabilísticos da viga parede com balanço da aplicação 6.
A Figura 5.18 mostra a variação do índice de confiabilidade de cada modelo, obtido da análise
de confiabilidade com função de falha da análise limite, em relação à resistência característica
do concreto. Em todas as análises considerou-se área de aço 40 cm2 e espessura de bielas e da
estrutura de 30 cm.
Figura 5.18 – Variação do índice de confiabilidade com a resistência do concreto para os modelos da
aplicação 6.
3
2 Modelos
modelo 1
modelo 2
1 modelo 3
modelo 4
0
20 24 28 32 36 40
fck
Figura 5.19 – Variação do índice de confiabilidade com a resistência do concreto para o modelo 3 da aplicação 6
e diversos valores de área de aço dos tirantes.
4
3
as
30 cm2
2 40 cm2
50 cm2
1
10 20 30 40 50 60
fck
Também nesse caso o nível de segurança aumenta à medida que se aumenta a espessura da
biela. Entretanto, isso acontece apenas na região onde o modo de falha é frágil pois, porque
uma vez atingido o patamar de escoamento, o valor da carga de colapso é mantido constante
conforme já observado nos exemplos anteriores. Observa-se, nesse caso, a mesma divisão em
três trechos anterior, devida à hiperestaticidade do modelo.
Figura 5.20 – Variação do índice de confiabilidade com a resistência do concreto para o modelo 3 da aplicação 6
e diversos valores de espessura da biela.
6
5
4
3
sb
2 40 cm
50 cm
1 60 cm
0
10 20 30 40 50 60
fck
5.4.3. Aplicação 7
Por fim, com o intuito de confrontar o modelo de bielas e tirantes obtido via OT com outros
obtidos da literatura, analisa-se a transversina da Fig. 5.21, cujas dimensões são apresentadas
na Tabela 5. 6.
a L L a
P1 P2 P3
h2
h1
La Lb La
V. M. P. SANTOS Capítulo 5 – Resultados
D0081E13:Analise de confiabilidade em modelos de bielas e tirantes 122
Grandeza geométrica L A H1 H2 La Lb
Dimensão (cm) 366 34 70 122 263 274
Os valores estatísticos das variáveis aleatórias são apresentados na Tabela 5.7. Na verificação
de resistência utilizou-se espessura de bielas de 25 cm e área de aço de 30 cm2.
Para a geração do modelo via OT foram consideradas as somas dos valores médios das cargas
aplicadas (Pi = Pig + Piq) e módulo de elasticidade do material sólido de Es = 1 MPa. O
domínio estendido foi discretizado com uma malha de 200 x 48 elementos. Adotou-se ainda
coeficiente de penalidade p = 3, fração de volume Vf = 30% e raio do filtro de sensibilidade
rmin = 1,2 elementos. A Fig. 5.22 apresenta o resultado da OT e o modelo gerado a partir desse
resultado.
A assimetria do carregamento tem grande influência no modelo obtido. Nesse caso específico,
o resultado da OT (Fig. 5.22a) apresenta uma série de barras que dificulta o posicionamento
das armaduras durante a execução da estrutura.
Figura 5.22 - Modelo 1 da aplicação 7: a) Solução da OT; b) Modelo gerado a partir da OT.
P1 P2 P3
a) b)
Figura 5.23 – Demais modelos utilizados na aplicação 7: a) Modelo 2 (Reineck e Novak, 2010); b) Modelo 3
(Reineck e Novak, 2010); c) Modelo 4 (Pantoja, 2012); d) Modelo 5 simetrizado baseado em OT
P1 P2 P3 P1 P2 P3
a) b)
P1 P2 P3 P1 P2 P3
c) d)
A Figura 5.24 apresenta a variação dos índices de confiabilidade dos cinco modelos em
relação à resistência do concreto. Observa-se que os valores médios apresentados na
Tabela 5.18 foram transformados para os respectivos valores característicos.
5
Modelos
modelo 1
modelo 2
4 modelo 3
modelo 4
modelo 5
3
20 24 28 32 36 40
fck
Todos os modelos apresentaram uma clara diferença entre os dois critérios para consideração
do colapso da estrutura. Valores de fck inferiores a 25,5 MPa no modelo 1, a 38 MPa no
modelo 2, a 30 MPa no modelo 3, a 31,5MPa no modelo 4 e a 26,5 MPa no modelo 5
conduzem a uma ruptura frágil. Acima desses valores, o colapso se dá devido ao escoamento
das armaduras dos tirantes, portanto, do tipo dúctil.
O modelo da Fig. 5.22b, gerado via OT, apresenta o melhor desempenho e apenas levemente
superior ao modelo da Fig. 5.23d, simetrizado a partir do modelo da Fg. 5.22a.
Este trabalho teve como objetivo estudar a viabilidade da aplicação de técnicas de otimização
de topologia para a geração de modelo de bielas e tirantes e a proposta de utilização da análise
de confiabilidade para avaliação do desempenho do modelo. Na primeira vertente foram
estudados adaptações da técnica de OT para a geração de modelos de bielas e tirantes como os
elementos indutores propostos por Pantoja (2012) e o uso de propriedades mecânicas auto
adaptativas, proposta deste trabalho. Nesse caso, o módulo de elasticidade do material foi
decidido durante o processo com base nas tensões principais. Na segunda vertente, modelos
da literatura e modelos gerados por OT foram avaliados segundo dois critérios de desempenho
baseados na análise de confiabilidade: o índice de confiabilidade com função de falha baseada
em critérios de resistência e o índice de confiabilidade com função de falha baseada no fator
de colapso da análise limite.
6.1. CONCLUSÕES
O trabalho realizado permite concluir que a carga de colapso e o índice de confiabilidade dos
modelos de bielas e tirantes dependem diretamente do tipo de modo de falha envolvido. Em
modelos com ruptura frágil, tanto a carga de colapso como o índice de confiabilidade
dependem apenas da resistência característica do concreto enquanto modelos com modo de
falha dúctil têm o valor de carga de colapso associado apenas à resistência característica do
aço. Assim sendo, a avaliação do desempenho de um determinado modelo impõe a
necessidade de definir qual o modo de falha dominante dependendo das características
geométricas, propriedades físicas e carregamentos envolvidos.
Sugere-se também o estudo de outros critérios para avaliação do desempenho dos modelos de
bielas e tirantes em estruturas de concreto armado e compará-los com o critério via
confiabilidade e análise limite. Seria interessante um programa experimental que utilize o
critério de desempenho proposto na concepção dos modelos de bielas e tirantes e estude as
principais limitações de metodologia relacionadas com definição da ductilidade e o nível de
segurança do modelo.
Por fim, sugere-se incluir uma variável de custo associada aos diferentes modos de falha
(frágil e dúctil) envolvidos no problema de avaliação de desempenho dos modelos
topológicos.
LIANG, Q.Q. ; XIE Y.M.; STEVEN G.P. Performance-based optimization for strut-tie
modeling of structural concrete Journal of Structural Engineering ASCE, v 128, n. 6,
p. 815-823, 2002. DOI: 10.1061/(ASCE)0733-9445(2002)128:6(815)
LIANG, Q.Q. ; XIE Y.M.; STEVEN G.P. Topology optimization of strut-and-tie models in
reinforced concrete structures using an evolutionary procedure. ACI Structural Journal,
v 97, n. 2, p. 322-332, 2000.
MEIRINHOS G.F. Projecto de betão armado com modelos de escoras e tirantes assistido
por computador 2008. 171 f. Dissertação (Mestrado em Engenharia Civil) - Departamento
de Engenharia Civil, Faculdade de Engenharia da Universidade do Porto, Porto, Portugal,
2008.
TALISCHI, C; PAULINO, G.H; LE, C.H. Honeycomb Wachspress finite elements for
structural topology optimization. Structural and multidisciplinary optimization, v 37,
p. 569–583, 2009 DOI 10.1007/s00158-008-0261-4 (Print) 1615-1488 (Online)
ZHOU, M. ; ROZVANY, G.I.N. The COC algorithm, part II: Topological, geometry and
generalized shape optimization. Computer Methods in Applied Mechanics and
Engineering, North Holand, v 89,p. 309-336, 1991.