Análisede Confiabilidade Do Modelo de Bielas e Tirantes

UNIVERSIDADE FEDERAL DE GOIÁS
ESCOLA DE ENGENHARIA CIVIL

PROGRAMA DE PÓS-GRADUAÇÃO EM GEOTECNIA, ESTRUTURAS E
CONSTRUÇÃO CIVIL
ANÁLISE DE CONFIABILIDADE EM
MODELOS DE BIELAS E TIRANTES
VICTOR MARK PONTES DOS SANTOS
D0081E13
GOIÂNIA
2014
VICTOR MARK PONTES DOS SANTOS
ANÁLISE DE CONFIABILIDADE EM
Dissertação apresentada ao Programa de Pós-Graduação em

Geotecnia, Estruturas e Construção Civil da Universidade
Federal de Goiás para obtenção do título de Mestre em
Engenharia Civil.
Área de Concentração: Mecânica das Estruturas
Orientador: Sylvia Regina Mesquita de Almeida
Co-orientador: João da Costa Pantoja
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.
O autor também agradece pelo apoio financeiro da CAPES e CNPQ.
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.
Palavras chave: Modelos de bielas e tirantes. Análise de confiabilidade. Otimização de

topologia.
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.
Keywords: Strut and tie models. Reliability analysis. Topology optimization.
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
SANTOS, V. M. P. Lista de Figuras

D0081E13: Analise de confiabilidade em modelos de bielas e tirantes
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. ....................................................................... 60
Figura 3.11 - Exemplo de solução em ilhas para uma viga MBB com malha 60x10
elementos adaptado de Talischi (2009):. .......................................................... 60
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. ............................................ 61
Figura 3.13 - Região we de influência da variável de projeto j para a alteração da
sensibilidade analítica c / i .......................................................................... 62
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; (c) Resultado obtido com filtro, rmín = 3,0 com
malha 240 x 40. ................................................................................................. 63
Figura 3.15 - Fluxograma do procedimento de OT utilizado. ................................................ 64
Figura 3.16 - Primeira aplicação: (a) desenho esquemático da estrutura; b) STM
Liang et al (2000); (c) resultado obtido via OT. ............................................... 65
Figura 3.17 - Segunda aplicação: (a) esquema da estrutura; b) STM adaptado de Sousa
(2004); (c) resultado obtido via OT. ................................................................. 65
Figura 3.18 - Terceira aplicação: (a) esquema da estrutura; b) STM Liang et al (2000);
(c) resultado obtido via OT. .............................................................................. 66
Figura 3.19 - Quarta aplicação: (a) esquema da estrutura; b) STM
Schlaich et al (1987); (c) resultado de OT. ....................................................... 66
Figura 4.1 - Elementos indutores: a) sistema estrutural (Pantoja, 2012); b) resultado
de OT sem uso de elementos indutores; c) localização dos elementos
indutores; d) resultado de OT com uso de elementos indutores ....................... 70
Figura 4.2 - Exemplo de problema de minimização multibojetivo com uma variável e
duas funções objetivo.. ...................................................................................... 73
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. ............................................................................................... 74
V. M. P. SANTOS Lista de Figuras

Figura 4.4 - Exemplo de envoltórias topológicas Pantoja (2012). ....................................... 75

Figura 4.5 - Exemplo de obtenção do modelo de bielas e tirantes de uma envoltória
topológica (Pantoja 2010). ................................................................................ 75
Figura 4.6 - Significado geométrico do índice de confiabilidade no problema com
duas variáveis. ................................................................................................... 82
Figura 4.7 - Representação esquemática do índice de confiabilidade. ................................. 84
Figura 4.8 - Parâmetros dos hiperplanos. ............................................................................. 97
Figura 5.1 - Aplicação 1 - Viga parede com elementos indutores: a) viga sem os
elementos indutores; b) viga com os elementos indutores.............................. 105
Figura 5.2 - Resultados da OT da aplicação 1: (a) convencional; (b) com elementos
indutores. ......................................................................................................... 105
Figura 5.3 - Resultados da OT da aplicação 1: (a) sem variação no módulo de
elasticidade; (b) com módulo de elasticidade adaptativo. .............................. 106
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. ....................................................................................................... 107
Figura 5.5 - Viga parede engastada da aplicação 2: (a) sem furo; (b) com furo. ............... 107
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. ........................ 108
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. ........................ 109
Figura 5.8 - Viga bi apoiada da aplicação 3. ...................................................................... 110
Figura 5.9 - Modelo de bielas e tirantes da aplicação 3 para verificação da
implementação do método FORM. ................................................................. 111
Figura 5.10 - Aplicação 3 - análise de confiabilidade do modelo usando simulação de
Monte Carlo e o método FORM. .................................................................... 111
Figura 5.11 - Modelo de bielas e tirantes utilizados na aplicação 6: (a) modelo 1;
(b) modelo 2; (c) modelo 3; (d) modelo 4....................................................... 112
Figura 5.12 - Fator de colapso da análise limite dos modelos de aplicação 6 em função
do fck. ............................................................................................................... 113

Figura 5.13 - Variação do índice de confiabilidade com a resistência do concreto para

os modelos da aplicação 5............................................................................... 115
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 no tirante
inferior............................................................................................................. 116
modelo 4 da aplicação 5 e diversos valores de espessura da biela. ................ 117
Figura 5.16 - Viga parede com balanço na aplicação 6. ....................................................... 118
Figura 5.17 - Modelos de bielas e tirantes da viga parede com balanço na aplicação 6:
(a) modelo 1; (b) modelo 2; (c) modelo 3; (d) modelo 4. ............................... 118
Figura 5.18 - Variação do índice de confiabilidade com a resistência do concreto para
os modelos da aplicação 6............................................................................... 119
modelo 3 da aplicação 6 e diversos valores de área de aço dos tirantes. ........ 120
modelo 3 da aplicação 6 e diversos valores de espessura da biela. ................ 121
Figura 5.21 - Transversina da aplicação 7. ........................................................................... 121
Figura 5.22 - Modelo 1 da aplicação 7: (a) solução da OT; (b) Modelo gerado a partir
da OT. ............................................................................................................. 123
Figura 5.29 - 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. .......................... 123
Figura 5.30 - Variação do índice de confiabilidade dos modelos em função do fck. ............ 124

LISTA DE TABELAS
Tabela 3.1 - Coeficientes de resistência de bielas. ................................................................ 53
Tabela 3.2 - Coeficientes de resistência dos nós (SHAFFER; SCHLAICH, 1991). ............ 54
Tabela 3.3 - Tipos de nós (SHAFFER; SCHLAICH, 1991). ................................................ 54
Tabela 3.4 - Coeficientes de resistência dos tipos de nós (MACGREGOR, 1988). ............. 55
Tabela 5.1 - Dimensões da viga bi apoiada da aplicação 3. ................................................ 110
Tabela 5.2 - Valores estatísticos e característicos da análise de confiabilidade da
aplicação 3. ..................................................................................................... 111
Tabela 5.3 - Valores estatísticos e semiprobabilísticos da viga parede da aplicação 5. ..... 115
Tabela 5.4 - Dimensões da viga parede com balanço da aplicação 6. ................................ 117
Tabela 5.5 - Valores estatísticos e semiprobabilísticos da viga parede com balanço da
aplicação 6. ..................................................................................................... 119
Tabela 5.6 - Dimensões da transversina da aplicação 7. ..................................................... 122
Tabela 5.7 - Valores estatísticos das variáveis da aplicação 7. ........................................... 122
SANTOS, V. M. P. Lista de Tabelas

LISTA DE ABREVIATURAS E SIGLAS
ACI - American Concrete institute
CDF - Distribuição cumulativa de probabilidades
ELS - Estados limites de serviço
ELU - Estados limites últimos
FORM - Modelo de confiabilidade de primeira ordem (First Order Reability
Model)
FOSM - Técnica de primeira ordem e segundo momento (First Order Second
Moment)
FRP - Fiber reinforced plastic
JCSS - Comissão mista de confiabilidade estrutural (Joint Comite on Structural
Safety)
MEF - Método dos Elementos Finitos
OT - Otimização Topológica
PDF - Distribuição de densidades de probabilidades
SKD - Static-Kinematic Duality
SIMP - Material solido isotrópico com penalização (Solid Isotropic Material with
Penalization)
SORM - Modelo de confiabilidade de segunda ordem (Second Order Reability
Model)
STM - Modelo de escoras e tirantes(Strut and Tie Model)
SANTOS, V. M. P. Lista de Abreviaturas e Siglas

LISTA DE SÍMBOLOS
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.
SANTOS, V. M. P. Lista de Símbolos

EQ: Analise de confiabilidade em modelos de bielas e tirantes
fc' - Resistência característica do concreto considerando um quantil mínimo

de 99% das amostras.
fcd - Resistência de projeto do concreto.
fcd - é a tensão de compressão do concreto.
fcm - o valor médio da variável resistência do concreto;
fck - Resistência característica do concreto considerando um quantil mínimo
de 95% das amostras.
fck - valor característico do concreto com quantil de 95%;
Fe(Xs) - Variável da tensão solicitante na biela, tirante ou nó.
fk - é a função objetivo k no projeto inicial x0;
fpa - é o carregamento permanente nos nós da estrutura;
fy' - o valor característico do aço com quantil de 99%;
fyd - é a tensão de escoamento do aço;
fyd - Resistência de projeto do aço;
fyk - valor característico do aço com quantil de 99.8%;
fym - o valor médio da variável resistência do aço;
fy(Xy) - Variável aleatória de resistência do aço.
fym - valor médio da variável resistência do aço;
G(X) - Função de falha das variáveis aleatórias X.
gi (V) - a função de falha i do vetor de variáveis aleatórias V;
gi(x) - é a função de restrição de desigualdade;
GX(X) - é a função de falha, que relaciona as variáveis envolvidas na análise;
gyi - é o gradiente da função de falha em relação à variável yi;
hk(x) - é a função de restrição de igualdade;
Hu - é a matriz de interpolação dos deslocamentos;
H - é a matriz de interpolação das tensões;
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);
V. M. P. SANTOS Lista de Símbolos

j - indica os pontos de medição das variáveis de projeto inclusas na região

wi centrada na variável de projeto i.;
Jxy - é o jacobiano das variáveis X em relação às variáveis Y.
k - é a rigidez de um ponto infinitesimal do volume;
k - Coeficiente da norma referente ao tipo de nó.
K - é a matriz de rigidez da estrutura;
M - é a variável margem de segurança;
n - o número de ocorrências de probabilidade p;
N - é o número de amostras independentes das variáveis aleatórias X.
ne - é o numero de funções de igualdade;
Nel - é o numero de elementos utilizado na discretização do domínio
estendido;
Nf - número de elementos de um evento;
NH - é o numero de hiperplanos que define a superfície de escoamento
linearizada.
ni - é o numero de funções de desigualdade;
Ni - Tensões solicitantes nas bielas tirantes ou nós;
0
Ni - Esforço normal na barra i do sistema básico 0 (Figura 14(b);
Ni1 - Esforço normal na barra i do sistema básico 1 (Figura 14( c));
nj - são as direções normais à superfície do corpo.
nobj - é o numero de funções objetivo;
npv - é o numero de variáveis de projeto;
Nt - o número de elementos no espaço amostral.
NVP - indica o número de variáveis de projeto;
PF - é a probabilidade de falha do elemento;
p - é um coeficiente de penalização.
pf - é a probabilidade de falha do sistema;
pf - é a probabilidade de falha do sistema obtida na expressão (4.57);
max
pf - é a probabilidade de falha máxima do sistema;
pf min - é a probabilidade de falha mínima do sistema;
pf T - é a probabilidade de falha final considerando-se que os valores devem
estar entre a probabilidade de falha máxima e a mínima.
PF - é a probabilidade de falha.

Qc - é a matriz que obtém as direções perpendiculares dos nh hiperplanos

avaliados nos nc hiperplanos.
R - Resistência;
R - é a variável de resistência;
rmin - é o raio da circunferência ou da esfera centrada na variável de projeto que
define a região we de influência dessa variável.
Rnvp - espaço das variáveis de projeto.
Rst - é a carga aplicada ao tirante;
S - é a variável de solicitação;
S - Solicitação;
u - é o deslocamento ocorrido em ponto um infinitesimal do volume;
u - a moda, ou seja, o valor de maior probabilidade;
Û - é o vetor de deslocamentos nodais da estrutura;

U - é o vetor de deslocamentos nodais do elemento.
u(x) - é o vetor de deslocamentos no ponto vetorial x;
uA - é o vetor de deformações nos nós discretos;
V - é o vetor de variáveis aleatórias.
VAR(X) - variância da variável aleatória X;
Ve - é o volume do elemento;
Vt - é o volume total da estrutura.
wi - Espessura das bielas;
x - é o vetor de variáveis de projeto;
X - variável aleatória;
X - Vetor de variáveis aleatórias.
X1 - Força na biela b3;
x1 e x2 - valores de uma variável aleatória X.
Xc - Variável aleatória de resistência do concreto;
Xc - Variável aleatória de resistência do concreto.
Xi - representa a i-ésima amostra do vetor das variáveis X geradas a partir da
função densidade de probabilidade fX(X);
Xp - Variável aleatória referente ao carregamento;
Xs - Variável aleatória referente às solicitações.

Xy - Variável aleatória de resistência do aço;

Xy - Variável aleatória de resistência do aço.
y - é o vetor de variáveis normais padrão.
y* - são os valores estacionários de y;
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.
 - 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;

 - média da variável aleatória X;

 - é a média de cada variável Xi;
m - é a média da variável margem de segurança;
r - é a média da variável resistência do elemento estrutural;
s - é a média da variável solicitação no elemento estrutural;
 - a média de ocorrências no intervalo de tempo t.
 - a média de ocorrências no intervalo de tempo t;
' - Coeficiente da norma calculado com a equação (5.13).
e - é o domínio estendido;
* - são os potenciais plásticos.
ic - são potenciais plásticos avaliados em nc pontos nodais;
 - é a densidade de um ponto do domínio estendido;
e - é a densidade do elemento;
e - é a densidade de material no ponto infinitesimal;
min - é o valor mínimo de densidade do elemento;
 - é o vetor de tensões no centro do elemento.
 - desvio padrão da variável aleatória X.
 - são os desvios padrão das variáveis X;
(x) - é um vetor que representa o estado de tensões em um ponto vetorial x;
c - desvio padrão da variável resistência do concreto;
C - é o vetor de tensões nos pontos de Gauss.
c - são as tensões generalizadas em nc pontos nodais;
*c - são as distancias dos nh hiperplanos que definem a superfície de
escoamento nos nc pontos nodais;
c - o desvio padrão da variável resistência do concreto;
 - é o desvio padrão de cada variável Xi.
m - é o desvio padrão da variável margem de segurança;
r - é o desvio padrão da variável resistência do elemento estrutural;
rd,max - Tensão máxima resistida pelo concreto.
rd,max - Tensão máxima resistida pelo concreto.
s - é o desvio padrão da variável solicitação no elemento estrutural.

y - o desvio padrão da variável resistência do aço.

y - desvio padrão da variável resistência do aço.
Símbolos matemáticos
! - Fatorial
∩ - Intersecção
∞ - Infinito
∪ - União
c  j - Sensibilidade analítica da função objetivo c em relação à variável de
projeto j.
cˆ  i - Sensibilidade corrigida da função objetivo c em relação à variável de
projeto i;

SUMÁRIO
1. INTRODUÇÃO ............................................................................................................ 22
1.1. OBJETIVOS .................................................................................................................. 24
1.2. ORGANIZAÇÃO DO TEXTO .................................................................................... 24
2. CONCEITOS BÁSICOS PARA ANÁLISE DE CONFIABILIDADE .................... 26

2.1. CONFIABILIDADE ESTRUTURAL ......................................................................... 27
2.2. CONCEITOS BÁSICOS DE PROBABILIDADE: ................................................... 29
2.2.1. Definições da teoria de conjuntos: ........................................................................ 31
2.2.2. Independência de eventos ...................................................................................... 34
2.3. TRATAMENTO DE VARIÁVEIS ALEATÓRIAS .................................................. 34
2.3.1. Distribuição de probabilidade ............................................................................... 35
2.3.2. Valores estatísticos de uma variável aleatória ..................................................... 36
2.3.3. Modelos de distribuição usados em análise de confiabilidade............................ 38
2.3.3.1. Distribuições discretas ............................................................................................. 38
2.3.3.2. Distribuição de Poisson ........................................................................................... 38
2.3.3.3. Distribuição normal e normal reduzida ................................................................... 39
2.3.3.4. Distribuição Lognormal ........................................................................................... 41
2.3.3.5. Distribuições Gumbel (valores extremos) ............................................................... 41
2.3.4. Momentos ................................................................................................................ 43
2.3.5. Probabilidade de duas ou mais variáveis ............................................................. 44
2.4. AJUSTE DE AMOSTRA A MODELOS ANALÍTICOS DE DISTRIBUIÇÕES .. 45
3. MODELOS DE BIELAS E TIRANTES ..................................................................... 47

3.1. CONCEITOS BÁSICOS SOBRE MODELOS DE BIELAS E TIRANTES PARA
VIGAS ............................................................................................................................ 47
3.1.1. Regiões B e D ........................................................................................................... 49
3.1.2. Determinação e refinamento do modelo reticulado ............................................ 50
3.1.3. Classificação e verificação dos elementos reticulados ......................................... 52
3.2. MODELOS CLÁSSICOS DE BIELAS E TIRANTES ............................................. 55
3.3. OBTENÇÃO DE STM VIA OTIMIZAÇÃO TOPOLÓGICA................................. 57
3.3.1. Instabilidades numéricas ....................................................................................... 59
3.3.2. Filtro de sensibilidade de Sigmund. ...................................................................... 61
3.3.3. Procedimento de otimização .................................................................................. 63
SANTOS, V. M. P. Lista de Sumário

3.3.4. Exemplos de resultados de OT para geração de STMs ...................................... 64
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
5.4.3. Aplicação 7 ............................................................................................................ 121
6. CONCLUSÕES E SUGESTÕES ............................................................................... 125

6.1. CONCLUSÕES ........................................................................................................... 125
6.2. SUGESTÕES PARA TRABALHOS FUTUROS..................................................... 127
Referencias bibliográficas .................................................................................................... 128
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.
A analogia de treliça foi inicialmente desenvolvida para dimensionamento de estribos em

vigas e teve seu conceito expandido para outros diversos tipos de elementos estruturais
principalmente depois do trabalho de Schlaich et al (1987) que apresenta técnicas
simplificadas para a obtenção de modelos e para verificação da resistência de bielas e nós. A
metodologia é caracterizada pela substituição da estrutura contínua de concreto armado por
uma estrutura equivalente reticulada, próxima das linhas de ruptura verificadas em ensaios
experimentais. Essa simplificação é fundamentada no teorema do limite inferior da teoria da
plasticidade, que garante que um campo de tensões, nesse caso representado pelas bielas e
pelos tirantes, que atenda as condições de equilíbrio e de resistência plástica conduz a um
limite inferior da carga de colapso da estrutura. Assim, apesar da diversidade de métodos
práticos para a geração desses modelos, sua aplicação em projeto têm apresentado bons
resultados, uma vez que, independentemente do modelo escolhido, sua carga de colapso do
modelo será sempre inferior ou igual à carga de colapso da estrutura contínua.
A otimização de topologia (OT) é um ramo da otimização, muito usada como ferramenta de

pré-projeto. A fase inicial dos projetos de estruturas pode ser vista como a busca pela melhor
distribuição de material em uma região do espaço, com a disposição do material definindo a
topologia da estrutura. A semelhança das soluções típicas da OT com os modelos de bielas e
tirantes veio ao encontro do anseio por um método de geração automática desses modelos, um
método que eliminasse ou reduzisse a grande dependência da experiência do projetista.
Surgiram então trabalhos como o de Liang et al (2000) que propuseram a obtenção de
modelos de bielas e tirantes pela aplicação de técnicas de otimização de topologia (OT).
V. M. P. SANTOS Capítulo 1 – Introdução

D0081E13:Analise de confiabilidade em modelos de bielas e tirantes 23
Ressalta-se, no entanto, que o modelo gerado via OT é apenas mais um na imensa gama de
modelos possíveis.
A existência de diversos modelos que atendam às condições do teorema do limite inferior,

entre eles os gerados via OT, leva à necessidade de um procedimento de escolha do modelo
que melhor representa a estrutura. O trabalho de Schlaich et al (1987) propõe o critério de
mínima energia elástica para a escolha de um modelo. Entretanto, como observa
Pantoja (2012), há certa contradição em se aplicar um critério baseado em análise elástica
para escolha do melhor modelo gerado pela aplicação do teorema do limite inferior da
plasticidade. Assim, um critério baseado em uma análise elasto-plástica do material ou na
carga de colapso da análise limite seria mais compatível com o problema.
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.
Em análises em que se tem pouco ou nenhum conhecimento sobre o comportamento das

variáveis aleatórias, utiliza-se a média dos valores amostrais como valor determinístico para
cada variável. Essa abordagem, correntemente conhecida como tensões admissíveis, é
caracterizada pela utilização de um fator de segurança responsável por representar as
incertezas de todas as variáveis. Esse tipo de abordagem mostrou-se ineficiente do ponto de
vista econômico devido à necessidade de valores muito altos para os fatores de segurança, de
forma a se garantir a segurança mesmo para variações desfavoráveis no valor das variáveis.
Com a evolução do conhecimento sobre os comportamentos das variáveis aleatórias,

conceitos de probabilidade passaram a ser utilizados para reduzir a ineficiência econômica da
abordagem determinística, ao custo contudo de tornar as análises mais complexas e
trabalhosas. Para conciliar a simplicidade da abordagem determinística e a precisão da
abordagem probabilística utilizam-se atualmente métodos semiprobabilísticos. Essa
abordagem tem, no lugar do coeficiente de segurança central, o coeficiente de ponderação de
cargas e de minoração de resistência baseados em probabilidade. No lugar da média das
variáveis passa-se a trabalhar com valores característicos que atendam a certa segurança pré-

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 objetivo principal deste trabalho é avaliar a eficiência de modelos de bielas e tirantes

gerados via OT frente a modelos clássicos utilizando o índice de confiabilidade do modelo
como parâmetro. Propõe-se, ainda, estudar adaptações nas técnicas de OT para melhor
geração de modelos de bielas e tirantes.
1.2. ORGANIZAÇÃO DO TEXTO
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

variáveis aleatórias, assim como o comportamento das principais distribuições analíticas de

probabilidade. No terceiro capítulo apresentam-se os conceitos necessários para a elaboração
de modelos de bielas e tirantes. Apresentam-se também os conceitos básicos sobre otimização
de topologia, apresentando o modelo de distribuição de densidades com penalização SIMP
(Solid Isotropic Material with Penalization), as instabilidades inerentes à técnica e o filtro de
sensibilidade utilizado neste trabalho para solução desse problema.
No quarto capítulo é apresentada a metodologia adotada neste trabalho. Apresenta-se

inicialmente a técnica de elementos indutores e a técnica de propriedades mecânicas
adaptativas, ambas para obtenção de modelos de bielas e tirantes via OT. Avalia-se ainda a
proposta de envoltória topológica para captar a influência das diversas combinações de carga
no resultado da OT. Posteriormente, são apresentadas as formulações para o método FORM e
para a Simulação de Monte Carlo, utilizados neste trabalho na análise de confiabilidade. Por
fim apresenta-se a formulação para análise limite e as funções de falha a serem utilizadas nas
abordagens para análise da eficiência dos modelos.
No quinto capítulo apresentam-se nove aplicações envolvendo os conceitos desenvolvidos

neste trabalho. A aplicação 1 explora o uso de elementos indutores e material adaptativo,
aplicados isoladamente e em combinação. A aplicação 2 explora o conceito de envoltória
topológica. A aplicação 3 visa validar a implementação do método FORM utilizada nas
demais aplicações deste trabalho. As aplicações 4 e 5 visam testar modelos consagrados de
normas internacionais, ACI 318 e Eurocode 2, respectivamente, à luz da análise de
confiabilidade. A aplicação 6 visa explorar a proposta de utilização do fator de colapso da
estrutura, calculado via análise limite, para a verificação da eficiência do modelo de bielas e
tirantes. Finalmente, as aplicações 7 a 9 exploram a proposta de utilização do índice de
confiabilidade com função de falha baseada no fator de colapso da análise limite.
O sexto capítulo apresenta a as conclusões e as sugestões para trabalhos futuros.

CAPÍTULO 2
CONCEITOS BÁSICOS PARA ANÁLISE DE
CONFIABILIDADE
Muitas das grandezas envolvidas no projeto de estruturas, como cargas e propriedades

mecânicas dos materiais, têm natureza aleatória, ou seja, para cada observação as variáveis
apresentam valores diferentes. Torna-se então necessário o estudo da influência dessa
variabilidade nas condições de segurança do projeto de estruturas, denominada análise de
confiabilidade estrutural.
Este capítulo apresenta os conceitos estatísticos necessários para avaliação da confiabilidade

de uma estrutura ou de um modelo de análise. Inicialmente, apresentam-se as diferenças entre
as abordagens das incertezas dos projetos estruturais. A abordagem determinística e
semiprobabilística são apresentadas e a abordagem baseada em confiabilidade é explicada
com maior enfoque. Os conceitos necessários para entendimento da abordagem baseada em
confiabilidades podem ser obtidos com maior profundidade em Melchers (1999) ou em Hart
(1982).
Inicialmente são introduzidos conceitos de probabilidade, tais como cálculo de probabilidades

de conjuntos, histogramas, distribuições de probabilidades e distribuições cumulativas. Em
seguida são apresentadas as principais funções de distribuição teóricas utilizadas em análise
de confiabilidade, juntamente com suas características e os respectivos valores estatísticos
representativos. Os valores estatísticos das funções de distribuição são importantes na escolha
da distribuição teórica que melhor representa a variável aleatória de interesse.
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.
V. M. P. SANTOS Capítulo 2 – Conceitos básicos para análise de confiabilidade

Analise de confiabilidade em modelos de bielas e tirantes 27
2.1. CONFIABILIDADE ESTRUTURAL
O objetivo principal dos métodos de análise e dimensionamento de estruturas é garantir a

segurança da estrutura e condições aceitáveis de utilização. A segurança em relação aos
estados limites últimos é garantida mantendo as solicitações atuantes inferiores às resistentes.
Entretanto as variáveis envolvidas no processo, como as propriedades mecânicas do material e
as cargas atuantes, frequentemente têm natureza aleatória embora sejam muitas vezes tratadas
como determinísticas. Assim, os métodos de dimensionamento de estruturas podem ser
classificados em determinísticos, semiprobabilísticos e probabilísticos.
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;
As normas brasileiras atuais trabalham com um método semiprobabilístico no qual, para

facilitar os cálculos, as variáveis são tratadas como determinísticas durante o processo de
análise e dimensionamento. Entretanto, as variáveis são tomadas por seus valores
característicos, baseados em probabilidade. Os valores de projeto são alcançados utilizando-se
coeficientes de ponderação, também baseados em probabilidade, de forma que as ações são

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:
Rd - Valor de projeto das resistências;
Sd - Valor de projeto das solicitações;
Ski - Valor característico do I-esimo carregamento;
Rk - Valor característico da resistência;
r - Coeficiente de minoração das resistências;
i - Coeficiente de majoração da i-esima solicitação.
r - Coeficiente de minoração das resistências.
Para as resistências costuma-se utilizar valores característicos que representam uma

porcentagem de segurança das amostras. Por exemplo, a resistência característica do concreto
(fck) representa a resistência à compressão com confiança superior a 95 % das amostras. E os
coeficientes r e i são estimados com pesquisas específicas e introduzidos nas normas de
projeto.
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;
 -Estado limite último de esgotamento da capacidade resistente da estrutura, no seu

todo ou em parte;
 -Estado limite último de esgotamento da capacidade resistente da estrutura no seu todo

ou em parte, considerando efeitos de segunda ordem;
 -Estado limite último provocado por solicitações dinâmicas;
 -Estado limite último de colapso progressivo;
 -Outros casos.
E os estados limites de serviço são:
 - Estado limite de formação de fissuras;
 - Estado limite de abertura de fissuras;
 - Estado limite de deformações excessivas;
 - Estado limite de vibrações excessivas;
 - Outros casos.
Nos métodos probabilísticos as imprecisões são atribuídas às próprias variáveis. Assim,

resistências e solicitações são grandezas aleatórias tomadas em função de outras variáveis,
também aleatórias, e o nível de segurança é determinado como a probabilidade de a
resistência ser maior que a solicitação. No projeto baseado em confiabilidade considera-se que
as variáveis são de natureza probabilística e projeta-se a estrutura para que atinja um
determinado índice de confiabilidade previsto pela normalização. Essa abordagem utiliza de
forma aprofundada os conceitos de probabilidade e estatística e objetiva garantir que as falhas
das estruturas tenham probabilidade de falha menor que um limite considerado seguro pelas
normas de projeto.
2.2. CONCEITOS BÁSICOS DE PROBABILIDADE
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.

Define-se ponto amostral como cada um dos possíveis resultados de um experimento,

representado por cada ponto na Figura 2.1. Espaço amostral () é o conjunto de todos os
valores possíveis de uma variável, ou seja, o conjunto de todos os pontos amostrais. Eventos
são subconjuntos do espaço amostral que atendem a uma delimitação do observador.
Figura 2.1 – Espaço amostral, pontos amostrais e amostras.
Ponto amostral
Amostra
Espaço
amostral
Os eventos podem ser dispostos em histogramas de frequência, que computam a frequência de

ocorrência de cada evento no espaço amostral. A Figura 2.2 mostra um exemplo de
histograma e histograma de frequência para exemplos com 10.000 observações de uma
distribuição normal de média nula e desvio padrão unitário. O histograma apresenta o número
de ocorrências em que a variável se encontra em cada intervalo e o histograma de frequência é
uma representação adimensional do histograma.
Figura 2.2 – Histogramas: a) histograma e b) histograma de frequência.
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:
Nf - número de elementos de um evento;
Nt - o número de elementos no espaço amostral.
A probabilidade de ocorrência de um evento depende do espaço amostral e do evento

observado. No caso de eventos representados por pontos discretos, o cálculo de
probabilidades pode ser feito por contagem de elementos nos conjuntos, tanto do conjunto de
eventos quanto do espaço amostral. No caso de eventos com representação contínua, é
necessário um estudo maior sobre a teoria de conjuntos.
2.2.1. Definições da teoria de conjuntos:
Os principais conceitos de conjuntos que podem ser aplicados às probabilidades são: a

intersecção; a união; probabilidades condicionais; probabilidade total; e os teoremas da
Probabilidade Total e de Bayes. Os conceitos aqui abordados podem ser vistos com mais
detalhes em Melchers (1999).
A intersecção de eventos é o conjunto de elementos que pertencem simultaneamente a dois

eventos. Sendo A e B dois eventos independentes, a intersecção entre eles (A ∩ B) pode ser
calculada pela equação (2.6), com representação esquemática apresentada na Figura (2.3).
P( A  B)  P( A) P( B) (2.6)
Figura 2.3 – Representação esquemática da intersecção.
A A B B

A união dos eventos A e B é o conjunto de elementos que pertencem a A ou a B, incluindo os

que pertencem aos dois simultaneamente. Essa situação é representada esquematicamente na
Figura (2.4) e matematicamente pela equação (2.7).
P( A  B)  P( A)  P( B)  P( A  B) (2.7)
Figura 2.4 – Representação esquemática da união.
A B
A B
Evento complementar A a um conjunto A significa o conjunto de elementos que não estão

contidos no conjunto A. Essa situação pode ser representada esquematicamente na
Figura (2.5) e matematicamente na equação (2.8)
Figura 2.5 – Representação esquemática de eventos complementares.
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)
A probabilidade de ocorrência de um evento B é, então, dada por:
P( B)  PB | A1  P A1   PB | A2  P A2     PB | AN  P AN  (2.12)
Assim, aplicando-se (2.9) e (2.11) a (2.12), tem-se a expressão do Teorema da

Probabilidade Total, apresentada na equação (2.13) e representada esquematicamente na
Figura (2.6).
N
P( B)   P Ai  B  (2.13)
i 1
Figura 2.6 – Representação esquemática do teorema da probabilidade total.
A B

A1  B
A1 A2 A1 A4
O Teorema de Bayes permite calcular a probabilidade de ocorrência de um evento Ai

condicionado a um evento B. Para tanto, considera-se que:
P A  B PB  A (2.14)
Aplicando-se (2.9) em (2.14), tem-se:
P( A | B) P( B)  P( B | A) P( A) (2.15)

Considerando-se N eventos como definido em (2.9) e (2.10) e a equação (2.15), tem-se:
P( B | Ai ) P( Ai )
P( Ai | B)  (2.16)
P( B)
Aplicando-se (2.12) em (2.16), tem-se:
P( B | Ai ) P( Ai )
P( Ai | B)  (2.17)
PB | A1  P A1   PB | A2  P A2     PB | AN  P AN 
2.2.2. Independência de eventos
Eventos são chamados de independentes se a ocorrência de cada evento não influencia a

probabilidade de ocorrência dos demais eventos. Considerando-se dois eventos independentes
A e B, o cálculo da probabilidade da intersecção entre os dois eventos é feito com a
equação (2.18). Substituindo-se a equação (2.9) na equação (2.18) obtém-se a equação (2.19)
e conclui-se que a probabilidade de ocorrência do evento A condicionada a B é a mesma
probabilidade de A sem a condição e vice versa, o que comprova que a intersecção refere-se a
eventos independentes.
P( A  B)  P( A) P( B) (2.18)
P( A | B)  P( A) e P( B | A)  P( B) (2.19)
Os eventos complementares aos eventos independentes também são independentes. Dessa

forma, A e B, A e B e também A e B são independentes.
2.3. TRATAMENTO DE VARIÁVEIS ALEATÓRIAS
A aleatoriedade das variáveis pode ser representada utilizando-se distribuições de

probabilidade e as funções que dependem das variáveis aleatórias podem ser resolvidas a
partir de suas distribuições. Com isso, serão apresentados nesta seção os conceitos referentes
às distribuições de densidades e às distribuições cumulativas de probabilidades, assim como
as principais distribuições teóricas e os seus parâmetros. Também serão apresentados os
conceitos e o equacionamento de momentos e momentos centrais, parâmetros que
caracterizam as variáveis. Por fim será apresentado o comportamento das funções de variáveis
dependentes de uma ou mais variáveis aleatórias.
2.3.1. Distribuição de probabilidade
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)
As funções cumulativas são monotonicamente crescentes e podem ser representadas pela

equação (2.21)
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
A função de densidade de probabilidade (probability density function – PDF) é dada pela

derivada da função de distribuição acumulada, conforme (2.23).
dFX x 
f X x   (2.23)
dx
As equações (2.24) e (2.25) apresentam as principais características de uma função de

distribuição de probabilidades.
f X ()  0
(2.24)
f X ( )  0
Sendo:
f X  P( X  x ) (2.25)
A Figura 2.7 mostra o comportamento da função de distribuição de probabilidade

(Figura 2.7a) e da função cumulativa de probabilidade (Figura 2.5b).
Figura 2.7 – Funções de probabilidade: a) PDF; b) CDF.
x
dx 0
a) b)
2.3.2. Valores estatísticos de uma variável aleatória
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:
 - valor esperado da variável aleatória X;
 - média da variável aleatória X;
f(x) - distribuição de densidades da variável X.
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:
VAR(X) - variância da variável aleatória X;
 - desvio padrão da variável aleatória X.
O desvio padrão é a raiz quadrada da variância e o coeficiente de variação a razão entre o

desvio padrão e a média.
O coeficiente de skewness (1), calculado com a equação (2.29), é um indicador de simetria

da PDF com relação à média. Os valores positivos indicam que valores maiores que a média
são mais dispersos, os valores negativos indicam que valores maiores que a média são menos
dispersos; e valor igual a zero indica que os valores são simétricos.

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)

2.3.3. Modelos de distribuição usados em análise de confiabilidade
Existem diversos modelos de distribuição de probabilidade bastante estudados por

descreverem de forma satisfatória as incertezas de diversos fenômenos da natureza. Para cada
um desses modelos há parâmetros específicos que definem a função. Essas funções de
distribuição teóricas podem ser classificadas em distribuições discretas e contínuas.
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.
2.3.3.1. Distribuições discretas
A chamada tentativa de Bernoulli é caracterizada por subdividir o espaço amostral em apenas

dois resultados possíveis, ocorrência e não ocorrência. A sequência binomial é obtida com
sucessivas tentativas de Bernoulli independentes e de probabilidade constante para um
determinado número de tentativas. A distribuição geométrica busca obter a probabilidade de
cada tentativa de Bernoulli apresentar a primeira ocorrência.
2.3.3.2. Distribuição de Poisson
Assim como a tentativa de Bernoulli é importante no desenvolvimento das distribuições

discretas utiliza-se o processo de Poisson como base para o desenvolvimento de distribuições
contínuas. O processo de Poisson ocorre em meios contínuos, portanto em pequenos
intervalos com infinitas tentativas e baixas probabilidades. Pode ocorrer em qualquer ponto do
meio contínuo e as ocorrências são independentes umas das outras. Dessa forma tem-se a
relação obtida na equação (2.31)
  t  n p (2.31)

Sendo:
 - a média de ocorrências no intervalo de tempo t;
n - o número de ocorrências de probabilidade p;
 - a quantidade de ocorrências esperadas no intervalo.
A distribuição de Poisson tem função apresentada na equação (2.32) e é definida pelos

parâmetros t e . O valor esperado e a variância são calculados pela equação (2.33)
( t ) x  t
f ( x)  e (2.32)
x!
E ( x)   t
(2.33)
VAR ( x)   t
Sendo:
 - a média de ocorrências no intervalo de tempo t.
2.3.3.3. Distribuição normal e normal reduzida
A distribuição normal é o principal tipo de distribuição e é bastante utilizada por representar

de forma satisfatória, diversos fenômenos da natureza. É definida pela média e pelo desvio
padrão. A função de distribuição (PDF) é expressa pela equação (2.34) e a distribuição
cumulativa (CDF) não tem função analítica definida, mas seus valores podem ser obtidos por
processos numéricos.
1  x 
2
1   
2  
f ( x)  e (2. 34)
2 
A Figura (2.8) mostra o comportamento da distribuição normal com a variação do desvio

padrão.

Figura 2.8 – Funções de probabilidade normais variando o desvio padrão: (a) PDF; (b) CDF.
a) b)
A distribuição normal reduzida é um caso particular da distribuição normal com média de

valor zero e desvio padrão unitário. É uma distribuição utilizada na normalização das
distribuições, utilizando sua média e desvio padrão como mostra a equação (2.35).
X 
XR  (2. 35)

Sendo:
X - uma variável aleatória;
XR - a variável normal padrão de X.
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)

2.3.3.4. Distribuição Lognormal
A distribuição Lognormal é uma distribuição definida pelos parâmetros  e , com PDF

apresentada na equação (2.36). A média e o desvio padrão desse tipo de distribuição podem
ser obtidos com a equação (2.37). A Figura (2.10) mostra o comportamento da distribuição
lognormal.
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)
2.3.3.5. Distribuições Gumbel (valores extremos)
Algumas distribuições estão voltadas a obtenção de valores extremos, máximos ou mínimos

como, por exemplo, a distribuição de Gumbel. A função de distribuição de máximos pode ser
representada pela equação (2.38), com função cumulativa calculada com (2.39). A
equação (2.40) apresenta a média e desvio padrão que a correlaciona com a distribuição
normal.
f ( x)   e   xu  A( x, ) (2.38)

F ( x)  e  A( x ,  ) (2.39)
0.5772
 u 
 (2.40)


6
Com:
A( x,  )  e   ( xu ) (2.41)
Sendo:
u - a moda, ou seja, o valor de maior probabilidade;
 - o parâmetro de forma.
A função de distribuição de mínimos de Gumbel é apresentada na equação (2.42), a

distribuição cumulativa apresentada na equação (2.43) e a média e desvio padrão apresentada
na equação (2.44).
f ( x)   e  xu B ( x, ) (2.42)
F ( x)  1  e  xu B x,  (2.43)
0.5772
 u 
 (2.44)


6
Com:
B( x,  )  e ( xu ) (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

2.3.5. Probabilidade de duas ou mais variáveis
Chama-se distribuição de densidades conjuntas as funções de probabilidade dependentes de

mais de uma variável. Sendo X e Y duas variáveis independentes, a Figura (2.15) mostra o
comportamento desse tipo de distribuição.
Figura 2.12 – Distribuição com duas variáveis
Y f xy
Sabendo-se que as funções marginais são as distribuições de cada variável independentemente

e que as probabilidades acumuladas são certas no infinito, tem-se a equação (2.48) e, por
conseguinte, a equação (2.49).
[ X  x, Y  ]  [ X  x] (2.48)
 x
Fx ( x)  Fxy ( x, )    f xy (u, v) du dv (2.49)
 
Analogamente a função marginal da variável Y é expressa pela equação (2.50).
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),
Cov[ x, y]  E[( X   x )(Y   y )]  E[ X Y ]   x  y (2.53)
m k n  E[( X   x ) k (Y   y ) n ] (2.54)
 k n  E[ X k Y n ] (2.55)
2.4. AJUSTE DE AMOSTRA A MODELOS ANALÍTICOS DE

DISTRIBUIÇÕES
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.
No caso de projeto de estruturas, o JCSS (Joint Committee on Structural Safety) pesquisa as

distribuições das principais variáveis aleatórias necessárias para cálculos estruturais. Os
parâmetros utilizados nas análises deste trabalho seguirão suas prescrições. Dentre as
prescrições sugeridas pela JCSS para distribuições de carregamento, geometria e resistência
podem ser citadas como a seguir.
Propriedades dos materiais:
Normalmente as resistências dos materiais não possuem valores negativos;

Geralmente pode-se utilizar a distribuição lognormal para a representação da resistência

dos materiais;
O tipo de distribuição e seus parâmetros devem ser obtidos a partir de uma amostra
grande e homogênea.
Parâmetros geométricos:
A variabilidade de dimensões estruturais e geometria global tendem a ser pequenas;
Variáveis ligadas à fabricação podem ter grandes coeficientes de variação (por exemplo,
imperfeições, desalinhamentos, tensões residuais, defeitos de solda entre outros);
As variações geométricas podem ser adequadamente representadas por uma distribuição

normal ou lognormal.
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;
Para cargas acidentais geralmente a variável aleatória importante é a magnitude do

carregamento extremo, que ocorre durante um período referente a informação para a qual
a probabilidade de falha é calculado (exemplo, anual, vitalícia);
A distribuição de probabilidade de máximo extremo pode ser aproximada por uma

distribuição de valor extremo (Como Gumbel, Frechet, Weibul entre outros).

CAPÍTULO 3
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.
Este capítulo apresenta os princípios que fundamentam os modelos de bielas e tirantes,

apresentando inicialmente conceitos referentes a vigas e posteriormente generalizando o
conceito para outros tipos de estrutura. Em seguida são indicados os procedimentos para a
determinação dos modelos e apresentados exemplos de procedimentos para a verificação da
resistência das bielas e no dimensionamento dos tirantes. Em seguida mostram-se modelos
clássicos desenvolvidos em pesquisas da área.
Em uma segunda parte do capítulo serão expostos conceitos referentes à otimização de

topologia, que pode ser utilizada na obtenção de modelos de bielas e tirantes. Neste trabalho
optou-se pelo processo de otimização utilizando o método dos elementos finitos com a
utilização do modelo SIMP - Solid Isotropic Material with Penalization – (BENDSØE, 1989
e ZHOU; ROZVANY, 1991) e o filtro de sensibilidade de Sigmund (SIGMUND, 2001).
3.1. CONCEITOS BÁSICOS SOBRE MODELOS DE BIELAS E

TIRANTES PARA VIGAS
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).
O conceito de STM fundamenta-se na utilização das tensões principais para determinar,

dentro do elemento estrutural de concreto, as regiões mais solicitadas, usando para isso o
V. M. P. SANTOS Capítulo 3 – Modelos de bielas e tirantes

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
Figura 3.2 – Exemplo de modelo 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
Schlaich e Shäffer (1991) classificam as regiões da estrutura de concreto em B (Bernoulli) e

D (Descontinuidade). As regiões B são locais em que a estrutura segue o princípio de
Bernoulli, ou seja, as seções originalmente planas permanecem planas após as deformações,
os esforços cisalhantes são desprezíveis e as deformações variam de forma linear ao longo da
altura da seção transversal. As regiões D são caracterizadas por descontinuidades que levam

essa região da estrutura a não se comportar segundo o princípio de Bernoulli, apresentando

esforços de cisalhamento significativos, que mudam a direção das tensões máximas de tração
e de compressão. Assim, torna-se necessária a presença de armaduras transversais que
auxiliem a resistir ao cisalhamento. A Figura 3.3 mostra regiões B e D em duas estruturas de
concreto armado.
Figura 3.3 – Exemplos de regiões B e D (Meirinhos, 2008).
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.
3.1.2. Determinação e refinamento do modelo reticulado
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) Tensões principais de tração b) Tensões principais de compressão
c) Modelo A- Tirantes horizontais, verticais e d) Modelo B- tirantes horizontais e verticais

inclinados
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.
Figura 3.5 – Exemplo de estratégia para determinação do modelo de bielas e tirantes

adaptado de Schlaich e Shäffer (1991).
Legenda
Tirante
Biela
a) modelo bom b) modelo ruim

Alguns autores como Liang et al(2000) defendem a utilização da otimização de topologia

(OT) como opção para a determinação do STM cuja principal vantagem é o procedimento
sistematizado que condiciona a participação do projetista nas etapas de verificação,
conferência e análise da solução apresentada. Atualmente, autores como Kwak (2006),
Bruggi (2009) e Victória (2011) empenham-se no emprego da otimização nos STM. No
entanto, mesmo com o auxilio da otimização de topologia ou das tensões principais, o
refinamento e a delimitação definitiva das dimensões de bielas, tirantes e nós ainda é feita
sem um procedimento preciso.
3.1.3. Classificação e verificação dos elementos reticulados
Os procedimentos de verificação e detalhamento do modelo foram propostos por vários

autores e normas. Neles, verifica-se a necessidade de classificação das bielas e dos tirantes
quanto à geometria e aos materiais e a classificação dos nós quanto à quantidade de bielas e
tirantes ligados por ele.
a. Classificação das bielas
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:
Tabela 3.1 – Coeficientes de resistência de bielas.
Estado multiaxial e de distúrbios de fissuras Resistência efetiva das bielas

Estado uniaxial e sem perturbação 1,0 fcd
Fissuras paralelas aos campos de compressão 0,8 fcd
Fissuras inclinadas aos campos de compressão 0,6 fcd
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.
b. Classificações dos tirantes
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.
Para o dimensionamento dos tirantes, pode-se utilizar as expressões obtidas com a

equação (3.1) para a determinação da área de aço e a equação (3.2) para a determinação da
área de concreto.
 f Rst
As  (3.1)
f yd
 f Rst
Ac  (3.2)
f cd
Onde:
Rst - é a carga aplicada ao tirante;
f - é o coeficiente de majoração da carga;
fyd - é a tensão de cálculo de escoamento do aço;
fcd - é a tensão de cálculo de resistência à compressão do concreto.

c. Classificação dos nós
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.
Tabela 3.2 – Coeficientes de resistência dos nós (SCHLAICH; SHÄFFER, 1991).
Condição do nó Resistência à compressão do nó

Apenas tensões de compressão existentes 1,1 fcd
Tensões de tração existentes 0,8 fcd
Os nós também podem ser classificados segundo a quantidade de bielas e tirantes

interceptados por ele como mostrado na Tabela 3.3. Na nomenclatura adotada por
Schlaich e Shäffer (1991), a letra C indica compressão e a letra T indica tração.
Tabela 3.3 – Tipos de nós (SCHLAICH; SHAFFER, 1991).
Tipo de nó Característica
CCC Intercepta apenas bielas
CCT Intercepta apenas um tirante
CTT Intercepta apenas uma biela
A Tabela 3.4 mostra uma proposta de critério de resistência à compressão do nó obtido de

MacGregor (1988).

Tabela 3.4 – Coeficientes de resistência dos tipos de nós (MACGREGOR, 1988)
Tipo de nó Resistência à compressão do nó

CCC 0,85 fcd
CCT 0,65 fcd
CTT 0,50 fcd
3.2. MODELOS CLÁSSICOS DE BIELAS E TIRANTES
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.
Para exemplificar, apresentam-se na Figura 3.7 os modelos de bielas de Schlaich e Shäffer

(1991) para viga parede e para ligação pilar-viga. Outros exemplos são apresentados na
Figura 3.8 para consolos simples e vigas-parede com dois furos, ambos obtidos por
Liang et al (2000) com a utilização de otimização de topologia. E a Figura 3.9 mostra o
exemplo de Liang et al (2002) para consolos duplos, mostrando o resultado ótimo e o STM
corespondente.

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)
3.3. OBTENÇÃO DE STM VIA OTIMIZAÇÃO DE TOPOLOGIA
A otimização de topologia é o campo da otimização que trata da distribuição ótima de

material em um volume do espaço pré-determinado, denominado domínio estendido, de modo
a maximizar ou minimizar uma característica global da estrutura, mantendo-se constante o
volume total de material. No caso da aplicação aos STMs o domínio estendido é o volume da
estrutura de concreto e a função objetivo visa minimizar a flexibilidade média da estrutura, o
que significa maximizar a rigidez.
A fim de se dar generalidade à formulação, as técnicas de OT na maioria das vezes lançam

mão de um método discreto para a análise. Neste trabalho, assim como na maioria das
aplicações de OT, utiliza-se o método dos elementos finitos (MEF), considerando-se um valor
único de densidade no domínio de cada elemento. As variáveis de projeto, portanto, são as
densidades de cada elemento e a formulação do problema discreto assume a forma da
expressão (3.3).
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:
c - é a flexibilidade média da estrutura;
e - é a densidade do elemento;
Ve - é o volume do elemento;
Vt - é o volume da estrutura;
Nel - é o numero de elementos utilizado na discretização do domínio estendido;
min - é o valor mínimo de densidade do elemento;
K - é a matriz de rigidez da estrutura;
Û - é o vetor de deslocamentos nodais da estrutura;
F̂ - é vetor de forças nodais da estrutura.
O valor mínimo de densidade do elemento, min, é um valor muito próximo de zero,

introduzido a fim de evitar problemas na solução do sistema de equações na solução do MEF.
É necessário estabelecer uma relação entre a densidade e as propriedades mecânicas do

material. A relação direta entre elas e a relaxação do problema, permitindo densidades
intermediárias resulta em soluções estruturais não factíveis. Assim, Bendsøe3 (1989, apud
BENDSØE; SIGMUND, 2003) e Zhou e Rozvany (1991) propuseram o modelo SIMP (Solid
Isotropic Material with Penalization) para relacionar densidades e propriedades mecânicas. O
modelo SIMP utiliza um expoente sobre as densidades visando privilegiar valores nulos e
unitários em detrimento de valores intermediários e é representado pela equação (3.4). O
aumento da penalidade (p) aumenta a não linearidade da função objetivo e consequentemente
o número de mínimos locais. Bendsøe e Sigmund (2003) recomenda valores de penalidade
superiores a três e a experiência dos autores observa que valores até cinco são suficientes.
Utiliza-se neste trabalho penalização com valor três pois observa-se esta penalidade em
conceituadas pesquisas da área, como Sigmund (2001).
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:
 - é a densidade de um ponto do domínio estendido;
Es - é o módulo de elasticidade do material sólido;
E - é o módulo de elasticidade do ponto do domínio estendido;
p - é um coeficiente de penalização.
A solução de problemas de otimização demandam a análise da sensibilidade da função

objetivo e das restrições em relação às variáveis de projeto. No caso do problema apresentado
em (3.3), a sensibilidade das restrições diretas em relação a cada variável de projeto é igual à
unidade. Já a sensibilidade da função objetivo pode ser calculada como em (3.5). Mais
informações podem ser obtidas em Bendsøe e Sigmund (2003).
c
K  ρe  U
p 1 ˆ T ˆ
  p e U (3.5)
 e
3.3.1. Instabilidades numéricas
A técnica de OT é sujeita a instabilidades numéricas como: aparecimento de soluções em

tabuleiro de xadrez ou em ilhas; dependência de malha; e múltiplos mínimos locais.
As soluções em tabuleiro de xadrez são caracterizadas pela presença de regiões com

sequências de elementos unitários seguidos de vazios como mostra a Figura 3.10. Essas
soluções apresentam uma falsa rigidez visto que elementos vazios na realidade não
apresentam rigidez e não podem ser considerados as melhores soluções, mas contribuem com
uma baixa rigidez na solução via MEF.

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
A dependência de malhas é caracterizada por uma imprecisão no resultado da otimização

60
devido à existência de vários resultados para o mesmo domínio estendido, dependendo da
discretização e do número de elementos da malha, como pode ser exemplificado na
Figura 3.12.

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.
3.3.2. Filtro de sensibilidade de Sigmund.
Para contornar o problema das instabilidades numéricas características da técnica de OT,

Sigmund (19944, apud SIGMUND, 2001) propôs um procedimento heurístico na forma de um
filtro sobre as sensibilidades. A sensibilidade de cada elemento é corrigida em função das
sensibilidades dos elementos vizinhos, utilizando-se uma média ponderada em que o peso
aumenta à medida que o elemento vizinho se aproxima do elemento.
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 vizinhançawi 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
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:
i - indica o ponto de medição da variável de projeto i, relacionada à sensibilidade

c / i que se deseja corrigir;
j - indica os pontos de medição das variáveis de projeto inclusas na região wi

centrada na variável de projeto i.;
NVP - indica o número de variáveis de projeto;
c  j - é a sensibilidade analítica da função objetivo c em relação à variável de projeto j;
cˆ  i - é a sensibilidade corrigida da função objetivo c em relação à variável de projeto i;
Ĥ f - é o operador que estabelece a influência de cada variável de projeto yj na correção
da sensibilidade analítica c / j.
Na equação (3.6), o operador Ĥ j é dado por:
Hˆ j  rmin  dist (i, j )

{ j   w se dist (i, j )  rmin } (3.7)
i  1,  , NVP

Sendo:
dist - é uma função que mede a distância entre os pontos i e j;
rmin - é o raio da circunferência ou da esfera centrada na variável de projeto que define a

região we de influência dessa variável.
A atuação do filtro de sensibilidade é representada na Figura 3.14, onde b) representa a

solução sem filtro e c) a solução com filtro, ambas para uma malha de 120 x 20, enquanto d)
representa a solução sem filtro e (e) a solução com filtro, ambas para uma malha de 240 x 40.
Verifica-se que o filtro elimina tanto a solução em tabuleiro de xadrez como a dependência de
malha.
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)
3.3.3. Procedimento de otimização
No procedimento computacional implementado neste trabalho, o processo de otimização,

pode ser dividido em quatro etapas: análise estrutural via MEF, obtendo os deslocamentos
nodais da estrutura; avaliação da função objetivo com o cálculo da flexibilidade média;
análise de sensibilidade; aplicação do filtro de sensibilidade; e, por fim, aplicação do critério

de otimização obtendo um novo conjunto de variáveis de projeto. Esse processo é apresentado

esquematicamente no fluxo de procedimentos da Figura 3.15.
Figura 3.15 – Fluxograma do procedimento de OT utilizado.
Inicialização
Análise estrutural
(MEF)
Solução
ótima
Não converge
Análise de sensibilidade
Aplicação de filtros de correção

(filtro de sensibilidade)
Uso do algoritmo de otimização

(Critério de optimalidade)
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).
3.3.4. Exemplos de aplicação de OT para geração de STMs
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
a) 0,4m 0,4m 0,4m
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
a) 0,4m 0,4m 0,4m
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
0,5 1,5m 2,5 m 2,5 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.

CAPÍTULO 4
METODOLOGIA
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.
Primeiramente são apresentadas técnicas de otimização de topologia úteis para a geração de

STMs, como a introdução de elementos que induzam a formação de tirantes ou de bielas no
modelo e a consideração de propriedades mecânicas distintas para bielas e para tirantes.
Discute-se também a influência das combinações de carregamento no resultado do STM.
Apresenta-se a seguir a formulação da simulação de Monte Carlo e dos métodos de
transformação FOSM (First Order Second Moment) e FORM (First Order Reliability
Method), utilizados para a análise de confiabilidade dos modelos de bielas e tirantes. No
campo da análise limite, são apresentados os teoremas básicos da análise limite, seguidos da
formulação para estruturas de treliça.
4.1. GERAÇÃO DE STM VIA OTIMIZAÇÃO DE TOPOLOGIA
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.
V. M. P. SANTOS Capítulo 4 – Metodologia

Por fim, têm-se a metodologia utilizada para a consideração de várias combinações de

carregamento, trabalhando-se o problema como otimização multicarregamento. Apresentam-
se os conceitos de pontos de Pareto, com exemplos de aplicação obtidos de Pantoja (2012).
4.1.1. Elementos indutores em OT
Para expandir a utilização da otimização de topologia foram desenvolvidas técnicas que

possibilitam seu uso em projetos que apresentam condições de manufatura diversificadas
como a necessidade de furos ou de presença de material em determinadas regiões,
combinações de carregamento, simetrias e repetições de padrão. Dentre estas importantes
técnicas, os elementos indutores são utilizados para garantir a presença ou a ausência de
materiais em regiões especificadas pelo projetista. Para isso, Sigmund (2001) apresenta os
elementos passivos, uma metodologia heurística em que o projetista define um mapeamento
com os elementos que devem ter densidade mínima, fixando esse valor durante o processo de
otimização.
A técnica de elementos indutores apresentada em Pantoja (2009) é uma adaptação dos

elementos passivos apresentados em Sigmund (2001), impondo não somente a ausência, mas
também a presença de material em uma região. A técnica diferencia-se ainda por não
restringir a presença de material durante todo o processo, mas apenas durante um número
restrito de iterações, limitando-se a apenas estimular a densidade prescrita de material nos
elementos mapeados. Pantoja (2009) propõe a utilização dessa técnica para a obtenção de
modelos de bielas e tirantes com características almejadas pelos projetistas, diversificando as
possibilidades de modelos obtidos via OT. A técnica introduz a possibilidade de induzir os
resultados definindo as densidades unitárias apenas como valores iniciais do problema,
conduzindo a um mínimo local conveniente ao projetista. A Figura (4.1) apresenta este
exemplo, sendo a Figura 4.1a o sistema estrutural adotado, a Figura 4.1b o sistema estrutural
juntamente com os elementos indutores, a Figura 4.1c o resultado de otimização obtido sem o
uso de elementos indutores e a Figura 4.1d o resultado de otimização obtido com o uso de
elementos indutores.

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)
Esta utilização, no entanto, necessita de um estudo mais aprofundado na escolha da malha e

do raio de filtro de sensibilidade, uma vez que este pode impedir que o resultado venha a
convergir para os mínimos locais desejados, reconduzindo ao resultado sem indução.
4.1.2. Consideração de diferentes propriedades de material em OT
Em geral, a OT é abordada considerando-se a existência de apenas um material. Sua

utilização na forma clássica para a geração de modelos de bielas e tirantes, no entanto, não
leva em consideração que o aço apresenta módulo de elasticidade 10 vezes superior ao do

concreto. Propõe se nesta seção o estudo da OT considerando-se dois materiais que

representam o concreto e o aço.
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:
 - é o vetor de tensões no centro do elemento.
E - é a matriz elástica do elemento..
B - é a matriz deformação-deslocamento do elemento.
U - é o vetor de deslocamentos nodais do elemento.
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.
4.1.3. Múltiplas combinações de carregamento em OT
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).
Este trabalho propões formular o problema de otimização multicarregamento de forma

semelhante ao que se faz em Arora (2006) para um problema de otimização multiobjetivo.
Assim, o problema pode ser formulado com a equação (4.2) sujeito às restrições (4.3), (4.4) e
(4.5)
min F(x)   f1 ( x), f1 ( x), f1 ( x),..., f1 ( x), nobj  2 (4.2)
hk (x)  0 k  1,.., ne (4.3)
g i (x)  0 i  1,.., ni
(4.4)
xlj  x j  xuj j  1,..., npv

(4.5)
Sendo:
x - é o vetor de variáveis de projeto;
F(x) - é o vetor das nobj funções objetivos a serem minimizadas;
hk(x) - é a função de restrição de igualdade;
gi(x) - é a função de restrição de desigualdade;
ne - é o numero de funções de igualdade;
ni - é o numero de funções de desigualdade;
npv - é o numero de variáveis de projeto;
nobj - é o numero de funções objetivo;
Rnvp - espaço das variáveis de projeto.
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
Portanto, sendo x pertencente a um espaço viável do domínio R, chamam-se ótimos de Pareto,

xp , os pontos pertencentes ao espaço viável de R que não atendem às equações (4.6) e (4.7)
Arora (2006).
f k ( x)  f k ( x p ) para k  1,..., n
(4.6)
f k ( x)  f k ( x p ) para ao menos uma função objetivo (4.7)
A Figura 4.3 representa esquematicamente os conceitos de pontos de Pareto, mostrando na

Figura 4.3a os pontos de Pareto em seu domínio factível R, e na Figura 4.3b as imagens dos
pontos de Pareto mostrando sua dominância com relação aos demais pontos.

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:
F - Função dependente das funções objetivo a serem minimizadas;
fk - é a função objetivo k no projeto inicial x0;
k - é o coeficiente normalizado referente à função objetivo k.
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 4.4 – Exemplo de obtenção de envoltórias topológicas (Pantoja 2012).
Com a envoltória topológica obtida é possível determinar um modelo de bielas e tirantes

adequado para qualquer combinação de cargas, como apresentado na Figura 4.5.
Figura 4.5 – Exemplo de obtenção do modelo de bielas e tirantes de uma envoltória topológica (Pantoja 2010).
4.2. ANÁLISE DE CONFIABILIDADE
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

variáveis aleatórias por equivalentes, de forma a simplificar a análise com aproximação do

resultado.
4.2.1. Simulação de Monte Carlo
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).
A simulação de Monte Carlo é um método de amostragem artificial utilizado na solução de

experimentos aleatórios onde se tem conhecimento das distribuições de probabilidade das
variáveis envolvidas. Tem sido utilizado para determinar a confiabilidade de sistemas
estruturais (PULIDO et al, 1992) por sua simplicidade e pela facilidade da implementação
computacional. A ideia do método é escrever a integral que se deseja calcular como um valor
esperado. Assim, a partir dos tipos de distribuição e de seus parâmetros para cada variável,
criam-se conjuntos de dados amostrais para cada variável e testam-se os resultados das
combinações caso a caso.
Sua utilização requer a geração de N amostras independentes das variáveis aleatórias X,

obtidas a partir da função densidade de probabilidade conjunta fX(X). A probabilidade de falha
pode ser expressa partindo da integral definida em (4.10) ou, de forma mais genérica, em
(4.11).
PF   f
GX ( X )  0
X ( X) dX (4.10)
PF   I G
X
X ( X)  0 f X ( X) dX (4.11)

Onde:
GX(X) - é a função de falha, que relaciona as variáveis envolvidas na análise;
I[] - é um indicador que corresponde aos valores apresentados em (4. 12);
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:
Xi - representa a i-ésima amostra do vetor das variáveis X geradas a partir da função

densidade de probabilidade fX(X);
N - é o número de amostras independentes das variáveis aleatórias X.
O valor de PF passa a ser determinado pela expressão (4.14):
Número de simulações em que GX ( X i )  0

PF  (4.14)
N
Para valores pequenos da probabilidade de falha, a variância é expressa em (4.15):
V PF   PF
1  PF   PF (4.15)
N N
Para as estruturas usuais, a probabilidade de falha é pequena, geralmente da ordem de 10-3 a

10-5. Como a variância é inversamente proporcional ao número total de simulações, o valor de
N deve ser elevado para que se possam obter aproximações aceitáveis de PF. Por esse motivo,
o método de Monte Carlo é frequentemente utilizado para checar outras técnicas aproximadas
(PULIDO et al, 1992).

4.2.2. Métodos de transformação
Os métodos de transformação são técnicas utilizadas no cálculo de probabilidades de falha das

estruturas baseados na transformação das variáveis aleatórias em variáveis do tipo normal
padrão equivalente. Desses métodos destacam-se o FORM (first order reability method) e o
SORM (second order reability method) por trabalharem com variáveis não normais que
representam a maioria dos problemas de confiabilidade.
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.
4.2.2.1. Método de transformação MVFOSM
Os chamados métodos de transformação calculam a probabilidade de falha a partir do índice

de confiabilidade  que é dependente da função de falha utilizada. Esta subseção aborda o
chamado método FOSM que é caracterizado pela simplificação da função de falha utilizando-
se a primeira ordem da série de Taylor.
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.
O MVFOSM foi idealizado inicialmente por Cornell4 (1969, apud HALDAR;

MAHADEVAN, 2000) utilizando apenas duas variáveis aleatórias normais e independentes,
uma referente às resistências R e a outra às solicitações S. Neste problema utiliza-se a variável
margem de segurança Z calculada em função de R e S com a equação (4.16).
4
CORNEL, C. A. A Probability-Based Structural Code. Journal of the American Concrete Institute. v 66, n 12, p, 974-985,
1969.

Z  RS (4.16)
A probabilidade de falha da estrutura é calculada com a equação (4.17). Chama-se índice de

confiabilidade  a relação apresentada na equação (4.18)
 
PF  1    z  (4.17)
 z 
z   s
  r (4.18)
z  r  s
Generalizando-se para mais de duas variáveis aleatórias tem-se a equação (4.19)
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.

4.2.2.2. Método de transformação AFOSM
No método AFOSM, assim como no método MVFOSM, a função de falha também é

expandida na série de Taylor. Entretanto, neste caso, a expansão é centrada no chamado ponto
de projeto, ponto de maior probabilidade pertencente à função de falha, que é obtido de forma
iterativa com o chamado algoritmo de Hassofer e Lind 5 (1974, apud HALDAR e
MAHADEVAN, 2000). O ponto de projeto pode ser obtido geometricamente no campo de
variáveis normais - padrão como a menor distância entre a função de falha e a origem das
variáveis normais - padrão equivalentes. Para isso é necessária a transformação das variáveis
aleatórias em variáveis normais - padrão.
A transformação de variáveis aleatórias é a substituição de uma variável por outra

equivalente. Para transformar uma variável aleatória X em outra variável Y utiliza-se a
expressão (4.24).
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.
No método AFOSM utiliza-se a transformação de Hassofer e Lind5 (1974, apud

MELCHERS, 1999), que transforma uma variável com distribuição normal em outra
equivalente normal reduzida. Em problemas com mais de uma variável essa transformação
pode ser expressa pela equação (4.25).
X i  i
Yi  ( X i )  (4.25)
i
Onde:
 - é a função de distribuição acumulada da variável normal padrão;
 - é a média de cada variável Xi;
 - é o desvio padrão de cada variável Xi.
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:
 - é o vetor de médias das variáveis X;
 - são os desvios padrão das variáveis X;
Jxy - é o jacobiano das variáveis X em relação às variáveis Y.
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.
a. Probabilidade de falha e índice de confiabilidade
Neste método a probabilidade de falha é calculada a partir do índice de confiabilidade com a

expressão (4.29).
PF  ( ) (4.29)

O índice de confiabilidade é obtido geometricamente como a distância entre a origem das

variáveis normais - padrão e o ponto de maior probabilidade MPP (most probable point) na
função de falha.
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 RS (4.30)
Onde:
M - é a variável margem de segurança;
R - é a variável de resistência;
S - é a variável de solicitação;
PF - é a probabilidade de falha do elemento;
 - é a função de distribuição cumulativa da distribuição normal padrão;
 - é o índice de confiabilidade do elemento.
Este problema pode ser representado pela Figura 4.4.
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 

Desta forma usando-se trigonometria pode-se calcular o índice de confiabilidade  como em

(4.31).
r  s
 (4.31)
 r2  s2
Onde:
r - é a média da variável resistência do elemento estrutural;
s - é a média da variável solicitação no elemento estrutural;
r - é o desvio padrão da variável resistência do elemento estrutural;
s - é o desvio padrão da variável solicitação no elemento estrutural.
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).
G(X)  M (X)  a0  a1 X 1...  an X n (4.32)
  min( y T y)1/ 2 sendo g (y)  0 (4.33)
Onde:
a0,..an - são coeficientes que determinam a reta que representa a função de falha;
y - é o vetor de variáveis normais - padrão.
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.

Figura 4.7 – Representação esquemática do índice de confiabilidade.
Y2
Superfície de
falha aproximada
G(Y)  0 Ponto de
projeto
G(Y)  0
Y1
Sendo yi a variável normalizada de xi e i o cosseno diretor da função, a aproximação linear

da função de falha é expressa pela equação (4.34) e o índice de confiabilidade pela equação
(4.35).
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
b. -Obtenção do ponto de projeto
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.

A função lagrangeana do problema (4.36) é apresentada na equação (4.37) com multiplicador

de Lagrange :
min( )  (y T y)1/ 2   g (y) (4.37)
Aplicando-se o princípio da estacionaridade à função lagrangeana, obtém-se as equações

(4.38) e (4.39).
 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)
A partir da equação (4.38), com  obtido com a equação (4.41), considerando-se gy o

gradiente da equação (4.40), gyi um elemento do vetor gradiente gy e ysi um elemento do vetor
ys chega-se à equação (4.43).
g yi yis
i    (4.43)
gy ys
Onde:
y* - são os valores estacionários de y;
gyi - é o gradiente da função de falha em relação à variável yi;
 - é o elemento i do versor que indica a direção do ponto de projeto y.
A equação (4.43) pode ser expressa em forma matricial como na equação (4.44).

gy y *
y* (4.44)
gy
A norma do vetor y* por definição é o próprio índice de confiabilidade  e, portanto, a

equação (4.44) pode ser reescrita na forma da equação (4.45).
gy y *
β (4.45)
gy
A expansão gy em série de Taylor até primeira ordem fornece:
gl (y)  g (y*)  (y  y*)g y (4.46)
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 m1  α m   m   (4.47)
 g my 
A expressão recursiva apresentada em (4.48) é conhecida como algoritmo HLRF, e representa

um método numérico muito utilizado para a obtenção do ponto de projeto e consequentemente
índice de confiabilidade e probabilidade de falha de elementos estruturais. Este
equacionamento é obtido utilizando-se as equações (4.47), (4.43) e (4.35).
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:
1) Inicialização de xk (geralmente inicializado como a média das variáveis)
2) Determinação da função de falha g(x) que representa a função de falha da estrutura.
3) Determinação do gradiente da função de falha gx(x) como a derivada de g(x) em relação a

X.

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)
6) Repete-se os passos 2 a 5 até a verificação da convergência.
7) Calculo da probabilidade de falha com a equação (4.29).
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).
4.2.2.3. Método de transformação FORM
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.
Sendo Z a variável normal - padrão equivalente à variável original X, o ponto de projeto z*

referente à normal padrão Z pode ser obtido a partir do ponto de projeto referente à variável
original utilizando-se a equação (4.49).
zi*   1 ( Fxi ( xi* )

(4.49)
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.
 ( z i* )
 Xneq 
i
fx i ( xi* ) (4.50)
 Xneq  xi*  zi*  Xneq

i i (4.51)
Depois de determinada a distribuição normal equivalente obtém se o novo ponto de projeto

com uso do algoritmo HLRF descrito na equação (4.48) da técnica AFOSM. Esse
procedimento é repetido até que se atinja a convergência do ponto de projeto.
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 
Com isso procura-se transformar o vetor de variáveis dependentes Z em um vetor com

variáveis independentes Y utilizando a equação (4.53). O jacobiano, que representa as
derivadas das variáveis Z em relação às variáveis Y, está apresentado na equação (4.54).
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:
1) Determinação do dos coeficientes de correlação das variáveis com a equação (4.52) e do

jacobiano Jzy com a equação (4.54)
2) Inicialização de xk (geralmente inicializado como a média das variáveis)
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).
4) Determinação da função de falha g(x) que representa a função de falha da estrutura.
5) Determinação do gradiente da função de falha gx(x) como a derivada de g(x) em relação a

X.
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)

8) Repete-se os passos 2 a 5 até a verificação da convergência.
9) Cálculo da probabilidade de falha com a equação (4.29)
4.2.3. Probabilidade de sistemas
Os métodos de transformação FORM, AFOSM e SORM são utilizados para a obtenção de

índices de confiabilidade de funções de falha individuais. Entretanto, nos problemas
estruturais têm-se um maior interesse no cálculo da probabilidade de falha total da estrutura.
Para isso é necessário utilizar dos conceitos de probabilidade de sistemas, apresentados aqui
de forma sucinta. Mais informações sobre o assunto podem ser obtidas em Melchers (1999).
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:
pf - é a probabilidade de falha do sistema;
gi (V) - a função de falha i do vetor de variáveis aleatórias V;
V - é o vetor de variáveis aleatórias.
Neste trabalho, apesar de admitir estruturas hiperestáticas, busca-se a probabilidade de que o

primeiro elemento entre em ruptura independentemente de redundância. Por isso foram
considerados apenas sistemas em série.

Utilizando-se os conceitos de probabilidade apresentados no capítulo 2, obtém-se a

probabilidade de falha dos sistemas em série como apresentado na equação (4.65).
n n n n n n
pf   Pi   Pik   Pikl   (4.65)
i 1 i 1 k i i 1 k i l  k
Onde as parcelas são obtidas das equações (4.66).
Pi  Pg i V   0
Pik  PPg i V   0  Pg k V   0 (4.66)
Pikl  PPg i V   0  Pg k V   0  Pg l V   0
As probabilidades individuais dos componentes Pi são calculados com a expressão (4.67) e a

probabilidade das intersecções entre dois componentes é apresentada na equação (4.68). As
componentes de intersecções entre três ou mais componentes são considerados desprezíveis
visto que, em problemas de estruturas, as probabilidades de falha tendem a ser pequenas.
Pi    i  (4.67)
Pik    i , j ,  ik 

(4.68)
Sendo:
(-) - é a função cumulativa da distribuição normal padrão;
(-,-,ik) - é função de distribuição cumulativa binormal.
A função de distribuição cumulativa binormal é calculada com a equação (4.69) em função da

distribuição binormal apresentada na equação (4.70). Os coeficientes de correlação entre as
funções de falha são obtidos dos processos de transformação com a equação (4.71).
( i , j , i j )    i    j       i , j ,   d

i j
(4.69)
0
 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
A probabilidade de falha da estrutura toda, portanto, é obtida com a equação (4.74).
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:
pf - é a probabilidade de falha do sistema obtida na expressão (4.65);
pf max - é a probabilidade de falha máxima do sistema;
pf min - é a probabilidade de falha mínima do sistema;
pf T - é a probabilidade de falha final considerando-se que os valores devem estar entre a

probabilidade de falha máxima e a mínima.
4.3. ANÁLISE LIMITE
A análise limite é um método importante no estudo do comportamento plástico das estruturas.

Este método se baseia em três teoremas fundamentais: Teorema do limite superior, teorema
do limite inferior e teorema da unicidade.
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 segundo teorema expõe que em um sistema cinematicamente compatível e em que se

garantem as condições de escoamento, o fators que multiplica o carregamento inicial de
forma a garantir a menor energia potencial, representa um limite superior 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)
4.3.1. Dualidade estático-cinemática
Os problemas de otimização linear podem ser reformulados em uma segunda abordagem em

que se substitui um problema de maximização por outro de minimização reorganizando-se as
variáveis, os coeficientes e os termos independentes. Desta forma o problema original é
chamado primal e a segunda abordagem é chamada dual.
Segundo Faria (1992) as relações fundamentais de equilíbrio e compatibilidade das estruturas

são duais e, portanto, sua formulação deve atender ao princípio da dualidade estático-
cinemática (SKD-Static-Kinimatic Duality). Este princípio implica que havendo uma matriz
que relaciona deformações e deslocamentos sua transposta relaciona forças e tensões da
estrutura.
4.3.2. Formulação
As equações de equilíbrio e de compatibilidade em uma formulação contínua podem ser

obtidas com as equações de dualidade estático-cinemática das equações (4.76) para o
equilíbrio e (4.77) para compatibilidade.
ε(x)   u(x) (4.76)
 T σ T (x)  b(x)  0 (4.77)

Sendo:
(x) - é um vetor que representa o estado de deformações em um ponto vetorial x;
u(x) - é o vetor de deslocamentos no ponto vetorial x;
(x) - é um vetor que representa o estado de tensões em um ponto vetorial x;
b(x) - é o vetor de cargas aplicadas no ponto vetorial x;
 - é uma matriz composta por operadores diferenciais.
Utilizando-se o método dos elementos finitos utilizam-se as equações de interpolação dos

deslocamentos com a equação (4.78) e a interpolação das tensões em pontos de Gauss na
expressão (4.79).
u(x)  Hu(x) u A (4.78)
σ(x)  Hσ(x) σ C (4. 79)
Onde:
Hu - é a matriz de interpolação dos deslocamentos;
H - é a matriz de interpolação das tensões;
uA - é o vetor de deformações nos nós discretos;
C - é o vetor de tensões nos pontos de Gauss.
Usando-se o MEF, chega-se as equações (4.80) e (4.81) de equilíbrio e compatibilidade,

respectivamente.
ε(x)   Hu(x) u A (4.80)
 b(x)   Hσ(x) σ c (4.81)
Pré-multiplicando-se a compatibilidade da equação (4.80) pelo vetor de interpolação de

tensões He integrando-se no volume, tem-se a equação (4.82).
 Hσ (x)ε(x) dV  Hσ T (x) Hu(x) dV u A

T
(4.82)
V V
E, portanto, chega-se a equação (4.83):

εC  Cu A (4.83)
Sendo:
ε C   Hσ T (x) ε(x) dV (4.84)

V
C   Hσ T (x) Hu(x) dV (4.85)

V
Utilizando-se o método dos resíduos ponderados multiplica-se a expressão (4.81) por u e

integra-se no volume chegando-se à equação (4.86).
  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
Integrando-se por partes tem-se a equação (4.88)
 ( ij ui), j dV    ij ui, j dV   bi ui dV  0
V V V
(4.88)
Usando-se a identidade de Green tem-se a equação (4.89).
  ij n j ui dV   bi ui dV    ij ui, j dV
V V V
(4.89)
Sendo:
nj - são as direções normais à superfície do corpo.
Utilizando-se as fórmulas de Cauchy que representam as forças de superfície, transforma-se a

equação (4.89) na equação (4.90).
u p(x) dS   u T p(x) dV   ε T (x)σ(x)dV

T
(4.90)
S V V

Utilizando-se as equações do MEF (4.78) e (4.79) na equação (4.90) chega-se a

expressão (4.91):
(u A )T  Hu T (x)p(x) dS  (u A )T  Hu T (x)b(x) dV  (u A )T  Hu T (x) Hσ(x) dV σ C (4.91)

S V V
Como a equação (4.91) é valida para qualquer vetor de deslocamentos nodais simplifica-se a
expressão chegando-se à equação (4.92):
 Hu (x)p(x) dS   Hu T (x)b(x) dV   Hσ T (x) Hu (x) dV σ C

T
(4.92)
S V V
A equação (4.92) pode ser reformulada na equação (4.93):
f A C σ C (4.93)
Sendo fa obtida com a equação (4.94) e C com a equação (4.95):
f A   Hu T (x)p(x) dS   Hu T (x)b(x) dV (4.94)

S V
C   Hσ T (x) Hu(x) dV (4.95)

V
Observa-se que, com as equações (4.83) e (4.93), verifica-se novamente a dualidade estático -
cinemática da estrutura.
4.3.2.1. Relações de plasticidade
As relações de plasticidade descritas neste capítulo foram encontradas no trabalho de

Faria (1992). Considera-se o comportamento plástico perfeito, caracterizado pela superfície
de escoamento definida como "o lugar geométrico das resultantes de tensões ou combinações
de tensões que provocam plastificação do material" (FARIA, 1992).
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.

Figura 4.8 - Parâmetros dos hiperplanos.
1
n1
hiperplanos
n2
*1
2
As equações (4.96) e (4.97) representam os parâmetros i e ni, respectivamente.
 *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:
NH - é o numero de hiperplanos que define a superfície de escoamento linearizada.
Assim o critério de resistência do elemento é garantido com a equação (4.90):
π*  QT σ(x)  σ*  0 (4.98)
Sendo:
* - são os potenciais plásticos.
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
Segundo Faria (1992) é necessária a verificação da condição de complementaridade expressa

em (4.102).
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


Discretizando-se em ne nós, essas relações passam a ser expressas na equação (4.104).
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 tensões generalizadas em nc pontos nodais;
c - são as deformações generalizadas em nc pontos nodais;
ic - são potenciais plásticos avaliados em nc pontos nodais;
*c - são os parâmetros plásticos de deformação avaliados em nc pontos nodais;
*c - são as distâncias dos nh hiperplanos que definem a superfície de escoamento nos nc
pontos nodais;
Qc - é a matriz que obtém as direções perpendiculares dos nh hiperplanos avaliados nos nc

hiperplanos.

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 
4.3.2.2. Formulação da análise limite como um problema de PL
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:
fa - é o carregamento aplicado aos nós da estrutura;
fpa - é o carregamento permanente nos nós da estrutura;
f0a - são os valores iniciais do carregamento variável;
i - é o fator de colapso da estrutura.
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)

Com as equações de compatibilidade, equilíbrio e plasticidade junto com as equações (4.107)

e (4.108) tem-se o sistema de equações (4.109):
 (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
4.3.2.3. Formulação pelo limite inferior
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

4.3.2.4. Formulações de análise limite para treliça plana
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).
Hu(x)  0.5 1   1   (4.113)
H ( x)  1 (4.114)
Utilizando-se as funções de interpolação com a equação (4.95) chega-se que a matriz de

equilíbrio dos elementos é dada pela equação (4.115). Utilizando-se a matriz de rotação dos
elementos com a matriz de equilíbrio dos elementos têm-se a matriz de equilíbrio da estrutura.
Cel  Ael  1 1
(4.115)
Sendo:
Ael - a área da seção transversal de cada elemento;
Cel - a equação de equilíbrio de cada elemento.
Quanto à resistência, o caso específico da treliça se resume à resistência de escoamento da

treliça e, portanto, o parâmetro de direções do hiperplano pode ser montado na forma
mostrada na equação (4.116) e o parâmetro de distância se refere à tensão de escoamento do
aço ou do concreto mostrado na equação (4.117).
 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).

CAPÍTULO 5
RESULTADOS
Este capítulo apresenta os resultados de simulações numéricas com o objetivo de estudar a

qualidade de modelos de bielas e tirantes obtidos com otimização de topologia. Apresenta-se
comparação de desempenho entre esses modelos e modelos clássicos obtidos na bibliografia.
Para confrontar os modelos são adotados os seguintes parâmetros de eficiência citados em
Pantoja (2010): critério de confiabilidade, análise limite e análise de confiabilidade com
análise limite.
O primeiro critério, baseado na análise de confiabilidade, é naturalmente visto como

ferramenta de analise da eficiência dos modelos, pois o índice de confiabilidade ou a
probabilidade de falha indicam com boa precisão o nível de segurança que cada modelo pode
atingir. Por outro lado, o modelo de comportamento rígido-plástico dos materiais utilizado na
análise limite se mostra muito mais coerente que uma análise elástica, pois a teoria que
embasa a utilização dos modelos de bielas e tirantes como método de dimensionamento e
análise de estruturas de concreto armado baseiam-se no teorema do limite inferior da análise
limite (PANTOJA, 2010). Por isso o fator de colapso do teorema do limite inferior pode ser
um critério interessante na escolha dos melhores modelos. Desta forma, o índice de
confiabilidade considerando uma análise estrutural baseada na análise limite pode ser visto
como o critério mais indicado na seleção dos melhores modelos.
Este capítulo é organizado em quatro seções, segundo os conceitos desenvolvidos nos

capítulos 2 a 4. A primeira seção mostra resultados de otimização de topologia com técnicas
que visam aproximar os resultados de otimização de topologia à sua utilização em projetos
estruturais. Explora-se o conceito de envoltórias topológicas, utilizadas para considerar as
combinações de cargas, e a utilização de módulos de elasticidade diferentes nas regiões de
tração e de compressão para se assemelhar melhor à configuração do concreto armado. A
segunda seção apresenta um estudo sobre o critério de confiabilidade. Inicialmente pretende-
se validar as ferramentas de confiabilidade utilizando-se exemplos de aplicação que
comparem resultados obtidos com o método FORM, Monte Carlo e os resultados da
V. M. P. SANTOS Capítulo 5 – Resultados

literatura. Em seguida são avaliados os modelos e os procedimentos de cálculo preconizados

pelo ACI 318(ACI, 2008) e pelo Eurocode 2 (CEN, 2004) para consolos. A terceira seção
apresenta os resultados com critério de escolha do modelo baseado em análise limite e a
quarta os resultados com critério de escolha do modelo baseado na associação entre análise
limite e análise de confiabilidade.
5.1. APLICAÇÃO 1 - MODELOS DE BIELAS E TIRANTES OBTIDOS

VIA OTIMIZAÇÃO DE TOPOLOGIA
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.
5.1.1. Adaptação dos conceitos de OT à obtenção de STMs
Para exemplificar o uso das técnica de OT ao problema de obtenção de STMs resgata-se e

amplia-se o exemplo apresentado no Capítulo 4 (Pantoja, 2012) e analisa-se a viga-parede da
Figura 5.1(a) com os elementos indutores posicionados na vertical conforme mostrado na
Figura 5.1(b). Neste exemplo, o domínio estendido foi discretizado com malha de 80 x 80
elementos, coeficiente de penalidade p = 3, raio do filtro de sensibilidade rmin = 1,2 elementos
e fração de volume Vf = 15%. Considerou-se a carga aplicada P e o módulo de elasticidade do
material sólido E0 com valores unitários. No caso da análise considerando a diferença de
módulos de elasticidade, considerou-se o módulo de elasticidade no tirante com valor 10 E0.
A determinação da elasticidade do elemento é feito calculando-se, via MEF, as tensões  para

cada elemento que representam 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.

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.
Figura 5.2 – Resultado da OT da aplicação 1: a) convencional; b) com elementos indutores.
\
a) b)

Em geral, os problemas de OT são analisados considerando-se a existência de somente um

tipo de material, gerando modelos coerentes com as aplicações a STMs. No entanto, uma
linha possível de investigação no sentido de aperfeiçoar a aplicação de OT à obtenção de
STMs é a correta avaliação dos módulos de elasticidade para as regiões de tração e de
compressão, visando uma melhor representação da estrutura de concreto armado. No modelo
implementado neste trabalho a decisão sobre o módulo de elasticidade a ser adotado é feita
durante o processo de OT com base nas tensões principais em cada elemento, conforme
descrito no Capítulo 4.
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)
As técnicas de elementos indutores e de consideração de diferentes composições de material

foram combinadas para obtenção dos resultados apresentados na Figura 5.4, ambos com a
utilização de elementos indutores. A Figura 5.4(a) apresenta o STM obtido considerando um
único material, enquanto a Figura 5.4(b) apresenta o STM obtido considerando os dois tipos
de materiais. Observa-se novamente a redução da espessura do tirante, decorrente do módulo
de elasticidade maior nessa região, e um aumento de espessura das bielas comprimidas.
Ressalta-se que a detecção das regiões referentes aos tirantes é feita de forma automática com
base nas tensões principais do elemento.

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)
5.1.2. Aplicação 2 - combinações de carregamento
O objetivo deste exemplo é ilustrar a variabilidade dos resultados de OT em relação aos

valores das cargas aplicadas. Trata-se de uma situação comum de projeto, onde diversas
combinações críticas de carregamento devem ser levadas em consideração. Para tanto, estuda-
se a viga-parede da Figura 5.5, com e sem furo, considerando quatro combinações de
carregamento, utilizando-se os conceitos de ótimo de Pareto (ARORA, 2004). Os parâmetros
de otimização adotados foram malha de 60x60, fator de penalidade p = 3, raio do filtro de
sensibilidade rmin = 3 elementos e fração de volume de Vf = 30%.
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)
Foram geradas 8 (oito) combinações de carregamento, segundo as expressões (5.1), para os

seguintes valores do coeficiente : 0; 1/7; 2/7; 3/7; 4/7; 5/7; 6/7; e 1.

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.

5.2. APLICAÇÃO 3 - VALIDAÇÃO DA IMPLEMENTAÇÃO DO

MÉTODO FORM
A fim de verificar a implementação do método FORM utilizada neste trabalho, foram

realizadas análises de confiabilidade da viga parede bi apoiada da Figura 5.8 para as
dimensões apresentadas na Tabela 5.1. Devido à relação entre altura e vão da estrutura
descrita acima, a hipótese de Bernoulli não é válida. Nesses casos, utilizam-se comumente os
modelos de bielas e tirantes para dimensionamento da estrutura.
Figura 5.8 – Viga bi apoiada da aplicação 3.
ac La
L Lt Lt L B
Tabela 5.1 – Dimensões da viga bi apoiada da aplicação 3.
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.
Figura 5.9 – Modelo de bielas e tirantes da aplicação 3 para verificação da implementação do método FORM .
Tabela 5.2 – Valores estatísticos e característicos da análise de confiabilidade da aplicação 3.
Resistência Resistência Carga Carga

Grandeza do concreto do aço permanente acidental
(MPa) (MPa) (kN) (kN)
Média 26,6 560 915,5 900
Desvio Padrão 4 30 45,8 270
Valor característico 20 500 1000 1000
Os resultados apresentados na Figura 5.10 mostram a variação do índice de confiabilidade em

função da resistência do concreto utilizando-se o método FORM e a simulação de Monte
Carlo. Observa-se boa concordância de resultados, o que valida a implementação do método
FORM realizada neste trabalho.
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

5.3. APLICAÇÃO 4 - ESCOLHA DE MODELO BASEADA NO FATOR

DE COLAPSO DA ANÁLISE LIMITE
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)
A Figura 5.12 apresenta a variação do fator de colapso da análise limite em função da

resistência característica do concreto para os quatro modelos da Figura 5.11. Considerou-se
área de aço de 68 cm2 e bielas com espessura de 40 cm.

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
Os modelos 1 a 3 apresentaram, segundo o critério do fator de colapso, desempenho inferior

ao modelo 4. Os modelos 2 e 3 obtiveram desempenhos parecidos, atingindo o escoamento
das armaduras para valores de fck acima de 30 MPa. O modelo 1 foi o de pior desempenho. Os
modelos 1, 2 e 3 se mostraram bastante frágeis, atingindo o patamar de escoamento das
armaduras apenas para valores acima de 40 MPa. Em geral, os resultados reproduzem
qualitativamente os obtidos por Pantoja (2012), havendo discrepância apenas no Modelo 3.
5.4. ESCOLHA DE MODELO BASEADO EM ANÁLISE DE

CONFIABILIDADE COM FALHA DETERMINADA PELA
ANÁLISE LIMITE
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.
G( Xy, Xc, Xs )  r ( Xy, Xc)  s ( Xs ) (5.2)
Onde:
Xc - Variável aleatória de resistência do concreto.
Xy - Variável aleatória de resistência do aço.

Xs - Variável aleatória referente às solicitações.
r - Variável aleatória fator de colapso referente a resistência da estrutura.
s - Variável aleatória fator de colapso referente às solicitações na estrutura.
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:
G(X) - Função de falha das variáveis aleatórias X.
X - Vetor de variáveis aleatórias.
d - Variação aplicada no método das diferenças finitas.
5.4.1. Aplicação 5
Primeiramente analisou-se a estrutura da Figura 5.8 com dimensões apresentadas na

Tabela 5.1, já analisada segundo o fator de colapso. São analisados os mesmos 4 (quatro)
modelos de bielas e tirantes apresentados na Figura 5.17. Os valores estatísticos e
semiprobabilísticos das variáveis aleatórias são apresentados na Tabela 5.3. Foram utilizadas
distribuição lognormal para as resistências, distribuição normal para a carga permanente e
distribuição Gumbel para a carga acidental. Foram utilizadas áreas de aço de 40 cm2 e bielas
de 25 cm.

Tabela 5.3 – Valores estatísticos e semiprobabilísticos da viga parede da aplicação 5.

Variável do concreto do aço permanente acidental
Média Variável 560 457,8 450
Desvio Padrão 0,15  30 22,9 135
Valor característico Variável 500 500 500
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.
A seguir, apresenta-se na Figura 5.14 a variação do índice de confiabilidade com a resistência

do concreto utilizando 3 (três) valores de área de aço (20 cm2, 30 cm2 e 40 cm2). Essa análise
foi feita para o modelo 4.
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
Observa-se que o aumento na taxa de armadura e do fck levam a um deslocamento do patamar

de escoamento que aumentaria o nível de segurança da estrutura. Para armadura de 20 cm2 o
modo de ruptura é sempre dúctil, porém com índice de confiabilidade inferior aos demais.
Para armadura de 30 cm2 observa-se que o modelo passa de ruptura frágil para dúctil com
valores ainda baixos de fck. Já para armadura de 40 cm2 o modelo passa de ruptura frágil para
dúctil com valores mais altos de fck, embora atinja índices de confiabilidade mais altos para fck
mais altos.
A seguir, os índices de confiabilidade (sempre utilizando análise de confiabilidade com

função de falha da análise limite) foram obtidos para área de aço de 40 cm2 e espessura da
viga parede de 30 cm, para três valores de espessuras de biela (20 cm, 25 cm e 30 cm) e
variando-se o valor da resistência característica do concreto. Essa análise também foi feita
para o modelo 4.

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.
e diversos valores de espessura da biela.
6

sb
5 20 cm
25 cm
30 cm
4
20 24 28 32 36 40
fck
A seguir analisou-se o mesmo exemplo de aplicação apresentado por Pantoja (2010).

Observa-se que a comparação entre os resultados deve se dar de forma qualitativa tendo em
vista que a formulação deste trabalho não utiliza coeficientes para a consideração de
incertezas epistêmicas apresentadas em Pantoja (2010). Assim, analisa-se a viga parede com
balanço apresentada na Figura 5.16 com dados geométricos apresentados na Tabela 5.4.
Tabela 5.4 – Dimensões da viga parede com balanço da aplicação 6.
Grandeza geométrica ac L
Dimensão (cm) 30 250

Figura 5.16 – Viga parede com balanço da aplicação 6.
L L
ac
L
ac
Os valores estatísticos e semiprobabilísticos das variáveis aleatórias são apresentados na

Tabela 5.5. Ressalta-se que os valores das cargas utilizadas representam metade do
apresentado em Pantoja (2010). Foram utilizadas distribuição lognormal para as resistências,
distribuição normal para a carga permanente e distribuição Gumbel para a carga acidental e
analisados os modelos de bielas e tirantes da Figura 5.17.
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.

Variável do concreto do aço permanente acidental
Média 26,6 560 457,8 450
Desvio Padrão 4 30 22,9 135
Valor característico 20 500 500 500
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
Todos os modelos analisados conseguiram apresentar escoamento das armaduras no intervalo

de fck adotado. Observa-se que o modelo 4 apresenta desempenho superior ao dos demais. O
modelo 3 apresenta perda de resistência na região de transição e após a transição tem-se um
crescimento do índice de confiabilidade diferentemente dos demais modelos que permanecem
com índice de confiabilidade constante.

A seguir, apresenta-se na Figura 5.19 a variação do índice de confiabilidade com a resistência

do concreto utilizando 3 (três) valores de área de aço (30 cm2, 40 cm2 e 50 cm2). Essa análise
foi feita para o modelo 3.
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
Observa-se que o aumento na taxa de armadura e do fck levam a um deslocamento do patamar

de escoamento que aumentaria o nível de segurança da estrutura. Para as armaduras de 30 cm2
e de 40 cm2 observa-se que o modelo passa de ruptura frágil para dúctil com valores altos de
fck. Já para armadura de 50 cm2 o modelo conserva ruptura frágil em todo o intervalo de fck
analisado. Observa-se ainda que as curvas para 40 cm2 e 50 cm2 apresentam um pico no
trecho em que a ruptura se dá por esmagamento de bielas comprimidas. Isso se dá devido a se
tratar de uma treliça hiperestática onde o esmagamento de uma biela não determina
necessariamente o colapso da estrutura. No trecho inicial, o modo de ruptura se dá pelo
esmagamento de duas bielas, no trecho central pelo esmagamento de uma biela e escoamento
de um tirante e no trecho final pelo escoamento de dois tirantes.
A seguir, os índices de confiabilidade (sempre utilizando análise de confiabilidade com

função de falha da análise limite) foram obtidos para área de aço de 40 cm2 e espessura da
viga parede de 30 cm, para três valores de espessuras de biela (40 cm, 50 cm e 60 cm) e
variando-se o valor da resistência característica do concreto. Essa análise também foi feita
para o modelo 3.

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.
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
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.
Figura 5.21 – Transversina da aplicação 7.
a L L a
P1 P2 P3
h2
h1
La Lb La
Tabela 5.6 – Dimensões da transversina da aplicação 7.
Grandeza geométrica L A H1 H2 La Lb
Dimensão (cm) 366 34 70 122 263 274
Inicialmente foi usada a técnica de OT para obtenção do modelo de bielas e tirantes

considerando material homogêneo. A seguir, executa-se a análise de confiabilidade de cada
modelo tendo a análise limite como subproblema e os critérios do ACI para determinação das
resistências das bielas e dos tirantes. Nessa análise foram consideradas 8 (oito) variáveis
aleatórias: as resistências do concreto (Fc) e do aço (Fy); as parcelas permanentes (P1g, P2g, e
P3g) e acidentais (P1q, P2q, e P3q) de cada uma das cargas.
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.
Tabela 5.7 – Valores estatísticos das variáveis da aplicação 7.
Variável Distribuição Média ( ) Desvio padrão ( )

Fc LogNormal Variável 0,15 
Fy LogNormal 560 30
P1g Normal 934,04 46,7
P1q Gumbel 918,45 275,54
P2g Normal 535 26,75
P2q Gumbel 526 157,8
P3g Normal 133 6,65
P3q Gumbel 131 39,2
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)
A seguir, faz-se a avaliação de desempenho do modelo 1 e de dois outros modelos

apresentados por Reineck e Novak (2010), Pantoja (2012) e um modelo simetrizado baseado
do resultado de OT apresentados na Fig. 5.23.
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.

Figura 5.24 – Variação do índice de confiabilidade dos modelos em função do fck.
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.

CAPÍTULO 6
CONCLUSÕES E SUGESTÕES
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.
Assim, neste capítulo são apresentadas discussões e conclusões sobre os aspectos

desenvolvidos e apresentados nos capítulos 1 a 4 e sugestões para trabalhos futuros.
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.
A utilização de métodos de OT na obtenção de modelos de bielas e tirantes possibilita ao

projetista uma aproximação boa para a solução inicial. No entanto, situações de projeto que
envolvam considerações relacionadas a tecnologias construtivas como barras retas, limitações
V. M. P. SANTOS Capítulo 6 – Conclusões e sugesões

de ângulos e posicionamento da armadura devem ser analisadas pelo projetista a partir da

solução da otimização topológica clássica. O uso de elementos indutores e de módulos de
elasticidade adaptativos se revelaram uma opção bastante interessante para esses casos. Na
aplicação 1 foram avaliadas duas adaptações à técnica clássica de otimização de topologia,
visando a obtenção de modelos de bielas e tirantes: o uso de elementos indutores e as
propriedades mecânicas adaptativas. A aplicação com utilização dos elementos indutores
permitiu produzir tirantes ou bielas verticais e horizontais em problemas que o resultado de
otimização de topologia gera naturalmente tirantes inclinados. A utilização da técnica das
propriedades mecânicas adaptativas, aqui com uso de módulos de elasticidade diferentes,
também se mostrou promissora. É importante observar que esta técnica, que admite o uso de
dois materiais, permite que a proporção entre as espessuras das bielas e dos tirantes
apresentadas na otimização de topologia sejam mais próximas da proporção real, podendo ser
utilizada para determinar com maior facilidade a geometria das bielas dos tirantes e dos nós.
No entanto, são necessários mais estudos para explorar essa potencialidade. As duas técnicas
foram associadas, também com sucesso.
A aplicação 2 explorou conceito de envoltória topológica para a obtenção de modelos em

estruturas sob ação de várias combinações de carga. A técnica mostrou-se interessante,
principalmente no caso em que cada combinação de carga conduz a um modelo
qualitativamente diverso. No entanto, essa estratégia tem como contraponto o aumento do
gasto total de material, não devendo ser usada na forma implementada neste trabalho como
indicativo das dimensões iniciais das bielas e dos tirantes.
A aplicação dos métodos de confiabilidade aos modelos consagrados e recomendados pelas

normas ACI 318 e Eurocode 2 (aplicações 4 e 5) conduziram a probabilidades de falha
satisfatórias em ambos os casos. No entanto, recomenda-se que mais estudos sejam efetuados
visando uma melhor representação das variáveis utilizadas, dividindo-se a representação das
cargas acidentais e das cargas permanentes. O estudo qualitativo da eficiência dos modelos
obtidos com otimização de topologia foi feito nas aplicações 6 a 9. No primeiro caso, nas
aplicações 6 e 7, o modelo gerado por OT não se mostrou o mais eficiente, nem quando essa
eficiência foi medida pelo coeficiente de colapso da estrutura (aplicação 6), nem quando
medida pelo índice de confiabilidade com função de falha baseada no coeficiente de colapso
(aplicação 7). Nas aplicações 8 e 9 os modelos gerados via OT se mostraram mais eficientes
que os demais.

As aplicações 6 e 7, que classificam os modelos segundo critérios distintos, apresentam o

mesmo resultado qualitativo. O que mostra a ligação entre fator de colapso e índice de
confiabilidade. Os modelos finais que apresentaram melhor desempenho e que foram obtidos
desta maneira contrapõem a literatura técnica do assunto. Isso acontece uma vez que a
literatura técnica existente se baseia nos campos de deformações elásticas dos modelos de
treliça.
6.2. SUGESTÕES PARA TRABALHOS FUTUROS
Em relação à proposta de propriedades mecânicas adaptativas, sugere-se um estudo mais

aprofundado sobre o assunto e a avaliação da viabilidade de usar a dimensão relativa das
bielas e dos tirantes para uma estimativa da espessura das bielas.
Em relação ao conceito de envoltórias topológicas foram consideradas combinações de acordo

com o método dos coeficientes de ponderação. Sugere-se o estudo da envoltória topológica
considerando-se as combinações recomendadas pelas normas de projeto de estruturas como a
NBR 8681 (ABNT, 2004).
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.
Outra sugestão se refere à utilização da análise de risco no dimensionamento de modelos de

bielas e tirantes.
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.

REFERÊNCIAS BIBLIOGRÁFICAS
ABNT:ASSOSSIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 6118: Projeto de

estruturas de concreto – Procedimento. Rio de Janeiro, 2004, 221 p.
ABNT:ASSOSSIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 8681: Ações e

segurança nas estruturas - Procedimento. Rio de Janeiro, 2004.
ABNT:ASSOSSIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 8800: Projeto de

estruturas de aço e de estruturas mistas de aço e concreto de edifícios. Rio de Janeiro, 2008,
237 p.
ACI: AMERICAN CONCRETE INSTITUTE COMITTEE 318. ACI 318M-08: Building

Code Requirements for Structural Concrete and Commentary. Farmington Hills, MI. 2008,
473 p. APPENDIX A: Strut-And-Tie Models.
ALMEIDA, S. R. M. Contribuição ao projeto ótimo de cabos em vigas de concreto

protendido. 2001. 145 f. Tese (Doutorado em Engenharia Civil) – Departamento de
Engenharia Civil da Pontifícia Universidade Católica do Rio de Janeiro, Rio de Janeiro, 2001.
ARORA, J. S. Optimization of Structural and Mechanical Systems.. World Scientific, 2006.
BARBOSA, A. H. ;FREITAS, M. S. R.;NEVES.F.A. Confiabilidade estrutural utilizando o

método de Monte Carlo e redes neurais . Rev. Escola de Minas,Ouro Preto, v 58, n. 3,
p. 247-255, 2005.
BENDSØE, M.P. Optimal shape design as a materal distribution problem. Structural

Optimization, Denmark, v 1, p. 193-202, 1989.
BENDSØE, M.P. e SIGMUND, Topology otimization: theory,methods and applications.

2nd edition. Berlin: Springer; 2003. 370p.
BRUGGI M. Generating strut-and-tie patterns for reinforced concrete structures using

topology optimization. Computers and Structures, Italy, v 87, p. 1483-1495, 2009.
EBOLI C. R. Dimensionamento ótimo de seções de concreto armado. 1989. 172 f.

Dissertação (Mestrado em Engenharia Civil) – Departamento de Engenharia Civil da
Pontifícia Universidade Católica do Rio de Janeiro, Rio de Janeiro, 1989.
EUROPEAN COMMITTEE FOR STANDARDISATION-CEN. Design of concrete

structures- Part 1-1:General rules for buildings EUROCODE 2. EN 1992. Brussels, 2005.
FALCO S. Otimização de cascas submetidas a carregamento dinâmico. 2000. 160 f. Tese

(Doutorado em Engenharia Civil) – Departamento de Engenharia Civil da Pontifícia
Universidade Católica do Rio de Janeiro, Rio de Janeiro, 2000.
FARIA, P, O. 1992.Análise limite de problemas geotécnicos. Dissertação (Mestrado em
Engenharia) - Departamento de Engenharia Civil, Pontifícia Universidade Católica do Rio de
Janeiro, Rio de Janeiro.
HAMMERSLEY J. M.; HANDSCOMB D. C. Monte Carlo Methods: London and New
York: Taylor & Francis, 1964. 178.
HALDAR A; MAHADEVAN S. Probability, reability and statistical methods in
enginnering design: New York: wiley, 1999. 320.
HART G. C. Uncertainty analysis, loads, and safety in structural engineering: New

Jersey: Prentice-Hall, 1982. 224.
KWAK H. G; NOH S.H. Determination of strut-and-tie models using evolutionary structural

optimization. Engineering Structures, Korea, v 28, p. 1440-1449, 2006.
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.
MELCHERS R. E. Structural reliability analysis and prediction: 2.ed. England: wiley,

1999. 437.
NEHDI, M. ; OMEMAN, Z.;EL-CHABIB, H. Optimal efficiency factor in strut-and-tie

model for FRP-reinforced concrete short beam swith (1.5<a/d<2.5). Materials and
Structures RILEM, v 41, n. 1-3, p. 1713-1727, 2008.
PANTOJA, J. C. Geração automática via otimização topológica e avaliação de segurança
de modelos de bielas e tirantes. Tese (Doutorado em Engenharia) - Departamento de
Engenharia Civil, Pontifícia Universidade Católica do Rio de Janeiro, Rio de Janeiro, 2012.
PANTOJA, J. C. ; VAZ, L. E. ; MARTHA, L. F. Modelo de Bielas e Tirantes gerados por

otimização topológica e elementos indutores. In: CONGRSSO IBERO LATINO
AMERICANO DE METODOS COMPUTACIONAIS EM ENGENHARIA Búzios, 2009
Cilamce, Rio de Janeiro. v 30, 2009.
PANTOJA, J. C. ; VAZ, L. E. ; MARTHA, L. F. ANTEZANA, P. A. Geração automática de

envoltórias topológicas para aplicação em modelos de bielas e tirantes com uso de técnicas de
otimização multiobjetiva. In: CONGRSSO IBERO LATINO AMERICANO DE METODOS
COMPUTACIONAIS EM ENGENHARIA Ouro Preto, 2011 Cilamce, Ouro Preto. v 32,
2011.
PARK, J. ;YINDEESUK, S. ;TJHIN, T. ; KUCHMA, D. Automated Finite-Element_Based

Validation of Structures Designed by the Strut-and-Tie Method. Journal of Structural
Engineering, v 136, n. 2, p. 203-210, 2010.
PULIDO, J. E. ;JACOBS, K. L.;PRATES DE LIMA.E.C. Structural reliability using monte-
carlo simulation with variance reduction techniques on elastic-plastic structures . Computers
and Structures,Great Britain, v 43, n. 3, p. 419-430, 1992.
REINECK, K. H.; NOVAK, L. C. 2010. SP-273 - Further Examples for the Design of
Structural Concrete with Strut-and-Tie Models, ACI-ASCE Committee 445.
SANTOS, D. Análise de vigas de concreto armado utilizando modelos de bielas e tirantes

2006. 171 f. Dissertação (Mestrado em Engenharia Civil) - Escola de Engenharia de São
Carlos, Universidade de São Paulo, São Carlos, 2006.
SIGMUND, O. A 99 line topology optimization conde written in MATLAB. Structural and

Multidisciplinary Optimization, v 21, p. 120-127, 2001.
SOUSA, R, A. Concreto estrutural: Análise e dimensionamento de elementos com

descontinuidades 2004. Tese (Doutorado em Engenharia) - Escola Politécnica da
Universidade de São Paulo, Universidade de São Paulo, São Paulo, 2004.
SCHLAICH, J. ; SCHAFER, K. Design and detailing of structural concrete using strut-and-tie

models. The Structural Engineer, [n.l], v 69, n. 6-19, p. 113-125, 1991.
SCHLAICH, J., SCHAFER, K., AND JENNEWEIN M. 1987. Towards a Consistent Design
of Structural Concrete. PCI Journal. vol. 32, n. 3, pp 74-150.
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)
VICTORIA, M. ; QUERIN, M.O.;MARTÍ, P. Generation of strut-and-tie models by topology

design using different material properties in tension and compression. Structural and
multidisciplinary optimization, New York, v 44, n.2,p. 247-258, 2011.
DOI: 10.1007/s00158-009-0473-2. ISSN: 1615-147X (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.

Análisede Confiabilidade Do Modelo de Bielas e Tirantes

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Análisede Confiabilidade Do Modelo de Bielas e Tirantes

Caricato da

Copyright:

Formati disponibili

UNIVERSIDADE FEDERAL DE GOIÁS

ESCOLA DE ENGENHARIA CIVIL

VICTOR MARK PONTES DOS SANTOS

Dissertação apresentada ao Programa de Pós-Graduação em

O autor também agradece pelo apoio financeiro da CAPES e CNPQ.

Palavras chave: Modelos de bielas e tirantes. Análise de confiabilidade. Otimização de

Keywords: Strut and tie models. Reliability analysis. Topology optimization.

SANTOS, V. M. P. Lista de Figuras

Figura 3.10 - Exemplo de solução em tabuleiro de xadrez: (a) Domínio estendido,

V. M. P. SANTOS Lista de Figuras

Figura 4.4 - Exemplo de envoltórias topológicas Pantoja (2012). ....................................... 75

V. M. P. SANTOS Lista de Figuras

Figura 5.13 - Variação do índice de confiabilidade com a resistência do concreto para

V. M. P. SANTOS Lista de Figuras

SANTOS, V. M. P. Lista de Tabelas

SANTOS, V. M. P. Lista de Abreviaturas e Siglas

SANTOS, V. M. P. Lista de Símbolos

fc' - Resistência característica do concreto considerando um quantil mínimo

V. M. P. SANTOS Lista de Símbolos

j - indica os pontos de medição das variáveis de projeto inclusas na região

V. M. P. SANTOS Lista de Símbolos

Qc - é a matriz que obtém as direções perpendiculares dos nh hiperplanos

Û - é o vetor de deslocamentos nodais da estrutura;

V. M. P. SANTOS Lista de Símbolos

Xy - Variável aleatória de resistência do aço;

V. M. P. SANTOS Lista de Símbolos

 - média da variável aleatória X;

V. M. P. SANTOS Lista de Símbolos

y - o desvio padrão da variável resistência do aço.

c  j - Sensibilidade analítica da função objetivo c em relação à variável de

cˆ  i - Sensibilidade corrigida da função objetivo c em relação à variável de

V. M. P. SANTOS Lista de Símbolos

2. CONCEITOS BÁSICOS PARA ANÁLISE DE CONFIABILIDADE .................... 26

3. MODELOS DE BIELAS E TIRANTES ..................................................................... 47

SANTOS, V. M. P. Lista de Sumário

3.3.4. Exemplos de resultados de OT para geração de STMs ...................................... 64

5.4.3. Aplicação 7 ............................................................................................................ 121

6. CONCLUSÕES E SUGESTÕES ............................................................................... 125

A analogia de treliça foi inicialmente desenvolvida para dimensionamento de estribos em

A otimização de topologia (OT) é um ramo da otimização, muito usada como ferramenta de

V. M. P. SANTOS Capítulo 1 – Introdução

A existência de diversos modelos que atendam às condições do teorema do limite inferior,

Em análises em que se tem pouco ou nenhum conhecimento sobre o comportamento das

Com a evolução do conhecimento sobre os comportamentos das variáveis aleatórias,

V. M. P. SANTOS Capítulo 1 – Introdução

O objetivo principal deste trabalho é avaliar a eficiência de modelos de bielas e tirantes

1.2. ORGANIZAÇÃO DO TEXTO

V. M. P. SANTOS Capítulo 1 – Introdução

variáveis aleatórias, assim como o comportamento das principais distribuições analíticas de

No quarto capítulo é apresentada a metodologia adotada neste trabalho. Apresenta-se

No quinto capítulo apresentam-se nove aplicações envolvendo os conceitos desenvolvidos

O sexto capítulo apresenta a as conclusões e as sugestões para trabalhos futuros.

V. M. P. SANTOS Capítulo 1 – Introdução

Muitas das grandezas envolvidas no projeto de estruturas, como cargas e propriedades

Este capítulo apresenta os conceitos estatísticos necessários para avaliação da confiabilidade

Inicialmente são introduzidos conceitos de probabilidade, tais como cálculo de probabilidades

V. M. P. SANTOS Capítulo 2 – Conceitos básicos para análise de confiabilidade

2.1. CONFIABILIDADE ESTRUTURAL

O objetivo principal dos métodos de análise e dimensionamento de estruturas é garantir a

c - Fator de segurança central.

As normas brasileiras atuais trabalham com um método semiprobabilístico no qual, para

V. M. P. SANTOS Capítulo 2 – Conceitos básicos para análise de confiabilidade

Rd - Valor de projeto das resistências;

Sd - Valor de projeto das solicitações;