Use este identificador para citar ou linkar para este item: http://www.repositorio.ufc.br/handle/riufc/35642
Título: Aplicação de modelos substitutos baseados em redes neurais artificiais na otimização de estruturas laminadas
Autor(es): Mendonça, Jorge Artur França de
Orientador(es): Parente Junior, Evandro
Coorientador(es): Melo, Antônio Macário Cartaxo de
Palavras-chave: Engenharia de estruturas
Redes neurais (Computação)
Otimização estrutural
Surrogate models
Artificial neural networks
Radial basis function
Composite materials
Data do documento: 2017
Citação: MENDONÇA, Jorge Artur França de. Aplicação de modelos substitutos baseados em redes neurais artificiais na otimização de estruturas laminadas. 2017. 98 f. Dissertação (Mestrado em Engenharia Civil)-Centro de Tecnologia, Programa de Pós-Graduação em Engenharia Civil: Estruturas e Construção Civil, Universidade Federal do Ceará, Fortaleza, 2017.
Resumo: O campo da otimização estrutural vem ganhando importância devido à busca por projetos mais eficientes. Contudo, o custo computacional para resolver um problema de otimização pode ser muito elevado, principalmente quando se trabalha com estruturas sem solução analítica, sendo necessário uma análise por métodos numéricos como o Método dos Elementos Finitos (MEF) ou Análise Isogeométrica (AIG). Assim, novas técnicas estão sendo desenvolvidas, como é o caso dos modelos substitutos, para redução do custo de processamento. Os modelos substitutos baseiam-se em técnicas estatísticas e computacionais para substituir os métodos numéricos na avaliação das respostas estruturais. Uma técnica bastante utilizada são as Redes Neurais Artificias (RNA), pela capacidade de trabalhar com problemas não lineares. O objetivo do presente trabalho é estudar a aplicação de Redes de Múltiplas Camadas (Multilayer Perceptron - MLP) e Redes de Funções de Base Radial como modelo substitutos, avaliando a influência de cada técnica no tempo de otimização e a capacidade de reconhecer e simular o comportamento de um software de análise numérica de estruturas laminadas. O primeiro problema foi o de maximização da carga crítica, cuja solução analítica é conhecida. Com esse problema foi possível identificar como as técnicas de amostragem (i.e. Hipercubo latino, Hammersley e Hipercubo latino otimizado) e o tamanho da amostra influenciaram na qualidade do modelo substituto. Em seguida, considerou-se também a otimização de uma casca cilíndrica laminada com objetivo de minimizar os seus deslocamentos. Neste caso, os modelos substitutos foram treinados utilizando resultados obtidos pela Análise Isogeométrica. Pode-se notar, para problemas de baixa complexidade, que as técnicas de amostragem pouco influenciaram, pois todas chegaram a bons resultados. Além disso, as redes RNA e RBF por interpolação apresentaram melhores resultados para um problema de alta complexidade. Com base nos treinos, observou-se que a RBF por interpolação foi mais vantajosa, visto que o tempo de treinamento era menor. Quanto ao número de pontos amostrais, a relação fornecida por Amouzgar e Strömberg (2016) foi suficiente para os problemas estudados. O Hipercubo latino otimizado apresentou os melhores resultados para os casos estudados. Finalmente, verificou-se que o uso de modelos substitutos possibilitou uma redução significativa no tempo de processamento.
Abstract: The field of structural optimization is becoming increasingly present in engineering offices in the search for more efficient designs. However, the computational cost to perform an optimization problem can be very high, especially when dealing with complex structures without analytical solution, where numerical methods such as the Finite Element Method (MEF) or Isogeometric Analysis (AIG) are necessary. Thus, new approaches have been developed, to reduce the cost of processing. Surrogate models are based on statistical and computational techniques to replace costly numerical analyses by efficient and accurate approximate solutions. One well-known and applied technique is the Artificial Neural Networks (RNA), since they can handle nonlinear problems. The objective of the present work is to study the application of Multilayer Perceptron (MLP) Networks and Radial Basis Functions (RBF) Networks to replace the numerical analysis methods, evaluating the influence of each technique on the optimization time and the ability to recognize and simulate the behavior of a software of analysis of laminated structures. The first problem was that of maximizing the critical load, whose analytical solution is known. With this problem, it was possible to identify how sampling techniques (i.e. Latin Hypercube, Hammersley and Optimized Latin Hypercube) and the sample size influenced the accuracy of the surrogate model. Then, the optimization of a laminated cylindrical shell with the objective of minimizing its displacements was also considered. In this case, the surrogate models were trained using results obtained by Isogeometric Analysis (IGA). It can be noticed, that the sampling techniques had little influence for low complexity problems, since all methods lead to good results. In addition, the MLP and RBF networks by interpolation presented better results for a highly complex problem. Based on the training, it was observed that the RBF by interpolation was more advantageous, since the training time was shorter. As for the number of sampling points, the relationship provided by Amouzgar and Strömberg (2016) was sufficient for the problems studied. Optimized Latin Hypercube presented the best results for the cases studied. Finally, use of surrogate models allowed a significant reduction in processing time.
URI: http://www.repositorio.ufc.br/handle/riufc/35642
Tipo: Dissertação
Aparece nas coleções:DECC - Dissertações defendidas na UFC

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2017_dis_jafmendonça.pdf4,01 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.