Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TESIS DOCTORAL
POR
Aitor Baldomir García
Ingeniero de Caminos, Canales y Puertos
DIRIGIDA POR
Santiago Hernández Ibáñez
Dr. Ingeniero de Caminos, Canales y Puertos
A Sara
AGRADECIMIENTOS
A Félix Nieto por su dedicación y sus lecciones, tanto en el trabajo de esta tesis
como en mis comienzos como docente. Gracias.
A José Ángel Jurado, pues su trabajo ha sido clave para el desarrollo de una
parte importante de esta investigación.
A Luis Romera, Jacobo Díaz, Arturo Fontán y al resto de mis compañeros del
Área de Mecánica de Medios Continuos y Teoría de Estructuras, cuya colaboración ha
permitido solventar muchos de los problemas que se me han presentado durante este
trabajo.
A Xián, a Ibuki y a todos los becarios con los que he compartido muy buenos
momentos cuando yo también lo era, en especial a Fernando, José Manuel, Chus,
Alberto y David. A todos los demás becarios, gracias por vuestra compañía y trabajo.
A mis padres cuyo apoyo incondicional no tiene precio. Ellos han sido el pilar
fundamental y los que dan sentido al trabajo realizado. Siempre me han apoyado y sus
consejos han sido clave en las decisiones más importantes de mi vida.
A Sara que me ha acompañado todo este tiempo, escuchando cada uno de los
tropiezos con los que me he encontrado y dándome apoyo en los días difíciles. Su
paciencia y cariño han sido fundamentales para el desarrollo de esta tesis.
ÍNDICE
CAPÍTULO 1
INTRODUCCIÓN ...................................................................................... 13
1.1 Motivación y objetivos ........................................................................................... 13
1.2 Organización de la Memoria-Tesis ......................................................................... 15
CAPÍTULO 2
VARIABILIDAD E INCERTIDUMBRE EN EL ANÁLISIS Y LA
OPTIMIZACIÓN DE ESTRUCTURAS .................................................... 19
2.1 Introducción ............................................................................................................ 19
2.2 Determinismo, incertidumbre y variabilidad .......................................................... 21
2.3 Análisis determinista y probabilista de estructuras................................................. 25
2.4 Diseño óptimo de estructuras .................................................................................. 29
2.4.1 Tipos de optimización de estructuras ........................................................... 33
2.5 Análisis de sensibilidad de la solución óptima con respecto a los parámetros
fijos ................................................................................................................................. 44
2.6 Optimización de estructuras considerando estados límite excepcionales ............... 45
2.7 Referencias.............................................................................................................. 49
7
ÍNDICE
CAPÍTULO 3
FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE
FLAMEO EN PUENTES DE GRAN VANO ............................................ 55
3.1 Introducción ............................................................................................................ 55
3.2 Fiabilidad estructural .............................................................................................. 57
3.2.1 Método lineal basado en los momentos de segundo orden (FOSM) ........ 62
3.2.2 Transformación de Hasofer-Lind. Índice de seguridad de Hasofer – Lind
(FORM)............................................................................................................... 64
3.2.3 Obtención del índice de fiabilidad como un problema de optimización.... 66
3.2.4 Método de Hasofer Lind – Rackwitz Fiessler ............................................ 75
3.3 Cálculo determinista de la velocidad crítica de flameo .......................................... 76
3.3.1 Método híbrido para la obtención de la velocidad crítica de flameo ......... 79
3.4 Fiabilidad estructural en el fenómeno de flameo de puentes .................................. 87
3.5 Ejemplo de aplicación: puente sobre el estrecho de Messina ................................. 92
3.5.1 Modelo estructural ..................................................................................... 96
3.5.2 Definición de variables aleatorias y función de estado límite ................. 100
3.5.2.1 Caracterización del viento extremal ................................................. 100
3.5.2.2 Funciones de flameo......................................................................... 102
3.5.3 Obtención de la fiabilidad ........................................................................ 106
3.5.3.1 Variable aleatoria: xV ........................................................................ 107
3.5.3.2 Variables aleatorias: xV y una función de flameo ............................. 108
8
ÍNDICE
CAPÍTULO 4
ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA
RESPECTO A LOS PARÁMETROS FIJOS ........................................... 121
4.1 Introducción .......................................................................................................... 121
4.2 Métodos de obtención de la sensibilidad del óptimo frente a los parámetros
fijos ............................................................................................................................... 123
4.2.1 Análisis de sensibilidad mediante las condiciones de Kuhn-Tucker ....... 124
4.2.2 Análisis de sensibilidad de segundo orden .............................................. 125
4.2.3 Análisis de sensibilidad mediante la función penalty .............................. 127
4.2.4 Análisis de sensibilidad mediante el método de las direcciones
eficientes ........................................................................................................... 129
4.2.5 Obtención de la sensibilidad mediante el método de las direcciones
eficientes y actualizando el conjunto de condiciones activas ........................... 133
4.3 Ejemplos de aplicación ......................................................................................... 137
4.3.1 Celosía de tres barras ............................................................................... 137
4.3.2 Celosía de diez barras .............................................................................. 146
4.3.3 Panel de fuselaje de un avión ................................................................... 152
4.3.3.1 Introducción ........................................................................................ 152
4.3.3.2 Definición del modelo geométrico y del modelo estructural ............. 154
4.3.3.3 Formulación del problema de optimización ....................................... 159
4.3.3.4 Proceso de optimización ..................................................................... 168
4.3.3.5 Solución óptima .................................................................................. 169
4.3.3.6 Análisis de sensibilidad respecto a un parámetro fijo ........................ 172
4.3.3.7 Variación del parámetro p=λmin .......................................................... 173
4.3.3.8 Variación del parámetro p=r .............................................................. 178
4.4 Referencias............................................................................................................ 184
9
ÍNDICE
CAPÍTULO 5
DISEÑO ÓPTIMO DE ESTRUCTURAS CONSIDERANDO LA
CONFIGURACIÓN COMPLETA Y COLAPSOS PARCIALES ........... 187
5.1 Introducción .......................................................................................................... 187
5.2 Formulación del problema de optimización ......................................................... 189
5.2.1 Formulación habitual del diseño óptimo de estructuras........................... 189
5.2.2 Formulación del diseño óptimo de estructuras considerando colapsos
parciales ............................................................................................................ 191
5.3 Ejemplos de aplicación de la metodología presentada ......................................... 196
5.3.1 El problema de la tres barras. Solución analítica y numérica .................. 196
5.3.1.1 Formulación del problema .................................................................. 197
5.3.1.2 Resultados ........................................................................................... 199
5.3.2 Estructura en celosía de 25 barras. Solución numérica ............................ 207
5.3.2.1 Formulación del problema .................................................................. 209
5.3.2.2 Resultados ........................................................................................... 212
5.3.3 Modelo cilíndrico de estructura aeronáutica ............................................ 216
5.3.3.1 Definición geométrica y del modelo de elementos finitos ................. 217
5.3.3.2 Formulación del problema para el modelo intacto ............................. 222
5.3.3.3 Resultados optimización modelo intacto ............................................ 223
5.3.3.4 Formulación del problema considerando la configuración intacta y “d”
modelos dañados............................................................................................. 224
5.3.3.5 Modelo intacto y un modelo dañado. Resultados numéricos ............. 225
5.3.3.6 Modelo intacto y dos modelos dañados. Resultados numéricos ........ 227
5.3.3.7 Modelo intacto y cuatro modelos dañados. Resultados numéricos .... 228
5.3.3.8 Modelo intacto y ocho modelos dañados. Resultados numéricos ...... 230
5.3.3.9 Resumen de resultados ....................................................................... 232
5.3.3.10 Análisis comparativo de resultados .................................................. 233
5.4 Referencias............................................................................................................ 238
10
ÍNDICE
CAPÍTULO 6
CONCLUSIONES .................................................................................... 239
6.1 Conclusiones generales ......................................................................................... 239
6.2 Conclusiones relativas al análisis probabilista de estructuras .............................. 240
6.3 Conclusiones relativas a la optimización estructural en entornos de
incertidumbre ................................................................................................................ 241
6.3.1 Conclusiones relativas a la variación de parámetros en el proceso de
optimización ...................................................................................................... 241
6.3.2 Conclusiones relativas a la optimización de estructuras incluyendo
colapsos parciales.............................................................................................. 242
6.4 Líneas de investigación futuras............................................................................. 243
11
CAPÍTULO 1
INTRODUCCIÓN
13
Capítulo 1 INTRODUCCIÓN
14
Capítulo 1 INTRODUCCIÓN
A continuación se hace una breve descripción de cada uno de los capítulos en los
que se ha dividido el contenido de esta tesis.
16
Capítulo 1 INTRODUCCIÓN
17
CAPÍTULO 2
VARIABILIDAD E INCERTIDUMBRE EN EL
ANÁLISIS Y LA OPTIMIZACIÓN DE
ESTRUCTURAS
2.1 INTRODUCCIÓN
19
Capítulo 2 VARIABILIDAD E INCERTIDUMBRE EN EL ANÁLISIS Y LA
OPTIMIZACIÓN DE ESTRUCTURAS
20
Capítulo 2 VARIABILIDAD E INCERTIDUMBRE EN EL ANÁLISIS Y LA
OPTIMIZACIÓN DE ESTRUCTURAS
21
Capítulo 2 VARIABILIDAD E INCERTIDUMBRE EN EL ANÁLISIS Y LA
OPTIMIZACIÓN DE ESTRUCTURAS
22
Capítulo 2 VARIABILIDAD E INCERTIDUMBRE EN EL ANÁLISIS Y LA
OPTIMIZACIÓN DE ESTRUCTURAS
23
Capítulo 2 VARIABILIDAD E INCERTIDUMBRE EN EL ANÁLISIS Y LA
OPTIMIZACIÓN DE ESTRUCTURAS
Figura 2.3 Incertidumbre del modelo. Ejemplo: realidad física (arriba), modelo de unión
mediante elementos finitos unidimensionales (izq.) y bidimensionales (drch.).
24
Capítulo 2 VARIABILIDAD E INCERTIDUMBRE EN EL ANÁLISIS Y LA
OPTIMIZACIÓN DE ESTRUCTURAS
mayor inconveniente que tener que realizar el análisis de la estructura de nuevo. Sin
embargo, si ha existido un proceso de optimización intermedio para alcanzar el diseño
final, el tratamiento de estas modificaciones puede resultar más complejo o demasiado
costoso en términos computacionales. En esta investigación se analizarán dos
situaciones concretas donde se puede producir esta variabilidad en la fase de diseño de
una estructura.
25
Capítulo 2 VARIABILIDAD E INCERTIDUMBRE EN EL ANÁLISIS Y LA
OPTIMIZACIÓN DE ESTRUCTURAS
En el caso del enfoque probabilista, datos tales como la resistencia o las cargas,
ya no son valores concretos, sino que son considerados variables aleatorias que se
definen mediante las funciones de probabilidad correspondientes. Para cada tipo de
variable se ajustará mejor un tipo de distribución u otra en función de la naturaleza del
fenómeno. Existen referencias en la literatura donde se da una clasificación orientativa
del tipo de distribución a considerar en cada caso y también se puede encontrar en
diferentes normativas, tales como el Código Técnico de la Edificación[M1], la UNE-EN
1990. Eurocódigos. Bases de cálculo de estructuras[A1], entre otras. De forma general
se pueden considerar las siguientes recomendaciones:
26
Capítulo 2 VARIABILIDAD E INCERTIDUMBRE EN EL ANÁLISIS Y LA
OPTIMIZACIÓN DE ESTRUCTURAS
El siguiente ejemplo pretende dar una idea muy simple acerca del análisis
probabilista de estructuras. Se trata de una viga en ménsula sometida únicamente a una
carga puntual en el extremo del voladizo. Para el cálculo determinista los datos que
definen la estructura son los que se muestran en la Figura 2.4. Se considera que el
momento último que es capaz de resistir la estructura tiene un valor fijo de Mu=70 kNm.
En este caso no se tiene una certeza sobre el valor de momento flector máximo,
mientras que por el contrario se obtiene la información de que su valor sigue una
distribución de probabilidad normal de media μM=50 kNm y desviación típica σM=10
kNm. Con estos resultados, sí es posible determinar la probabilidad de fallo Pf de esta
27
Capítulo 2 VARIABILIDAD E INCERTIDUMBRE EN EL ANÁLISIS Y LA
OPTIMIZACIÓN DE ESTRUCTURAS
28
Capítulo 2 VARIABILIDAD E INCERTIDUMBRE EN EL ANÁLISIS Y LA
OPTIMIZACIÓN DE ESTRUCTURAS
29
Capítulo 2 VARIABILIDAD E INCERTIDUMBRE EN EL ANÁLISIS Y LA
OPTIMIZACIÓN DE ESTRUCTURAS
- Los parámetros de diseño (p): propiedades del diseño que quedan fijas durante
el proceso de optimización.
- Las variables de diseño (X): propiedades del diseño que pueden cambiar
durante el proceso de optimización.
- Las condiciones de diseño g(X): todas las restricciones que debe satisfacer
cualquier diseño considerado.
30
Capítulo 2 VARIABILIDAD E INCERTIDUMBRE EN EL ANÁLISIS Y LA
OPTIMIZACIÓN DE ESTRUCTURAS
No es hasta la segunda mitad del siglo XX, cuando, a partir del desarrollo de la
teoría del colapso plástico de pórticos se introducen por primera vez métodos de
programación matemática en la optimización estructural. Una de las aportaciones más
importantes en este sentido se debe a George Dantzig[D1], quien publicó el algoritmo
Simplex, en 1949. Este método permitía resolver eficazmente problemas de
programación lineal, es decir, problemas donde las expresiones (2.2a) y (2.2b) son
polinomios de primer orden. Por tanto, aún no era posible optimizar con condiciones de
31
Capítulo 2 VARIABILIDAD E INCERTIDUMBRE EN EL ANÁLISIS Y LA
OPTIMIZACIÓN DE ESTRUCTURAS
32
Capítulo 2 VARIABILIDAD E INCERTIDUMBRE EN EL ANÁLISIS Y LA
OPTIMIZACIÓN DE ESTRUCTURAS
33
Capítulo 2 VARIABILIDAD E INCERTIDUMBRE EN EL ANÁLISIS Y LA
OPTIMIZACIÓN DE ESTRUCTURAS
x2M
P
3.0
g1=0 g3=0
A
2.0
F2
F1
1.0
g2=0
Coptimum design
B x1 M
0.5 1.0 P
1.5
La resolución del ejemplo anterior resulta muy sencilla debido a que se conocen
las expresiones analíticas, tanto de las condiciones de diseño, como de la función
objetivo. No obstante, la optimización de dimensiones es la más extendida y gracias a la
34
Capítulo 2 VARIABILIDAD E INCERTIDUMBRE EN EL ANÁLISIS Y LA
OPTIMIZACIÓN DE ESTRUCTURAS
35
Capítulo 2 VARIABILIDAD E INCERTIDUMBRE EN EL ANÁLISIS Y LA
OPTIMIZACIÓN DE ESTRUCTURAS
son, en general, las coordenadas de los nudos y el espesor de los elementos finitos en los
que se discretiza un medio continuo[R1]. La función objetivo suele ser el peso y las
restricciones están relacionadas con aspectos resistentes de la estructura o con
limitaciones geométricas. Dos inconvenientes de esta técnica son el elevado número de
variables de diseño necesarias y la irregularidad del diseño final, dando lugar
frecuentemente a formas de difícil fabricación. En la Figura 2.12 se puede ver un
ejemplo de ello. Estos inconvenientes generaron estrategias para eliminarlos[C1].
36
Capítulo 2 VARIABILIDAD E INCERTIDUMBRE EN EL ANÁLISIS Y LA
OPTIMIZACIÓN DE ESTRUCTURAS
Fuerza
gravitatoria
Estructura inicial
Base 1 Base 2
Base 3 Base 4
Diseño óptimo
37
Capítulo 2 VARIABILIDAD E INCERTIDUMBRE EN EL ANÁLISIS Y LA
OPTIMIZACIÓN DE ESTRUCTURAS
38
Capítulo 2 VARIABILIDAD E INCERTIDUMBRE EN EL ANÁLISIS Y LA
OPTIMIZACIÓN DE ESTRUCTURAS
K e ( ) pK e (2.3)
39
Capítulo 2 VARIABILIDAD E INCERTIDUMBRE EN EL ANÁLISIS Y LA
OPTIMIZACIÓN DE ESTRUCTURAS
40
Capítulo 2 VARIABILIDAD E INCERTIDUMBRE EN EL ANÁLISIS Y LA
OPTIMIZACIÓN DE ESTRUCTURAS
A A
41
Capítulo 2 VARIABILIDAD E INCERTIDUMBRE EN EL ANÁLISIS Y LA
OPTIMIZACIÓN DE ESTRUCTURAS
respuestas de cada uno de estos análisis de forma simultánea para disminuir el tiempo
de cálculo en el proceso iterativo de optimización. El diagrama de flujo de la Figura
2.19 explica de forma simplificada el proceso de optimización multidisciplinar.
43
Capítulo 2 VARIABILIDAD E INCERTIDUMBRE EN EL ANÁLISIS Y LA
OPTIMIZACIÓN DE ESTRUCTURAS
min F (2.4a)
sujeto a
g j ( X, p) 0; j 1,...M (2.4b)
Pf Pf max (2.4c)
44
Capítulo 2 VARIABILIDAD E INCERTIDUMBRE EN EL ANÁLISIS Y LA
OPTIMIZACIÓN DE ESTRUCTURAS
afectará a la solución final. A veces, el problema es que no se tiene muy claro cuál es el
valor de este parámetro y se desea observar cuál sería la evolución del diseño óptimo en
función de los valores que vaya tomando, y así poder tomar decisiones al respecto.
45
Capítulo 2 VARIABILIDAD E INCERTIDUMBRE EN EL ANÁLISIS Y LA
OPTIMIZACIÓN DE ESTRUCTURAS
46
Capítulo 2 VARIABILIDAD E INCERTIDUMBRE EN EL ANÁLISIS Y LA
OPTIMIZACIÓN DE ESTRUCTURAS
47
Caapítulo 2 VA
ARIABILIDAD
D E INCE ERTIDUMBRE
E EN EL ANÁLISIS Y LA
OP
PTIMIZACIÓN
N DE ESTRU
UCTURAS
48
Capítulo 2 VARIABILIDAD E INCERTIDUMBRE EN EL ANÁLISIS Y LA
OPTIMIZACIÓN DE ESTRUCTURAS
2.7 REFERENCIAS
[A2] ARORA, J.S.: Introduction to Optimum Design, Elsevier Academic Press, Second
Edition, 2004.
[B2] Braibant, V., Fleury, A. C., Shape Optimal Design using B-splines, Comp. Meth.
in Appl. Mech. And Eng., North Holland, 44, 247-267, 1984.
49
Capítulo 2 VARIABILIDAD E INCERTIDUMBRE EN EL ANÁLISIS Y LA
OPTIMIZACIÓN DE ESTRUCTURAS
[B4] Bendsoe, M. P., Diaz, A. R. and Kikuchi, N., Topology and Generalizated Layout
Optimization of Elastic Structures, In Topology Design of Structures, M.P Bendsoe and
C.A. Mota Soares (eds.), Kluwer Academic Publishes, 159-206, 1993.
[B5] Bendsøe MP. Optimisation of structural topology, shape and material. Springer:
Berlin, 1995.
[D1] G.B. Dantzig, Programming in a linear structure, Econometrica 17, 73–74, 1949.
[H1] Haldar, A. and Mahadevan, S., Probability, reliability, and statistical methods in
enfineering design, John Wiley & Sons, New York, 2000.
[H2] Haftka, R. T., Gürdal, Z. & Kamat, M. P., Elements of Structural Optimization.
Kluwer Academic Publishers, 2nd edition.
50
Capítulo 2 VARIABILIDAD E INCERTIDUMBRE EN EL ANÁLISIS Y LA
OPTIMIZACIÓN DE ESTRUCTURAS
[H5] Hernández, S., Fontán, A., Practical Applications of Design Optimization. WIT
Press, Southampton, 2002.
[H6] Hilton, H. y Feigen, M., Minimum Weight Analysis Based on Structural Safety, J.
Aerospace Sciences, Vol. 27, No. 9, pp. 641-652, 1960.
[K1] Klein, B., Direct use of extremal principles in solving certain optimization
problems involving inequalities, J. ORSA, 31 168-175, 1955.
[K3] Kohn, R. V. y Strang G., Optimal design and relaxation of variational problems,
Communications on Pure and Applied Mathematics, 39:1–25 (Part I), 139–182 (Part II),
353–377 (Part III), 1986.
[L1] Lévy, M., La statique graphique et ses applications aux constructions, Comptes
Rendu, 1875.
[L2] Lurie, K., Cherkaev, A., Effective characteristics of composite materials and the
optimal design of structural elements, Uspekhi. Mekh., 123(2):91–100, 1997.
[M2] Maxwell, C., Scientific Papers, 11, p. 175, Cambridge University Press, 1890.
[M3] Michell, A. G. M., The limit of economy of material in frames structures. Phil.
Mag, 8, 589-97, 1904.
51
Capítulo 2 VARIABILIDAD E INCERTIDUMBRE EN EL ANÁLISIS Y LA
OPTIMIZACIÓN DE ESTRUCTURAS
[M4] Murat, F., Tartar, L., Calcul des variations e homogénéisation, Les Méthodes de l’
Homogénéisation Théorie et Applications en Physique Coll. Dir. Etudes et Recherches
EDF, 57:319–369, 1985.
[M5] Muíños I., Colominas I., Navarrina F. y Casteleiro M., Una formulación de
mínimo peso con restricciones en tensión para la optimización topológica de
estructuras, Métodos Numéricos en Ingeniería y Ciencias Aplicadas, Oñate E., Zárate
F., Ayala G., Botello S. & Moreles M.A. (Eds.), CIMNE, Barcelona, pp. 399–408,
2002.
[M6] Murotsu, Y., Yonezawa, M., OBA, F. y Niwa, K., Optimum Structural Design
under consraints on Failure Probability, ASME Paper 79-DET-114, 1979.
[N1] Navarrina, F., Una metodología general para optimización estructural en diseño
asistido por ordenador, Tesis Doctoral, Universidad Politécnica de Cataluña,
Barcelona, 1987.
[O1] Oberkampf, W. L., Deland, S. M., Rutherford, B. M., Diegert, K. V. and Alvin, K.
F., Error and uncertainty in modeling and simulation. Reliability Engineering and
System Safety, Vol. 75, No. 3, pp. 333-357, 2002.
[P1] París, J., Restricciones en tensión y minimización del peso: una metodología
general para la optimización topológica de estructuras. Tesis doctoral de la E.T.S.I. de
Caminos, Canales y Puertos de la Universidad de la Coruña, 2007.
52
Capítulo 2 VARIABILIDAD E INCERTIDUMBRE EN EL ANÁLISIS Y LA
OPTIMIZACIÓN DE ESTRUCTURAS
[S1] Stadler, W., Natural Structural Shapes of Shallow Arches, J. Appl. Mech., 44,
No.2, pp. 291-298, 1977.
[T1] Thoft-Christensen, P. and Baker, M. J., Structural reliability theory and its
applications. Springer-Verlag, Berlin, 1982.
[T2] Tomás, A., Diseño óptimo de forma y armado de láminas de hormigón, Tesis
doctoral del Área de Mecánica de Medios Continuos y Teoría de Estructuras de la
Universidad Politécnica de Cartagena, 2007.
53
CAPÍTULO 3
3.1 INTRODUCCIÓN
55
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
obstante, los resultados obtenidos en los ensayos sobre un mismo material siguen
teniendo dispersión, así como también la medida de las acciones que actúan sobre la
estructura. Por tanto, estas magnitudes no deben tratarse como deterministas sino como
aleatorias, tal y como hacen los códigos técnicos cuando definen valores característicos
de las resistencias y de las acciones, que están asociados a un determinado cuantil. Esto
es, se determina la resistencia característica de un material como el valor que no es
superado en un determinado porcentaje, generalmente el 5%.
56
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
estados límite últimos y estados límite de servicio. El primer grupo hace referencia a
aquellos estados de la estructura que si se alcanzan pueden provocar su colapso parcial o
total. Algunos estados límite últimos son la pérdida de equilibrio de parte o del conjunto
de la estructura, rotura de alguna sección, rótulas plásticas, pandeo, fatiga, etc… La
probabilidad de ocurrencia de alguno de estos estados límite debe ser muy baja, pues se
asume que puede haber riesgo de pérdidas humanas o pérdidas económicas elevadas. El
segundo grupo se refiere a los estados límite en los cuales la estructura no puede dar el
servicio en condiciones normales, pero no existe riesgo de colapso de la misma. Para
estos casos se permite una mayor probabilidad de ocurrencia debido a que el riesgo
humano y económico es mucho menor.
58
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
Región de fallo
g(X) < 0
0 0 1 1 g
2
Pf f g ( g ) dg exp g
dg (3.3)
g 2 2 g
59
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
g g
u (3.4)
g
g g
1 1 2
Pf g
exp u du (u )du g
g
(3.5)
2 2
g
β=μg/σg (3.6)
Pf (3.7)
60
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
fg(g)
g=0
Región
de fallo
βσg
Pf
μg g
μX
g(X) = 0
Región de
β
seguridad
g(X) > 0
Región de fallo
g(X) < 0
En el caso de que la función de estado límite g(X) no sea lineal, la obtención del
primer y segundo momento de dicha función no resulta sencilla. Los métodos de Nivel
2 tratan de aproximar el cálculo de la expresión (3.2) mediante el empleo de los dos
primeros momentos de las distribuciones de las variables aleatorias que intervienen y
mediante la aproximación lineal o de orden superior de la función de estado límite. En
el siguiente apartado se hace una breve descripción de los métodos existentes para
obtener la fiabilidad estructural de este modo.
61
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
g ( X ) g ( μ X ) g ( μ X ) T ( X μ x ) (3.8)
g E[ g (μ X )] E[ g (μ X )] E g (μ X )T ( X μ X ) g (μ X ) (3.9)
62
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
1
n g (μ ) 2 2
g X
xi
2
(3.10)
i 1 xi
g g (μ X )
(3.11)
g 1
n g (μ ) 2
2
X
xi
2
i 1 xi
63
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
xi xi
ui ; i 1,..., n
x
i
(3.12)
donde ui son las variables aleatorias normalizadas. La función de estado límite queda
expresada en el nuevo espacio de las variables normalizadas U como g(U)=0.
min UT U
sujeto a (3.13)
g (U ) 0
64
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
Pf (HL ) (3.14)
65
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
Son muy numerosos y ampliamente conocidos los métodos para resolver este
tipo de problemas de optimización condicionada[V1] [H3]
. En este caso se empleará el
método de los multiplicadores de Lagrange para resolver el problema, transformando el
problema inicial con restricciones en uno sin ellas pero añadiendo una nueva variable
adicional que es el multiplicador de Lagrange. Así el problema (3.13) se convierte en el
siguiente:
n
min £ u
i 1
2
i g (U); i 1,..., n (3.15)
£ ui g
0 (3.16a)
ui n ui
u
i 1
2
i
66
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
£
g (U) 0 (3.16b)
n
g
g ( U ) g ( U * ) (ui ui* ) (3.17)
i 1 ui U *
1
(3.18)
2
n g
u
i 1 i U*
n n
g
ui
2
g ( U *
)
i 1 ui
ui*
(3.19)
i 1 U*
67
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
g
ui,k 1 (3.20)
ui Uk
68
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
69
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
g ( U )
(u2* x2 x2 ) x1 1.0 (3.21a)
u1 U*
g ( U )
(u1* x1 x1 ) x2 1.5 (3.21b)
u 2 U *
Una vez evaluados los gradientes se obtiene el primer valor de β que en este caso
ha sido β1 =2.774. Este sería el valor que se obtendría con el método FOSM. El
siguiente paso en el proceso iterativo es obtener el nuevo punto de diseño U1 que se
calcula mediante la expresión (3.20), obteniendo el valor U1=(-1.5385,-2.3077). Con
este nuevo valor se puede volver a obtener los gradientes de la función g(U) y un nuevo
valor de β hasta convergencia. En la siguiente tabla se muestran los resultados obtenidos
en cada iteración.
Iteración 1 2 3 4 5 6 7
g(X) 5.00 0.888 -0.0723 -8.92E-03 -1.55E-04 -3.74E-06 -8.24E-08
∂g/∂u1 1.0000 0.4231 0.1942 0.1813 0.1797 0.1793 0.1793
∂g/∂u2 1.5000 1.1154 1.1943 1.3669 1.3912 1.3940 1.3944
β 2.7735 3.4473 3.3179 3.3100 3.3099 3.3099 3.3099
u1,k -1.5385 -1.2226 -0.5325 -0.4352 -0.4240 -0.4223 -0.4221
u2,k -2.3077 -3.2233 -3.2749 -3.2813 -3.2826 -3.2829 -3.2829
x1,k 2.2308 2.3887 2.7338 2.7824 2.7880 2.7888 2.7890
x2,k 0.84615 0.38837 0.36253 0.35934 0.35868 0.35857 0.35856
70
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
que en la última iteración el punto de diseño está en la función de estado límite pues su
valor prácticamente es nulo.
x2
g ( x1 , x2 ) x1 x2 1 0
g1 ( x1 , x2 ) 2 x1 3 x2 7 0
g 2 ( x1 , x2 ) 0.8462 x1 2.2308 x2 2.8877 0
g1 ( x1 , x2 ) g 3 ( x1 , x2 ) 0.3884 x1 2.3887 x2 1.9277 0
( x1 , x2 )
g 2 ( x1 , x2 )
1
g 3 ( x1 , x2 ) 3
2
X1*
X*2 X*3
x1
71
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
μ (10,10)
(3.22)
σ (5,5)
la resolución del problema mediante este algoritmo se vuelve inestable. En la Tabla 3.2
se muestra la evolución de los valores obtenidos de la fiabilidad y de la evaluación de la
función de estado límite en cada iteración:
Iteración 1 2 3 …. 10 11 12
g(X) 1952.3 573.84 165.49 …. 544.94 588.79 715.55
β 0.9295 1.5387 1.9222 …. 1.2774 1.1733 1.1177
x1,k 10 6.6808 4.5323 …. 4.2496 8.2093 4.2598
x2,k 9.9 6.6468 4.4877 …. 7.8633 3.769 8.6901
72
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
g 2 g 5 g1
g 3
x2
5 1 μ
2
g 4 3
4
g(X)=0
x1
En la gráfica solo se han dibujado las 5 primeras iteraciones para una mayor
claridad de la misma. Se puede observar como en el paso de la iteración 4 a la iteración
5 el valor de la fiabilidad decrece mientras que en iteraciones anteriores el valor de β era
73
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
Iteración 1 2 3 …. 28 29 30
g(X) 1952.3 1370.6 961.97 …. 0.0698 0.0466 0.0311
β 0.9295 1.1338 1.3141 …. 2.226 2.226 2.226
x1,k 10 8.8936 7.9144 …. 2.0886 2.0877 2.0871
x2,k 9.9 6.6468 4.4877 …. 2.0769 2.076 2.0754
74
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
xi* x 'i
Fxi ( x ) Fx 'i ( x )
* *
(3.25)
i
x'
i
i
1 xi* x 'i
f xi ( xi* ) (3.27)
x' x'
i i
75
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
0.12
μx=28.53 μx’=27.68
0.1
σx=4.73 σx’=4.54
0.08
0.06
0.04
0.02
0
0 20 40 60 80 100
‐0.02
Normal Gumbel
76
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
77
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
Figura 3.8. Ejemplo de túnel de viento de capa límite (izq.) y modelo completo del
puente sobre el estrecho de Akashi. PWRI[P1].
79
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
Etapa experimental
Esta primera etapa se lleva a cabo en un túnel de viento y sirve para determinar
las fuerzas aeroelásticas fa por unidad de longitud de tablero. Dichas fuerzas son las que
ejerce el viento sobre el tablero y se descomponen en tres acciones por unidad de
longitud, que son:
80
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
Una fuerza de arrastre, “drag”, que produce una flexión lateral del tablero.
La notación utilizada para esta fuerza será Da como se muestra en la Figura
3.12.
Una fuerza de elevación, “lift”, que produce una flexión vertical del tablero.
La notación utilizada para esta fuerza será La como se muestra en la Figura
3.12.
Un momento, “moment”, alrededor del eje longitudinal del tablero que
produce movimientos de tipo torsional a lo largo del mismo. La notación
utilizada para este momento será Ma, como se muestra en la Figura 3.12.
Con esta notación las expresiones de las fuerzas aeroelásticas por unidad de
longitud, resultan
1 B w w
Da V 2 B KP1* KP2* x K 2 P3* x K 2 P4* KP5* K 2 P6*
2 V V B V B
1 w B x w
La V 2 B KH1* KH 2* K 2 H 3* x K 2 H 4* KH 5* K 2 H 6* (3.29)
2 V V B V B
1 w B x w
M a V 2 B 2 KA1* KA2* K 2 A3* x K 2 A4* KA5* K 2 A6*
2 V V B V B
81
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
82
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
Figura 3.13. Ensayo aeroelástico del modelo del tablero correspondiente al puente sobre el
estrecho de Messina[L1].
83
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
Etapa computacional
84
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
+ Cu + Ku = f a
Mu (3.30)
u u , v , w, x , y , z
T
(3.31)
cuyas componentes representan los tres desplazamientos y tres giros de cada uno de los
nudos de la barra.
f a K a u C a u (3.32)
Una vez obtenidas las matrices aeroelásticas del tablero completo Ka y Ca, se formula el
sistema de ecuaciones que gobierna el fenómeno del flameo a partir de la expresión
(3.30) como
+ Cu + Ku = f a K a u C a u
Mu (3.33a)
o también
+ (C C a )u + (K K a )u = 0
Mu (3.33b)
85
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
A I w e t 0 (3.34)
de forma iterativa como se explica en Jurado[J1] obteniendo así las m parejas de valores
propios complejos conjugados j j i j correspondientes a cada uno de los modos
86
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
En el diseño de puentes de gran vano, como se ha visto, uno de los estados límite
más peligrosos es la inestabilidad de flameo, pudiendo dar lugar al colapso total del
puente. Por tanto, para estas estructuras es necesaria la realización de un estudio
exhaustivo para verificar este estado límite.
87
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
250 km/h, para de esta forma tener una seguridad estructural alta. La función de estado
límite se puede escribir como
g Vf Vmáx (3.35)
g Vf VT (3.36)
Así por ejemplo en el caso del puente proyectado sobre el estrecho de Messina
se tomaron datos de cuatro estaciones meteorológicas cercanas, donde cada una de ellas
contaba con diversos anemómetros. Luego se emplearon los datos registrados para
extrapolarlos al lugar de emplazamiento del puente. Tras el minucioso estudio llevado a
cabo por el departamento de ingeniería estructural de la Universidad de Génova[D2], se
obtuvo gran cantidad de información, que permitió caracterizar el régimen de viento en
dicha zona. Estos datos no solo han servido para el análisis de la inestabilidad de
flameo, sino también para el estudio de otro tipo de inestabilidades y análisis con flujo
turbulento. Para el caso del estudio de la velocidad de flameo, la información requerida
88
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
son los registros de vientos máximos que se dan en la zona. Con todos los datos
medidos en las estaciones meteorológicas se puede definir una función de densidad y de
distribución de probabilidad que ajuste lo mejor posible los datos medidos. Una vez
conocida la función de probabilidad de viento extremal se determina cual es la
velocidad límite VT correspondiente a un determinado período de retorno T. La
seguridad estructural en este caso viene dado por la probabilidad de fallo asociada a
dicho periodo de retorno.
g Vf xV (3.37)
89
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
donde xi son cada uno de los puntos que definen las funciones de flameo, y que junto a
la velocidad de viento xV dan lugar a un problema de n+1 variables aleatorias.
xi → distribución normal
90
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
Dado que no se tiene una expresión analítica de las funciones de flameo se han
obtenido los gradientes de la función de estado límite con respecto a las variables xi
mediante diferencias finitas, mientras que la derivada respecto a la variable velocidad de
viento resulta inmediata. Para ello el programa realizado en MATLAB ejecuta el
programa FLAS el número necesario de veces para obtener los gradientes de g(X)
respecto a cada variable aleatoria.
91
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
X X k 1 X k
X (3.39)
k 1 k
c
donde
92
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
La concepción de este proyecto tuvo lugar hace varias décadas, siendo en el año
1969 cuando se hace el primer concurso de ideas convocado por el gobierno italiano. Se
presentaron numerosas propuestas, de las cuales la opción presentada por el Gruppo
Ponte di Messina fue la que consolidaría más tarde y en el año 1992 se presentó el
primer diseño del puente. Posteriormente este diseño sufrió diversos cambios, muchos
de ellos encaminados a mejorar la seguridad estructural frente al viento, como la
introducción de barreras antiviento, entre otras medidas.
93
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
vanos laterales son muy cortos, siendo una característica inusual en este tipo de puentes.
En la Figura 3.18 se puede ver un plano con el alzado general del puente.
La sección transversal del tablero está formada por 3 cajones independientes que
se arriostran transversalmente cada 30 metros mediante una viga metálica de gran canto.
En el cajón central se dispone una plataforma de doble vía para el ferrocarril, mientras
que los cajones laterales se reservan para el tráfico rodado, considerando una plataforma
con 3 carriles por sentido. La anchura total del tablero es de 61 metros y sus
características geométricas se pueden ver en la Figura 3.19.
Figura 3.19. Sección transversal del tablero del puente sobre el estrecho de Messina[M4] y
visualización digital del tablero.
94
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
95
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
Las torres están formadas por dos mástiles arriostrados mediante cuatros vigas
transversales alcanzando una altura superior a los 380 m sobre el nivel del mar. En la
Figura 3.20 se presenta un alzado de las torres y en la Figura 3.21 una imagen virtual
del puente completo.
Figura 3.22. Modelo de elementos finitos del puente sobre el estrecho de Messina.
96
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
Las características geométricas y mecánicas que definen el modelo son las que
se presentan en la Tabla 3.4.
97
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
del tablero obteniendo una velocidad de flameo de valor Vf=86.89 m/s. La salida de
resultados para este cálculo se muestra en la Figura 3.23.
Figura 3.23. Salida de resultados del programa FLAS para el puente de Messina
considerando 50 modos de vibración.
98
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
Modo 1 Modo 2
Frec = 0.0309 Hz Frec = 0.0566 Hz
Modo 3 Modo 4
Frec = 0.0604 Hz Frec = 0.0818 Hz
Modo 5 Modo 6
Frec = 0.0828 Hz Frec = 0.0828 Hz
Modo 11
Frec = 0.1006 Hz
Figura 3.24. Primeros modos de vibración del puente sobre el estrecho de Messina.
99
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
pequeña diferencia existente entre los resultados obtenidos, consiguiendo así reducir el
coste computacional requerido.
Figura 3.25. Salida de resultados del programa FLAS para el puente de Messina
considerando 7 modos de vibración.
100
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
con α = 0.271 y u=26.393 m/s. La media y desviación típica de esta variable aleatoria
se obtiene como
x u 28.5229 m / s x 4.7327 m / s (3.42)
V
V
6
x ' u 27.692 m / s x ' 4.5383 m / s (3.43)
V
V
6
101
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
Gumbel Normal
Funcion de distribución
1.2
1
0.8
0.6
0.4
0.2
0
0 10 20 30 40 50 60 70 80 90
Velocidad de viento
Gumbel Normal
102
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
(H1* ,..., H6* ) asociadas a la fuerza de sustentación La y otras seis ( A1* ,..., A6* ) que están
vinculadas al momento torsor Ma.
Por tanto, por cada una de las 18 funciones de flameo, se tendrán tantas variables
aleatorias como puntos la definen. En la Figura 3.28 se muestra un ejemplo de una
*
función de flameo H 2 y los puntos que se deberán considerar como variables
aleatorias.
H 2*
V*
Figura 3.28. Ejemplo de una función de flameo. Se define una variable aleatoria de
distribución normal por cada punto obtenido en laboratorio.
103
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
indicando los puntos que las definen y que serán los valores considerados como
variables aleatorias.
A*1 A*2
0 0
0 5 10 15 20 25 30 35 0 5 10 15 20 25 30 35
-0.05 -0.05
-0.1 -0.1
-0.15 -0.15
-0.2 -0.2
-0.25 -0.25
Velocidad reducida (V*) m/s Velocidad reducida (V*) m/s
A*3 A*4
0 0.02
0 5 10 15 20 25 30 35 0
-0.05
-0.02 0 5 10 15 20 25 30 35
-0.1
-0.04
-0.15 -0.06
-0.2 -0.08
-0.1
-0.25
-0.12
-0.3 -0.14
Velocidad reducida (V*) m/s Velocidad reducida (V*) m/s
A*5 A*6
0 0.1
-0.01 0 5 10 15 20 25 30 35 0.08
-0.02 0.06
-0.03
0.04
-0.04
0.02
-0.05
0
-0.06
0 5 10 15 20 25 30
-0.07
Velocidad reducida (V*) m/s Velocidad reducida (V*) m/s
H*1 H*2
0 2
0 5 10 15 20 25 30 35
-0.1 1.5
-0.2 1
-0.3 0.5
-0.4 0
0 5 10 15 20 25 30 35
-0.5
Velocidad reducida (V*) m/s Velocidad reducida (V*) m/s
104
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
H*3 H*4
0 0.5
-0.2 0 5 10 15 20 25 30 35 0.4
-0.4
0.3
-0.6
-0.8 0.2
-1 0.1
-1.2
0
-1.4 0 5 10 15 20 25 30 35
-1.6
Velocidad reducida (V*) m/s Velocidad reducida (V*) m/s
H*5 H*6
0.4 0
0.35 0 5 10 15 20 25 30 35
0.3 -0.02
0.25 -0.04
0.2
0.15 -0.06
0.1
0.05 -0.08
0 -0.1
0 5 10 15 20 25 30 35
-0.12
Velocidad reducida (V*) m/s Velocidad reducida (V*) m/s
P*1 P*2
0 0
0 5 10 15 20 25 30 35 0 5 10 15 20 25 30 35
-0.1 -0.05
-0.2
-0.1
-0.3
-0.15
-0.4
-0.5 -0.2
-0.6 -0.25
Velocidad reducida (V*) m/s Velocidad reducida (V*) m/s
P*3 P*4
0 0.5
-0.1 0 5 10 15 20 25 30 35 0.4
-0.2 0.3
-0.3 0.2
-0.4 0.1
-0.5 0
-0.6 -0.1 0 5 10 15 20 25 30 35
-0.7 -0.2
Velocidad reducida (V*) m/s Velocidad reducida (V*) m/s
105
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
P*5 P *6
0 0.05
0 5 10 15 20 25 30 35
0
-0.05 0 5 10 15 20 25 30 35
-0.05
-0.1 -0.1
-0.15
-0.15
-0.2
-0.2 -0.25
Velocidad reducida (V*) m/s Velocidad reducida (V*) m/s
Una vez definidas las variables aleatorias del problema el objetivo es obtener la
probabilidad de fallo respecto a la función de estado límite. En este caso se ha
considerado la función de estado límite definida en (3.38) en su forma normalizada con
respecto a la velocidad de viento xV:
V f ( xi )
g ( X) 1 i 1,..., n (3.44)
xV
106
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
g ( xV ) Vf
2 (3.45)
xV xV
14 2.5
12
2
10
1.5
8
β
g(X)
6 1
4
0.5
2
0 0
0 2 4 6 8 10 0 2 4 6 8 10
-0.5
Itera ción Itera ción
107
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
g ( X) Vf
2 (3.46a)
xV xV
g ( X) 1 V f
; i 1,..., nF (3.46b)
xi xV xi
108
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
109
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
* * * * * *
típica del 15%, como del 30%. En un pequeño grupo de casos ( A2 , A6 , H2 , H6 , P1 , P3 ) se
8 2.5
7
6 2
5 1.5
g(X)
4
β
3 1
2
0.5
1
0 0
0 5 10 15 20 0 5 10 15 20
Iteración Iteración
110
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
* * *
3.5.3.3 Variables aleatorias: xV y las 6 funciones de flameo A , H o P .
Al igual que en el caso anterior esta situación tampoco es realista puesto que
debería existir incertidumbre en todas las funciones simultáneamente. No obstante, de
este estudio se pueden sacar conclusiones de cómo afecta la consideración de
incertidumbre en las funciones de flameo relacionadas con una de las tres fuerzas
aeroelásticas Da, La o Ma.
111
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
El último caso que se ha estudiado tiene en cuenta que todos los valores de las
funciones de flameo son variables aleatorias. Como se ya se ha comentado, esta
situación sería la más real, permitiendo obtener de forma general el valor de la
seguridad estructural frente a flameo considerando incertidumbre en los valores
experimentales del método híbrido.
Tabla 3.7. Fiabilidad estructural frente a flameo del puente de Messina considerando la
velocidad de viento y las 6 funciones de flameo de un tipo: A*, H* y P*.
10 2.5
8 2
6 1.5
g(X)
β
4 1
2 0.5
0 0
0 10 20 30 0 10 20 30
Iteración Iteración
Figura 3.34. Evolución de β y de la función g(X) considerando todos los valores de las
funciones de flameo como variables aleatorias. Desviación típica del 15%.
Para el caso donde la desviación típica de los valores de las funciones de flameo
es del 30% el algoritmo no converge, produciéndose oscilaciones en el valor de β
112
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
8 2.5
7
2
6
5 1.5
g(X)
4
β
3 1
2
1 0.5
0
0
0 10 20 30 0 10 20 30
Iteración Iteración
c=1 c=5 c=1 c=5
113
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
3.6 CONCLUSIONES
114
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
3.7 REFERENCIAS
[A1] Astiz M. A., Flutter Stability of Very Long Suspension Bridges. Journal of Bridge
Engineering, Vol. 3, Nº 3, August, pp.132-139, 1999.
[C1] Cornell, C.A., A probability based structural code, Journal of the American
Concrete Institute, vol.66, nº 12, pp. 974-985, 1969.
[C2] Choi, S-K, Grandhi, R.V. and Canfield, R.A., Reliability-based Structural Design,
Springer-Verlag, London, 2007.
[C3] Cobo del Arco D., An analysis of wind stability. Improvements to the response of
suspension bridges. Tesis doctoral de la Universitat Politécnica de Catalunya. Escola
Técnica Superior D’Enginyers de Camins, Canals i Ports. (Director: Prof. Ángel
Aparicio), 1998.
115
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
[G1] Griffith, R.E. and Stewart, R.A., A Nonlinear Programming Technique for the
Optimization of Continuous Processing Systems, Manage. Sci, vol. 7, pp. 379-392,
1961.
[H1] Haldar, A. and Mahadevan, S., Probability, reliability, and statistical methods in
enfineering design, John Wiley & Sons, New York, 2000.
[H2] Hasofer, A.M. and Lind, N. C., Exact and Invariant Second-Moment code Format,
Journal of the Engineering Mechanics Division, ASCE, vol. 100, nº 1, pp. 111-121,
1974.
[H4] Hernández S., Jurado J. Á., Bravo F., Baldomir A., A Comparison of flutter Speed
of the Messina Bridge considering several cable configurations. Proceedings of the 3rd
International Conference on Fluid Structure Interaction and 8th International
Conference on Computational Modelling and Experimental Measurements of Free and
Moving Boundaries, A Coruña, 2005.
[H5] Hernández S., Jurado J. A., Mosquera, A., Multidisciplinary and multiobjective
aeroelastic design of long span bridges. In-Vento 2002. International Workshop on
Long Span Bridge Aerodynamics. Milan, 2002.
[H6] Hernández S., Jurado J. Á., Computer animations of the aeroelastic behaviour of
the proposed Messina Bridge. In-Vento-2004. 5º Convegno Nazionale di Ingegneria del
Vento. Reggio Calabria, 2004.
[H7] Haifan, X. and Ge, Y., Refinements on aerodynamic stability analysis of super
long-span bridges. Journal of Wind Engineering and Industrial Aerodynamics, Vol. 90,
Issues 12-15, pp. 1493-1515, December 2002.
116
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
[J1] Jurado, J., A., Análisis aeroelástico y de sensibilidad del fenómeno de flameo en
puentes soportados por cables. Tesis doctoral de la Universidad de la Coruña. Escuela
Técnica Superior de Ingenieros de Caminos, Canales y Puertos, 2001.
[J2] Jurado J. Á., Mosquera A., Nieto F., Hernández S., Configuraciones óptimas de
cables en puentes atirantados según análisis de sensibilidad de su comportamiento
aeroelástico. Congresso de Métodos Computacionais em Engehharia. Lisboa, Portugal,
2004.
[J3] Jurado, J. A., Hernández, S., Design of Ultra-Long Span Bridges With Aeroelastic
Constraints. Optimization in Industry II, Junio, Banff, (Alberta) Canada, 1999.
[L1] León, A, Análisis aeroelástico de puentes soportados por cables en el dominio del
tiempo y de la frecuencia. Tesis doctoral de la Universidad de la Coruña. Escuela
Técnica Superior de Ingenieros de Caminos, Canales y Puertos, Octubre 2008.
[L2] Larsen A., Aerodynamic aspects of the final design of the 1624 m suspension
bridge across the Great Belt. Journal of Wind Engineering and Industrial
Aerodynamics, 48, pp.261-285, 1993.
[M1] Melchers, R.E., Structural Reliability Analysis and Prediction, Ellis Horwood
Limited, UK., 1987.
[M2] Mosquera A., Sensibilidad analítica de la vibración libre y del flameo en puentes
colgantes de gran vano en servicio y en fase constructiva. Tesis doctoral de la
Universidad de la Coruña. Escuela Técnica Superior de Ingenieros de Caminos, Canales
y Puertos, 2003.
[M3] Miyata, T., Yamada, H. and Katsuchi, H., Comparative analysis of Messina
Bridge – International benchmark study. Proc. of 11th International Conference on Wind
Engineering, Lubbock, USA, pp.131-138, 2003.
117
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
[M5] Mannini, C., Bartoli, G., Analisi del comportamento aeroelastico di un impalcato
da ponte a cassone unicellulare, IN-VENTO-2006, pp. 439-448, Pescara, 2006.
[N2] Nieto F., Hernández S., Jurado, J. A., Optimum design of long-span suspensión
bridges considering aeroelastic and kinematic constraints. Structural and
Multidisciplinary Optimization, 39, 133-151, 2009.
[N3] Namini, A., Aldbrecht, P., Finite Element-Based Flutter Analysis of Cable
Suspended Bridges. Journal of Structural Engineering. Vol. 118, Nº 6, June, pp.1509-
1526, 1992.
[R1] Rackwitz, R. and Fiessler, B., Note on discrete Safety Checking When Using Non-
Normal Stochastic Models for Basic Variables. Load Project Working Session, MIT,
Cambridge, MA, June 1976.
[S1] Sarwar, M. W., Ishihara, T., Shimada, K., Yamasaki, Y., Ikeda, T., Prediction of
aerodynamic characteristics of a box girder bridge section using the LES turbulence
model. Journal of Wind Engineering and Industrial Aerodynamics, Vol. 96, pp. 1895-
1911, 2008.
[S2] Sarkar, P., P., Caracoglia, L., Haan, F., L., Sato, H., Murakoshi, J., Comparative
and sensitivity study of flutter derivatives of selected bridge deck sections, Part 1:
118
Capítulo 3 FIABILIDAD ESTRUCTURAL: APLICACIÓN AL FENÓMENO DE FLAMEO
EN PUENTES DE GRAN VANO
[S3] Semiào C., Mendes P., Avaliazao das condizoes de estabilidade aerodinâmica em
pontes. Jornadas portuguesas de engenharia de estructuras. Lisboa, Portugal, 1998.
[Y1] Yusuf K., Scanlan R. H, Resonance, Tacoma Narrows bridge failure, and
undergraduate physics textbooks. Am. J. Phys., Vol. 59, Nº 2, February 1991.
119
CAPÍTULO 4
4.1 INTRODUCCIÓN
121
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
122
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
X * F ( X * )
(4.2)
p p
X *
X X* p (4.3a)
p
F ( X * )
F F ( X* ) p (4.3b)
p
123
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
F ( X* ) G ( X* ) λ 0 (4.4a)
g j ( X* ) 0 j 1,..., J (4.4b)
j 0 j 1,..., J (4.4c)
X *
F( X ) G ( X ) λ
*
[F( X )] Z G ( X ) p p p
* *
( nx1)
( nxn ) ( nxJ )
) ( nx1)
0 (4.5)
G T ( X* ) 0 λ
( JxJ ) G ( X* )
( Jxn )
p p
( Jx1) ( Jx1)
124
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
J 2 g j
zi , q j (4.6)
j 1 xi xq
X
Una vez resuelto el sistema (4.5) se obtienen las sensibilidades buscadas y
p
se puede obtener el diseño óptimo aproximado cuando se produce una variación del
parámetro p aplicando la expresión (4.3a). Para aproximar la función objetivo se
puede aplicar la regla de derivación de la cadena
F n
F xi
(4.8)
p i 1 xi p
125
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
1
min F ( X) F( X* ) F( X* )X XT H F ( X* )X (4.9a)
2
sujeto a
1
g j ( X) g j ( X* ) g j ( X* )X XT H j ( X* )X 0 j 1,..., m (4.9b)
2
X m X X M (4.9c)
126
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
F r P( g j ) (4.10)
donde P(gj) está constituida en base a las condiciones del problema y r es un parámetro
de control que toma diferentes valores a lo largo del proceso de optimización. Las
condiciones de extremo de la función son:
F m
P g j
r 0 (4.11)
xi xi j 1 xi xi
n 2 F m
2 P g j g j P g j
2
xq
q 1 xi xq
r 2
j 1 g j xi xq
g j xi xq
p
(4.12)
m 2
P g j g j P g j
2
2 F
r 0 i 1,..., n
xi p
j 1 g j
2
p xi g j xi p
127
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
En el caso específico del empleo de la función penalty interior, cuya forma más
frecuente es
m
1
P ( g j ) (4.13)
j 1 gj
F m
1 g j
r 2 0 i 1,..., n (4.14)
xi xi j 1 g j xi
n 2 F m
2 g j g j 1 g j
2
xq
q 1 xi xq
r 3
g x x
2
g j xi xq
j 1 j i q p
(4.15)
m
2 g g j 1 g j
2
2 F
r 3 j 2 0 i 1,..., n
xi p g p x g x p
j 1 j i j i
m
P g j 2 (4.16)
j 1
siendo
g j g j si gj 0
g j 0 si gj 0
y procediendo de igual forma que en el caso anterior, el sistema resultante es
128
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
n 2 F m g g 2 g j xq
q 1 xi xq
2 r
j
j 1 xi xq
j
g j
xi xq
p
(4.17)
F 2 m g j g j gj
2
2r gj 0 i 1,..., n
xi p
j 1 p xi xi p
X X* S (4.18)
siendo S un vector en la dirección que une los dos puntos y un escalar que indica la
magnitud del cambio del diseño.
129
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
será la más cercana a la de máximo descenso, como se puede observar en la Figura 4.1.
Se pretende por tanto, que el ángulo formado por F y S sea lo más obtuso posible, así
la función objetivo disminuirá lo máximo posible.
130
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
ST S 1 (4.20c)
xn 1 p p* sn 1 (4.22)
131
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
y como se conoce la variación que se quiere efectuar sobre el parámetro y cuyo valor es
p , se puede obtener directamente de la siguiente manera:
p
p sn 1 ; (4.23)
sn 1
X X S
(4.24a)
p p sn 1
F F F*T S
(4.24b)
p p sn1
132
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
min F ( X* )T S c (4.25a)
sujeto a
g j ( X* )T S 0 jJ (4.25b)
sn 1 0 p 0 (4.25c)
sn 1 0 p 0 (4.25d)
ST S 1 (4.25e)
Una vez descritos los dos planteamientos definidos por las expresiones (4.20) y
(4.25) respectivamente, puede concluirse que existe la posibilidad de obtener una
aproximación del resultado de la optimización cuando se varía un parámetro fijo,
partiendo de un estado óptimo anterior, donde se conocen las condiciones activas.
133
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
precisarse esa cuantía. El problema fundamental es que no se conocen cuales son las
condiciones activas a medida que se cambia el valor del parámetro p.
embargo, no se tiene en cuenta si alguna otra condición comienza a estar activa al variar
el valor de p. Si alguna condición inactiva pasa a ser activa, la dirección S puede variar
sustancialmente y el error puede ser mayor del esperado, incluso para pequeñas
variaciones del parámetro. Por ejemplo, en una situación donde la solución óptima al
problema se ha alcanzado en un punto donde existe un número J de condiciones activas,
pero existen otras condiciones cercanas a estarlo, es posible que una variación pequeña
del parámetro p haga que alguna condición nueva pase a ser activa. Si esto sucediera la
formulación anterior no sería válida.
Por ello, uno de los objetivos perseguidos en esta investigación ha sido mejorar
el planteamiento anterior para la obtención de soluciones óptimas aproximadas.
Conocido el p p p * se podrá analizar si esta variación del parámetro puede
modificar o no el conjunto de condiciones activas. Para ello se pueden aproximar
linealmente en el entorno de la solución óptima el resto de condiciones que no son
activas y calcular el pact que hace que alguna condición comience a ser activa.
n
g r ( X* )
g r ( X) g r ( X )
*
xi ; r R (4.26)
i 1 xi
g r ( X) 0 (4.27)
luego
134
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
n
g r ( X* )
g r ( X) g r ( X )
*
xi 0 r R (4.28)
i 1 xi
Dado que los valores de xi se pueden expresar de acuerdo con la expresión
(4.21) como
xi si (4.29)
n
g r ( X* ) g r ( X* )
gr (X ) r
*
si 0; r n rR (4.30)
xi g r ( X* )
i 1
i 1 xi
si
Por tanto, se tiene una ecuación para cada valor de r y de cada una estas
ecuaciones desacopladas se obtiene un valor de que anula la condición
correspondiente, convirtiéndola en activa.
135
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
136
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
1 2 3
L=1m
Q = 360 KN
E = 210000 MPa
137
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
min F (2 2 x1 x2 ) L (4.32a)
sujeto a
xi 1 10 5 i 1,2 (4.32b)
g 1 máx (4.32c)
g w w1 wmin (4.32d)
Por ejemplo, para un valor de máx 270MPa la solución óptima del problema
Pues bien, a partir del diseño óptimo inicial X* se pretende obtener la solución
aproximada del mismo problema cuando se modifica el parámetro p, pero sin necesidad
de resolver nuevamente el problema de optimización inicial (4.32). Para ello se aplicará
la formulación presentada en los apartados 4.2.4 y 4.2.5. La primera formulación se
corresponde con el método de direcciones eficientes sin actualizar el conjunto de
condiciones activas, y la segunda, aplicando la actualización de condiciones activas
desarrollada en esta investigación.
138
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
x2 2 x1
g Q máx 0 (4.33a)
2 x1 x2 2 x12
QL
gw wmin 0 (4.33b)
E ( x1 2 x2 )
una nueva variable de diseño, es decir, x3=p. Además se necesita la información de los
gradientes tanto de la función objetivo como de las condiciones de diseño activas en el
diseño óptimo X*. Las expresiones analíticas de estos gradientes se pueden obtener de
forma sencilla, resultando:
F T ( X* ) (2 2 L, L ) (4.34a)
x12 2 x1 x2 x22
2 Q
( x1 2 x1 x2 )
2
X X*
0.217
2 x12 0.0767
G ( X )
*
Q (4.34b)
( 2 x 2 2 x x ) 2
1 1 2 X X* 1
1
Para este ejemplo se ha elegido una variación del parámetro positiva, lo que hace
posible el empleo de la formulación expuesta en (4.20), puesto que esta variación
contribuye a disminuir la función objetivo. Si se particulariza dicha expresión para los
valores calculados previamente, se obtiene el siguiente problema de optimización:
min F (2 2 s1 s2 ) L (4.35a)
sujeto a
0.217 s1 0.0767 s2 s3 0 (4.35b)
139
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
el error cometido en las variables de diseño y la función objetivo. Además en las dos
últimas columnas se proporciona el porcentaje de violación de las condiciones de
diseño. Los resultados se proporcionan hasta un incremento del parámetro del 30% a
intervalos del 2 %.
Δp (%) p=σmáx x1* x2* x 1 * aprox x 2 * aprox ε x1 * (%) ε x2 * (%) ε F* (%) ε gσ (%) ε gw (%)
0 270.0 10.516 5.443 ----- ----- ----- ----- ----- ----- -----
2 275.4 10.310 5.337 10.294 5.365 -0.1 0.5 0.0 0.0 -----
4 280.8 10.111 5.234 10.073 5.287 -0.4 1.0 0.2 0.2 -----
6 286.2 9.920 5.135 9.852 5.209 -0.7 1.4 0.4 0.4 -----
8 291.6 9.646 5.301 9.631 5.131 -0.2 -3.2 0.7 0.6 1.5
10 297.0 9.375 5.493 9.410 5.052 0.4 -8.0 1.1 1.0 3.6
12 302.4 9.119 5.674 9.188 4.974 0.8 -12.3 1.6 1.5 5.7
14 307.8 8.876 5.846 8.967 4.896 1.0 -16.2 2.3 2.0 7.9
16 313.2 8.646 6.009 8.746 4.818 1.2 -19.8 3.1 2.6 10.2
18 318.6 8.427 6.163 8.525 4.740 1.2 -23.1 4.0 3.4 12.6
20 324.0 8.219 6.310 8.304 4.661 1.0 -26.1 5.0 4.2 15.1
22 329.4 8.021 6.450 8.082 4.583 0.8 -28.9 6.2 5.1 17.7
24 334.8 7.833 6.583 7.861 4.505 0.4 -31.6 7.5 6.2 20.5
26 340.2 7.653 6.710 7.640 4.427 -0.2 -34.0 8.9 7.3 23.3
28 345.6 7.481 6.832 7.419 4.349 -0.8 -36.3 10.5 8.6 26.3
30 351.0 7.317 6.948 7.198 4.270 -1.6 -38.5 12.2 10.0 29.5
140
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
Evolución del diseño óptimo
11.0
10.0
Sección transveral (cm 2)
9.0
8.0
x1*
7.0 x2*
x1*_aprox
6.0
x2*_aprox
5.0
4.0
0 5 10 15 20 25 30
∆p (%)
141
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
g w ( X* ) QL
5.1676 104 (4.36b)
x1 E ( x1 2 x2 )
* * 2
g w ( X * ) 2QL
7.3081 10 4 (4.36c)
x1 E ( x1 2 x2 )
* * 2
g w ( X* )
act 82.54 (4.37)
2
g w ( X* )
i 1 xi
si
Por tanto, el valor aproximado del incremento máximo del parámetro necesario
para que la condición de movimiento resulte activa es Pact act s3 18.515MPa , que
se corresponde con un incremento del 6.86%, valor muy cercano al obtenido realizando
optimizaciones sucesivas.
142
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
2 x 2
2 QL
G ( X* ) 1
Q 2
( 2 x1
2
2 x x
1 2 ) 2
X X*aprox E ( x1 2 x2 ) X X*aprox
(4.39)
1 0
0.2508 5.879 10 3
0.0873 8.314 103
1 0
min F (2 2 s1 s2 ) L (4.40)
sujeto a
0.2508 s1 0.0873 s2 s3 0 (4.40a)
3 3
5.879 10 s1 8.314 10 s2 0 (4.40b)
s s s 1 0
2
1
2
2
2
3 (4.40c)
Resulta de nuevo interesante contrastar los valores del diseño óptimo real y de la
solución aproximada obtenida con esta formulación. En la Tabla 4.2 y en la Figura 4.5
se muestran los resultados de los valores óptimos y los aproximados de la solución
óptima para valores del parámetro superiores al 6.86%.
143
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
Δp (%) p=σmáx x1* x2* x 1 * aprox x 2 * aprox ε x1 * (%) ε x2 * (%) ε F* (%) ε gσ (%) ε gw (%)
6.86 288.5 9.809 5.186 9.758 5.175 -0.5 -0.2 0.5 0.5 0.4
8 291.6 9.646 5.301 9.515 5.347 -1.4 0.9 1.0 1.0 0.4
10 297.0 9.375 5.493 9.229 5.549 -1.6 1.0 1.1 1.2 0.4
12 302.4 9.119 5.674 8.944 5.751 -1.9 1.4 1.3 1.4 0.4
14 307.8 8.876 5.846 8.658 5.953 -2.5 1.8 1.7 1.8 0.4
16 313.2 8.646 6.009 8.373 6.155 -3.2 2.4 2.1 2.3 0.4
18 318.6 8.427 6.163 8.087 6.357 -4.0 3.1 2.6 2.9 0.4
20 324.0 8.219 6.310 7.802 6.558 -5.1 3.9 3.3 3.7 0.4
22 329.4 8.021 6.450 7.516 6.760 -6.3 4.8 4.0 4.7 0.4
24 334.8 7.833 6.583 7.230 6.962 -7.7 5.8 4.8 5.8 0.4
26 340.2 7.653 6.710 6.945 7.164 -9.3 6.8 5.8 7.2 0.4
28 345.6 7.481 6.832 6.659 7.366 -11.0 7.8 6.8 8.7 0.4
30 351.0 7.317 6.948 6.374 7.568 -12.9 8.9 8.0 10.5 0.4
Evolución del diseño óptimo
11.0
10.0
Sección transveral (cm 2 )
9.0
8.0
x1*
7.0 x2*
x1*_aprox
6.0
x2*_aprox
5.0
4.0
0 5 10 15 20 25 30
∆p (%)
144
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
Δp (%) p=σmáx x1* x2* x 1 * aprox x 2 * aprox ε x1 * (%) ε x2 * (%) ε F* (%) ε gσ (%) ε gw (%)
14 307.8 8.876 5.846 8.658 5.953 -2.5 1.8 1.7 1.8 0.4
16 313.2 8.646 6.009 8.418 6.19 -2.6 3.0 1.5 1.7 -0.2
18 318.6 8.427 6.163 8.193 6.349 -2.8 3.0 1.6 1.9 -0.2
20 324.0 8.219 6.310 7.968 6.508 -3.1 3.1 1.8 2.1 -0.2
22 329.4 8.021 6.450 7.743 6.667 -3.5 3.4 2.0 2.4 -0.2
24 334.8 7.833 6.583 7.518 6.826 -4.0 3.7 2.3 2.8 -0.2
26 340.2 7.653 6.710 7.293 6.986 -4.7 4.1 2.7 3.4 -0.2
28 345.6 7.481 6.832 7.068 7.145 -5.5 4.6 3.2 4.0 -0.2
30 351.0 7.317 6.948 6.843 7.304 -6.5 5.1 3.7 4.8 -0.2
Evolución del diseño óptimo
11.0
10.0
Sección transveral (cm 2)
9.0
8.0
x1*
7.0 x2*
x1*_aprox
6.0
x2*_aprox
5.0
4.0
0 5 10 15 20 25 30
∆p (%)
145
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
3.6 3.6
3.6
Se trata de una estructura de diez barras de nudos articulados solicitada por dos
cargas verticales de valor Q=1kN. Se considera comportamiento del material elástico y
lineal con módulo de Young E=210000 MPa. En este problema la función objetivo F es
el volumen de la estructura, las variables de diseño son las secciones transversales de las
barras xi y las condiciones de diseño son de tres tipos:
146
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
min F xi li (4.41a)
sujeto a
xi 0.1 i 1,...,10 (4.41b)
250 i 250 i 1,...,10 (4.41c)
w5 wmáx (4.41d)
4.4.
147
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
148
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
Tabla 4.5 Resultados para ∆p=10 % con diferentes valores iniciales del
parámetro p.
Tabla 4.6 Resultados para ∆p=25 % con diferentes valores iniciales del
parámetro p.
149
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
Tabla 4.7 Resultados para ∆p=50 % con diferentes valores iniciales del
parámetro p.
El error cometido para un aumento del 10% del parámetro es muy pequeño,
mientras que para un incremento del 25% y del 50% los errores máximos alcanzan el
11% y 31% respectivamente. Es importante destacar que el diseño inicial a partir del
cual se realiza la aproximación es un factor determinante a la hora de obtener resultados
satisfactorios. Así por ejemplo para incrementos del 25% del parámetro partiendo de
p=0.02 cm la aproximación es válida, mientras que si se parte de p=0.03 cm los errores
son mucho mayores. El principal motivo de esta circunstancia es que para algunos
valores iniciales de p, el conjunto de condiciones activas no se modifica hasta que ∆p no
adopta valores muy grandes, lo que permite obtener la solución aproximada con errores
relativamente bajos. Por el contrario, para algunos valores iniciales de p modificaciones
menores del parámetro altera el conjunto de condiciones activas ocasionando la
aparición de errores elevados en la solución aproximada.
150
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
Tabla 4.8 Resultados para ∆p=10 % con diferentes valores iniciales del
parámetro p, actualizando las condiciones activas.
Tabla 4.9 Resultados para ∆p=25 % con diferentes valores iniciales del
parámetro p, actualizando las condiciones activas.
151
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
Tabla 4.10 Resultados para ∆p=50 % con diferentes valores iniciales del
parámetro p, actualizando las condiciones activas.
4.3.3.1 Introducción
Figura 4.8. Estructura real del fuselaje de un avión y panel objeto de estudio.
153
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
Figura 4.10. Sección de los rigidizadores transversales (izq.). Sección de los rigidizadores
longitudinales (dcha.). Dimensiones en mm.
155
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
Se han utilizado elementos de cuatro nudos tipo lámina a flexión con integración
reducida para la piel, cuya denominación en este código es S4R[A1]. La discretización de
la malla de la piel se ha realizado de forma que existan diez elementos entre cada
rigidizador longitudinal y entre cada rigidizador transversal. Se ha considerado un
espesor de 1.5 mm.
156
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
para el tipo de análisis que se va a realizar en este capítulo son las recogidas en la Tabla
4.11.
L2
L3
L1
L4
157
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
- Análisis a pandeo
Se lleva a cabo una comprobación a pandeo de la estructura, para la siguiente
configuración de carga: se aplica una carga distribuida uniforme paralela al contorno
en los tres lados no empotrados del panel de valor 0.5KN/m y una carga axial de
1KN/m en el lado opuesto al empotrado, como se indica en la Figura 4.15. Se elige
un estado de cargas unitario de forma que el autovalor calculado sea directamente la
carga crítica de pandeo.
158
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
0.5KN/m
1KN/m
0.5KN/m
0.5KN/m
Variables de diseño
159
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
Tabla 4.12 Variables de diseño. Límite inferior, valor inicial y límite superior.
Figura 4.16. Variables de diseño: rig. transversal (izq.), rig. longitudinal (drcha.) y piel del
fuselaje (abajo).
Condiciones de diseño
160
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
que el diseño final sea susceptible de ser fabricado. Estas condiciones de diseño se han
especificado en la Tabla 4.12.
1 0.008 0 (4.43)
161
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
20 u k i 1 0 i, k (4.44)
Con esta condición de diseño se evita el pandeo global del panel, obligando a
que el modo de pandeo se produzca localmente entre dos rigidizadores. En la
Figura 4.17 se muestra el modo de pandeo global y el modo de pandeo local
si se introduce esta condición de diseño.
162
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
demasiado esbeltos. Este resultado sería válido para cumplir el resto de condiciones con
una menor cantidad de material, pero que sin embargo no estarían bien dimensionados
porque se producirían pandeos locales dentro de la propia sección transversal.
b
(4.45)
t
163
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
El valor ε se puede obtener a partir del límite elástico del material de los
rigidizadores que en este caso es aluminio tipo AL7075-T6, valor que se ha
proporcionado en la Tabla 4.11. Aplicando la fórmula indicada en la tabla anterior se
obtiene ε=0.714.
Respecto a las características del material cabe indicar que este tipo de aluminio
está tratado térmicamente[A2] y en la colocación de los rigidizadores no se emplea
soldadura para evitar corrosión en la zona de aplicación de la misma.
LA
11.423 Le 15.714
11.423 15.714 (4.46)
11.423 TA 15.714
Te
164
Caapítulo 4 AN
NÁLISIS DE SENSIBILIDA
S AD DE LA SOLUCIÓN
S Ó
ÓPTIMA RESP
PECTO A
LO
OS PARÁMETTROS FIJOS
donde LA
A, Le, TA y Te
T son las variables
v de diseño espeecificadas een la Figura 4.16. El
modo de pandeo local quee se deseea evitar es el que muestra en la
Figura 4.18.
L1
11.423 15.714
Le
111.423 15.714 (4.47)
11.423 T 1 15.714
Te
165
1
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
LB
3.214 Le 3.571
3.214 3.571 (4.48)
3.214 TB 3.571
Te
donde LB, Le, TB y Te son las variables de diseño especificadas en la Figura 4.16.
Con esta limitación se evita el modo de pandeo que se observa en la Figura 4.20.
Figura 4.20. Pandeo local del ala extrema (izq.) y detalle de la deformada (drcha.).
Función objetivo
166
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
MP = 2.3548 Pe (4.51)
(MT ML MP)
F = 1106 1.189 (MT ML MP) (4.52)
1450 580
Con todos los datos proporcionados en este apartado queda definido el problema
de optimización. A modo de resumen, el problema de optimización que se ha planteado
consiste en minimizar el peso por metro cuadrado del panel, modificando el espesor de
la piel y las dimensiones de la sección transversal de los rigidizadores. Como exigencias
al modelo se establece un valor máximo para el valor de las deformaciones principales
para un caso de carga estático y un factor de pandeo mínimo para otra hipótesis de carga
definida anteriormente. Además se impide el pandeo global del panel y el pandeo local
de los elementos que forman la sección transversal de los rigidizadores.
167
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
168
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
169
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
Figura 4.22. Diseño inicial (izq.) y diseño óptimo (dcha.) de los rigidizadores transversales.
Figura 4.23. Diseño inicial (izq.) y diseño óptimo (dcha.) de los rigidizadores longitudinales
170
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
171
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
172
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
del radio de curvatura p=r del 5% y del 10%. En este último caso se ha optado por un
porcentaje menor de variación, debido a que el radio de curvatura del fuselaje no
acostumbra ser un valor que presente cambios de mayor magnitud en el proceso de
diseño.
∆p = -10 %
S=[-0.0030, 0, 0.3108, 0.0643, -0.5599, 0.0041, 0.0411, -0.0324, -0.0452, -0.0075, -0.0021, -0.7622]
173
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
p=λmin=112.5 (∆p=-10 %)
Variable X* X
Pe 1.62 1.64
T1 5.01 5.00
T2 9.58 14.79
TA 22.55 23.23
TB 2.84 -6.51
Te 1.44 1.48
L1 5.02 5.87
L2 21.06 20.55
LA 21.13 21.00
LB 4.78 4.75
Le 1.34 1.35
Masa (kg/m2) 6.20 6.12
X*=solución óptima
=solución aproximada sin actualizar las condiciónes activas
X
Tabla 4.15. Diseño óptimo y diseño aproximado sin actualizar condiciones activas para
p=λmin=112.5 (∆p=-10%).
Estos defectos del diseño óptimo aproximado demuestran que la variación del
10% del parámetro no se puede realizar en un único paso tras resolver el problema de
optimización (4.20) que proporciona el vector S. Será necesario actualizar el conjunto
de condiciones activas y volver a obtener el vector S, de acuerdo con el diagrama de
flujo de la Figura 4.2.
174
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
S=[-0.0036, 0, 0.2464, -0.0661, 0, -0.0042, 0.0215, -0.0326, -0.0246, -0.0141, -0.0043, -0.9657]
Una vez que se conoce S se puede obtener de igual forma que en el caso anterior
, que es el que aparece en la Tabla 4.16, junto con las
el valor de la aproximación X act
.
soluciones anteriores X* y X
p=λmin=112.5 (∆p=-10 %)
Variable X*
X
X act
Tabla 4.16. Diseño óptimo, diseño aproximado sin actualizar condiciones activas y diseño
aproximado actualizando condiciones activas para p=λmin=112.5 (∆p=-10%).
175
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
∆p = -25 %
p=λmin=93.75 (∆p=-25 %)
Variable X* X
Pe 1.53 1.58
T1 5.00 5.00
T2 9.49 22.44
TA 21.32 24.84
TB 1.87 -20.26
Te 1.37 1.57
L1 6.49 6.89
L2 18.43 19.77
LA 21.48 19.85
LB 4.02 4.59
Le 1.37 0.54
Masa (kg/m2) 5.86 4.99
X*=solución óptima
=solución aproximada sin actualizar las condiciónes activas
X
Tabla 4.17. Diseño óptimo y diseño aproximado sin actualizar condiciones activas para
p=λmin=93.75 (∆p=-25%).
176
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
p=λmin=93.75 (∆p=-25 %)
Variable X*
X
X act
Tabla 4.18. Diseño óptimo, diseño aproximado sin actualizar condiciones activas y diseño
aproximado actualizando condiciones activas para p=λmin=93.75 (∆p=-25%).
En este caso la masa final del panel alcanza un valor de 5.87 kg/m2 y por tanto el
error cometido en la función objetivo es prácticamente nulo. Además si se calcula el
177
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
∆p = -5 %
La primera variación que se efectúa sobre el parámetro p=r es una reducción del
5%, pasando de un radio de curvatura de valor r=1500 mm a un valor de r=1425 mm.
De igual forma que en el caso anterior el punto de partida es el diseño óptimo que se
obtuvo en el apartado 4.3.3.5 y cuyos valores se han presentado en la Tabla 4.14.
178
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
S=[1.20e-4, 0, 0.0473, 0.0191, -0.135, 1.23e-3, 7.42e-3, -0.0156, 5.82e-3, 1.3e-3, 3.74e-4, -0.99]
p=r=1425 (∆p=-5 %)
Variable X* X
Pe 1.68 1.70
T1 5.00 5.00
T2 6.35 13.27
TA 20.00 23.62
TB 1.00 -7.53
Te 1.27 1.50
L1 5.00 5.75
L2 19.41 19.90
LA 22.59 22.19
LB 4.91 4.98
Le 1.44 1.41
Masa(kg/m2) 6.29 6.32
X*=solución óptima
=solución aproximada sin actualizar las condiciónes activas
X
Tabla 4.19. Diseño óptimo y diseño aproximado sin actualizar condiciones activas para
p=r=1425 (∆p = -5 %).
179
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
S
X S
X S
X S
X
Var. act act act act
Tabla 4.20. Dirección S y diseño óptimo aproximado para los incrementos de p que
modifican el conjunto de condiciones activas hasta alcanzar ∆p=-5%.
180
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
p=r=1425 (∆p=-5 %)
Variable X* X
X act
Tabla 4.21. Diseño óptimo, diseño aproximado sin actualizar condiciones activas y diseño
aproximado actualizando condiciones activas para p=r=1425 (∆p = -5 %).
Los resultados finales muestran que la función objetivo alcanza un valor de 6.36
kg/m2, que supone solamente el 1.1% de error. También se ha compruebado el valor de
las condiciones de diseño y ninguna resulta violada. No obstante, la condición de factor
de pandeo mínimo para p=r=1425 es una condición activa en el diseño óptimo, mientras
que en la aproximación resulta pasiva con un valor un 3% superior al valor frontera
λmin=125, lo que supone una diferencia pequeña.
Con este ejemplo se demuestra que incluso para variaciones pequeñas del
parámetro si no se actualizan las condiciones de diseño activas el método de
aproximación no resulta eficaz. Sin embargo, si se emplea la aproximación lineal
expuesta en (4.30) para actualizar este conjunto de condiciones activas los resultados
mejoran sustancialmente.
181
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
∆p = -10 %
p=r=1350 (∆p=-10 %)
Variable X* X
Pe 1.73 1.71
T1 5.00 5.00
T2 5.00 16.86
TA 20.00 25.07
TB 1.00 -17.73
Te 1.27 1.60
L1 5.00 6.32
L2 18.45 18.72
LA 18.52 22.63
LB 4.21 5.07
Le 1.18 1.44
Masa(kg/m2) 6.09 6.19
X*=solución óptima
=solución aproximada sin actualizar las condiciónes activas
X
Tabla 4.22. Diseño óptimo y diseño aproximado sin actualizar condiciones activas para
p=r=1350 (∆p = -10 %).
182
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
las cuatro que se habían realizado anteriormente hacen un total de seis. En la Tabla 4.23
se muestran los resultados de la dirección S y el diseño aproximado para los dos
incrementos del parámetro que ha comentado.
Tabla 4.23. Dirección S y diseño óptimo aproximado para los incrementos de p que
modifican el conjunto de condiciones activas ∆p=-5% hasta ∆p=-10%.
183
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
p=r=1350 (∆p=-10 %)
Variable X*
X
X act
Tabla 4.24. Diseño óptimo, diseño aproximado sin actualizar condiciones activas y
diseño aproximado actualizando condiciones activas para p=r=1350 (∆p = -10 %).
4.4 REFERENCIAS
184
Capítulo 4 ANÁLISIS DE SENSIBILIDAD DE LA SOLUCIÓN ÓPTIMA RESPECTO A
LOS PARÁMETROS FIJOS
[B3] Berke, L. and Khot, N.S., Use of Optimally Criteria Methods for Large Scale
Systems, AGARD-LS-70, 1974.
[R1] Rouse M.; Ambur D. R.; Bodine J. y Dopker B., Evaluation of a Composite
Sandwich Fuselage Side Panel With Damage and Subjected to Internal Pressure,
NASA Technical Memorandum 110309, February 1997.
[S3] Sun, C. T. Mechanics of Aircraft Structures, WILEY, 2nd Edition, June 2006.
[V1] Vanderplaats, G.N. and Yoshida, H.: Efficient Calculation of Optimum Design
Sensitivity, AIAA J., Vol. 23, No. 11, pp. 1798-1803, 1985.
[V2] VisualDoc 6.2, User’s Manual, 2009. Vanderplaats Research & Development, Inc.
Colorado Springs, USA.
185
CAPÍTULO 5
5.1 INTRODUCCIÓN
187
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
Este planteamiento daría lugar al problema de obtener una estructura que tras el
colapso de alguna de sus partes sea capaz de mantenerse en unas condiciones tales que
permitan la realización de los trabajos pertinentes de reparación, o prestar servicio con
menores niveles de exigencia.
Este concepto es bastante antiguo y ya fue utilizado por John Roebling cuando
diseñó el puente de Brooklyn en el siglo XIX. Esta estructura es una solución híbrida
entre la tipología de puente colgante y atirantado, y el propósito de realizarlo así fue
explicado por el propio Roebling[S1] mediante las siguientes palabras:
[The bridge deck] will support itself without the assistance of the [main] cable,
the supporting power of the stays alone will be able to hold up the floor. If the cables
were removed, the bridge would sink in the center, but would not fall.
188
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
189
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
190
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
Sea un modelo estructural con “n” elementos donde a cada uno de los cuales se
le asocia una variable de diseño xi, definiendo así un vector X0 que contiene todas las
variables de diseño anteriores, X0 = (x1,…,xn). A continuación se generan D modelos
diferentes como resultado de eliminar un subconjunto de elementos de la malla original.
Como resultado, un subconjunto de variables de diseño Xd contenido en X0 sobrevivirá
en cada modelo.
191
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
X0 X1
X2 XD
X d X0 d 0,..., D
Como se puede observar las variables de diseño son compartidas por todos los
modelos puesto que realmente se está proyectando un único diseño, sin embargo, a cada
una de las D configuraciones se le exigirá una serie de condiciones de diseño (Md), que
pueden diferir de un modelo a otro.
192
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
g j 0 ( X0 ) 0; j 1,..., M 0 g j1 ( X1 ) 0; j 1,..., M 1
g j 2 ( X 2 ) 0; j 1,..., M 2 g j D ( X D ) 0; j 1,..., M D
193
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
194
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
195
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
196
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
1 2 3
min F (5.4a)
sujeto a
gi d i d M ; i M d ; d 0,...,3 (5.4b)
Donde:
197
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
F Vol (2 2 x1 x2 ) L (5.5)
d=0 d=1
d=2 d=3
198
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
5.3.1.2 Resultados
min F (5.6a)
sujeto a
gi i M ; i 1, 2,3 (5.6b)
2 x1 x2
g1 1 M 1 0 (5.7a)
2 x12 2 x1 x2
1
g2 2 M 1 0 (5.7b)
x1 2 x2
x2
g 3 3 M 1 0 (5.7c)
2 x1 2 x1 x2
2
199
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
min F (5.8a)
sujeto a
gi i M ; i 2,3 (5.8b)
200
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
F Vol ( 2 x1 x2 ) L (5.9a)
2
g2 2 M 1 0 (5.9b)
x2
1
g3 3 M 1 0 (5.9c)
x1
201
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
min F (5.10a)
sujeto a
gi i M ; i 1,3 (5.10b)
F Vol 2 2 x1 L (5.11a)
1
g1 1 M 1 0 (5.11b)
x1
Región de diseño
min F (5.12a)
sujeto a
gi i M ; i 1, 2 (5.12b)
202
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
F Vol ( 2 x1 x2 ) L (5.13a)
1
g1 1 M 1 0 (5.13b)
x1
Al igual que sucede en el caso anterior, la única barra que soporta esfuerzos internos
es la barra 1, por tanto la restricción sobre la barra 3 desaparece. La situación es
similar a la del caso y el diseño óptimo se alcanza para X (1,0) , estando
únicamente activa la condición de tensión en la barra 1.
203
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
el modelo d=1. En cuanto al área óptima de la barra vertical, resulta x2= 2 , valor
fijado por la tensión en la barra 2 para el modelo d=1. El volumen óptimo en este
caso es F=2.828.
g10
g20
g30
g13=g31=g12
g21
F
204
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
min F (5.14a)
sujeto a
gi 0 i 0 ( P) M ; i 1, 2,3 (5.14b)
gi d i d (0.6 P) M ; i J d ; d 1, 2,3 (5.14c)
El hecho de que las cargas se hayan minorado para los modelos dañados hace que
las condiciones de diseño correspondientes a estos modelos se relajen, mientras que
las correspondientes al modelo intacto permanecen inalteradas. De esta forma el
diseño óptimo se alcanza en el punto de intersección de la restricción sobre la barra
1 para el modelo intacto y la restricción sobre la barra 2 para el modelo dañado d=1.
Por tanto, al contrario de lo que sucedía en el caso anterior, el diseño está
condicionado tanto por el modelo intacto como por modelos dañados.
g10
g20
g30
g13=g31=g12
g21
F
205
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
- Resumen de resultados
X1 X2
Estructura completa 0.788 0.408
Modelo dañado 1 1.000 1.414
Modelo dañado 2 1.000 0.000
Modelo dañado 3 1.000 0.000
Todas las configuraciones 1.000 1.414
Tabla 5.1. Resultados considerando la misma carga para todas las configuraciones.
X1 X2
Estructura completa 0.788 0.408
Modelo dañado 1 0.600 0.849
Modelo dañado 2 0.600 0.000
Modelo dañado 3 0.600 0.000
Todas las configuraciones 0.681 0.849
Tabla 5.2. Resultados considerando una carga de 0.6P para los modelos dañados.
206
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
En el caso donde se reduce la carga para los modelos dañados a 0.6P, el resultado
obtenido ha sido X (0.681,0.849) , que aporta un volumen menor que el
correspondiente a la envolvente de los valores óptimos de cada modelo por separado
X (0.788,0.849) .
Tabla 5.3. Resultados considerando una carga de 0.6P para los modelos dañados.
Salida de resultados de GENESIS.
207
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
Figura 5.15. La estructura se encuentra solicitada por una carga P = 300 kN que puede
estar situada en cualquiera de los nudos del cordón inferior, produciendo así cinco
hipótesis de carga. La optimización de tamaño considerando el volumen como función
objetivo y estableciendo condiciones de tensión en las barras fue llevada a cabo por
Pedersen[P1] y Hernández[H2]. La formulación del problema original es:
25
min V xi li (5.15a)
i 1
sujeto a
E=210000 MPa
Barra 1 2 3 4 5 6 13 14 15 18 19 20 21
2
Área (cm ) 43.55 16.63 36.43 5.89 33.28 3.88 11.71 12.24 13.18 5.64 16.92 10.86 6.83
σ (MPa) -104 130 -104 130 -104 -104 130 130 130 -104 121 130 130
208
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
una de las barras que definen la estructura. Si esto sucediera, se considerará que la barra
alcanzada desaparece del esquema estructural. Se establece que las barras susceptibles
de impacto son las diagonales y los montantes. Haciendo uso de la simetría del
problema se contabilizan 7 posibles configuraciones de modelos dañados, que se
corresponden con la eliminación de las barras 13, 14, 15, 18, 19, 20 y 21
respectivamente. Las configuraciones resultantes aparecen en la Figura 5.16 y Figura
5.17.
25
min V xi li (5.16)
i 1
sujeto a
209
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
210
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
211
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
Donde:
V : volumen de la estructura
xi : sección transversal de la barra “i”
li : longitud de la barra “i”
0i : tensión normal en la barra “i” para el modelo intacto
d i : tensión normal en la barra “i” para el modelo dañado “d”
M d : subconjunto de barras que no han colapsado en el modelo “d”
: coeficiente de mayoración de cargas
5.3.2.2 Resultados
obtiene un valor diferente para cada variable de diseño ( xi ; i 1,..., 25; d 0,...,7 ) en
d
d
cada uno de los 8 procesos de optimización. Eligiendo el valor max xi como sección
transversal de cada barra se obtiene una solución correspondiente a la envolvente de los
valores óptimos de cada configuración.
La Tabla 5.5 muestra los resultados obtenidos cuando la carga aplicada es P=300
kN tanto en la configuración intacta como las configuraciones dañadas. Las primeras 8
columnas se corresponden con la optimización de cada una de las configuraciones de
forma independiente. La siguiente columna expone el resultado de resolver el problema
formulado en la ecuación (5.16) para α=1.0.
212
Modelo intacto Modelo d=1 Modelo d=2 Modelo d=3 Modelo d=4 Modelo d=5 Modelo d=6 Modelo d=7 Envolvente Opt. conjunta
2 2 2 2 2 2 2 2 2
Barra Área (cm2) Área (cm ) Área (cm ) Área (cm ) Área (cm ) Área (cm ) Área (cm ) Área (cm ) Área (cm ) Área (cm )
Capítulo 5
1 43.55 43.37 43.39 43.47 43.37 43.38 43.51 43.45 43.55 43.38
2 16.63 18.79 17.21 16.74 18.01 17.28 15.34 18.05 18.79 19.09
3 36.43 48.58 43.87 36.23 38.88 38.84 36.82 36.92 48.58 48.58
4 5.89 10.92 9.42 5.79 9.72 17.28 5.71 8.88 17.28 17.31
5 33.28 33.54 41.88 41.05 33.15 33.46 36.50 36.47 41.88 42.21
6 3.88 4.26 6.25 5.74 4.38 5.05 8.61 5.60 8.61 10.88
7 33.28 33.56 33.67 41.05 33.38 33.43 33.43 33.27 41.05 39.71
8 3.88 2.77 3.17 5.74 2.49 3.26 5.98 1.88 5.98 3.20
9 36.43 36.16 36.25 36.23 36.25 36.17 37.25 35.79 37.25 36.45
10 5.89 4.94 5.20 5.79 5.54 4.50 6.98 4.35 6.98 4.81
11 43.55 43.37 43.39 43.47 43.37 43.38 43.51 43.45 43.55 43.38
12 16.63 16.13 16.16 16.74 16.08 15.47 16.12 15.83 16.74 14.86
13 11.71 14.20 11.42 7.70 23.08 12.81 13.34 23.08 23.08
14 12.24 10.46 12.66 14.66 10.48 20.38 8.69 20.38 19.71
15 13.18 13.36 11.43 13.27 13.49 10.34 18.13 18.13 16.62
213
16 12.24 12.37 12.59 12.66 12.22 12.60 12.63 12.57 12.66 13.75
COMPLETA Y COLAPSOS PARCIALES
17 11.71 11.19 11.40 11.42 11.85 11.38 13.40 10.88 13.40 12.47
18 5.64 8.68 11.41 5.28 21.69 7.20 7.95 21.69 21.71
19 16.92 31.66 12.19 17.79 21.12 14.13 15.18 31.66 31.66
20 10.86 11.47 21.82 10.32 11.03 11.40 15.06 21.82 20.35
21 6.83 6.20 8.56 15.86 6.46 6.03 17.66 17.66 17.60
22 6.83 7.21 7.41 15.86 7.04 7.11 7.02 6.85 15.86 14.39
23 10.86 10.83 10.34 10.32 10.87 10.37 9.80 10.73 10.87 10.31
24 5.64 4.92 5.24 5.28 5.87 5.21 8.04 4.50 8.04 6.76
25 16.92 17.90 17.26 17.79 16.48 17.31 13.40 18.49 18.49 15.76
Vol. Óptimo (cm3) 2.387E+05 2.560E+05 2.525E+05 2.537E+05 2.410E+05 2.450E+05 2.443E+05 2.413E+05 3.227E+05 3.130E+05
1 43.55 28.91 28.91 28.91 28.99 28.91 28.98 28.91 43.55 43.39
2 16.63 12.48 11.49 11.16 12.07 11.52 10.30 12.03 16.63 17.87
3 36.43 32.38 29.25 24.17 25.96 25.92 24.46 24.58 36.43 37.20
4 5.89 7.14 6.27 3.85 6.54 11.52 3.85 5.93 11.52 11.34
5 33.28 22.32 27.92 27.31 22.17 22.30 24.28 24.28 33.28 34.03
6 3.88 2.80 4.17 3.81 2.92 3.37 5.84 3.73 5.84 6.78
7 33.28 22.34 22.46 27.31 22.35 22.29 22.27 22.15 33.28 34.44
8 3.88 1.92 2.11 3.81 1.50 2.17 3.88 1.26 3.88 2.48
9 36.43 24.10 24.18 24.17 24.15 24.11 24.77 23.84 36.43 35.96
10 5.89 3.48 3.49 3.85 3.60 3.00 4.59 2.90 5.89 3.88
11 43.55 28.91 28.91 28.91 28.99 28.91 28.98 28.91 43.55 43.39
12 16.63 10.77 10.77 11.16 10.72 10.31 10.73 10.54 16.63 15.16
13 11.71 ------------- 9.46 7.62 5.17 15.39 8.40 8.91 15.39 15.42
14 12.24 6.98 ------------- 8.43 9.75 6.99 13.59 5.79 13.59 13.08
15 13.18 8.88 7.64 ------------- 8.81 8.99 6.87 12.10 13.18 11.40
214
16 12.24 8.19 8.38 8.43 8.18 8.40 8.46 8.38 12.24 13.43
COMPLETA Y COLAPSOS PARCIALES
17 11.71 7.62 7.62 7.62 7.81 7.58 8.87 7.26 11.71 11.07
18 5.64 5.77 7.60 3.53 ------------- 14.46 4.59 5.32 14.46 14.47
19 16.92 21.10 8.13 11.80 14.11 ------------- 9.76 10.09 21.10 21.11
20 10.86 7.61 14.55 6.87 7.40 7.60 ------------- 10.04 14.55 13.54
21 6.83 4.14 5.70 10.56 4.31 4.02 11.77 ------------- 11.77 11.74
22 6.83 4.78 4.94 10.56 4.79 4.74 4.71 4.56 10.56 10.00
23 10.86 7.20 6.91 6.87 7.24 6.91 6.51 7.15 10.86 9.46
24 5.64 3.51 3.52 3.53 3.77 3.47 5.26 2.99 5.64 4.77
25 16.92 11.56 11.48 11.80 11.19 11.54 9.09 12.35 16.92 17.76
Vol. Óptimo (cm3) 2.387E+05 1.705E+05 1.684E+05 1.688E+05 1.610E+05 1.633E+05 1.628E+05 1.608E+05 2.621E+05 2.584E+05
215
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
216
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
El objetivo del problema será buscar un refuerzo que permita cumplir las
condiciones de diseño en todas las configuraciones, pero de forma que el incremento de
peso sea mínimo. Por tanto, se puede plantear como un problema de optimización donde
existe una configuración intacta y varias configuraciones dañadas, tal y como sucedía en
los ejemplos anteriores.
La estructura del fuselaje de una aeronave está compuesta básicamente por tres
elementos: la piel, correspondiente a la parte más externa del mismo, las cuadernas, que
forman parte de la estructura interna y mantienen la forma curva de la sección y por
último los rigidizadores de la piel y de las cuadernas.
Piel Cuadernas
Rigidizadores
217
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
En la Figura 5.20 se muestra una imagen del modelo, donde se han eliminado a
propósito los elementos lámina de la piel y de las cuadernas en la mitad longitudinal con
el fin de poder visualizar los elementos tipo barra existentes en el modelo. Además se
presenta una imagen ampliada donde se han enumerado los tipos de elementos presentes
en el modelo y que se comentan a continuación con el mismo orden de numeración.
218
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
2 3 5
4
Figura 5.20. Vista de los elementos tipo lámina y tipo barra del modelo. Modelo completo
(izq.) y detalle indicando cada una de las partes del modelo (dcha.).
1. Piel
Se emplean elementos tipo lámina, cuya denominación en este código es
CQUAD4, con 4 nudos por elemento y 6 grados de libertad por nudo. Se
utiliza una discretización longitudinal de un elemento entre cuadernas y 30
elementos en dirección circunferencial, resultando un total de 180 elementos.
El espesor inicial de estos elementos es de 3 mm.
2. Cuadernas
Las siete cuadernas de la estructura se modelan con el mismo tipo de
elemento que la piel (CQUAD4) y con un espesor inicial de 3 mm. El
número de elementos por cuaderna es de 30, resultando un total de 210
elementos.
219
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
220
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
Los modelos dañados se generan de forma arbitraria a partir del modelo original
mediante eliminación de los elementos de una parte del mismo. Los programas
informáticos empleados para la resolución de los problemas de optimización
comentados son VisualDoc 6.2 y VisualScript 6.2[V2] desarrollados por la empresa
Vanderplaats Research & Development, Inc. y Optistruct, módulo de análisis de
221
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
1. Variables de diseño
222
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
Las variables de diseño en este ejemplo comprenden casi la totalidad del modelo, con la
excepción de los rigidizadores de las cuadernas, que se consideran parámetros de
diseño, es decir, sus dimensiones permanecen constantes en el proceso de optimización.
2. Condiciones de diseño
Elementos lámina de la piel: Von Mises 160 MPa ; 1mm espesor 20mm
Elementos lámina de cuadernas: Von Mises 160 MPa ; 1mm espesor 20mm
Área de rigidizadores longitudinales: Von Mises 160 MPa ; 10mm área 1000mm
2 2
3. Función objetivo
223
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
1. Variables de diseño
224
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
2. Condiciones de diseño
225
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
Figura 5.25. Comparación de resultados. Con un modelo dañado (izq.), sin daño (dcha.).
226
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
En este caso se parte de tres modelos, como resultado de añadir una nueva
situación dañada de la estructura a las configuraciones del apartado anterior, resultando
así una configuración intacta y dos dañadas, como se muestra en la Figura 5.26. El
volumen resultante al optimizar de forma conjunta todos los modelos es de V=0.1916
m3, lo que supone un aumento del 12.91% con respecto al resultado de optimizar
exclusivamente la configuración intacta, cuyo volumen óptimo era V=0.1697 m3.
227
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
Figura 5.27. Diseño óptimo resultante tras la optimización sin daño (arriba), considerando
un modelo dañado (izq.) y considerando dos modelos dañados (dcha.).
228
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
51.33% con respecto al volumen óptimo de la configuración intacta que era V=0.1697
m3.
229
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
230
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
231
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
VOLUMEN EVOLUCIÓN DEL VOLUMEN ÓPTIMO
3
Modelo intacto (D=0) 0.1697 m 0.300
3
Con 1 modelo dañado (D=1) 0.1847 m 0.250
3
Con 2 modelos dañados (D=2) 0.1916 m 0.200
3
Con 4 modelos dañados (D=4) 0.2568 m 0.150
3 D=4 D=8
Con 8 modelos dañados (D=8) 0.2672 m 0.100 D=1 D=2
D=0
0.050
0.000
232
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
Incremento de volumen con respecto al volumen óptimo de
la configuracion intacta
70.00
60.00 57.45
51.33
50.00
Diferencia (%)
40.00
30.00
20.00
12.91
10.00
6.95
0.00
1 2 3 4 5 6 7 8
Número de configuraciones dañadas (D)
Este caso se corresponde con el problema resuelto en los apartados anteriores, donde
todas las configuraciones están sometidas a la hipótesis de carga que se observa en la
Figura 5.34.
Vector de cargas P:
Mx=1000 KNm
Fy=-750 KN
Fz=-750 KN
En este caso solo existe una hipótesis de carga, pero con diferentes valores según se
aplique sobre el modelo intacto o sobre las configuraciones dañadas. Por lo tanto las
cargas aplicadas sobre el modelo intacto son las que aparecen en la Figura 5.34 y el
vector de cargas para las configuraciones dañadas es:
Vector de cargas:
Mx=666.67 KNm
Fy=-500 KN
Fz=-500 KN
234
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
Este caso es igual que el Caso 1 pero se consideran dos hipótesis de carga en el
problema de optimización. Las cargas introducidas en cada hipótesis aparecen en la
Figura 5.35.
Los resultados obtenidos se muestran de forma agrupada para los tres casos
mencionados en la Figura 5.36 y Figura 5.37.
235
Caapítulo 5 OP
PTIMIZACIÓN
N DE ESTRUCCTURAS CON
NSIDERANDO LA CONFIG
GURACIÓN
CO
OMPLETA Y CO
OLAPSOS PAR
RCIALES
Volumen (m3)
0.2672 m 0.1928 m 0.3232 m
0.20 Caso 1
0.15 Caso 2
0.10 Caso 3
0.05
0.00
D=1 D=2
2 D=4 D=8
236
2
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
Incremento de volumen con respecto al volumen óptimo de la
configuracion intacta
100 90.45
89.45
90
80
70
Diferencia (%)
57.45
60 51.33
50 Caso 1
40
Caso 2
30
16.98 Caso 3
20 12.91 12.61 13.61
9.42
10 6.95
3.95
1.06
0
1 2 3 4 5 6 7 8
Número de configuraciones dañadas (D)
237
Capítulo 5 OPTIMIZACIÓN DE ESTRUCTURAS CONSIDERANDO LA CONFIGURACIÓN
COMPLETA Y COLAPSOS PARCIALES
que el diseño final está limitado no tanto por el número de configuraciones dañadas sino
por la magnitud del daño considerado.
5.4 REFERENCIAS
[A1] ARORA, J.S.: Introduction to Optimum Design, Elsevier Academic Press, Second
Edition, 2004.
[A2] ALTAIR HYPERWORKS v9.0., User’s Guide, 2008. Altair Engineering, Inc.
[G1] GENESIS v9.0, Design Manual, 2006. Vanderplaats Research & Development,
Inc. Colorado Springs, USA.
[H1] HAFTKA, R.T. & KAMAT, M.O.: Elements of Structural Optimization, Martinus
Nijhoff Publishers, 1985.
[V2] VisualDoc 6.2, User’s Manual, 2009. Vanderplaats Research & Development, Inc.
Colorado Springs, USA.
238
CAPÍTULO 6
CONCLUSIONES
239
Capítulo 6 CONCLUSIONES
240
Capítulo 6 CONCLUSIONES
Se han obtenido resultados para valores del 15% y 30% de desviación típica
en los datos que definen las funciones de flameo, y se ha observado que la
función de flameo P1* es la más determinante a la hora de determinar la
fiabilidad estructural de este puente.
Los resultados obtenidos en este ejemplo indican que la fiabilidad del puente
de Messina frente al fenómeno de flameo es muy elevada.
Dada la singularidad del puente de Messina los resultados obtenidos no se
pueden extrapolar a un resultado general, pudiendo ser otras funciones de
flameo las más relevantes en la obtención de la fiabilidad.
En la aplicación del método FORM se han detectado inestabilidades
numéricas que impedían su convergencia. En consecuencia, se ha realizado
una estabilización del mismo que primeramente se ha verificado con un
ejemplo analítico, obteniendo resultados satisfactorios.
241
Capítulo 6 CONCLUSIONES
242
Capítulo 6 CONCLUSIONES
243
Capítulo 6 CONCLUSIONES
diseño. Una posible línea de investigación pasa por introducir de forma simultánea
variaciones en distintos parámetros fijos.
244