[pt] Muitos problemas reais em modelagem computacional requerem o uso de aproximação de funções. Em alguns casos a função a ser avaliada no computador é muito complexa, portanto seria desejável que ela fosse substituída por uma função mais simples e mais eficiente de ser calculada. Para fazer isso, calcula-se o valor da função escalar f em um conjunto de N pontos {x1, x2, . . . , XN}, onde x(i) (pertence a) R(n), e faz-se uma estimativa dos valores dessa função f em qualquer outro ponto através de um método de interpolação. Um método de interpolação é qualquer procedimento que toma um conjunto de restrições e determina uma boa função que satisfaça essas condições. O método de interpolação de Shepard originalmente calcula o valor estimado dessa função num ponto qualquer x (pertence a) R(N) como uma média ponderada dos valores da função original nas N amostras dadas. Sendo que o peso para cada amostra x(i) é função das potências negativas das distâncias euclidianas entre os pontos x e x(i). Os núcleos K: R(N) × R(N) (EM) R são funções que correspondem ao produto interno no espaço de Hilbert F da imagem dos pontos x e z por uma função phi (conjunto vazio) : R(N) (EM) F, ou seja K(x, z) = < phi (conjunto vazio) (x), phi (conjunto vazio) (z) >. Na prática, as funções núcleos representam implicitamente o mapeamento feito pela função phi (conjunto vazio) , ou seja, se define qual núcleo usar e não qual phi (conjunto vazio) usar. Esse trabalho propõe uma modificação do método de interpolação de Shepard que é uma simples substituição no método original: ao invés de usar a distância euclidiana entre os pontos x e xi sugere-se usar a distância entre as imagens dos pontos x e x(I) por phi (conjunto vazio) no espaço de Hilbert F, que pode ser calculada diretamente com o uso da função núcleo K. Os resultados mostram que essa pequena modificação gera resultados melhores quando comparados com o método de Shepard original. / [en] Several real problem in computational modeling require function approximations. In some cases, the function to be evaluated in the computer is very complex, so it would be nice if this function could be substituted by a simpler and efficient one. To do so, the function f is sampled in a set of N pontos {x1, x2, . . . , xN}, where x(i) (is an element of) R(n), and then an estimate for the value of f in any other point is done by an interpolation method. An interpolation method is any procedure that takes a set of constraints and determines a nice function that satisfies such conditions. The Shepard interpolation method originally calculates the estimate of F(x) for some x (is an element of) R(n) as a weighted mean of the N sampled values of f. The weight for each sample xi is a function of the negative powers of the euclidian distances between the point x and xi. Kernels K : R(n) ×R(n) (IN) R are functions that correspond to an inner product on some Hilbert space F that contains the image of the points x and z by a function phi (the empty set) : R(n) (IN) F, i.e. k(x, z) =< phi (the empty set) (x), phi (the empty set) (z) >. In practice, the kernels represent implicitly the mapping phi (the empty set), i.e. it is more suitable to defines which kernel to use instead of which function phi (the empty set). This work proposes a simple modification on the Shepard interpolation method that is: to substitute the euclidian distance between the points x and xi by a distance between the image of these two point by phi (the empty set) in the Hilbert space F, which can be computed directly with the kernel k. Several tests show that such simple modification has better results when compared to the original method.

[pt] Em muitos problemas de engenharia, e.g., no projeto de próteses biomédicas flexíveis ou em dispositivos de absorção de energia, estruturas sofrem grandes deslocamentos. Nestes casos, a não linearidade geométrica deve ser levada em conta na resposta estrutural. Contudo, algoritmos de otimização topológica considerando não linearidades, e modelados segundo o método de elementos finitos, sofrem instabilidades numéricas causadas por distorções excessivas nas regiões de baixa densidade dentro do domínio de projeto. Em particular, a matriz de rigidez pode não ser positiva definida comprometendo a convergência do processo de otimização. Esta dissertação visa estudar um esquema de interpolação entre as formulações lineares e não lineares de elementos finitos para aliviar tais distorções. Em cada etapa da otimização, para determinar a configuração de equilíbrio, o sistema de equações não-lineares é resolvido pelo procedimento de Newton-Raphson. Utilizando-se das informações dos gradientes calculadas através do método adjunto, o Método das Assíntotas Móveis é empregado para atualizar as variáveis de projeto. Por meio de problemas de referência considerando grandes deslocamentos, são demonstradas a eficácia e a eficiência deste esquema de interpolação. Mais especificamente, as topologias otimizadas estão de acordo com aquelas obtidas na literatura e exibem a dependência esperada em relação ao nível de carga. O esquema de interpolação em estudo desempenha papel crucial na solução de problemas não lineares em níveis elevados de carga, permitindo que a rotina de otimização convirja e se obtenha a distribuição de material ótima. / [en] In many engineering problems, e.g., design of flexible biomedical prostheses or energy absorption devices, structures undergo large displacements. In those problems, the structural response must take into account the geometric nonlinearity. However, topology optimization algorithms regarding nonlinearities, and based on the finite element method, typically suffer from numerical instabilities caused by excessive distortions of low-density regions within the design domain. In particular, the stiffness matrix may be no longer positive definite, which can jeopardize the convergence of the optimization process. This thesis aims to study an interpolation scheme between linear and nonlinear finite element formultation to alleviate this convergence issue. At each step of the optimization, the nonlinear state equation is solved by the Newton-Raphson procedure to determine the equilibrium configuration. Making use of the gradient information computed from the adjoint method, the Method of Moving Asymptotes is employed to update the design variables. Through several benchmark problems considering large displacements, it is demonstrated the effectiveness and efficiency of this interpolation scheme. More specifically, the optimized designs are in agreement with those obtained in the literature and exhibit correct load-level dependence. The investigated interpolation scheme plays a crucial role in the solution of nonlinear problems with high load levels, allowing the optimization routine to converge and to obtain the optimal material arrangement.