A otimização estrutural, utilizando ferramentas computacionais é um grande campo de pesquisa na atualidade. Os métodos utilizados, dependendo da complexidade do problema, demandam um grande custo computacional, e por isso vem sendo avaliandas várias técnicas para diminuí-lo. Uma delas é o emprego de técnicas de aproximação de análises, dentre as quais destacam-se as redes neurais, que combinadas aos métodos de otimização e de análises clássicos conseguem bons resultados e reduzem significativamente o tempo de processamento. O emprego dos compósitos laminados como material estrutural vem crescendo nos últimos tempos, incentivado pela suas excelentes propriedades mecânicas e baixo peso. Em consenso com todo o esforço científico dedicado a essa área, o presente trabalho visa a implementação de uma ferramenta computacional capaz de otimizar estruturas complexas fabricadas com tais materiais, a um baixo custo computacional. Com isto em mente, é desenvolvido um sistema de otimização, aproveitando módulos implementados previamente para a análise estática linear e não linear através do método dos elementos finitos (MEF), e o módulo de otimização por algoritmos genéticos. Serão desenvolvidos os módulos de análise modal, para otimizar também estruturas com critérios baseados em freqüências e modos, e o modulo de redes neurais de tipo perceptron para aproximações das análises feitas através do MEF. Alguns exemplos são apresentados para demonstrar que bons resultados são obtidos com a utilização de redes neurais artificiais, cujo treinamento permite poupar tempo computacional proveniente do grande número de análises usualmente necessárias no processo de otimização. / Structural optimization using computational tools has become a major research field in recent years. Methods commonly used in structural analysis and optimization may demand considerable computational cost, depending on the problem complexity. Therefore, many techniques have been evaluated in order to diminish such impact. Among these various techniques, artificial neural networks may be considered as one of the main alternatives, when combined with classic analysis and optimization methods, to reduce the computational effort without affecting the final solution quality. Use of laminated composite structures has been continuously growing in the last decades due to the excellent mechanical properties and low weight characterizing these materials. Taken into account the increasing scientific effort in the different topics of this area, the aim of the present work is the formulation and implementation of a computational code to optimize manufactured complex laminated structures with a relatively low computational cost by combining the Finite Element Method (FEM) for structural analysis, Genetic Algorithms (GA) for structural optimization and Artificial Neural Networks (ANN) to approximate the finite element solutions. The modules for linear and geometrically non-linear static finite element analysis and for optimize laminated composite plates and shells, using GA, were previously implemented. Here, the finite element module is extended to analyze dynamic responses to optimize problems based in frequencies and modal criteria, and a module with perceptron ANN is added to approximate finite element analyses. Several examples are presented to show the effectiveness of ANN to approximate solutions obtained using the FEM and to reduce significatively the computational cost.

Essa dissertação propõe um conjunto de experimentos de simulação em sistemas sujeitos a dois modos de falha com vistas à otimização de confiabilidade. Para tanto, propõe a modelagem analítica e otimização via Algoritmo Genético em sistemas série-paralelo com múltipla escolha de componentes. A ocorrência de falhas em produtos e serviços pode gerar descontentamento aos clientes e até riscos à sua segurança. Em muitos casos práticos, sistemas constituídos por componentes que apresentam dois modos de falha (ou seja, que podem falhar no modo aberto ou curto) são caracterizados por elevada complexidade matemática e analítica para mensuração de sua confiabilidade e estabelecimento de arranjos ótimos. O objetivo da modelagem de estruturas com foco na otimização de confiabilidade consiste em determinar o arranjo que proporciona níveis mais elevados de confiabilidade, ao passo que problemas de alocação de redundância visam à seleção de componentes e níveis apropriados de redundância que maximizem a confiabilidade ou minimizem os custos do sistema frente a restrições de projeto. São estudados os sistemas série-paralelo k-out-of-n (em que qualquer combinação de k dentre n componentes devem operar devidamente). Esse trabalho inova ao apresentar sistemas série-paralelo l-out-of-m, onde a falha de até l dentre m subsistemas não ocasiona falha no sistema geral. Os métodos apresentados fornecem uma contribuição ao estudo de confiabilidade em sistemas com dois modos de falha. / This dissertation proposes a set of simulation experiments in series-parallel systems subject to two failure modes with a view to reliability optimization. Therefore, proposes analytical modeling and optimization by the genetic algorithms in k-out-of-n series-parallel systems and l-out-of-m series-parallel systems, with multiple choice of components. When it comes to products and services, functional errors can lead disgruntlement by customers and even security risks. In many practical cases, systems consisting of two failure modes components (ie, they can fail in open or short mode) rely on highly mathematical and analytical complexity for reliability estimation and establishment of optimal arrangements. The goal of structural modeling focused on reliability optimization is to determine the design that provides the highest reliability levels, while the redundancy allocation problem involves selecting components and appropriate levels of redundancy that either maximize reliability or minimize system costs against design constraints. The k-out-of-n series-parallel structure (any combination of k among n components must operate properly) are studied and this work innovates by presenting l-out-of-m series-parallel systems, where failure of up to l within m subsystems does not cause a overall system failure. The methods presented contribute to the study of reliability in systems with two modes of failure.

O principal objetivo do controle de vibrações é a sua redução ou minimização, através da modificação automática da resposta estrutural. Em muitas situações isto é necessário para promover a estabilidade estrutural, e para alcançar o alto desempenho mecânico necessário em diversas áreas técnicas, tais como a engenharia aeroespacial, civil e mecânica, bem como a biotecnologia, inclusive em escala micro e nano mecânica. Uma alternativa é o uso de estruturas inteligentes, que são o resultado da combinação de sensores e atuadores integrados em uma estrutura mecânica, e um método de controle adequado. O principal objetivo deste trabalho é o desenvolvimento de rotinas computacionais para a simulação, via método dos elementos finitos, do controle ativo de estruturas inteligentes de cascas, placas e vigas delgadas de material compósito laminado com camadas de material piezoelétrico como sensores e/ou atuadores. Caracterizam esta pesquisa a utilização do elemento GPL-T9 de três nós e seis graus de liberdade mecânicos por nó, mais um grau de liberdade elétrico por camada piezoelétrica, assim como a avaliação de dois métodos de controle, o Proporcional-Integral-Derivativo (PID) e o Regulador Quadrático Linear ou Linear Quadratic Regulator (LQR), incluindo o LQR Modal, e a otimização da localização de pastilhas piezoelétricas através de um Algoritmo Genético (AG). Várias aplicações são apresentadas e os resultados obtidos são comparados aos disponíveis na literatura especializada. / The main objective of vibration control is its reduction or even its minimization by the automatic modification of the structural response. Sometimes this is necessary to increase structural stability and to attain a high mechanical behavior in several areas such as aerospace, civil and mechanical engineering, biotechnology, including macro, micro and nanomechanical scales. An alternative is to use a smart structure, which results of the combinations of integrated sensors and actuators in a mechanical structure and a suitable control method. Development of a computational code to simulate, using finite elements, the active control in smart structures such as slender shells, plates and beams of composite materials with embedded piezoelectric layers acting as actuators and sensors is the main objective of this work. This research is characterized by the use of the GPL-T9 element with three nodes and six mechanical degrees of freedom and one electrical degree of freedom per piezoelectric layer, by the evaluation of two control methods, the Proportional Integral Derivative (PID) and the Linear Quadratic Regulator (LQR), including the Modal LQR, and, finally by the optimization of piezoelectric patches placement using a Genetic Algorithm (GA). Several examples are presented and compared with those obtained by other authors.

Currently, one of the main research problems in Structural Bioinformatics is associated to the study and prediction of the 3-D structure of proteins. The 1990’s GENOME projects resulted in a large increase in the number of protein sequences. However, the number of identified 3-D protein structures have not followed the same growth trend. The number of protein sequences is much higher than the number of known 3-D structures. Many computational methodologies, systems and algorithms have been proposed to address the protein structure prediction problem. However, the problem still remains challenging because of the complexity and high dimensionality of a protein conformational search space. This work presents a new computational strategy for the 3-D protein structure prediction problem. A first principle strategy which uses database information for the prediction of the 3-D structure of polypeptides was developed. The proposed technique manipulates structural information from the PDB in order to generate torsion angles intervals. Torsion angles intervals are used as input to a genetic algorithm with a local-search operator in order to search the protein conformational space and predict its 3-D structure. Results show that the 3-D structures obtained by the proposed method were topologically comparable to their correspondent experimental structure.

[pt] A previsão de séries temporais é fundamental na tomada de decisões de curto, médio e longo prazo, em diversas áreas como o setor elétrico, a bolsa de valores, a meteorologia, entre outros. Tem-se na atualidade uma diversidade de técnicas e modelos para realizar essas previsões, mas as ferramentas estatísticas são as mais utilizadas principalmente por apresentarem um maior grau de interpretabilidade. No entanto, as técnicas de inteligência computacional têm sido cada vez mais aplicadas em previsão de séries temporais, destacando-se as Redes Neurais Artificiais (RNA) e os Sistemas de Inferência Fuzzy (SIF). Recentemente foi criado um novo tipo de RNA, denominada Echo State Networks (ESN), as quais diferem das RNA clássicas por apresentarem uma camada escondida com conexões aleatórias, denominada de Reservoir (Reservatório). Este Reservoir é ativado pelas entradas da rede e pelos seus estados anteriores, gerando o efeito de Echo State (Eco), fornecendo assim um dinamismo e um desempenho melhor para tarefas de natureza temporal. Uma dificuldade dessas redes ESN é a presença de diversos parâmetros, tais como Raio Espectral, Tamanho do Reservoir e a Percentual de Conexão, que precisam ser calibrados para que a ESN forneça bons resultados. Portanto, este trabalho tem como principal objetivo o desenvolvimento de uma ferramenta computacional capaz de realizar previsões de séries temporais, baseada nas ESN, com ajuste automático de seus parâmetros por Particle Swarm Optimization (PSO) e Algoritmos Genéticos (GA), facilitando a sua utilização pelo usuário. A ferramenta computacional desenvolvida oferece uma interface gráfica intuitiva e amigável, tanto em termos da modelagem da ESN, quanto em termos de realização de eventuais pré-processamentos na série a ser prevista. / [en] The time series forecasting is critical to decision making in the short, medium and long term in several areas such as electrical, stock market, weather and industry. Today exist different techniques to model this forecast, but statistics are more used, because they have a bigger interpretability, due by the mathematic models created. However, intelligent techniques are being more applied in time series forecasting, where the principal models are the Artificial Neural Networks (ANN) and Fuzzy Inference Systems (FIS). A new type of ANN called Echo State Networks (ESN) was created recently, which differs from the classic ANN in a randomly connected hidden layer called Reservoir. This Reservoir is activated by the network inputs, and the historic of the reservoir activations generating so, the Echo State and giving to the network more dynamism and a better performance in temporal nature tasks. One problem with these networks is the presence of some parameters as, Spectral Radius, Reservoir Size and Connection Percent, which require calibration to make the network provide positive results. Therefore the aim of this work is to develop a computational application capable to do time series forecasting, based on ESN, with automatic parameters adjustment by Particle Swarm Optimization (PSO) and Genetic Algorithms (GA), facilitating its use by the user. The developed computational tool offers an intuitive and friendly interface, both in terms of modeling the ESN, and in terms of achievement of possible pre-process on the series to be forecasted.

O principal objetivo do controle de vibrações é a sua redução ou minimização, através da modificação automática da resposta estrutural. Em muitas situações isto é necessário para promover a estabilidade estrutural, e para alcançar o alto desempenho mecânico necessário em diversas áreas técnicas, tais como a engenharia aeroespacial, civil e mecânica, bem como a biotecnologia, inclusive em escala micro e nano mecânica. Uma alternativa é o uso de estruturas inteligentes, que são o resultado da combinação de sensores e atuadores integrados em uma estrutura mecânica, e um método de controle adequado. O principal objetivo deste trabalho é o desenvolvimento de rotinas computacionais para a simulação, via método dos elementos finitos, do controle ativo de estruturas inteligentes de cascas, placas e vigas delgadas de material compósito laminado com camadas de material piezoelétrico como sensores e/ou atuadores. Caracterizam esta pesquisa a utilização do elemento GPL-T9 de três nós e seis graus de liberdade mecânicos por nó, mais um grau de liberdade elétrico por camada piezoelétrica, assim como a avaliação de dois métodos de controle, o Proporcional-Integral-Derivativo (PID) e o Regulador Quadrático Linear ou Linear Quadratic Regulator (LQR), incluindo o LQR Modal, e a otimização da localização de pastilhas piezoelétricas através de um Algoritmo Genético (AG). Várias aplicações são apresentadas e os resultados obtidos são comparados aos disponíveis na literatura especializada. / The main objective of vibration control is its reduction or even its minimization by the automatic modification of the structural response. Sometimes this is necessary to increase structural stability and to attain a high mechanical behavior in several areas such as aerospace, civil and mechanical engineering, biotechnology, including macro, micro and nanomechanical scales. An alternative is to use a smart structure, which results of the combinations of integrated sensors and actuators in a mechanical structure and a suitable control method. Development of a computational code to simulate, using finite elements, the active control in smart structures such as slender shells, plates and beams of composite materials with embedded piezoelectric layers acting as actuators and sensors is the main objective of this work. This research is characterized by the use of the GPL-T9 element with three nodes and six mechanical degrees of freedom and one electrical degree of freedom per piezoelectric layer, by the evaluation of two control methods, the Proportional Integral Derivative (PID) and the Linear Quadratic Regulator (LQR), including the Modal LQR, and, finally by the optimization of piezoelectric patches placement using a Genetic Algorithm (GA). Several examples are presented and compared with those obtained by other authors.

A otimização estrutural, utilizando ferramentas computacionais é um grande campo de pesquisa na atualidade. Os métodos utilizados, dependendo da complexidade do problema, demandam um grande custo computacional, e por isso vem sendo avaliandas várias técnicas para diminuí-lo. Uma delas é o emprego de técnicas de aproximação de análises, dentre as quais destacam-se as redes neurais, que combinadas aos métodos de otimização e de análises clássicos conseguem bons resultados e reduzem significativamente o tempo de processamento. O emprego dos compósitos laminados como material estrutural vem crescendo nos últimos tempos, incentivado pela suas excelentes propriedades mecânicas e baixo peso. Em consenso com todo o esforço científico dedicado a essa área, o presente trabalho visa a implementação de uma ferramenta computacional capaz de otimizar estruturas complexas fabricadas com tais materiais, a um baixo custo computacional. Com isto em mente, é desenvolvido um sistema de otimização, aproveitando módulos implementados previamente para a análise estática linear e não linear através do método dos elementos finitos (MEF), e o módulo de otimização por algoritmos genéticos. Serão desenvolvidos os módulos de análise modal, para otimizar também estruturas com critérios baseados em freqüências e modos, e o modulo de redes neurais de tipo perceptron para aproximações das análises feitas através do MEF. Alguns exemplos são apresentados para demonstrar que bons resultados são obtidos com a utilização de redes neurais artificiais, cujo treinamento permite poupar tempo computacional proveniente do grande número de análises usualmente necessárias no processo de otimização. / Structural optimization using computational tools has become a major research field in recent years. Methods commonly used in structural analysis and optimization may demand considerable computational cost, depending on the problem complexity. Therefore, many techniques have been evaluated in order to diminish such impact. Among these various techniques, artificial neural networks may be considered as one of the main alternatives, when combined with classic analysis and optimization methods, to reduce the computational effort without affecting the final solution quality. Use of laminated composite structures has been continuously growing in the last decades due to the excellent mechanical properties and low weight characterizing these materials. Taken into account the increasing scientific effort in the different topics of this area, the aim of the present work is the formulation and implementation of a computational code to optimize manufactured complex laminated structures with a relatively low computational cost by combining the Finite Element Method (FEM) for structural analysis, Genetic Algorithms (GA) for structural optimization and Artificial Neural Networks (ANN) to approximate the finite element solutions. The modules for linear and geometrically non-linear static finite element analysis and for optimize laminated composite plates and shells, using GA, were previously implemented. Here, the finite element module is extended to analyze dynamic responses to optimize problems based in frequencies and modal criteria, and a module with perceptron ANN is added to approximate finite element analyses. Several examples are presented to show the effectiveness of ANN to approximate solutions obtained using the FEM and to reduce significatively the computational cost.

Orientador: Janito Vaqueiro Ferreira / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica / Made available in DSpace on 2018-08-24T20:08:14Z (GMT). No. of bitstreams: 1 MartinezRicardo_DianaMarcela_M.pdf: 3485991 bytes, checksum: 9bd64ce80b2e1c25ed98644d4f52fd64 (MD5) Previous issue date: 2014 / Resumo: Este trabalho tem como objetivo desenvolver um processo de identificação da vazão de gás em um dos equipamentos usados na indústria petrolífera, às bombas centrífugas submersas (BCS) em regime de escoamento multifásico. Estas bombas apresentam falhas frequentes prematuras quando a vazão de gás é alta, as quais ocorrem por falta de informação do tipo de escoamento bifásico presente na bomba no tempo de operação. Por isto estudos de identificação experimental são requeridos nesta área. Neste contexto a presente pesquisa tem seu foco na obtenção de modelos mediante dados experimentais, recompilados diretamente da resposta do sistema que descrevem o comportamento da vazão de gás na planta de interesse, como: vibração, vazão, elevação entre outros. Estes modelos estão baseados na identificação não paramétrica e no algoritmo de aprendizagem de Máquina de Vetores de Suporte (SVM), onde os parâmetros ocultos da máquina de aprendizagem serão obtidos mediante algoritmos genéticos, visando obter modelos mais representativos / Abstract: This work develops a process to identify the flow of gas in one of the equipment used in the oil industry, the electric submersible pump (EPS) under multiphase flow. These pumps feature frequent premature failures when the gas flow is high. That occurs due to lack of information on the type of two ¿ phase flow in the pump in operation time. Experimental studies for this identification are required in this area. In this context, the present research focuses on obtaining models by experimental data collected directly from the system response which describes the behavior of the gas flow on the system of interest such as: vibration, fluid, elevation etc. These models are based on nonparametric identification and in learning algorithm support vector machine (SVM), where the hidden parameters of the learning machine will be obtained by genetic algorithms in order to obtain more representative models / Mestrado / Mecanica dos Sólidos e Projeto Mecanico / Mestra em Engenharia Mecânica

[pt] A análise de agrupamento não supervisionado, o processo que consistem em agrupar conjuntos de pontos de acordo com um ou mais critérios de similaridade, tem desempenhado um papel essencial em vários campos. O dois algoritmos mais populares para esse processão são o k-means e o Gaussian Mixture Models (GMM). O primeiro atribui cada ponto a um único cluster e usa a distância Euclidiana como similaridade. O último determina uma matriz de probabilidade de pontos pertencentes a clusters, e usa distância de Mahalanobis como similaridade. Além da diferença no método de atribuição - a chamada atribuição hard para o primeiro e a atribuição soft para o último - os algoritmos também diferem em relação à estrutura do cluster, ou forma: o k-means considera estruturas esféricas no dados; enquanto o GMM considera elipsoidais através da estimação de matrizes de covariância. Neste trabalho, um problema de otimização matemática que combina a atribuição hard com a estrutura do cluster elipsoidal é detalhado e formulado. Uma vez que a estimativa da covariância desempenha um papel importante no comportamento de estruturas agrupamentos elipsoidais, técnicas de regularizações são exploradas. Neste contexto, dois métodos de meta-heurística, uma perturbação Random Swap e um algoritmo híbrido genético, são adaptados, e seu impacto na melhoria do desempenho dos métodos é estudado. O objetivo central dividido em três: compreender as condições em que as estruturas de agrupamento elipsoidais são mais benéficas que as esféricas; determinar o impacto da estimativa de covariância com os métodos de regularização; e analisar o efeito das meta-heurísticas de otimização global na análise de agrupamento não supervisionado. Finalmente, a fim de fornecer bases para a comparação das presentes descobertas com futuros trabalhos relacionados, foi gerada uma base de dados com um extenso benchmark contendo análise das variações de diferentes tamanhos, formas, número de grupos e separabilidade, e seu impacto nos resultados de diferentes algoritmos de agrupamento. Além disso, pacotes escritos na linguagem Julia foram disponibilizados com os algoritmos estudados ao longo deste trabalho. / [en] Unsupervised cluster analysis, the process of grouping sets of points according to one or more similarity criteria, plays an essential role in various fields. The two most popular algorithms for this process are the k-means and the Gaussian Mixture Models (GMM). The former assigns each point to a single cluster and uses Euclidean distance as similarity. The latter determines a probability matrix of points to belong to clusters, and the Mahalanobis distance is the underlying similarity. Apart from the difference in the assignment method - the so-called hard assignment for the former and soft assignment for the latter - the algorithms also differ concerning the cluster structure, or shape: the k-means considers spherical structures in the data; while the GMM considers ellipsoidal ones through the estimation of covariance matrices. In this work, a mathematical optimization problem that combines the hard assignment with the ellipsoidal cluster structure is detailed and formulated. Since the estimation of the covariance plays a major role in the behavior of ellipsoidal cluster structures, regularization techniques are explored. In this context, two meta-heuristic methods, a Random Swap perturbation and a hybrid genetic algorithm, are adapted, and their impact on the improvement of the performance of the methods is studied. The central objective is three-fold: to gain an understanding of the conditions in which ellipsoidal clustering structures are more beneficial than spherical ones; to determine the impact of covariance estimation with regularization methods; and to analyze the effect of global optimization meta-heuristics on unsupervised cluster analysis. Finally, in order to provide grounds for comparison of the present findings to future related works, a database was generated together with an extensive benchmark containing an analysis of the variations of different sizes, shapes, number of clusters, and separability and their impact on the results of different clustering algorithms. Furthermore, packages written in the Julia language have been made available with the algorithms studied throughout this work.

[pt] Sinais bioelétricos fornecem informações importantes sobre a função fisiológica de muitos organismos vivos. Em magnetismo, denomina-se problema direto aquele em que se determina o campo magnético a partir do conhecimento da fonte de corrente que o gerou. Por outro lado, existem situações em que se deseja determinar a fonte de corrente a partir de valores de campo magnético medidos. Esse tipo de problema é usual em Biomagnetismo e é denominado problema inverso. Por exemplo, com base em medições do campo magnético cardíaco é possível inferir sobre a atividade elétrica, no tecido cardíaco, que foi responsável por sua geração. Este trabalho propõe, apresenta e discute uma nova técnica destinada a resolver o problema biomagnético inverso, por meio de algoritmos genéticos. Objetiva-se estimar a posição, a orientação e a magnitude dos dipolos de corrente equivalentes, responsáveis pela geração de mapas de campos biomagnéticos obtidos experimentalmente por meio de medições realizadas em corações isolados de coelho utilizando um sistema SQUID de 16 canais. O algoritmo busca identificar a distribuição de dipolos que melhor se ajusta aos dados experimentais, objetivando minimizar o erro entre o mapa de campo magnético medido e o obtido por meio das soluções estimadas. O conhecimento dos parâmetros dos dipolos de corrente, em diferentes instantes de tempo, permite a correta interpretação e análise da informação médica obtida a partir dos campos biomagnéticos medidos experimentalmente, auxiliando na definição de diagnósticos e orientação de abordagens terapêuticas. / [en] Bioelectric signals provide important information about the physiological function of many living organisms. In magnetism, the so-called direct problem deals with the determination of the magnetic field associated to well known current sources. On the other hand, there are situations where it is necessary to determine the current source responsible for the generation of a measured magnetic field. This type of problem is common in Biomagnetism and is called inverse problem. For example, based on cardiac magnetic field measurements it is possible to infer the electrical activity in the heart tissue, responsible for its generation. This work proposes, presents and discusses a new technique designed to solve the biomagnetic inverse problem by genetic algorithms. It is intended to estimate the position, orientation and magnitude of the equivalent current dipoles, responsible for the generation of biomagnetic field maps measured with a 16 channel SQUID system. The algorithm attempts to identify the distribution of dipoles that best fits the measured experimental data, aiming at minimizing the error between the experimental magnetic field maps and those obtained by the estimated solutions. The experimental data analyzed in this study were acquired by measurements in isolated rabbit hearts. The knowledge of parameters of current dipoles at different instants of time allows the correct interpretation and analysis of medical information obtained from the experimentally measured biomagnetic fields, providing diagnosis and guiding therapeutic procedures.