De maneira geral, a necessidade de aumentar o desempenho e diminuir o tamanho dos sistemas mecatrônicos tem levado a indústria moderna a idealizar e desenvolver sistemas de posicionamento com boas características de aceleração e precisão de posicionamento. Por outro lado, a crescente demanda de componentes com melhores características metrológicas e de acabamento, tais corno lentes para raio X e infra vermelho, tem exigido o desenvolvimento de variados tipos de sistemas de microposicionamento capazes de movimentar elementos de máquinas em distâncias muito pequenas com alto grau de exatidão, dentre os quais podem-se destacar os acionados por meio de atuadores piezoelétricos. Este trabalho propõe a utilização de um novo tipo de atuador baseado na propriedade de estricção eletromagnética de certas ligas metálicas (atuadores magnetoestritivos) associado a um sistema de controle digital que utiliza um algoritmo de controle baseado em lógica difusa e redes neurais artificiais para o controle de microposicionamento. Metodologias e princípios de projeto para engenharia de precisão são abordados de forma a auxiliar no desenvolvimento de dois protótipos de posicionadores para uso em usinagem de ultraprecisão. Resultados obtidos em testes experimentais apontam para urna melhoria no comportamento dinâmico dos microposicionadores acionados por atuadores magnetoestritivos. Isto permite sua utilização como alternativa válida no posicionamento submicrométrico. / In general, actual requirements such as high performance and small sizes of mechatronic systems, has led modern industry to design positioning systems with good characteristics of acceleration and positioning accuracy. The increasing demand of components with better metrological and finish characteristics, as X-ray and infra-red lens, has allowed the development of a number of types of micropositioning systems that are able to move machine elements to very small distances with high levels of accuracy. In this work it is proposed the use of a new type of actuator that applies the properties of electromagnetic strain of certain metallic alloys (magnetostrictive actuators). lt is also proposed the application of a digital control system that uses a control algorithm which is based on fuzzy logic and artificial neural networks for the micropositioning control. Design principles and methodologies related to precision engineering are discussed with the purpose of aiding the development of two prototypes of positioners for ultraprecision rnachining, experimental results show that micropositioner driven by magnetostrictive actuators have better dynamics behaviours. This allows the use of such actuators as an valid alternative for positioning in submicrometer range.

Este trabalho apresenta um estudo do efeito de incertezas na otimização estrutural. Tal efeito pode ser quantificado em termos de probabilidades de falha bem como do risco, ou custo esperado de falha. O estudo se baseia na comparação dos resultados obtidos através de três distintas formulações do problema de otimização estrutural: otimização determinística, otimização baseada em confiabilidade e otimização de risco estrutural. Para efeitos de comparação, informações sobre risco de falha estrutural (produto da probabilidade de falha pelo custo de falha) são incorporadas nas três formulações. A otimização determinística (DDO - Deterministic Design Optimization) permite encontrar uma configuração estrutural que é ótima em termos mecânicos, mas não considera explicitamente a incerteza dos parâmetros e seus efeitos na segurança estrutural. Em conseqüência, a segurança da estrutura ótima pode ser comprometida, em comparação à segurança da estrutura original. A otimização baseada em confiabilidade (RBDO - Reliability-Based Design Optimization) garante que a estrutura ótima mantenha um nível mínimo (e mensurável) de segurança. Entretanto, os resultados são dependentes da probabilidade de falha usada como restrição na análise. A otimização de risco estrutural (RBRO - Reliability-Based Risk Optimization) aumenta o escopo do problema, buscando um balanço entre economia e segurança, objetivos estes que de uma forma geral competem entre si. Isto é possível através da quantificação de custos associados à construção, operação e manutenção da estrutura, bem como das consequências monetárias de falha. A experiência mostra que problemas de otimização estudados, são utilizados neste trabalho dois métodos de otimização heurísticos: algoritmos genéticos e método do enxame de partículas. Tendo a eficiência como objetivo, dois métodos com fundamentação matemática também são estudados: os métodos de Powell e de Polak-Ribiere. Finalmente, buscando uma relação de compromisso entre confiabilidade (capacidade de encontrar o mínimo global em todos os problemas) e eficiência, quatro algoritmos híbridos são construídos, combinando os quatro métodos citados anteriormente. Efeitos de incertezas na otimização estrutural são estudados através da comparação de soluções obtidas via diferentes formulações do problema de otimização. São apresentados alguns estudos de caso, enfatizando as diferenças entre os projetos ótimos obtidos por cada formulação. O estudo mostra que, em geral, a estrutura ótima só é encontrada pela formulação mais abrangente: a otimização de risco ou RBRO. O estudo mostra que, para que a formulação DDO encontre a mesma configuração ótima da formulação RBRO, é necessário especificar um coeficiente de segurança ótimo para cada modo de falha. De maneira semelhante, o estudo mostra que quando os custos associados a diferentes modos de falha são distintos, a formulação RBDO somente resulta na estrutura ótima quando uma probabilidade de falha ótima é especificada como restrição para cada modo falha da estrutura. / In this study the effects of uncertainty on optimum structural design are investigated, by comparing three distinct formulations of a structural optimization problem. Such effects can be quantified in terms of failure probabilities and risk, or expected costs of failure. Deterministic Design Optimization (DDO) allows one the find the shape or configuration of a structure that is optimum in terms of mechanics, but the formulation do not consider explicitly parameter uncertainty and its effects on structural safety. As a consequence, safety of the optimum structure can be compromised, in comparison to safety of the original structure. Reliability-based Design Optimization (RBDO) has emerged as an alternative to properly model the safety-under-uncertainty part of the problem. With RBDO, one can ensure that a minimum (and measurable) level of safety is achieved by the optimum structure. However, results are dependent on the failure probability used as constraint in the analysis. Risk optimization increases the scope of the problem, by addressing the compromising goals of economy and safety, and allowing one to find a proper point of balance between these goals. This is accomplished by quantifying the costs associated to construction, operation and maintenance of the structure, as well as the monetary consequences of failure. Experience shows that structural optimization problems can have multiple local minima. With the objective of finding the global minimum in all studied problems, two heuristic optimization methods are used in this study: genetic algorithms and particle swarm optimization. Aiming at efficiency, two methods with mathematical foundations are also considered: the methods of Powel and Polak-Ribiere. Finally, looking for a compromise between reliability (capacity to find the global minimum) and efficiency, four hybrid algorithms are constructed, combining the four methods just cited. The study investigates the effects of uncertainty on optimum structural design by comparing solutions obtained via the different formulations of the optimization problem. The paper presents some case studies, highlighting the differences in the optimum designs obtained with each formulation. The study leads to a better understanding of the limitations of each formulation in the solution of structural optimization problems. The investigation shows that, in general, the optimum structure can only be found by the most comprehensive formulation: risk optimization or RBRO. The study shows that DDO only leads to the optimum structure if an optimum safety coefficient is used as constraint for each individual failure mode. In a similar way, the investigation shows that when the costs associated to distinct failure modes are different, the RBDO formulation only leads to the optimum structural design if an optimum failure probability is specified as constraint for each failure mode of the structure.

De maneira geral, a necessidade de aumentar o desempenho e diminuir o tamanho dos sistemas mecatrônicos tem levado a indústria moderna a idealizar e desenvolver sistemas de posicionamento com boas características de aceleração e precisão de posicionamento. Por outro lado, a crescente demanda de componentes com melhores características metrológicas e de acabamento, tais corno lentes para raio X e infra vermelho, tem exigido o desenvolvimento de variados tipos de sistemas de microposicionamento capazes de movimentar elementos de máquinas em distâncias muito pequenas com alto grau de exatidão, dentre os quais podem-se destacar os acionados por meio de atuadores piezoelétricos. Este trabalho propõe a utilização de um novo tipo de atuador baseado na propriedade de estricção eletromagnética de certas ligas metálicas (atuadores magnetoestritivos) associado a um sistema de controle digital que utiliza um algoritmo de controle baseado em lógica difusa e redes neurais artificiais para o controle de microposicionamento. Metodologias e princípios de projeto para engenharia de precisão são abordados de forma a auxiliar no desenvolvimento de dois protótipos de posicionadores para uso em usinagem de ultraprecisão. Resultados obtidos em testes experimentais apontam para urna melhoria no comportamento dinâmico dos microposicionadores acionados por atuadores magnetoestritivos. Isto permite sua utilização como alternativa válida no posicionamento submicrométrico. / In general, actual requirements such as high performance and small sizes of mechatronic systems, has led modern industry to design positioning systems with good characteristics of acceleration and positioning accuracy. The increasing demand of components with better metrological and finish characteristics, as X-ray and infra-red lens, has allowed the development of a number of types of micropositioning systems that are able to move machine elements to very small distances with high levels of accuracy. In this work it is proposed the use of a new type of actuator that applies the properties of electromagnetic strain of certain metallic alloys (magnetostrictive actuators). lt is also proposed the application of a digital control system that uses a control algorithm which is based on fuzzy logic and artificial neural networks for the micropositioning control. Design principles and methodologies related to precision engineering are discussed with the purpose of aiding the development of two prototypes of positioners for ultraprecision rnachining, experimental results show that micropositioner driven by magnetostrictive actuators have better dynamics behaviours. This allows the use of such actuators as an valid alternative for positioning in submicrometer range.

Este trabalho apresenta um estudo do efeito de incertezas na otimização estrutural. Tal efeito pode ser quantificado em termos de probabilidades de falha bem como do risco, ou custo esperado de falha. O estudo se baseia na comparação dos resultados obtidos através de três distintas formulações do problema de otimização estrutural: otimização determinística, otimização baseada em confiabilidade e otimização de risco estrutural. Para efeitos de comparação, informações sobre risco de falha estrutural (produto da probabilidade de falha pelo custo de falha) são incorporadas nas três formulações. A otimização determinística (DDO - Deterministic Design Optimization) permite encontrar uma configuração estrutural que é ótima em termos mecânicos, mas não considera explicitamente a incerteza dos parâmetros e seus efeitos na segurança estrutural. Em conseqüência, a segurança da estrutura ótima pode ser comprometida, em comparação à segurança da estrutura original. A otimização baseada em confiabilidade (RBDO - Reliability-Based Design Optimization) garante que a estrutura ótima mantenha um nível mínimo (e mensurável) de segurança. Entretanto, os resultados são dependentes da probabilidade de falha usada como restrição na análise. A otimização de risco estrutural (RBRO - Reliability-Based Risk Optimization) aumenta o escopo do problema, buscando um balanço entre economia e segurança, objetivos estes que de uma forma geral competem entre si. Isto é possível através da quantificação de custos associados à construção, operação e manutenção da estrutura, bem como das consequências monetárias de falha. A experiência mostra que problemas de otimização estudados, são utilizados neste trabalho dois métodos de otimização heurísticos: algoritmos genéticos e método do enxame de partículas. Tendo a eficiência como objetivo, dois métodos com fundamentação matemática também são estudados: os métodos de Powell e de Polak-Ribiere. Finalmente, buscando uma relação de compromisso entre confiabilidade (capacidade de encontrar o mínimo global em todos os problemas) e eficiência, quatro algoritmos híbridos são construídos, combinando os quatro métodos citados anteriormente. Efeitos de incertezas na otimização estrutural são estudados através da comparação de soluções obtidas via diferentes formulações do problema de otimização. São apresentados alguns estudos de caso, enfatizando as diferenças entre os projetos ótimos obtidos por cada formulação. O estudo mostra que, em geral, a estrutura ótima só é encontrada pela formulação mais abrangente: a otimização de risco ou RBRO. O estudo mostra que, para que a formulação DDO encontre a mesma configuração ótima da formulação RBRO, é necessário especificar um coeficiente de segurança ótimo para cada modo de falha. De maneira semelhante, o estudo mostra que quando os custos associados a diferentes modos de falha são distintos, a formulação RBDO somente resulta na estrutura ótima quando uma probabilidade de falha ótima é especificada como restrição para cada modo falha da estrutura. / In this study the effects of uncertainty on optimum structural design are investigated, by comparing three distinct formulations of a structural optimization problem. Such effects can be quantified in terms of failure probabilities and risk, or expected costs of failure. Deterministic Design Optimization (DDO) allows one the find the shape or configuration of a structure that is optimum in terms of mechanics, but the formulation do not consider explicitly parameter uncertainty and its effects on structural safety. As a consequence, safety of the optimum structure can be compromised, in comparison to safety of the original structure. Reliability-based Design Optimization (RBDO) has emerged as an alternative to properly model the safety-under-uncertainty part of the problem. With RBDO, one can ensure that a minimum (and measurable) level of safety is achieved by the optimum structure. However, results are dependent on the failure probability used as constraint in the analysis. Risk optimization increases the scope of the problem, by addressing the compromising goals of economy and safety, and allowing one to find a proper point of balance between these goals. This is accomplished by quantifying the costs associated to construction, operation and maintenance of the structure, as well as the monetary consequences of failure. Experience shows that structural optimization problems can have multiple local minima. With the objective of finding the global minimum in all studied problems, two heuristic optimization methods are used in this study: genetic algorithms and particle swarm optimization. Aiming at efficiency, two methods with mathematical foundations are also considered: the methods of Powel and Polak-Ribiere. Finally, looking for a compromise between reliability (capacity to find the global minimum) and efficiency, four hybrid algorithms are constructed, combining the four methods just cited. The study investigates the effects of uncertainty on optimum structural design by comparing solutions obtained via the different formulations of the optimization problem. The paper presents some case studies, highlighting the differences in the optimum designs obtained with each formulation. The study leads to a better understanding of the limitations of each formulation in the solution of structural optimization problems. The investigation shows that, in general, the optimum structure can only be found by the most comprehensive formulation: risk optimization or RBRO. The study shows that DDO only leads to the optimum structure if an optimum safety coefficient is used as constraint for each individual failure mode. In a similar way, the investigation shows that when the costs associated to distinct failure modes are different, the RBDO formulation only leads to the optimum structural design if an optimum failure probability is specified as constraint for each failure mode of the structure.

Este trabalho tem como objetivo apresentar soluções de sistemas não-lineares com raízes múltiplas, através de um algoritmo híbrido. Para esta finalidade foi desenvolvido e implementado um algoritmo de busca aleatória baseado no método proposto por Luus e Jaakola (1973) como etapa de busca aleatória dos pontos iniciais, que são refinados através do algoritmo de Hooke e Jeeves. O diferencial deste trabalho foi propor um algoritmo híbrido, utilizando as características dos algoritmos Luus-Jaakola e Hooke e Jeeves como etapas de busca e refinamento respectivamente. Para isso, os algoritmos acima são encapsulados em funções no algoritmo híbrido. Além destas duas etapas, o algoritmo híbrido possui duas outras características importantes, que é a execução repetida até que se alcance um número suficiente de soluções distintas, que são então submetidas a um processo de classificação de soluções por intervalo, onde cada intervalo gera um conjunto de soluções próximas, que por sua vez, são submetidas à etapa final de minimização, resultando em apenas um valor de solução por classe. Desta forma cada classe produz uma única solução, que faz parte do conjunto final de soluções do problema, pois este algoritmo é aplicado a problemas com múltiplas soluções. Então, o algoritmo híbrido desenvolvido foi testado, tendo como padrão, vários problemas clássicos de programação não-linear, em especial os problemas irrestritos com múltiplas soluções. Após os testes, os resultados foram comparados com o algoritmo Luus-Jaakola, e o Método de Newton Intervalar / Bisseção Generalizada (IN/GB - Interval Newton/Generalized Bisection), com a finalidade de se obter uma análise quantitativa e qualitativa de seu desempenho. Por fim comprovou-se que o algortimo Híbrido obteve resultados superiores quando comparados com os demais. / This paper aims to present solutions for nonlinear systems with multiple roots, using a hybrid algorithm. For this purpose was developed and implemented an algorithm based on random search method proposed by Luus and Jaakola (1973) as a step in search of random starting points, which will be refined through the algorithm of Hooke and Jeeves. The differential of this work is to propose a hybrid algorithm, using the characteristics of the Luus-Jaakola algorithm and Hooke and Jeeves as a search and refinement stages respectively. For this, the above algorithms are encapsulated in functions in the hybrid algorithm. Besides these two steps, the hybrid algorithm has two other important characteristics, which is the execution repeated until to reach a sufficient number of distinct solutions, which is then undergo a process of classification of solutions by interval, where each interval generates a set solutions to close, which in turn is subject to the final stage of minimization, resulting in only one value per class of solution. Thus each class provides a unique solution, which is part of the final set of solutions of the problem, because this algorithm is applied to problems with multiple solutions. So, the hybrid algorithm developed was tested, with the standard, several problems of classical non-linear programming, in particular the unrestricted problems with multiple solutions. After the tests, the results were compared with algorithm Luus-Jaakola, and the Interval Newton/Generalized Bisection method (IN/GB), in order to obtain a quantitative and qualitative analysis of their performance. Finally it was found that the hybrid algortimo achieved higher when compared to the others.

Este trabalho tem como objetivo apresentar soluções de sistemas não-lineares com raízes múltiplas, através de um algoritmo híbrido. Para esta finalidade foi desenvolvido e implementado um algoritmo de busca aleatória baseado no método proposto por Luus e Jaakola (1973) como etapa de busca aleatória dos pontos iniciais, que são refinados através do algoritmo de Hooke e Jeeves. O diferencial deste trabalho foi propor um algoritmo híbrido, utilizando as características dos algoritmos Luus-Jaakola e Hooke e Jeeves como etapas de busca e refinamento respectivamente. Para isso, os algoritmos acima são encapsulados em funções no algoritmo híbrido. Além destas duas etapas, o algoritmo híbrido possui duas outras características importantes, que é a execução repetida até que se alcance um número suficiente de soluções distintas, que são então submetidas a um processo de classificação de soluções por intervalo, onde cada intervalo gera um conjunto de soluções próximas, que por sua vez, são submetidas à etapa final de minimização, resultando em apenas um valor de solução por classe. Desta forma cada classe produz uma única solução, que faz parte do conjunto final de soluções do problema, pois este algoritmo é aplicado a problemas com múltiplas soluções. Então, o algoritmo híbrido desenvolvido foi testado, tendo como padrão, vários problemas clássicos de programação não-linear, em especial os problemas irrestritos com múltiplas soluções. Após os testes, os resultados foram comparados com o algoritmo Luus-Jaakola, e o Método de Newton Intervalar / Bisseção Generalizada (IN/GB - Interval Newton/Generalized Bisection), com a finalidade de se obter uma análise quantitativa e qualitativa de seu desempenho. Por fim comprovou-se que o algortimo Híbrido obteve resultados superiores quando comparados com os demais. / This paper aims to present solutions for nonlinear systems with multiple roots, using a hybrid algorithm. For this purpose was developed and implemented an algorithm based on random search method proposed by Luus and Jaakola (1973) as a step in search of random starting points, which will be refined through the algorithm of Hooke and Jeeves. The differential of this work is to propose a hybrid algorithm, using the characteristics of the Luus-Jaakola algorithm and Hooke and Jeeves as a search and refinement stages respectively. For this, the above algorithms are encapsulated in functions in the hybrid algorithm. Besides these two steps, the hybrid algorithm has two other important characteristics, which is the execution repeated until to reach a sufficient number of distinct solutions, which is then undergo a process of classification of solutions by interval, where each interval generates a set solutions to close, which in turn is subject to the final stage of minimization, resulting in only one value per class of solution. Thus each class provides a unique solution, which is part of the final set of solutions of the problem, because this algorithm is applied to problems with multiple solutions. So, the hybrid algorithm developed was tested, with the standard, several problems of classical non-linear programming, in particular the unrestricted problems with multiple solutions. After the tests, the results were compared with algorithm Luus-Jaakola, and the Interval Newton/Generalized Bisection method (IN/GB), in order to obtain a quantitative and qualitative analysis of their performance. Finally it was found that the hybrid algortimo achieved higher when compared to the others.