Caracterização de modelos fenomenológicos de amortecimento viscoelástico em sistemas vibratórios: uma abordagem Bayesiana

• Autor(a) principal: Bandeira, Reniene Maria dos Santos
• Data de Publicação: 2019
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da UFRJ
• Texto Completo: http://hdl.handle.net/11422/13777
• topic: CNPQ::ENGENHARIAS::ENGENHARIA MECANICA; Viscoelasticidade; Variáveis internas; Modelagem Bayesiana

Materiais de amortecimento avançados, devido à sua capacidade de dissipar energia, têm sido cada vez mais empregados no controle de vibração mecânica. A concepção, projeto e operação em tempo real desse tipo de estratégia dependem fortemente de modelagem e simulação computacional. Modelos computacionais, tipicamente, resultam da combinação de princípios físicos (e.g. equilíbrio de momento) com equações fenomenológicas de fechamento (e.g. equações constitutivas). Neste trabalho a atenção foi dedicada às limitações nas previsões de modelos computacionais devido às discrepâncias potenciais relacionadas a essas equações de fechamento. Propomos aqui duas abordagens diferentes, com o objetivo de avaliar a capacidade de modelos constitutivos que empregam variáveis internas para reproduzir a resposta viscoelástica e de amortecimento de sistemas vibratórios submetidos à pequenas deformações. Ambas as abordagens são construídas dentro de configurações bayesianas e diferem na maneira como a discrepância de modelo é introduzida na formulação. No primeiro, empregamos uma hipótese de erro de modelo estocástico incorporado nos parâmetros de amortecimento, denominado de discrepância de modelo. Enquanto no segundo usamos uma formulação mais convencional baseada na hipótese de erro de modelo aditivo, aqui denominada abordagem aditiva, incluído na equação de observação relacionando variáveis de estado a observáveis. Apresentamos os resultados obtidos com exemplos numéricos que ilustram que as formulações propostas estabelecem uma base formal e rigorosa para a realização do estudo, embora também apontem para a necessidade de uma análise mais abrangente, especialmente no que diz respeito à flexibilidade da abordagem de erro de modelo incorporado para acomodar mais modelagem estocástica sofisticada para modelagem de discrepâncias.