EM - Escola de Minas
URI permanente desta comunidadehttp://www.hml.repositorio.ufop.br/handle/123456789/6
Notícias
A Escola de Minas de Ouro Preto foi fundada pelo cientista Claude Henri Gorceix e inaugurada em 12 de outubro de 1876.
Navegar
2 resultados
Resultados da Pesquisa
Item Análise de confiabilidade estrutural utilizando o método de Monte Carlo e redes neurais.(2004) Barbosa, Anderson Henrique; Freitas, Marcílio Sousa da Rocha; Neves, Francisco de Assis das; Sousa Junior, João Batista Marques de; Sagrilo, Luis Volnei SudatiA análise de confiabilidade estrutural em geral apresenta algumas restrições para alcançar uma solução. Os métodos analíticos FORM e SORM apresentam alguns problemas em função da complexidade da análise, que gera dificuldades na determinação dos pontos de mínimo. O método de simulação de Monte Carlo, embora seja de fácil implementação e absolutamente geral, o grande número de simulações pode exigir um tempo de processamento elevado, o que pode tornar sua aplicação inviável. Este problema tem sido resolvido através de técnicas de redução de variância tais como Amostragem por Importância e Esperança Condicionada. Neste trabalho propõe-se a aplicação de uma rede neural treinada para a substituição de etapas necessárias ao método de Monte Carlo, assim como da substituição do processo de análise estrutural e de confiabilidade, com o objetivo de reduzir o custo computacional requerido na análise. As redes utilizadas neste trabalho são do tipo backpropagation, fazendo-se uso do algoritmo de Levenberg – Marquartdt e do algoritmo do gradiente descendente com momentum. A aplicação das redes neurais, tanto atuando em conjunto com o método de Monte Carlo quanto substituindo toda a análise, proporcionou bons resultados com baixo custo computacional, o que atesta a viabilidade de sua aplicação.Item Confiabilidade estrutural utilizando o método de Monte Carlo e redes neurais.(2005) Barbosa, Anderson Henrique; Freitas, Marcílio Sousa da Rocha; Neves, Francisco de Assis dasA análise de confiabilidade estrutural em geral, por envolver um grande número de variáveis aleatórias ou exigir uma grande quantidade de simulações, se depara com a questão do custo computacional. Duas técnicas utilizadas para essa avaliação são o método de simulação de Monte Carlo e os métodos analíticos do tipo FORM/SORM. Os métodos analíticos FORM e SORM podem apresentar problema de precisão no cálculo da probabilidade de falha. Em relação ao método de Monte Carlo, embora sejam de fácil implementação e absolutamente geral, o grande número de simulações pode exigir um tempo de processamento elevado, o que pode tornar sua aplicação inviável. Nesse trabalho, foi utilizada uma rede neural treinada para substituir a solução do problema estrutural necessário a cada simulação de Monte Carlo, com o objetivo de reduzir o custo computacional requerido na análise. As aplicações realizadas proporcionaram bons resultados, com baixo custo computacional, o que atesta a viabilidade de sua aplicação.