QUANTIFICAO DE INCERTEZAS EM VIBRAES INDUZIDAS POR

VRTICES
Antonio Droescher Sandri
Dissertao de Mestrado apresentada ao
Programa de Ps-graduao em Engenharia
Mecnica, COPPE, da Universidade Federal
do Rio de Janeiro, como parte dos requisitos
necessrios obteno do ttulo de Mestre
em Engenharia Mecnica.
Orientador: Fernando Alves Rochinha
Rio de Janeiro
Novembro de 2010
QUANTIFICAO DE INCERTEZAS EM VIBRAES INDUZIDAS POR
VRTICES
Antonio Droescher Sandri
DISSERTAO SUBMETIDA AO CORPO DOCENTE DO INSTITUTO
ALBERTO LUIZ COIMBRA DE PS-GRADUAO E PESQUISA DE
ENGENHARIA (COPPE) DA UNIVERSIDADE FEDERAL DO RIO DE
JANEIRO COMO PARTE DOS REQUISITOS NECESSRIOS PARA A
OBTENO DO GRAU DE MESTRE EM CINCIAS EM ENGENHARIA
MECNICA.
Examinada por:
Prof. Fernando Alves Rochinha, D.Sc.
Prof. Daniel Alves Castello, D.Sc.
Prof. Luis Volnei Sudati Sagrilo, D.Sc.
Prof. Ricardo Franciss, D.Sc.
RIO DE JANEIRO, RJ BRASIL
NOVEMBRO DE 2010
Sandri, Antonio Droescher
Quanticao de Incertezas em Vibraes Induzidas por
Vrtices/Antonio Droescher Sandri. Rio de Janeiro:
UFRJ/COPPE, 2010.
XII, 83 p.: il.; 29,7cm.
Orientador: Fernando Alves Rochinha
Dissertao (mestrado) UFRJ/COPPE/Programa de
Engenharia Mecnica, 2010.
Referncias Bibliogrcas: p. 74 83.
1. Quanticao de Incertezas. 2. Vibraes Induzidas
por Vrtices. 3. Mtodo de Colocao Estocstica. I.
Rochinha, Fernando Alves. II. Universidade Federal do Rio
de Janeiro, COPPE, Programa de Engenharia Mecnica.
III. Ttulo.
iii
"Engineering is the art of
modeling materials we do not
wholly understand, into shapes
we cannot precisely analyze, so
as to withstand forces we cannot
precisely assess, in such a way
that the public has no reason to
suspect the extent of our
ignorance."
Dr. A. R. Dykes
iv
Agradecimentos
Agradeo ao Programa de Ps-Graduao em Engenharia Mecnica (PEM) do Ins-
tituto Alberto Luiz Coimbra de Ps-graduao e Pesquisa de Engenharia (COPPE-
UFRJ) pela oportunidade de participar de um curso que vem obtendo conceito m-
ximo pela avaliao Coordenao de Aperfeioamento de Pessoal de Nvel Superior
(CAPES-MEC).
Agradeo ao Programa Demanda Social (DS) da CAPES pela bolsa na modali-
dade mestrado.
Agradeo Fundao de Amparo Pesquisa do Estado do Rio de Janeiro (FA-
PERJ) pela bolsa especial na modalidade mestrado atravs do Programa Bolsa Nota
10.
Agradeo aos servidores e professores do PEM por proporcionarem um ambiente
favorvel ao desenvolvimento acadmico e pessoal, em especial ao Prof. Fernando
Alves Rochinha pela amizade e orientao acadmica.
Agradeo aos meus colegas de curso e de laboratrio que procuram seu nome
por aqui, mesmo sabendo que no iro encontrar. Muito obrigado por terem feito
parte dessa minha experincia. J dizia o C. Chaplin: "Cada pessoa que passa em
nossa vida passa sozinha, e no nos deixa s, porque deixa um pouco de si e leva
um pouquinho de ns".
Finalmente, agradeo minha famlia no s pelo apoio, mas tambm pela com-
preenso e tolerncia durante a minha ausncia.
Muito obrigado.
v
Resumo da Dissertao apresentada COPPE/UFRJ como parte dos requisitos
necessrios para a obteno do grau de Mestre em Cincias (M.Sc.)
QUANTIFICAO DE INCERTEZAS EM VIBRAES INDUZIDAS POR
VRTICES
Antonio Droescher Sandri
Novembro/2010
Orientador: Fernando Alves Rochinha
Programa: Engenharia Mecnica
Os recentes desenvolvimentos na rea da Computao de Alto Desempenho vem
estabelecendo as simulaes numricas como uma ferramenta ecaz e efetiva para a
anlise de problemas reais de Engenharia. Entretanto, a credibilidade nos resulta-
dos ca sujeita a interpretaes de analistas, uma vez que o processo de modelagem
de sistemas fsicos carrega erros e incertezas inerentes. A Quanticao de Incer-
tezas prope uma metodologia para auxiliar os analistas na tarefa de determinar
sistematicamente a validade das simulaes numricas.
O presente trabalho, que se integra a rea de Quanticao de Incertezas re-
centemente nucleada no PEM, analisa um modelo para predio de Vibraes In-
duzidas por Vrtices (VIV). O fenmeno de VIV vem recebendo ateno especial
por se apresentar como um carregamento importante nas estruturas para explora-
o de hidrocarbonetos em lmina de gua ultraprofunda. A anlise leva em conta
incertezas nas variveis de entrada do modelo de predio. O problema ento for-
mulado atravs da abordagem probabilstica onde as incertezas so caracterizadas
por uma funo densidade de probabilidade. O mtodo de Colocao Estocstica
(CE) empregado para propagar as incertezas atravs do modelo. Os resultados
so apresentados na forma de funes densidade de probabilidade para a amplitude
de vibrao e velocidades na zona de sincronizao.
vi
Abstract of Dissertation presented to COPPE/UFRJ as a partial fulllment of the
requirements for the degree of Master of Science (M.Sc.)
UNCERTAINTY QUANTIFICATION IN VORTEX INDUCED VIBRATION
Antonio Droescher Sandri
November/2010
Advisor: Fernando Alves Rochinha
Department: Mechanical Engineering
Recent developments in the subject of High Performance Computing has estab-
lished numerical simulations as an ecient and eective tool for the analysis of
real Engineering problems. However, the credibility in the results is subjected to
the analystss interpretation, as the process of modeling physical systems inherently
carries errors and uncertainty. The Uncertainty Quantication proposes a method-
ology to assist the analysts in the task of systematically determining the validity of
the numerical simulations.
This work, which integrates the newly established area of Uncertainty Quanti-
cation in PEM, examines a model for predicting Vortex Induced Vibrations (VIV).
The phenomenon of VIV is receiving special attention by presenting itself as an
important structural load for hydrocarbon exploration in ultradeep water depth.
The analysis takes into account uncertainties in the input variables of the prediction
model. The problem is then formulated through the probabilistic approach where
the uncertainties are characterized by a probability density function. The Stochastic
Collocation method is used to propagate uncertainties through the model. Results
are presented as probability density functions for the amplitude of vibration and
free stream velocity in the range of synchronization.
vii
Sumrio
Lista de Figuras x
Lista de Tabelas xii
1 Introduo 1
1.1 Motivao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Reviso da literatura . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.1 Vibraes Induzidas por Vrtices . . . . . . . . . . . . . . . . 3
1.2.2 Quanticao de Incertezas . . . . . . . . . . . . . . . . . . . 4
1.2.3 Quanticao de Incertezas em Vibraes Induzidas por Vrtices 5
1.3 Objetivos do presente trabalho . . . . . . . . . . . . . . . . . . . . . . 6
1.4 Apresentao dos captulos . . . . . . . . . . . . . . . . . . . . . . . . 6
2 Vibraes Induzidas por Vrtices 7
2.1 Fluidodinmica ao redor de um cilindro circular xo . . . . . . . . . . 8
2.1.1 Foras resultantes . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2 Dinmica da interao uido-estrutura . . . . . . . . . . . . . . . . . 14
2.2.1 Estruturas amortecidas . . . . . . . . . . . . . . . . . . . . . . 14
2.3 VIV em um cilindro circular . . . . . . . . . . . . . . . . . . . . . . . 16
2.4 Mtodos de predio . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.4.1 Modelos fenomenolgicos . . . . . . . . . . . . . . . . . . . . . 21
2.4.2 Mecnica dos Fluidos Computacional . . . . . . . . . . . . . . 22
2.4.3 Validao dos modelos de predio para VIV . . . . . . . . . . 23
2.4.4 Mtodos experimentais . . . . . . . . . . . . . . . . . . . . . . 24
3 Quanticao de Incertezas 25
3.1 Metodologia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.1.1 Anlise da Quanticao de Incertezas . . . . . . . . . . . . . 29
3.2 Modelos de sistemas mecnicos . . . . . . . . . . . . . . . . . . . . . 31
3.2.1 Validao de modelos . . . . . . . . . . . . . . . . . . . . . . . 32
3.3 Fontes no-determinsticas . . . . . . . . . . . . . . . . . . . . . . . . 32
3.3.1 Caracterizao de funes densidade de probabilidade . . . . . 33
viii
3.4 Mtodos de propagao de incertezas . . . . . . . . . . . . . . . . . . 35
4 Anlise crtica de modelos fenomenolgicos para predio de VIV 37
4.1 Modelo de interao uido-estrutura . . . . . . . . . . . . . . . . . . 38
4.1.1 Acoplamento uido-estrutura . . . . . . . . . . . . . . . . . . 39
4.1.2 Valores adotados para as variveis do modelo . . . . . . . . . 41
4.1.3 Quantidades de interesse . . . . . . . . . . . . . . . . . . . . . 42
4.2 Modelo estocstico . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.3 Mtodo de Colocao Estocstica . . . . . . . . . . . . . . . . . . . . 44
4.4 Quanticao de Incertezas em Vibraes Induzidas por Vrtices . . . 47
4.5 Implementao numrica . . . . . . . . . . . . . . . . . . . . . . . . . 49
5 Resultados e Discusses 51
5.1 Desempenho computacional . . . . . . . . . . . . . . . . . . . . . . . 52
5.1.1 Comportamento na integrao temporal . . . . . . . . . . . . 53
5.1.2 Reproduo do comportamento experimental . . . . . . . . . . 55
5.1.3 Avaliao do mtodo de CE . . . . . . . . . . . . . . . . . . . 57
5.2 Anlise crtica do modelo . . . . . . . . . . . . . . . . . . . . . . . . . 58
5.2.1 Incerteza associada velocidade de corrente . . . . . . . . . . 59
5.2.2 Incerteza associada aos parmetros de ajuste do modelo e 63
6 Concluses 72
Referncias Bibliogrcas 74
ix
Lista de Figuras
1.1 Estruturas marinhas sujeitas as VIV. . . . . . . . . . . . . . . . . . . 2
2.1 Escoamento ao redor de um cilindro circular xo. . . . . . . . . . . . 8
2.2 Regies de escoamento prximas ao cilindro circular. . . . . . . . . . 9
2.3 Visualizao da esteira de von Krmn. . . . . . . . . . . . . . . . . . 9
2.4 Mecanismo de desprendimento de vrtices. . . . . . . . . . . . . . . . 10
2.5 Nmero de Strouhal para um cilindro circular xo. . . . . . . . . . . 11
2.6 Mdia temporal do coeciente de arrasto. . . . . . . . . . . . . . . . . 12
2.7 Envelope de resultados para os coecientes uidodinmicos. . . . . . 13
2.8 Esquema para explanao do experimento. . . . . . . . . . . . . . . . 17
2.9 Apresentao dos resultados do experimento. . . . . . . . . . . . . . . 18
2.10 Diferentes respostas para alta e baixa razo mssica. . . . . . . . . . 20
3.1 Esquema geral para Quanticao de Incertezas. . . . . . . . . . . . . 26
3.2 Esquema detalhado para Quanticao de Incertezas. . . . . . . . . . 30
4.1 Esquema do acoplamento uido-estrutura para VIV. . . . . . . . . . . 38
4.2 Ajuste dos parmetros do modelo. . . . . . . . . . . . . . . . . . . . . 42
4.3 Ns de diferentes nveis hierrquicos de grides esparsos. . . . . . . . . 46
4.4 Esquema para o algoritmo elaborado. . . . . . . . . . . . . . . . . . . 50
5.1 Estudo da condio inicial. . . . . . . . . . . . . . . . . . . . . . . . . 53
5.2 Simulao da quantidade de interesse. . . . . . . . . . . . . . . . . . . 54
5.3 Resposta temporal distante da zona de sincronizao. . . . . . . . . . 54
5.4 Resposta temporal prxima da zona de sincronizao. . . . . . . . . . 55
5.5 Resposta temporal na zona de sincronizao. . . . . . . . . . . . . . . 55
5.6 Resultados experimentais para m

= 320 e (m

+ C
m
) = 0,251. . . . 56
5.7 Resultados para a simulao do modelo. . . . . . . . . . . . . . . . . 56
5.8 Envelope de resultados devido a velocidade de corrente incerta. . . . . 60
5.9 Mdia e variabilidade dos resultados devido a U. . . . . . . . . . . . . 61
5.10 Funo densidade de probabilidade para u

= 4,7677. . . . . . . . . . 62
5.11 Funes densidade de probabilidade devido a U. . . . . . . . . . . . . 63
x
5.12 Proposta de ajuste para os parmetros. . . . . . . . . . . . . . . . . . 64
5.13 Envelope da amplitude reduzida de vibrao devido a (). . . . . . . 65
5.14 Mdia e variabilidade de A

devido a (). . . . . . . . . . . . . . . . 65
5.15 Funes densidade de probabilidade devido a (). . . . . . . . . . . . 66
5.16 Envelope da amplitude reduzida de vibrao devido a (). . . . . . . 67
5.17 Mdia e variabilidade de A

devido a (). . . . . . . . . . . . . . . . 68
5.18 Funes densidade de probabilidade devido a (). . . . . . . . . . . . 68
5.19 Envelope da amplitude reduzida de vibrao devido a () e (). . . 70
5.20 Mdia e variabilidade de A

devido a () e (). . . . . . . . . . . . 70
5.21 Funes densidade de probabilidade devido a () e (). . . . . . . . 71
xi
Lista de Tabelas
5.1 Valores nominais adotados. . . . . . . . . . . . . . . . . . . . . . . . . 51
5.2 Comparao entre os mtodos de MC e CE . . . . . . . . . . . . . . . 58
xii
Captulo 1
Introduo
A cincia moderna tem como precursores Descartes, Galileu e Newton, que intro-
duziram o rigoroso formalismo matemtico na Fsica. De acordo com esta viso, o
modelo de um fenmeno fsico pode ser idealizado como uma representao mate-
mtica abstrata atravs de um conjunto de equaes, cuja anlise e soluo buscam
reproduzir observaes experimentais. Estes modelos foram utilizados por cientis-
tas para entender e criar as leis da fsica. Nos ltimos tempos, este conceito se
desenvolveu e a elaborao de modelos se tornou uma ferramenta indispensvel aos
engenheiros para projetar e fabricar produtos.
Tendo isto em vista, presencia-se uma revoluo causada pela Simulao Com-
putacional. A crescente disponibilidade de recursos computacionais e a criao de
algoritmos mais velozes permitem um maior renamento dos modelos computaci-
onais promovendo a diminuio dos erros numricos nas simulaes de problemas
de Engenharia. Como resultado, estes erros j atingiram nveis aceitveis de pre-
ciso para problemas reais da indstria. Entretanto, os modelos no so capazes
de representar totalmente a complexidade dos fenmenos fsicos. De fato, os mode-
los matemticos esto sempre sujeitos simplicaes e a algum tipo de validao
utilizando resultados experimentais na qual sempre esto presentes incertezas nas
medies. Alm do mais, a estimativa dos dados de entrada para os modelos tambm
podem carregar incertezas.
Se a resposta de um modelo sensvel s mudanas nos dados de entrada, at
mesmo pequenas variaes nestes dados podem causar efeitos signicativos nos re-
sultados. Fato este que pode acarretar em uma grande perda de desempenho em
projetos altamente otimizados. Os sistemas dinmicos no-lineares com solues
descontnuas e comportamentos instveis podem ser altamente sensveis varia-
bilidade dos parmetros de entrada. Este o caso dos problemas de interao
uido-estrutura. Como agravante, estes problemas so conhecidos por amplicar
variabilidade com o decorrer do tempo de integrao [1]. Como consequncia, o
efeito das incertezas podem causar mais impacto do que os erros da soluo do
1
modelo matemtico nas simulaes para predizer o comportamento das interaes
uido-estrutura. Ento, para obter maior credibilidade em um modelo para predio
de um fenmeno de interao uido-estrutura possvel realizar uma Quanticao
de Incertezas.
1.1 Motivao
Grande parte dos esforos realizados na rea de interao uido-estrutura dedicado
ao estudo de Vibraes Induzidas por Vrtices (VIV). As reas que apresentam maior
interesse na compreenso do fenmeno de VIV so as de projeto com aplicao
hidrodinmica e hidroacstica [2].
Uma das reas que faz uso destas aplicaes a indstria do petrleo. O interesse
est voltado para modelar o fenmeno de VIV em estruturas martimas, que sero
utilizados para explorar reservas de hidrocarbonetos em grandes profundidades [3].
Entre os componentes estruturais essenciais para garantir a produo e a ex-
plorao do petrleo sujeitos s VIV esto: os risers de perfurao, os risers de
completao das plataformas de perfurao, os risers de produo dos sistemas u-
tuantes de produo, as linhas de ancoragem, os tendes nas plataformas de pernas
tracionadas e os dutos submarinos. Algumas destas estruturas esto esquematizados
na Fig. 1.1.
Figura 1.1: Estruturas marinhas sujeitas as VIV [4].
As correntes martimas so geralmente irregulares, no-uniformes e multidire-
cionais. Entretanto, em lmina de gua ultraprofunda comum a existncia de
2
correntes constantes em uma nica direo. Como consequncia, aumenta a chance
de que estas estruturas venham a sofrer os efeitos das VIV [5].
Os projetos para a indstria do petrleo lidam com elementos extremamente
caros e sosticados. Algumas empresas tem como objetivo a explorao de petrleo
em lmina de gua cada vez mais profunda satisfazendo condies de reduo de
custos. O processo de otimizao destes elementos estruturais se torna delicado
e a quanticao das incertezas presentes no projeto essencial para garantir a
credibilidade nos modelos utilizados. Recentemente, a British Petroleum estimou
que 10% do valor de um projeto de estruturas oshore atuando em guas profundas
destinado a evitar as VIV [3].
A principal razo para isto que o fenmeno das VIV naturalmente no-linear,
autolimitado, autoexcitado e multidimensional. Essas caractersticas se apresentam
na forma de um escoamento complexo causado pela existncia de duas camadas
limites instveis gerando vrtices. As foras uidodinmicas exercidas no corpo de-
vido ao desprendimento de vrtices so alternantes e podem causar fadiga e eventual
falha [6, 7].
1.2 Reviso da literatura
O problema da vibrao de um cilindro devido s foras exercidas por uma es-
teira de vrtices remonta aos trabalhos de Strouhal em 1878 e Rayleigh em 1879.
Desde ento, devido a grande complexidade do fenmeno, diversos trabalhos foram
publicados. Entretanto, a Quanticao de Incertezas nos modelos de interao
uido-estrutura atravs da modelagem estocstica recente. Consequentemente, o
nmero de publicaes abordando este tema reduzido.
1.2.1 Vibraes Induzidas por Vrtices
As primeiras publicaes identicando o fenmeno das VIV foram feitos por Strouhal
em aeroacstica [8] e por Rayleigh sobre as oscilaes das cordas de violino sujeitas
ao escoamento de vento [9]. Entretanto, Birkho e Zarantonello, [10] apud [11], fo-
ram os primeiros a sugerir um modelo de oscilador para a esteira de desprendimento
de vrtices. Bishop e Hassan, [12] apud [11], realizaram experimentos em um cilin-
dro oscilando harmonicamente na direo transversal ao escoamento, cobrindo uma
faixa de nmero de Reynolds de 5850 a 10800. Quando a frequncia de resposta
na direo transversal ao escoamento se aproximava da frequncia de excitao, a
esteira respondia na frequncia do movimento caracterizando uma sincronizao.
Baseados nestes experimentos, Bishop e Hassan propuseram que uma esteira sin-
cronizada poderia ser modelada atravs de um simples oscilador forado. A maioria
3
dos modelos de esteira resulta em uma equao diferencial ordinria no-linear que,
devidamente integrada no tempo, fornece o histrico de uma varivel interna do
escoamento.
Os dois tipos de osciladores que foram mais utilizados, at o momento, para
modelar a fora de sustentao exercida pelo desprendimento de vrtices so: o
oscilador de Rayleigh e o oscilador de van der Pol [13]. Ambos so osciladores
autoexcitados, autolimitados e no-lineares de ordem cbica. Entretanto, em [14],
concluiu-se que o oscilador de van der Pol apresenta melhores caractersticas para
modelar a fora de sustentao exercida em um cilindro xo. Este oscilador reproduz
um ngulo de fase entre o componente principal da fora de sustentao e sua terceira
harmnica que prximo ao obtido atravs de simulaes numricas das equaes
de Navier-Stokes.
Em [15], o problema das VIV foi modelado acoplando o oscilador de van der Pol
um oscilador linear, para modelar a interao entre a esteira de vrtices e uma
estrutura com suportes elsticos. Trs formas de acoplamento entre a estrutura e a
esteira de vrtices foram utilizados: deslocamento, velocidade e acelerao. O estudo
comparou os resultados numricos do modelo com alguns resultados experimentais
para um cilindro forado e concluiu-se que o acoplamento atravs da acelerao o
mais apropriado.
1.2.2 Quanticao de Incertezas
A modelagem e simulao numrica de sistemas complexos est em desenvolvimento
constante em vrios campos da Engenharia e Cincias. As simulaes numricas mi-
nimizam os gastos em experimentos que, muitas vezes, so inviveis nas primeiras
etapas do projeto. Entretanto, estas devem ser cuidadosamente planejadas, realiza-
das e vericadas para fornecer informaes teis e conveis em relao ao sistema
em estudo. De fato, a credibilidade na computao realizada um fator essencial
para a interpretao e anlise dos resultados. Alm do mais, as simulaes inerente-
mente envolvem erros e incertezas associadas as etapas de modelagem do problema
[16].
A Quanticao de Incertezas envolve a caracterizao, estimao, propagao e
anlise de qualquer tipo de incerteza em um problema de deciso complexa. Qual-
quer que seja o caso, as fontes de incerteza so, geralmente, classicadas em dois
tipos: epistmicas ou aleatrias [17]. A presena de incertezas pode ser modelada
no sistema atravs da reformulao das equaes governantes. Ou seja, um sistema
governado por equaes diferenciais passa a ser governado por equaes diferenciais
estocsticas.
Um dos objetivos dos estudos na rea da Quanticao de Incertezas desenvol-
4
ver e avaliar mtodos e algoritmos que reitam de forma precisa a propagao das
incertezas atravs de modelos. Para esta nalidade, o mtodo de Monte Carlo (MC)
geralmente empregado, mas computacionalmente caro [18]. A anlise de sensibi-
lidade mais econmica, mas menos robusta e depende fortemente do modelo [19].
A tcnica mais popular para modelar sistemas estocsticos em Engenharia pelo
mtodo de perturbao, onde todas as quantidades estocstica so expandidas em
torno da mdia atravs de sries de Taylor [13]. No entanto, essa abordagem limi-
tada pequenas perturbaes. A modelagem estatstica Bayesiana empregada em
diferentes aplicaes e conhecida por lidar com incertezas subjetivas. Baseada no te-
orema de Bayes ela relaciona a predio com dados observados [20]. A expanso em
Caos Polinomial (CP) e suas variaes so mtodos no-estatsticos que receberam
ateno especial nos ltimos anos por fornecerem uma representao hierrquica
para processos estocsticos [21]. Entretanto, o mtodo intrusivo e a expanso dos
termos em CP se torna complexa conforme aumentam o nmero de variveis esto-
csticas. J o mtodo de Colocao Estocstica (CE) alia a no-intrusividade dos
mtodos de amostragem com uma aproximao polinomial na tentativa de aumentar
a taxa de convergncia [22].
1.2.3 Quanticao de Incertezas em Vibraes Induzidas
por Vrtices
O fenmeno de VIV apresenta uma interao uido-estrutura complexa. O fenmeno
geralmente menos compreendido do que outros processos de foramento marinho.
Ento, a predio das VIV considerada relativamente menos precisa [23]. Contudo,
existem poucos trabalhos visando a Quanticao de Incertezas nas predies de
VIV.
As incertezas em problemas de interao uido-estrutura foram modelados atra-
vs do mtodo de expanso em CP em [21, 24, 25]. O algoritmo proposto acopla um
oscilador de segunda ordem com incertezas nos valores de rigidez e amortecimento
s equaes de Navier-Stokes para um uido incompressvel para capturar o fen-
meno de VIV. A partir de uma simulao utilizando o nmero de Reynolds igual
a 100 foram apresentadas margens de incertezas para a distribuio da presso na
superfcie de um cilindro.
A primeira tentativa de aplicar tcnicas recentes de CE para VIV em cilindros
com suportes elsticos abordou um problema bidimensional. Este trabalho teve
como objetivo capturar a sensibilidade da amplitude e frequncia de vibrao de-
vido s variaes nas frequncias naturais da estrutura nas direes alinhadas e
transversais do escoamento [26].
Em [6], os autores utilizaram o oscilador de van der Pol com parmetros rand-
5
micos para modelar as VIV em um riser e prever sua vida em fadiga resultante. No
total foram consideradas quatro variveis incertas: duas associadas a parmetros de
calibrao do modelo e duas a coecientes hidrodinmicos. O modelo proposto foi
capaz de fornecer uma estimativa da vida em fadiga ao longo do riser.
1.3 Objetivos do presente trabalho
O presente trabalho, que se integra na rea de Quanticao de Incertezas recen-
temente nucleada no PEM-COPPE, objetiva o desenvolvimento e aplicao de m-
todos robustos e ecientes para Quanticao de Incertezas nas previses das VIV.
Atravs da Quanticao de Incertezas busca-se obter maior credibilidade em um
modelo de predio para VIV.
1.4 Apresentao dos captulos
Esta dissertao far uso de conceitos de duas reas distintas. Os assuntos abordados
em ambas as reas esto em desenvolvimento acelerado: A rea de Quanticao
de Incertezas devido ao aumento do emprego da simulao computacional na in-
dstria e a rea de VIV devido ao interesse da explorao de hidrocarbonetos em
lminas de gua ultraprofundas. Para o melhor entendimento dos resultados que
sero apresentados os captulos se dividem da seguinte forma:
No Captulo 2 so apresentadas as informaes referentes ao fenmeno das VIV.
Ateno especial dedicada aos assuntos necessrios para a interpretao dos resul-
tados. De forma que, o foco dado sobre a fenomenologia presente nas VIV.
No Captulo 3 apresentada uma metodologia bsica para a Quanticao de
Incertezas. Os assuntos so abordados do ponto de vista da prtica de Engenha-
ria, em especial na modelagem de sistemas mecnicos. So apresentados conceitos
referentes caracterizao e mtodos de propagao de incertezas em modelos.
No Captulo 4 o problema proposto detalhado. As equaes governantes adota-
das para a predio das VIV, assim como do mtodo de propagao das incertezas,
so apresentadas. Tambm realizada uma discusso sobre as fontes de incertezas
no modelo.
O Captulo 5 apresenta os resultados de testes e simulaes para o estudo da
Quanticao de Incertezas em VIV. As caractersticas e o desempenho de um mo-
delo fenomenolgico baseado no oscilador de van der Pol so discutidas a partir de
informaes relevantes obtidas no processo de Quanticao de Incertezas.
O Captulo 6 apresenta as concluses do estudo e propostas para trabalhos fu-
turos.
6
Captulo 2
Vibraes Induzidas por Vrtices
O estudo de VIV emprega conceitos de um grande nmero de disciplinas. Os proble-
mas mais corriqueiros integram idias da Mecnica dos Fluidos, Mecnica Estrutu-
ral e Vibraes. Porm, na tentativa de descrever o fenmeno para problemas mais
complexos os estudos podem incorporar assuntos da Mecnica dos Fluidos Com-
putacional, Demodulao Complexa e Estatstica. As reas que apresentam maior
interesse na compreenso do fenmeno de VIV so as de projetos voltados para
aplicaes uidodinmicas [27].
O problema mais estudado envolve a interao de um corpo rgido, geralmente um
cilindro circular, submetido a um escoamento tridimensional. Os graus de liberdade
do cilindro circular so geralmente reduzidos de seis para um. O escoamento
aproximado como unidimensional. As restries impostas reetem a complexidade
de se modelar um movimento autolimitado e autoexcitado.
Para entender a mecnica das VIV so empregadas diferentes tcnicas que se
complementam. Algo semelhante ao que ocorre no estudo da Mecnica dos Fluidos,
onde um grande nmero de parmetros devem ser aproximados, eliminados por
otimizao ou variados para que seja possvel obter uma soluo numrica. Neste
processo, no apenas os dados analticos, heursticos e experimentais, mas tambm
a intuio, devem ser utilizados para avanar no entendimento do fenmeno.
As caractersticas do fenmeno das VIV se apresentam na forma de um escoa-
mento complexo causado pela existncia de duas camadas limites opostas instveis
gerando vrtices com dimenses da escala de grandeza do dimetro do cilindro cir-
cular. Muitas caractersticas j esto bem estabelecidas, porm muitas descries
ainda so empricas.
As consequncias das incertezas sobre certos aspectos do fenmeno e a incapa-
cidade de predizer amplamente a resposta dinmica da interao uido-estrutura
so aparentes em aplicaes da indstria. Pela incapacidade de predizer de forma
precisa a resposta dinmica de um sistema submetido a VIV, se faz necessrio ins-
trumentar e controlar parmetros de entrada e sada e o uso de altos fatores de
7
segurana.
Em resumo, interessante perceber que um mecanismo to comum como o des-
prendimento de vrtices d origem a um fenmeno to complexo com as VIV. Ainda
assim, mais vantajoso tentar predizer e evitar as VIV do que suprimi-las mudando
o formato do corpo submerso, pois o cilindro circular um dos formatos mais comuns
nas aplicaes da Engenharia.
2.1 Fluidodinmica ao redor de um cilindro cir-
cular xo
As caractersticas de um escoamento ao redor de um cilindro circular xo so geral-
mente relacionadas quantidade adimensional proveniente da razo entre as foras
de inrcia e as foras viscosas conhecida como nmero de Reynolds
Re =
du

, (2.1)
no qual d o dimetro do cilindro circular, u a velocidade do escoamento e
a viscosidade cinemtica do uido. Este parmetro adimensional se mostra interes-
sante pois as caractersticas do escoamento apresentam grandes mudanas associadas
ao valor do nmero de Reynolds. As mudanas das caractersticas representadas
esquematicamente na Fig. 2.1 so o resultado da interao entre duas regies do
escoamento.
Figura 2.1: Caractersticas do escoamento ao redor de um cilindro circular xo em
corrente uniforme [28].
Estas duas regies so chamadas de esteira e camada limite e esto esquema-
tizadas na Fig. 2.2. O tamanho da regio da esteira pode ser comparada com a
dimenso do dimetro do cilindro circular. O mesmo no ocorre para a regio da
camada limite, que apresenta extenso muito menor do que o dimetro do cilindro.
8
Figura 2.2: Esquema evidenciando as duas regies de escoamento prximas ao ci-
lindro circular [28].
As caractersticas do escoamento ao redor de um cilindro circular em funo do
nmero de Reynolds se apresentam da seguinte forma [28]: Para a faixa em que o
nmero de Reynolds Re < 5 (Fig. 2.1 (a)) no ocorre o descolamento da camada
limite. Para a faixa em que o nmero de Reynolds 5 < Re < 40 (Fig. 2.1 (b))
surge um par de vrtices estacionrios simtricos na regio da esteira. A partir do
momento em que o nmero de Reynolds Re > 40 (Fig. 2.1 (c)) a esteira se torna
instvel e apresenta como caracterstica principal a presena de vrtices alternantes.
Este fenmeno chamado de desprendimento de vrtices. Consequentemente, a es-
teira tem a aparncia de uma esteira de vrtices como na Fig. 2.3, tambm chamada
de esteira de von Krmn.
Figura 2.3: Visualizao da esteira de von Krmn [29].
Aps o incio do desprendimento de vrtices o nmero de Reynolds ainda
associado algumas faixas com escoamentos apresentando camadas limites instveis
com caractersticas peculiares. Entretanto, atualmente o interesse prtico nesta
denio irrelevante e no existe um consenso entre autores para denir uma
9
terminologia adequada.
O fenmeno de desprendimento de vrtices muito importante no estudo da
dinmica das VIV. Como visto na seo anterior, o desprendimento de vrtices
pode ser observado em escoamentos ao redor de um cilindro circular xo para os
nmeros de Reynolds em que Re > 40. Para estes valores de nmero de Reynolds,
a camada limite junto a superfcie do cilindro ir descolar devido ao gradiente de
presso causado pelas caractersticas da esteira a jusante do cilindro circular.
Com a ajuda da Fig. 2.4, possvel descrever mais algumas caractersticas do
mecanismo do desprendimento de vrtices. O vrtice V
1
na Fig. 2.4 (a) se torna
forte o bastante para mover o vrtice V
2
ao longo da extenso da esteira. Supondo
que a vorticidade no vrtice V
1
no sentido horrio, enquanto a vorticidade do
vrtice V
2
no sentido anti-horrio. A aproximao de uma vorticidade no sentido
oposto ir acabar com a vorticidade do vrtice V
1
a partir da sua camada limite.
Este o instante no qual o vrtice V
1
ser desprendido.
Seguindo o mecanismo, um novo vrtice V
3
ser formado na Fig. 2.4 (b). Agora o
vrtice V
2
assumir o papel desempenhado anteriormente pelo vrtice V
1
. O vrtice
V
3
ser sugado e provocar o desprendimento do vrtice V
2
. Este processo ir se
repetir de forma alternada entre os lados do cilindro.
Figura 2.4: Mecanismo de desprendimento de vrtices [28].
Como implicao do mecanismo exposto acima, o desprendimento de vrtices
ocorre quando as duas camadas de cisalhantes interagem. Se est interao for
inibida de alguma forma, e.g., colocando uma placa a jusante do cilindro circular, o
desprendimento de vrtices pode ser impedido.
Apesar das caractersticas complexas do escoamento de um uido ao redor de
um cilindro circular xo, o nmero de Strouhal aparece como um parmetro adi-
10
mensional robusto,
St =
f
dv
d
u
, (2.2)
onde f
dv
a frequncia de desprendimento de vrtices ou frequncia de Strouhal.
Esta robustez se d ao fato de que mesmo as simulaes numricas ou experimentos
mais grosseiros podem predizer o nmero de Strouhal com preciso suciente [27].
O nmero de Strouhal pode ser visto em funo do nmero de Reynolds como na
Fig. 2.5. Esta curva foi levantada a partir de dados experimentais para o escoamento
de um uido ao redor de um cilindro xo por [3032] apud [28].
Figura 2.5: Nmero de Strouhal para um cilindro circular xo [28].
O fenmeno do desprendimento de vrtices aparece a partir do nmero de Rey-
nolds Re 40 com o nmero de Strouhal St 0,1. Este valor gradualmente
aumenta com o nmero de Reynolds atingindo o valor St 0,2 e apresenta pouca
disperso na faixa conhecida como subcrtica, em que o nmero de Reynolds assume
valores de Re 300 at Re 3 10
5
. Nesta faixa possvel dizer que o desprendi-
mento de vrtices ocorre de forma regular e bem denida. Aumentando o nmero
de Reynolds, a frequncia de desprendimento de vrtices apresentar um salto, de-
vido ao comportamento da camada limite que passa de laminar para turbulenta, e
o nmero de Strouhal passa a ter o valor de aproximadamente 0,45. Este alto valor
mantido durante uma faixa de nmero de Reynolds e volta a cair exibindo um
comportamento peculiar.
2.1.1 Foras resultantes
Como foi visto anteriormente, o fenmeno de desprendimento de vrtices se mani-
festa para escoamentos ao redor de cilindros circulares para valores em que Re > 40.
Como consequncia, a distribuio de presso ao redor do cilindro passa por varia-
es durante o processo de desprendimento de vrtices. Isto resulta na variao das
11
componentes da fora atuando no cilindro circular xo.
A partir da interao entre o escoamento e o cilindro circular xo ir surgir uma
fora resultante motivada pelos efeitos da presso e viscosidade. A fora resultante
geralmente decomposta em uma direo alinhada e em uma direo transversal
velocidade do escoamento denominadas, respectivamente, fora de arrasto e fora
de sustentao.
A mdia temporal da fora de arrasto pode ser obtida a partir da integrao no
tempo dos efeitos citados anteriormente. De forma mais simples, devido simetria
do escoamento, a mdia temporal da fora de sustentao tende a ser nula. Entre-
tanto, a fora de sustentao instantnea exercida no cilindro circular no nula e
pode atingir valores relativamente altos.
A mdia temporal da fora de arrasto pode ser caracterizada como

F
a
=
1
2
du
2

C
a
, (2.3)
onde, a densidade do uido,

C
a
a mdia temporal do coeciente de arrasto e
pode ser visto como uma funo do nmero de Reynolds. Os resultados experimen-
tais obtidos para mostrar esta relao para um cilindro circular xo esto expostos
na Fig. 2.6.
Figura 2.6: Mdia temporal do coeciente de arrasto para um cilindro circular xo
em funo do nmero de Reynolds [28].
A mdia temporal para o coeciente de arrasto diminui com o crescente nmero
de Reynolds at que este atinja o valor de Re 300. Entretanto a partir deste valor,
a mdia temporal do coeciente de arrasto assume um valor praticamente constante
de

C
a
1,2 at que o nmero de Reynolds atinja Re 3 10
5
. Aps este valor, o
coeciente de arrasto mdio sofre uma queda abrupta passando a valer

C
a
0,25.
12
Durante o desprendimento de vrtices, o gradiente de presso atuando em um
cilindro xo dependente do tempo. Consequentemente, a fora resultante e os
coecientes uidodinmicos tambm variam com o tempo. Para expor os dados,
esta dependncia temporal pode ser removida tomando o valor mdio quadrtico
dos resultados dentro de um intervalo de tempo. Alm da dependncia temporal,
experimentalmente observa-se uma variabilidade para os valores do gradiente de
presso, o que pode ser descrito a partir de uma abordagem estatstica como um
comportamento aleatrio. A Fig. 2.7 apresenta uma rea hachurada contendo os
resultados para o valor mdio quadrtico dos coecientes uidodinmicos, onde C

a
o coeciente de arrasto instantneo e C

s
o coeciente de sustentao instantneo.
Figura 2.7: Envelope de resultados para o valor mdio quadrtico dos coecientes
de arrasto e de sustentao instantneos [28].
Os coecientes uidodinmicos so obtidos atravs das equaes
F

a
=
1
2
du
2
C

a
, F

s
=
1
2
du
2
C

s
, (2.4)
onde F

a
a fora de arrasto instantnea e F

s
a fora de sustentao instantnea.
13
Estas foras so parte da decomposio das foras uidodinmicas em uma com-
ponente mdia mais uma componente de variao. Logo, no caso do coeciente de
sustentao C
s
= C

s
.
2.2 Dinmica da interao uido-estrutura
Foi visto nas sees anteriores que o escoamento de um uido ao redor de um cilindro
circular xo provoca o fenmeno de desprendimento de vrtices para Re > 40 resul-
tando em variaes de componentes da fora agindo sobre o mesmo. Supondo que
uma estrutura seja considerada um cilindro circular rgido com suportes elsticos
ou um cilindro circular exvel, a variao da fora de sustentao provoca vibra-
es transversais, enquanto a variao da fora de arrasto acarreta em vibraes
no sentido da velocidade de corrente. Esta interao uido-estrutura complexa
e motiva os estudos sobre as VIV. Algumas revises mais recentes sobre o assunto
foram apresentadas em [27, 33].
A partir deste momento considerado a dinmica linear de uma estrutura exvel
com 1 grau de liberdade na direo y. As foras atuando na estrutura de massa
m
e
so a fora restauradora ky, a fora dissipadora c
e
y e uma fora externa F,
onde () signica a derivada com relao ao tempo t, c
e
o amortecimento da
estrutura e k a rigidez da estrutura. Toda as grandezas so consideradas por
unidade de comprimento. Em se tratando de interao uido-estrutura, o estudo do
amortecimento se torna importante para o entendimento do fenmeno.
2.2.1 Estruturas amortecidas
A dissipao de energia de um estrutura conhecida como amortecimento. Nas
VIV o amortecimento responsvel por limitar a amplitude de vibrao. Exis-
tem basicamente trs mecanismos de amortecimento: o amortecimento estrutural,
o amortecimento histertico e o amortecimento uidodinmico. O amortecimento
estrutural gerado atravs do contato entre partes de uma estrutura. O amorteci-
mento histertico causado pela dissipao de energia interna em materiais, e.g., os
polmeros apresentam grande amortecimento histertico.A partir desse ponto, ser
utilizado o termo amortecimento estrutural para referir-se aos efeitos combinados
do amortecimento estrutural e do amortecimento histertico. O amortecimento ui-
dodinmico o resultado da dissipao de energia causada pelo movimento relativo
entre a estrutura e o uido na qual ela se encontra em imerso.
Em VIV, a caracterizao experimental do amortecimento estrutural e do amor-
tecimento uidodinmico se torna complexa, pois muito difcil isolar os efeitos
de cada mecanismo de amortecimento. Para isolar o amortecimento estrutural
14
possvel idealizar a situao na qual a estrutura vibra no vcuo. Somente neste
caso, seria possvel estabelecer uma metodologia experimental para avaliar o amor-
tecimento estrutural atravs do fator de amortecimento, que proporcional razo
entre a energia dissipada por ciclo e a energia total da estrutura [28].
Para se aproximar do caso da estrutura sujeita a VIV considera-se a estrutura
amortecida imersa em um uido parado submetida a vibraes livres. O compor-
tamento ser parecido com o obtido para a estrutura no vcuo. No entanto, o
amortecimento agora ser composto do amortecimento estrutural somado ao amor-
tecimento uidodinmico.
Quando uma estrutura vibra imersa em um uido parado, ela estar submetida
uma fora uidodinmica geralmente modelada pela equao de Morison [34],
F
M
=
1
2

C
a
A
f
( r)| r| + C
m
m
fd
(r), (2.5)
onde A
f
a rea projetada no plano transversal velocidade da estrutura, r o
vetor de velocidades da estrutura, C
m
o coeciente de massa adicionada e m
fd
a
massa de uido deslocada pela estrutura.
Para facilitar a anlise do amortecimento uidodinmico possvel realizar al-
gumas simplicaes. Para o caso em que a estrutura pode ser modelada como um
cilindro circular, a rea projetada A
f
= d e a massa de uido deslocada pela es-
trutura m
fd
= d
2
/4. Lembrando que todas as quantidades esto denidas por
unidade de comprimento.
O nmero de estudos experimentais sobre cilindros livres para vibrar em ambas
direes alinhada e transversal velocidade do escoamento reduzido. Entretanto,
alguns resultados j apresentaram que a amplitude das vibraes alinhadas ao escoa-
mento apresentam amplitude mxima muito menor do que das vibraes transversais
[35, 36]. Geralmente, para simplicar o problema, o sistema mecnico reduzido
um grau de liberdade na direo transversal ao escoamento y. Desta forma, a
Eq. 2.5 simplicada para,
F
M
=
1
2

C
a
d( y)| y| + C
m

d
2
4
( y). (2.6)
O segundo termo do lado direito da equao pode ser escrito como m
f
y, onde
m
f
a massa adicionada, ou seja,
m
f
= C
m
d
2
/4. (2.7)
A partir das hipteses e simplicaes adotadas, a equao do movimento de
15
estrutura vibrando imersa em um uido parado pode ser reescrita como
(m
e
+ m
f
) y + c
e
y +
1
2

C
a
d y| y| + ky = F. (2.8)
A anlise da dinmica descrita pela Eq. 2.8 revela que: a massa do sistema
mecnico composta por uma massa da estrutura mais uma massa adicionada
devido a imerso no uido parado e surge uma nova fora no-linear que afeta o
amortecimento da estrutura.
2.3 VIV em um cilindro circular
Nas sees anteriores foram apresentados alguns resultados obtidos para a interao
uido-estrutura onde: ou um cilindro circular xo exposto ao escoamento de um
uido ou o cilindro circular livre imerso em um uido parado. Entretanto, o
fenmeno de VIV ocorre em estruturas livres imersas em uidos que apresentam
velocidade de corrente no plano transversal da estrutura.
O estudo do fenmeno das VIV baseia-se fortemente em experimentos, apesar
do grande esforo dedicado ao entendimento dos mecanismos envolvidos no fen-
meno. Devido a esta dependncia experimental, alguns parmetros adimensionais
foram adotados para facilitar a apresentao e interpretao dos dados de diferentes
publicaes.
Um parmetro que assume grande relevncia a velocidade reduzida dada por
u

=
u
f
n
d
, (2.9)
onde f
n
a frequncia natural do sistema, ou seja, a frequncia natural da estrutura
imersa no uido. Os resultados mais representativos do fenmeno das VIV so
apresentados a partir da amplitude reduzida de vibrao a

= a/d e da frequncia
reduzida de vibrao f

= f
e
/f
n
, onde a a amplitude vibrao da estrutura e f
e
a
frequncia de vibrao da estrutura. Outros parmetros adimensionais importantes
j citados anteriormente so: o nmero de Reynolds dado pela Eq. 2.1 e o nmero
de Strouhal dado pela Eq. 2.2. O parmetro de razo mssica, que relaciona a massa
da estrutura com a massa de uido deslocada pela estrutura, dado por
m

=
m
e
d
2
/4
. (2.10)
De forma anloga, o fator de amortecimento reduzido relaciona o amortecimento
16
estrutural com o amortecimento uidodinmico atravs de
=
c
e
2
_
k(m
e
+ m
f
)
. (2.11)
Para melhor entender o fenmeno das VIV considera-se a Fig. 2.8. Imagina-se
que a velocidade do escoamento aumentada em pequenos incrementos, comeando
do zero. Em cada incremento, a observao dura at que o sistema entre em estaci-
onariedade, ou seja, que o sistema apresente oscilaes com alguma periodicidade.
Para cada velocidade de corrente u, as seguintes quantidades so observadas: a
frequncia de desprendimento de vrtices f
dv
, a frequncia de vibrao da estrutura
f
e
e a amplitude de vibrao a. As quantidades medidas so apresentadas em termos
de a

e f

e ento comparadas em um grco como funo da velocidade reduzida

u

.
Figura 2.8: Esquema para explanao do experimento.
O resultado apresenta-se na forma de grcos como os da Fig. 2.9. No diagrama
de frequncias, a linha contnua f

= 1 marca o valor para quando a frequncia de

oscilao igual frequncia natural do sistema e a linha tracejada marca a frequn-
cia de Strouhal assumindo St = 0,2. O marcador + utilizado para a frequncia de
vibrao da estrutura e o marcador representa a frequncia de desprendimento de
vrtices.
Assim que a velocidade do escoamento aumentada a partir do zero, no poss-
vel observar nenhuma vibrao na direo transversal at que a velocidade reduzida
atinja o valor u

4. Neste ponto, possvel observar vibraes de pequenas am-

plitude. A frequncia de vibrao da estrutura ocorre num valor muito prximo
frequncia natural do sistema, f

1, enquanto o desprendimento de vrtices

ocorre na frequncia de Strouhal. Quando u

5 a frequncia de desprendimento
de vrtices abandona a frequncia de Strouhal e entra em sincronia com a frequncia
natural do sistema.
Esta caracterstica se mantm por uma faixa de velocidades. Nesta faixa pode-se
dizer que a frequncia de desprendimento de vrtices deixa de ser controlada pela
17
Figura 2.9: Apresentao dos resultados do experimento [28].
frequncia de Strouhal e passa a ser controlada pela frequncia de vibrao da es-
trutura. Este fenmeno conhecido como sincronizao [28]. Outros termos como
ressonncia ou captura da esteira tambm so utilizados. Durante este fenmeno
ocorre a sincronizao de trs frequncias: a frequncia de desprendimento de vr-
tices, a frequncia de vibrao da estrutura e a frequncia natural do sistema. Isto
causa um impacto direto na ao da fora transversal que, agora em fase com o
movimento da estrutura, provoca vibraes de grande amplitude.
Assim que a velocidade aumentada acima da faixa de sincronizao, u

7,
a frequncia de desprendimento de vrtices sai de sincronia com a frequncia de
vibrao da estrutura, apresentando um salto abrupto para assumir a frequncia de
Strouhal novamente. Nota-se que a frequncia de vibrao da estrutura permanece
sendo muito prxima frequncia natural do sistema, porm a amplitude de vibrao
reduzida devido falta de sincronia entre a fora de sustentao e o movimento
do cilindro circular. Aumentando ainda mais a velocidade de corrente a amplitude
de vibrao se torna cada vez menor.
Imaginando que o experimento seja feito de forma similar exceto pela veloci-
dade de corrente, que agora ser inicialmente alta e ento decrescida. Pela Fig. 2.9
observa-se um fenmeno histrico nos resultados para a amplitude de vibrao in-
dicado pelas setas. Este mecanismo est ligado a estrutura da esteira, ou seja, da
18
maneira como so dispostos os vrtices. De fato, a entrada e a sada do sincronismo
aparece associado a mudanas no padro de desprendimento de vrtices na esteira
[37].
O desprendimento de vrtices a jusante de um cilindro circular xo como na
Fig. 2.1 apresenta, basicamente, um nico padro de esteira de vrtices. J para
o caso em que o cilindro submetido vibraes controladas ou livres, os padres
observados se apresentam na forma de vrtices simples S e pares de vrtices P,
dando origem aos padres de vrtices 2S, 2P e P+S, que so os principais padres
perto da regio de sincronizao. Recentemente, um estudo com resoluo mais alta
identicou uma regio onde dois modos de desprendimento de vrtices se superpem,
chamado de 2P
0
[38].
Os estudos sobre os padres de desprendimento de vrtices so motivados pelo
fato de que mudanas no comportamento da esteira podem ser associados ao fen-
meno da sincronizao [37]. Um resultado interessante obtido atravs destes estudos
que as vibraes foradas podem criar padres do tipo P+S, que no observado
em vibraes livres [33]. Isto demonstra a complexidade dos fenmenos fsicos en-
volvidos e leva uma discusso sobre a validade dos dados experimentais obtidos
atravs de vibraes foradas para estimar vibraes livres [27].
A extenso da faixa de sincronizao varia com as propriedades do sistema. A
amplitude de vibrao limitada pelo amortecimento uidodinmico. A amplitude
mxima de vibrao durante a sincronizao j observada para os casos de um
cilindro circular de aproximadamente o seu dimetro [28].
Uma das caractersticas mais notveis e de interesse prtico nas VIV a sin-
cronizao. Durante a sincronizao, alm das grandes amplitudes de vibrao, o
desprendimento de vrtices ocorre na frequncia de oscilao da estrutura ao invs
da frequncia de Strouhal, ou seja, o movimento do corpo controla a frequncia de
desprendimento de vrtices. A frequncia de vibrao da estrutura pode ser um
pouco diferente da frequncia natural do sistema porque o processo de formao e
desprendimento de vrtices altera a massa adicionada estrutura [27].
Embora os fatos citados acima sejam observados experimentalmente, a denio
da sincronizao ainda discutida na literatura [37]. A descrio dada acima
caracterstica para sistemas com alta razo mssica m

O(100). Entretanto, para

baixa razo mssica m

O(10) a sincronizao pode ser observada para frequncias

mais altas do que a frequncia natural do sistema [39]. Portanto, denir o fenmeno
de sincronizao a partir do valor frequncia natural do sistema no vlido para
todos os valores de m

. Uma denio mais apropriada diz que: a sincronizao

ocorre quando a frequncia de desprendimento de vrtices prxima frequncia
de oscilao da estrutura [40].
Os sistemas com diferentes razes mssicas apresentam comportamentos muito
19
distintos em VIV. Um dos motivos para isto que os sistemas com razes mssicas
mais altas so menos afetados pelas variaes da massa adicionada.
As consequncias diretas de sistemas com razo mssica baixa so maiores ampli-
tudes de vibrao e faixa de sincronizao mais extensa. O comportamento durante
a sincronizao tambm se diferencia pela presena de um ramo de valores superiores
para amplitude [41].
A Fig. 2.10 apresenta esquematicamente as respostas de sistemas com alta e baixa
razes mssicas. Observa-se para razes mssicas altas a existncia de dois ramos de
amplitudes, denomindados inicial e inferior. Entretanto, para razes mssicas baixas
existem trs ramos de amplitude, denominados, inicial, superior e inferior. As setas
indicam histerese e I indica padres de desprendimento de vrtices intermitentes.
Figura 2.10: Diferentes respostas para alta e baixa razo mssica [37].
Para razes mssicas altas, espera-se que o valor da frequncia de vibrao na sin-
cronizao seja f

1. Entretanto, para razes mssicas muito baixas m

O(1),
a frequncia de vibrao na sincronizao aumenta drasticamente. Uma expres-
so ad-hoc foi desenvolvida em [37] para prever a frequncia de vibrao durante a
sincronizao
f

s
=

+ C
m
m

0,54
, (2.12)
e para velocidade reduzida nal da sincronizao
u

f
= 9,25

+ C
m
m

0,54
. (2.13)
Estas expresses podem ser utilizadas para calcular a maior frequncia e veloci-
dade reduzida atingida por um sistema no regime de sincronizao a partir da razo
mssica m

. Como consequncia surge o conceito de massa crtica: m

crit
= 0,54.
Este valor foi comprovado experimentalmente em [42]. Para tanto, os suportes elsti-
cos do cilindro circular submetido as VIV foram retirados. Desta forma, a frequncia
natural do sistema tende a zero, f
n
0, e a velocidade reduzida tende ao innito,
20
u

. Observou-se que nestas condies persistiam vibraes de grande ampli-

tude e frequncia elevada, caracterizando o sincronismo e a existncia de uma valor
crtico para a razo mssica.
2.4 Mtodos de predio
As predies de VIV compreendem uma grande variedade de mtodos. Cada pro-
posta apresenta suas vantagens e limitaes. A diculdade na realizao dos ensaios
experimentais faz com os que resultados obtidos a partir de diferentes mtodos se-
jam comparados entre si. Ainda existem muitas discrepncias entre as predies dos
modelos utilizados em VIV [43]. A seguir sero apresentados brevemente os mtodos
de predio mais comuns.
2.4.1 Modelos fenomenolgicos
Modelos fenomenolgicos de predio das VIV fazem uso de ensaios experimentais
utilizando cilindros rgidos com movimentos forados para caracterizar comporta-
mentos. Comparaes entre estes modelos podem ser encontradas em [43, 44]. Um
dos modelos fenomenolgicos mais comuns so os modelos de esteira.
Muitos modelos de esteira foram propostos recentemente na literatura [15, 45
53]. Os modelos geralmente apresentam caractersticas de: serem autoexcitados e
autolimitados, a frequncia natural da esteira proporcional velocidade do esco-
amento, de forma que a relao de Strouhal satisfeita, a dinmica da estrutura
interage com a esteira.
A caracterstica comum a todos os modelos de esteira a possibilidade de esco-
lher uma quantidade representativa para a esteira. Entretanto, existem diferenas
entre os mecanismos assumidos para acoplar esta varivel interna da esteira com a
dinmica da estrutura. Uma reviso sobre este assunto pode ser encontrada em [27].
Recentemente, o oscilador de van der Pol foi revisado para predies de VIV.
Os acoplamentos entre a esteira e a estrutura foi estudado em [15]. O modelo de
esteira proposto qualitativamente e, em alguns aspectos, quantitativamente repro-
duziu caractersticas das VIV observadas em experimentos para cilindros rgidos
com vibraes foradas.
Os modelos de esteira so muito utilizados na simulao das VIV [6, 54]. Uma
das maiores vantagens das abordagens fenomenolgicas, por causa da simplicidade
do modelo, o pequeno custo computacional. Isto permite grandes estudos para-
mtricos de VIV. Alm do mais, em termos de alto nmero de Reynolds, possvel
obter a dependncia dos coecientes no nmero de Reynolds atravs de experimen-
tos. Isto caracteriza a ampla faixa de aplicao destes modelos. Por natureza, os
21
modelos fenomenolgicos fazem uso de dados obtidos em experimentos simples para
predizer comportamentos em aplicaes mais complexas.
A validao sistemtica e a busca pelo entendimento fsico dos mecanismos ele-
mentares que atuam nas VIV so as prioridades para estimar a faixa de aplicao
dos modelos fenomenolgicos [50].
2.4.2 Mecnica dos Fluidos Computacional
Muito embora simulaes numricas bidimensionais empregando a Mecnica dos
Fluidos Computacional na predio das VIV possam ser encontrada na literatura
nas ltimas dcadas, simulaes tridimensionais cam restritas a baixos nmeros de
Reynolds e baixas razes de aspecto. Recentemente, devido ao grande aumento da
capacidade computacional e cdigos empregando computao paralela foi possvel
realizar algumas simulaes tridimensionais com escoamento ao redor de um cilindro
rgido ou exvel para avaliar as VIV. Existem diferentes abordagens para descrever
o campo de velocidades do escoamento. Os mtodos mais utilizados so o mtodo
dos vrtices discretos (DVM), Large Eddy Simulation (LES), Reynolds Averaged
Navier Stokes (RANS) e Direct Numerical Solver (DNS).
As simulaes empregando DNS com formulao espectral foram acopladas com
as equaes de movimento de um riser elstico para um nmero de Reynolds igual
a 1000 em [55, 56]. Um aumento signicativo no nmero de Reynolds foi obtido em
[57] simulando o escoamento ao redor de um cilindro com oscilaes foradas para
Re = 10000 obtendo os coecientes de sustentao e arrasto. Esta simulao s foi
possvel utilizando um algoritmo paralelo altamente eciente. Ainda usando um c-
digo tridimensional DNS com formulao spectral foi estudado os modos de vibrao
de um riser com diferentes pers de velocidade de corrente, caracterizando a mis-
tura de modos complexos apresentado em forma de ondas estacionrias e viajantes
[58].
Os mtodos empregando LES so utilizados para escoamentos com alto nmero
de Reynolds. Uma anlise bidimensional para um cilindro com um grau de liberdade
foi apresentado em [59]. Uma simulao quasi-tridimensional analisou um tubo longo
e exvel submetido a um escoamento com Re = 2,84 10
5
utilizando um modelo
de LES Smagorinsky para capturar os efeitos de turbulncia [60]. Mas, os modelo
de turbulncia tridimensional ainda so inadequados para capturar todos os efeitos
do escoamento [27].
O DVM um esquema numrico Lagrangeano para simular o escoamento bidi-
mensional de um uido viscoso e incompressvel. A vantagem de utilizar este mtodo
a drstica reduo do tempo computacional. Numa extenso quasi-tridimensional
para avaliar as foras uidodinmicas, planos bidimensionais descorrelacionados fo-
22
ram acopladas atravs da estrutura tridimensional em [61].
Os cdigos empregando RANS so mais robustos, necessitando de menos tempo
computacional. At o presente momento, as simulaes utilizando RANS para VIV
esto limitadas a oscilaes transversais de um cilindro rgido com suportes elsti-
cos submetido a um escoamento uniforme com o nmero de Reynolds at 15000.
Contudo, no foi possvel reproduzir o comportamento para casos de baixa razo
mssica [62]. A literatura ainda carece de comparaes entre diferentes modelos de
turbulncia e extenses para simulaes tridimensionais [63].
Simulaes numricas tridimensionais utilizando mtodos espectrais que permi-
tem uma pequena reduo no tempo de processamento so reconhecidamente os
mtodos numricos mais precisos para predizer as VIV [57]. Entrentanto, os recur-
sos computacionais ainda no so adequados para simular casos com interesse pr-
tico, i.e., escoamentos com alto nmero de Reynolds e grandes razes de aspecto.
De fato, embora o signicante aumento no poder computacional e em particular o
uso de cdigos em paralelo que permitem simulaes tridimensionais de escoamento
ao redor de um cilindro exvel ou com suportes elsticos, o nmero de Reynolds
atingido com este tipo de mtodo tipicamente da ordem de 10
3
.
A simulao numrica empregando a mecnica dos uidos computacional ainda
considerada uma ferramenta com custo computacional proibitivo e com grandes
incertezas. Entrentanto, este provavelmente o mtodo que vai provar seu potencial
no futuro.
2.4.3 Validao dos modelos de predio para VIV
Para analisar a capacidade de diferentes mtodos para predizer as VIV, uma compa-
rao entre resultados experimentais de laboratrio e predies de onze modelos foi
realizado em [44]. O estudo de caso abrangeu movimentos alinhados e transversais
ao escoamento que ui ao redor de um riser. O perl de velocidades da corrente foi
disposto em degraus. Diferentes medidas foram realizadas variando a velocidade de
corrente e a pr-tenso do modelo do riser. Entre os onze modelos surgem, basica-
mente, trs grupos diferentes. Os cdigos de Mecnica dos Fluidos Computacional
resolvendo o escoamento ao redor do riser utilizando um grande nmero de planos
bidimensionais descorrelacionados ao longo do seu comprimento e a cada incremento
de tempo atualizando a posio do riser. Dois modelos no domnio do tempo que
usam uma aproximao para diminuir o custo computacional no clculo das foras
uidodinmicas. Cinco modelos hbridos usando dados de medies em cilindros r-
gidos sujeitos as VIV ou vibraes foradas para identicar a amplitude de resposta
dos modos que tem maior chance de serem excitados. As concluses obtidas podem
ser resumidas nos seguintes pontos: os modelos empricos obtiveram mais sucesso
23
em predizer os deslocamentos transversais do que os cdigos baseados na Mecnica
dos Fluidos Computacional, notou-se uma grande disperso nos resultados das pre-
dies para a curvatura dos movimentos transversais, o deslocamento alinhado
velocidade do escoamento subestimado por todos os modelos numricos.
Apesar de nos ltimos anos a semelhana entre as predies de diferentes mode-
los numricos utilizando os mesmos dados experimentais disponveis apresentarem
maior semelhana, a discrepncia entre os resultados dos modelos numricos e dos
experimentos continuam grandes.
2.4.4 Mtodos experimentais
Existem muitos estudos experimentais em VIV, de forma que se torna muito com-
plicado rever todos os resultados. De forma geral, revises extensas e concluses
sobre os ltimos resultados pode ser vistas em [27, 28].
O fenmeno de VIV causa grande impacto na vida em fadiga de estruturas ma-
rtimas, especialmente as de aplicao em lminas de gua ultraprofundas. Apesar
disto, o carregamento martimo menos entendido em comparao com outros fen-
menos da interao uido-estrutura. Estes aspectos foram os motivos para inves-
timentos em estudos de modelos experimentais nas ltimas dcadas e, atualmente,
eles se apresentam como uma ferramenta substancial na predio das VIV [7].
24
Captulo 3
Quanticao de Incertezas
Os modelos determinsticos so essenciais na grande maioria dos projetos de Enge-
nharia. Entretanto, na grande maioria das aplicaes prticas, existem incertezas
associadas s condies de carregamento, parmetros estruturais e de materiais,
modelagem das condies de contorno, etc. Para lidar com estas incertezas ineren-
tes mantendo o mbito determinstico, tradicionalmente so introduzidos fatores de
segurana [64]. Esta prtica pode levar ao superdimensionamento de sistemas de
Engenharia e, ainda assim, no exclui a possibilidade de falha. Apesar do notvel su-
cesso e avano trabalhando com anlises determinsticas nos campos da Engenharia,
algumas falhas estruturais motivaram a incorporao de anlises que levassem em
conta os efeitos das incertezas. Em outras palavras, existe um interesse crescente em
projetos que se mostrem mais robustos e conveis [16]. Alm da segurana, outro
objetivo do controle sobre os efeitos das incertezas so projetos timos em termos de
custo-benefcio [65, 66]. Todavia, a anlise de modelos levando em conta sistemati-
camente incertezas um campo desaador. Os mtodos utilizados na Quanticao
de Incertezas podem se tornar complexos, uma vez que o esforo computacional
muito maior do que para uma anlise determinstica [67].
Nos ltimos anos, a Quanticao de Incertezas vem conquistando novos campos
de aplicao [68]. Algoritmos combinados com conceitos de aproximao adequados
possibilitaram a anlise de problemas prticos de Engenharia. Os novos mtodos
permitem modelar as incertezas de forma realstica, empregando processos estocs-
ticos ou campos randmicos [69]. Outro fator muito importante que contribui para
a Quanticao de Incertezas em sistemas complexos o avano computacional. O
aumento da capacidade computacional permitem utilizar modelos detalhados com
esforo computacional razovel atravs de algoritmos para Computao de Alto De-
sempenho.
A Quanticao de Incertezas em simulaes numricas avana em direo de
um novo tipo de simulao numrica onde as variveis de entrada e o domnio geo-
mtrico tem representaes realsticas atravs da maior quantidade de informaes
25
disponveis. Desta forma, o resultado da simulao no ser representado por pontos
isolados, mas por distribuies que expressam a sensibilidade do sistema s variveis
de entrada consideradas incertas [70]. Esta uma questo dos estudos de cona-
bilidade e fundamenta os primeiros passos na direo de estabelecer certicados de
conformidade para projetos baseados em simulao computacional.
3.1 Metodologia
A Quanticao de Incertezas em modelos de sistemas fsicos pode ser tratada a
partir da formulao de problemas estocsticos. Este tipo de anlise surgiu de forma
substancial nos campos da Engenharia Mecnica e Civil por volta de 1970 [71]. Para
a formulao e a soluo dos problemas estocsticos so utilizados conhecimentos das
reas da estatstica, teoria da probabilidade e simulao computacional aplicadas ao
fenmeno fsico de interesse.
Nesta seo sero apresentados conceitos e metodologias probabilsticas para in-
troduzir incertezas em modelos de sistemas fsicos de forma geral. As principais
etapas para a Quanticao de Incertezas esto resumidas na Fig. 3.1. O esquema
apresenta basicamente trs etapas principais: a denio de um modelo, a caracte-
rizao de fontes de incerteza e o efeito das incertezas nas quantidades de interesse.
Muito embora existam na literatura outras etapas denidas para fases da modelagem
e simulao, a diviso em um nmero maior de fases apenas discrimina atividades
dentro de um contexto mais amplo [16].
Na Fig. 3.1 considera-se que um modelo para um sistema fsico j foi denido.
Aps um levantamento sobre os erros e incertezas presentes no modelo, este pode
ser considerado como uma caixa-preta, onde para um vetor de entrada existe um
vetor de sada. A complexidade destes modelos vai de acordo com o problema
que se deseja resolver. As fontes de incertezas podem incluir variveis incertas de
natureza aleatria ou epistmica. Estas incertezas surgem a partir de vrias fontes,
e.g., incertezas sobre os valores para as variveis do vetor de entrada ou incertezas
introduzidas a partir da falta de conhecimento sobre algum mecanismo existente no
sistema fsico.
Figura 3.1: Esquema geral para Quanticao de Incertezas.
26
Formalmente, um modelo precisa apenas fornecer as quantidades de interesse
na sada Z a partir de uma funo Z = H(X,b), onde o vetor de entrada incerto
dado por X, enquanto o vetor de entrada determinsticos dado por b. Desta
forma, o tempo de computao necessrio para resolver um ponto (x,b), onde x
uma realizao de um estado estocstico, pode variar de fraes de segundos at dias
dependendo da complexidade do modelo. O vetor de entrada incerto X pode assumir
grandes dimenses para modelos complexos e se apresentar de muitas formas, e.g., os
valores das incertezas podem ser dependentes de uma posio espacial ou temporal
na forma de um processo estocstico ou um campo randmico [72]. O vetor de
entrada determinstico b leva em conta parmetros que so controlados com preciso
ou incertezas que no causam grandes impactos na varincia das quantidades de
interesse.
Logo, na Quanticao de Incertezas, a primeira etapa consiste em denir um
modelo ou uma sequncia de modelos para representar o sistema fsico. Esta etapa
apresenta caractersticas semelhantes a de uma anlise determinstica clssica. No
entanto, deve-se ter em mente que o esforo computacional necessrio para a Quan-
ticao de Incertezas superior ao de uma anlise determinstica.
A segunda etapa consiste em identicar e caracterizar fontes de incertezas, ou
seja, identicar variveis de entrada que apresentam algum tipo de incerteza. Aps
a identicao das variveis, necessrio empregar tcnicas de modelagem de incer-
tezas.
A terceira etapa consiste em analisar os resultados da propagao das incertezas
atravs do modelo. Existem alguns mtodos propostos para realizar a tarefa de
propagao de incertezas, muitos trabalhos vem sendo publicados cujo objeto de
estudo so as caractersticas e a validade destes mtodos.
Na prtica, categorizar variveis de um modelo entre determinsticas e incertas
mais uma questo de escolha do que teoria. Isto quer dizer que, durante o processo
de Quanticao de Incertezas possvel mover variveis de um grupo para outro
baseando-se na sensibilidade do modelo. Em outras palavras, mesmo que uma va-
rivel de entrada tenha seu valor incerto, se o modelo escolhido for insensvel a esta
incerteza, ou seja, a variabilidade da quantidade de interesse devido a esta varivel
incerta for pequena, ento a varivel pode ser considerada determinstica assumindo
um valor determinado pelo analista.
Existem basicamente quatro objetivos da anlise de Quanticao de Incertezas
[64, 73],: entender a inuncia ou importncia de incertezas, desta forma servindo
de guia para direcionar medies, modelos ou estudos; dar credibilidade para um
modelo ou mtodo, i.e., para obter uma viso mais crtica sobre um modelo; compa-
rar desempenhos e otimizar sistemas; avaliar o atendimento de normas reguladoras
para operao de sistemas de risco.
27
O emprego da anlise de Quanticao de Incertezas pode associar mais de um
dos objetivos citados acima. Inclusive, os objetivos podem ser modicados con-
forme a anlise ganha maturidade. Geralmente, o estudo realizado para entender a
inuncia ou importncia de incertezas e para dar credibilidade a um modelo ocor-
rem numa fase inicial de projeto, enquanto a otimizao de sistemas e demonstrao
de cumprimento de normas aparecem como anlises conclusivas.
A atualizao de modelos pode ser um dos objetivos de uma anlise de Quanti-
cao de Incertezas. Esta atualizao pode ocorrer atravs do ajuste de medies
para atingir um critrio, da mudana da considerao sobre algumas variveis incer-
tas para diminuir o custo computacional sem comprometer a robustez ou renando
um modelo para diminuir as fontes de incerteza [74]. Este processo essencial para
otimizar modelos incertos que sero utilizados num mbito maior.
O tratamento quantitativo dado aos vetores de entrada e sada do modelo va-
riam de acordo com o objetivo da Quanticao de Incertezas. Entretanto, alguns
resultados so esperados para as quantidades de interesse, e.g., mdia e varincia de
uma varivel, a funo densidade de probabilidade de algum evento, intervalos de
conana para os valores de algum parmetro ou uma probabilidade de falha.
A Quanticao de Incertezas pode fazer parte de um sistema de controle. Por
exemplo, dada uma instalao, um processo ou um sistema que precisa ser sucien-
temente robusto para receber uma licena de operao ou certicao. Para tanto
utilizada uma medida de incerteza estabelecendo que para ser considerado robusto,
o modelo do sistema deve apresentar uma probabilidade de falha menor que 10%
ao ano, para um intervalo de conana de 95%. Possivelmente, na maioria das
aplicaes no existiro critrios to explcitos como os do exemplo, especialmente
se a prtica da Quanticao de Incertezas for relativamente recente no campo de
aplicao.
A escolha das quantidades de interesse pode se apresentar de forma natural se
o objetivo da anlise atender alguma especicao ou selecionar modelos. No
entanto, quando o objetivo aumentar a credibilidade de um modelo, a escolha da
quantidade de interesse pode se tornar arbitrria.
Uma vez que as fontes de incertezas e as variveis de entrada correspondentes
esto identicadas, surge a etapa de modelagem das incertezas. Na metodologia
probabilstica o modelo de incertezas ser teoricamente uma funo densidade de
probabilidade conjunta do vetor de entrada incerto X, entretanto algumas conside-
raes podem ser feitas para simplicar esta tarefa, e.g., assumir que as variveis
incertas so estatisticamente independentes.
Qualquer que sejam as condies adotadas, preciso levantar a maior quantidade
possvel de informaes para caracterizar de forma satisfatria as variveis incertas.
Estas informaes incluem: observaes diretas sobre as variveis incertas, aplicando
28
inferncias estatsticas se possvel; julgamento de especialistas sobre intervalos de
realizaes para alguns eventos; argumentao fsica, i.e., mesmo considerando in-
certezas, algumas variveis devem ser positivas para manter a consistncia fsica;
observaes indiretas, quando os modelos so calibrados ou validados envolvendo
mtodos inversos.
A modelagem de incertezas pode se tornar uma etapa associada a alto consumo
de recursos devido necessidade de um grande nmero de dados. Entretanto,
extremamente importante a caracterizao das variveis incertas que apresentam
grande impacto na quantidade de interesse.
O clculo da quantidade de interesse depende da metodologia escolhida para
a propagao das incertezas. Esta etapa necessria para propagar as incertezas
existentes nas variveis de entrada atravs do modelo resultando em incertezas so-
bre as variveis de sada. Utilizando a abordagem probabilstica, isto implica em
estimar a quantidade de interesse de Z = H(X, b), denido a funo densidade de
probabilidade do vetor de entrada incerto X.
De acordo com a quantidade de interesse e as caractersticas do sistema do modelo
podem ser empregados mais de um mtodo. A comparao de resultados obtidos
atravs de diferentes mtodos serve para aumentar a credibilidade da anlise. Outra
tcnica utilizada em combinao com os mtodos de propagao de incertezas a
anlise de sensibilidade.
A anlise de sensibilidade se refere computao e anlise dos ndices de im-
portncia das variveis de entrada em relao a quantidade de interesse Z. De fato,
isto involve uma etapa de propagao e vrios mtodos foram desenvolvidos para
realizar esta tarefa em especial [19]. Entretanto, na prtica muitas vezes possvel
considerar cada parmetro incerto de forma independente e utilizar um mtodo de
propagao de incertezas convencional para analisar os efeitos na quantidade de in-
teresse devido a incerteza sobre este nico parmetro. Os resultados apresentados
desta forma podem assumir o papel de uma anlise de sensibilidade.
Apesar de existirem mtodos bem desenvolvidos, especialmente para conabili-
dade estrutural, eles no so genricos o suciente para se enquadrar em uma grande
parte das aplicaes de Engenharia. Logo, para ampliar os campos de aplicao de
anlises no-determinsticas preciso estabelecer os mtodos de propagao de in-
certezas.
3.1.1 Anlise da Quanticao de Incertezas
A partir dos conceitos discutidos at este ponto j possvel expandir um esquema
mais elaborado para a Quanticao de Incertezas. As consideraes sobre o conceito
envolvido na anlise de Quanticao de Incertezas exposto na Fig. 3.1 aparecem
29
com maiores detalhes conceituais na Fig. 3.2.
Figura 3.2: Esquema detalhado para Quanticao de Incertezas [64].
Neste quadro elaborado da anlise da Quanticao de Incertezas foram incor-
porados alguns exemplos para as quantidades de interesse, critrios de deciso e
processos de atualizao e apresentao dos dados. Os exemplos condizem com a
abordagem probabilstica adotada nesta dissertao. Portanto, sero expostas algu-
mas informaes de interesse prtico para a Quanticao de Incertezas.
Uma das interpretaes para os resultados sob uma viso frequentista, ou seja,
entender x e z como realizaes observveis de uma dada varivel ou evento incertos.
Isto possibilita a representao atravs de funes de densidade de probabilidade a
partir de um histograma. Neste contexto, modelar funes de densidade de proba-
bilidade para variveis incertas na entrada se d atravs da inferncia estatstica.
Esta abordagem favorece a interpretao dos resultados e possibilita a validao
potencial do modelo incerto a partir de um grande nmero observaes.
Outras interpretaes so possveis a partir da mesma viso probabilstica. Uma
interpretao subjetiva considerar a distribuio de probabilidade como uma crena
da realizao de um evento sem necessariamente fazer referncia observao da
varivel fsica. Desta forma, uma quantidade de interesse pode ser utilizada num
processo de tomada de deciso sem se basear na validao a partir de observaes.
Esta interpretao importante pois a validao a partir de observaes nem sempre
possvel.
Utilizar as distribuies de probabilidade para a entrada X de um modelo e
30
considerar as medidas de probabilidade da sada Z favorece a explorao do modelo
aumentando a credibilidade nas simulaes. Logo, entradas e sadas do modelo
podem ser no-observveis, sendo apenas variveis abstratas utilizadas no processo
de pesquisa e desenvolvimento.
Apesar das diferenas entre as interpretaes para a abordagem probabilstica,
elas compartilham das mesmas caractersticas prticas durante a implementao,
e.g., a escolha de um mtodo numrico para a propagao das incertezas atravs do
modelo.
3.2 Modelos de sistemas mecnicos
Para esclarecer as fontes e o tratamento dado as incertezas, sero apresentadas al-
gumas etapas da elaborao de um modelo. No desenvolvimento das etapas sero
evidenciados os pontos que podem introduzir incertezas, especialmente na modela-
gem de sistemas mecnicos.
A primeira etapa consiste em especicar o sistema fsico e a vizinhana. A espe-
cicao inclui determinar quais eventos fsicos e quais tipos de acoplamentos entre
diferentes processos fsicos sero considerados. Nesta etapa tambm deve-se identi-
car elementos do sistema ou da vizinhana que podem ser considerados incertos. O
sistema fsico pode existir ou no, durante a etapa de modelagem conceitual apenas
so identicados possveis eventos, processos fsicos contendo incertezas aleatrias
ou epistmicas.
Em seguida necessrio desenvolver modelos matemticos a partir do modelo
conceitual. A complexidade dos modelos depende de cada fenmeno considerado.
Nesta etapa, devem ser elaboradas as equaes governantes e auxiliares, assim
como condies iniciais e de contorno para o sistema. Outra atividade a ser re-
alizada nesta etapa a seleo de representaes apropriadas para os elementos
no-determinsticos do problema.
A modelagem matemtica pode resultar na introduo de uma incerteza epist-
mica ou um erro desconhecido, especialmente quando mais de um modelo pode ser
empregado para o mesmo aspecto de um problema. Presumidamente, um modelo
o mais adequado para a simulao, mas essa informao pode no ser disponvel
previamente. Alm do mais, o modelo mais adequado pode ter um custo que torne
a anlise invivel. Desta forma, adota-se um modelo vivel e trata-se de modelar as
incertezas associadas a este modelo.
Qualquer modelo matemtico , por denio, uma simplicao da realidade.
Qualquer sistema complexo de Engenharia, ou at mesmo processos fsicos, possuem
caractersticas que no esto contempladas em um modelo matemtico. Segundo
[75]: "Todos os modelos esto errados, alguns so teis".
31
3.2.1 Validao de modelos
Validar um modelo, em termos de estabelecer um nvel aceitvel de credibilidade
para uma aplicao em especco, um assunto fundamental na prtica de Engenha-
ria, principalmente nas etapas de projeto e desenvolvimento de sistemas mecnicos.
A Quanticao de Incertezas pode ser utilizada como uma ferramenta na validao
de modelos [76]. De maneira que, a nalidade da Quanticao de Incertezas obter
uma anlise crtica do modelo.
Em geral, as questes levantadas pela Quanticao de Incertezas so vlidas no
processo de validao de um modelo. Entretanto, a validao de um modelo um
assunto mais amplo. O processo de validao de modelos envolve muitas atividades,
desde testes numricos padronizados a projetos experimentais rigorosos [77].
Apesar das diferentes tcnicas ou das denies envolvidas em processos mais ou
menos rigorosos, a validao de modelos implica na comparao dos resultados com
dados experimentais, opinies de especialistas ou outros modelos que proporcionem
credibilidade dentro de uma faixa de aplicao. A validao de modelos, que
essencial, embora eventualmente negligenciada na prtica, limita o domnio e o tipo
de aplicao, variveis e quantidades de interesse. De fato, um modelo pode ser
aceitvel para predizer a disperso de uma dada varivel de interesse na sada e ao
mesmo tempo inaceitavelmente impreciso para as outras, o que torna a validao de
modelos um assunto complexo.
3.3 Fontes no-determinsticas
Na literatura, o uso da terminologia incerteza e erro muitas vezes ambguo [78].
Diferentes estudos aplicam a mesma terminologia, mas com signicados inconsis-
tentes. Isto motiva uma claricao sobre a terminologia que ser utilizada nesta
dissertao. As fontes de comportamentos fsico no-determinsticos consideradas
so devido s incertezas aleatrias ou epistmicas, alm de imprecises adicionadas
durante as etapas de modelagem do sistema fsico e a erros de simulao.
As incertezas aleatrias tambm so apresentadas na literatura como incertezas
irredutveis, incertezas inerentes, variabilidade ou incerteza estocstica. As incer-
tezas aleatrias descrevem variaes imprevisveis no comportamento de sistemas
fsicos, e.g., a velocidade de uma corrente marinha. Outra caracterstica deste tipo
de incerteza que qualquer esforo realizado na tentativa de reduzir a incerteza
aleatria intil. Desta forma, os estudos dedicados a este tipo de incerteza tem
como objetivo caracterizar o comportamento da variabilidade, ou seja, atravs de
um grande nmero de observaes inferir uma distribuio de probabilidade que
represente da melhor forma possvel a frequncia de ocorrncia dos eventos. Geral-
32
mente, as fontes de incertezas aleatrias podem ser isoladas de outras contribuies
de incertezas para o modelo, o que facilita sua caracterizao.
Incertezas epistmicas so uma fonte de comportamento no-determinstico ori-
ginadas da falta de conhecimento sobre um fenmeno ou ambiente. Na literatura,
tambm so chamadas de incertezas redutveis, incertezas subjetivas ou incertezas
cognitivas. Mesmo que a diferena entre incertezas aleatrias e incertezas epist-
micas ainda seja objeto de debate na literatura [17], nesta dissertao as incertezas
epistmicas so denidas como uma impreciso potencial em qualquer fase ou ativi-
dade do processo de modelagem que devida falta de conhecimento. A denio
utiliza a palavra potencial signicando que a impreciso pode ou no existir, ou seja,
pode ser que mesmo existindo a falta de conhecimento acerca de algum evento no
exista impreciso alguma na forma como foi modelado. Outra interpretao para
as incertezas epistmicas vem a partir de informaes incompletas. As informaes
incompletas podem ser causadas por vagueza, no-especicidade ou dissonncia. Va-
gueza caracterizada pela informao que tem sua denio imprecisa ou confusa,
geralmente tem origem na comunicao por linguagem. No-especicidade se refere
variedade de alternativas possveis para uma dada situao. Dissonncia se refere
existncia de conitos, parciais ou totais, entre evidncias.
Erro por denio uma impreciso identicvel em qualquer etapa ou atividade
de modelagem e simulao que no devido falta de conhecimento. Essencialmente
um erro introduzido quando se utiliza uma abordagem simplicada mesmo sabendo
que poderia ser utilizado uma mais detalhada. Isto ocorre devido a restrio pr-
ticas, como custo e tempo. O analista ainda pode separar os erros introduzidos
em dois grupos: erros conhecidos ou erros desconhecidos. Erros de valor conhecido
so aqueles que o analista pode identicar a magnitude ou o impacto, e.g., erros de
preciso computacional, aproximaes adotadas para simplicar um modelo de um
processo fsico, discretizao de equaes diferenciais parciais. Erros desconhecidos
so imprecises que passam despercebidas pelo analista, mas podem ser identi-
cadas, e.g., o analista tem a inteno de realizar um tipo de anlise mas por erro
humano acaba realizando outra. Infelizmente, no existe um mtodo simples para
estimar e controlar os erros desconhecidos. Geralmente este tipo de erro deve ser
identicado a partir de revises das atividades.
3.3.1 Caracterizao de funes densidade de probabilidade
Geralmente, uma fonte de incerteza aleatria descrita por uma quantidade dis-
tribuda em uma dada faixa de valores. O valor exato de um evento ocorre dentro
desta faixa, mas varia a cada realizao. Idealmente, informaes objetivas sobre
a faixa de valores e a chance de ocorrncia de eventos est disponvel. Atravs da
33
inferncia estatstica esse conjunto de dados convertido para uma funo densidade
de probabilidade. A literatura apresenta muitos estudos sobre grande variedade de
funes de densidade de probabilidade e suas aplicaes na descrio de quantida-
des aleatrias [72]. Entretanto, nem sempre possvel obter um nmero suciente
de observaes para realizar a inferncia estatstica. Neste caso, a modelagem
submetida ao julgamento de um especialista.
O julgamento de especialistas muito utilizado para estimar funes densidade
de probabilidade de fontes de incerteza epistmicas ou fontes de incertezas aleat-
rias onde a observao dos eventos reduzida ou complexa. A inexistncia de uma
prtica sistemtica probabilstica e o possvel julgamento tendencioso dado pelos es-
pecialistas motivaram alguns protocolos e tcnicas [79]. Todavia, abordagens mais
simples so utilizadas na prtica, e.g., supondo que as nicas informaes sobre uma
fonte de incerteza em um modelo so obtidas a partir do julgamento de engenheiros
e especialistas, os modelos paramtricos podem ser utilizados para traduzir este jul-
gamento em distribuies de probabilidade apropriadas. Neste caso a distribuio de
probabilidade apropriada aquela que vai contemplar as caractersticas evidenciadas
pelos especialistas sem adicionar informaes sobressalentes. Por exemplo, se uma
varivel incerta X limitada ao intervalo [x
1
, x
2
], sem nenhum conhecimento sobre
a chance de realizaes dentro deste intervalo, ento uma distribuio uniforme se
apresenta como uma escolha razovel, ou seja, todos os valores dentro do intervalo
tem a mesma chance de ocorrer e qualquer valor fora do intervalo impossvel. Mas,
se um especialista pensa que um valor x
3
pertencente ao intervalo [x
1
, x
2
] tem mais
chances de ocorrer, ento uma distribuio triangular pode ser adotada, onde as
chances de ocorrncia aumentam quando os valores de aproximam de x
3
.
Outras tcnicas podem ser utilizadas como as derivadas do Princpio de M-
xima Entropia [80]. Entretanto, esta tcnica menos intuitiva, pois sempre associa
uma varivel incerta positiva denida pela mdia uma distribuio exponencial.
Alm do mais, grande parte dos estudos nesta rea esto voltados para a estatstica
Bayesiana.
O princpio da estatstica Bayesiana precisamente levar em conta o julgamento
de especialistas [20]. As possibilidades desta tcnica so interessantes, uma vez que
o julgamento dos especialistas ponderado, e.g., ao invs de associar um evento
uma distribuio de probabilidade com parmetros completamente determinados,
possvel denir um conjunto de distribuies de probabilidade. Ele tambm possibi-
lita uma atualizao do modelo incerto se for possvel coletar dados posteriormente.
Outras abordagens tambm exploram esta idia de distribuies de probabilidade
imprecisas, como a Teoria de Dempster-Shafer [81].
Estas abordagens so adequadas para a descrio de incertezas epistmicas, mas
elas continuam muito sosticadas e geralmente mais avanadas do que empregado
34
na prtica em estudos de incertezas da indstria [64].
3.4 Mtodos de propagao de incertezas
Para obteno das medidas de probabilidade e quantidades de interesse necessrio
propagar as incertezas atravs do modelo. A abordagem mais usual em Engenharia
para resolver esse tipo de problema o mtodo de Monte Carlo (MC) [18]. Atravs de
um conjunto nito de amostras o mtodo de MC fornece os momentos estatsticos da
soluo atravs da inferncia estatstica. Este conjunto de amostras obtido atravs
de repetidas simulaes determinsticas de um modelo utilizando gerao de valores
quasi-randmicos para variveis incertas, o que fundamenta sua no-intrusividade.
Desta forma, para ser implementado basta existir um cdigo determinstico funci-
onando. Outra caracterstica positiva a taxa convergncia do mtodo que no
depende do nmero de variveis randmicas independentes. Contudo, a abordagem
estatstica se torna impraticvel para problemas complexos devido ao tempo de si-
mulao. Para chegar a esta concluso basta imaginar que uma simulao, que pode
levar um dia ou mais para ser concluda, deve ser repetida milhares de vezes para
obter um conjunto de amostras sucientemente grande.
Em [82], Ghanem e Spanos apresentaram as incertezas atravs de uma represen-
tao espectral dando origem ao Mtodo dos Elementos Finitos Estocstico Espec-
trais (Spectral Stochastic Finite Element) (SSFEM). Este trabalho foi baseado no
estudo de Norbert Wiener sobre o Caos Homogneo (Homogeneous Chaos) em [83],
que tratava de variveis randmicas com distribuio de probabilidade Gaussiana e
utilizava uma expanso em polinmios de Hermite para obter uma representao da
varivel incerta. Esta idia foi expandida para outras funes densidade de proba-
bilidade dando origem a Expanso em Caos Polinomial Generalizado (Generalized
Polynomial Chaos) (CPG) em [21]. Estudos mostraram que a taxa de convergncia
aumenta com a ordem da expanso dos polinmios [84]. Todavia, esses estudos so-
bre a convergncia assumem que a soluo suave, ou seja, no caso da presena de
descontinuidades o desempenho ca comprometido.
Para que fosse possvel lidar com as descontinuidades na soluo surgiu a idia do
mtodo de Expanso em Multielementos de Caos Polinomial Generalizado (Multi-
Element Generalized Polinomial Chaos) (ME-CPG) [8587]. Contudo, o acopla-
mento das equaes resultantes para encontrar os coecientes da expanso se tor-
nam extremamente complexas ao passo que o nmero de termos da expanso cresce,
caracterizando a chamada "maldio"da dimensionalidade (curse of dimensionality).
O mtodo de Colocao Estocstica busca aliar a rapidez da convergncia dos
mtodos de Galerkin com a natureza desacoplada da amostragem do mtodo de MC
[88]. Nesta abordagem, a medida de probabilidade representada por uma aproxi-
35
mao polinomial construda a partir da interpolao de solues determinsticas em
um determinado conjunto de pontos denidos em uma dimenso estocstica formal
e abstrata. Este conjunto de pontos pode ser dado pelo produto tensorial de funes
de interpolao unidimensionais baseadas nos pontos da quadratura de Gauss [89].
Entretanto, esse conjunto de pontos resulta em um nmero muito elevado de simu-
laes medida que aumenta o nmero de variveis randmicas. Por outro lado,
os grides esparsos resultantes do algoritmo de Smolyak so fracamente dependen-
tes do nmero de dimenses estocsticas [90]. Por este motivo, os grides esparsos
obtidos pelo algoritmo de Smolyak interpolados por polinmios de Lagrange foram
utilizados para aproximar dimenses estocsticas relativamente altas [22, 91, 92].
O conceito de hierarquia presente no mtodo de CE foi explorado para possibilitar
reno adaptativo do espao randmico em [93].
36
Captulo 4
Anlise crtica de modelos
fenomenolgicos para predio de
VIV
Esta dissertao apresenta tcnicas da Quanticao de Incertezas para obter uma
viso crtica de um modelo utilizado na predio do fenmeno das VIV em aplicaes
de Engenharia. O resultado da propagao dessas incertezas revela caractersticas
do modelo, fornecendo mais informaes para as previses.
Geralmente, o tempo de simulao e o esforo computacional empregado na
Quanticao de Incertezas muito maior do que para uma anlise determinstica.
Ento, durante a escolha do modelo de VIV deve-se levar em conta o fator tempo de
simulao. De forma que, se um modelo de VIV demanda muito tempo de simulao
para uma anlise determinstica, ele se torna pouco prtico para a Quanticao de
Incertezas.
Com este problema posto, os modelos fenomenolgicos so presumidamente os
mais adequados. Estes modelos permitem consideraes que auxiliam no entendi-
mento da fsica envolvida no fenmeno das VIV. Acerca da grande variedade de
modelos fenomenolgicos necessrio estabelecer uma anlise crtica em termos de
comportamentos fundamentais. Para tanto, busca-se um modelo fenomenolgico
capaz de reproduzir caractersticas das VIV da maneira mais simples possvel.
Para realizar a propagao das incertezas, o mtodo de CE apresenta caracters-
ticas desejveis no presente contexto. A escolha estratgia dos pontos de amostra-
gem e a interpolao dos resultados conferem, para vrios exemplos, uma taxa de
convergncia mais alta do que o mtodo de MC [93, 94].
37
4.1 Modelo de interao uido-estrutura
O modelo utilizado na predio das VIV ser o proposto por Facchinetti em [15]. Ele
apresenta um modelo utilizando o oscilador de van der Pol para capturar os efeitos
dinmicos da esteira formada pelo desprendimento de vrtices. O modelo de esteira
acoplado ao modelo da estrutura que apresenta apenas um grau de liberdade na
direo transversal ao escoamento. Para manter o modelo mais simples possvel, a
dinmica da estrutura dada por um oscilador linear e apenas termos lineares de
acoplamento uido-estrutura so considerados. Como o modelo de VIV denido
no plano transversal do cilindro circular, todos parmetros de massa, amortecimento
e rigidez so denidos por unidade de comprimento.
Considera-se um cilindro circular rgido de dimetro externo d com um suporte
elstico na direo transversal ao escoamento de velocidade uniforme u, apresentado
de forma esquemtica na Fig. 4.1.
Figura 4.1: Esquema do acoplamento uido-estrutura para VIV [15].
O deslocamento transversal da estrutura dado por y e tem sua dinmica descrita
pelo oscilador linear
m y + c y + ky = g
q
, (4.1)
onde () signica a derivada com relao ao tempo t e g
q
o foramento da estrutura
devido ao desprendimento de vrtices. A massa m leva em conta as massas da
estrutura m
e
e a massa adicionada m
f
, logo m = m
e
+ m
f
. A massa adicionada,
que modela os efeitos inerciais invscidos do uido, [28], dada por
m
f
= C
m
d
2
/4. (4.2)
Na Eq. 4.1, o amortecimento linear c modela a dissipao viscosa do suporte c
e
e o amortecimento das foras inerciais referentes massa adicionada c
f
, ou seja,
c = c
e
+c
f
. O amortecimento devido a massa adicionada [95] apud [15], dado pela
38
equao
c
f
= d
2
, (4.3)
onde um parmetro de perda de fora de sustentao relacionado amplicao
do coeciente de arrasto C
a
[95] apud [15],
=
C
a
4St
, (4.4)
e uma frequncia angular de referncia. Para o caso de vibraes transversais
a frequncia angular considerada a frequncia angular de desprendimento de
vrtices, i.e., =
dv
= 2Stu/d.
Na Eq. 4.1, ao contrrio da rigidez k, que depende apenas das propriedades da es-
trutura, a massa m e o amortecimento c tm contribuies de efeitos uidodinmicos
m
f
e c
f
.
Denindo a frequncia angular natural da estrutura imersa no uido
n
=
_
k/m
e o fator de amortecimento reduzido = c
e
/(2m
n
), a Eq. 4.1 pode ser reescrita
como
y +
_
2
n
+

dv
_
y +
2
n
y =
g
q
m
, (4.5)
onde = (m
e
+ m
f
)/d
2
uma medida de massa adimensional.
A dinmica da esteira de vrtices modelada por um oscilador no-linear que
satisfaz a equao de van der Pol [13],
q +
dv
_
q
2
1
_
q +
2
dv
q = g
y
, (4.6)
onde a varivel adimensional q pode ser associada ao coeciente de sustentao.
O valor do parmetro de ajuste do modelo deve ser ajustado a partir de dados
experimentais. O foramento exercido pela estrutura sobre a esteira g
y
foi objeto
de estudo em [15].
4.1.1 Acoplamento uido-estrutura
Introduzindo o tempo adimensional t

= t
dv
e a coordenada espacial adimensional
y

= y/d, as Eqs. 4.5 e 4.6 levam ao sistema acoplado

y

+
_
2 +

_
y

+
2
y

= g

q
, (4.7)
q +
_
q
2
1
_
q + q = g

y
, (4.8)
39
onde =
n
/
dv
a frequncia angular reduzida da estrutura, que tambm pode
ser escrita como
=
1
Stu

, (4.9)
ou seja, uma funo do nmero de Strouhal e da velocidade reduzida u

dada por
u

=
2u

n
d
, (4.10)
resultando nos termos de acoplamento adimensionais
g

q
=
g
q
d
2
dv
m
, g

y
=
g
y
d
2
dv
. (4.11)
O sistema apresentado um modelo fenomenolgico simples para predio das
VIV utilizando a equao de van der Pol como modelo para a dinmica da esteira
de vrtices. Adicionar no-linearidades no lado esquerdo da equao da dinmica
da estrutura tambm foi explorado na tentativa de reproduzir melhor os resultados
experimentais [4548, 52, 53].
Vrias idias foram propostas para os termos de acoplamento desde o incio da
utilizao dos modelos de esteira. Entretanto, para manter o modelo mais simples
possvel, os termos de acoplamento uido-estrutura do lado direito do sistema de
equaes so limitados funes lineares de q, y

e suas derivadas temporais. De

forma que, a nica no-linearidade presente na dinmica do sistema a da equao
de van der Pol.
O foramento da estrutura g
q
, geralmente, interpretado como uma fora de
sustentao [15], dada em variveis dimensionais por
g
q
=
1
2
u
2
dC
s
. (4.12)
importante ressaltar que C
s
o coeciente de sustentao instantneo agindo na
estrutura devido somente ao desprendimento de vrtices.
A varivel q pode ser interpretada como um coeciente reduzido de sustentao
devido ao desprendimento de vrtices dado por q = 2C
s
/C
s0
, onde o coeciente de
sustentao de referncia C
s0
aquele observado em uma estrutura xa submetida
ao desprendimento de vrtices. Na forma adimensional, o foramento g
q

g

q
=
C
s0
16
2
St
2

q. (4.13)
Muitas escolhas podem ser consideradas para o efeito do foramento g
y
na esteira
de vrtices [46, 48]. Os estudos conduzidos em [15] sugerem que o acoplamento pela
acelerao da estrutura apresenta o melhor desempenho para o modelo de predio
40
das VIV. Logo,
g

y
= y

, (4.14)
onde um parmetro a ser ajustado a partir de dados experimentais. Essa escolha
foi inspirada por [96] que utilizou esse acoplamento para modelos que combinavam
fenmenos de Vibraes Induzidas por Escoamentos.
4.1.2 Valores adotados para as variveis do modelo
O modelo faz uso de doze variveis. Duas destas variveis tem seus valores obtidos a
partir de estudos experimentais de desprendimento de vrtices em cilindros circulares
xos: o nmero de Strouhal St e o coeciente de sustentao devido somente ao
desprendimento de vrtices C
s0
. Dois coecientes tem seus valores estimados: o
coeciente de arrasto de um cilindro circular livre submetido as VIV C
a
tem o valor
aproximado para que a dinmica da estrutura possa ser modelada por um oscilador
linear [15] e o coeciente de massa adicionada C
m
tem seu valor aproximado pela
Teoria de Escoamento Potencial. O modelo utiliza duas variveis para ajuste: e
. O escoamento do uido caracterizado a partir de duas variveis: a densidade
e a velocidade u. Os quatro parmetros restantes dizem respeito a constituio da
estrutura: a massa da estrutura m
e
, a rigidez da estrutura k, o amortecimento da
estrutura c
e
e o dimetro d.
Das aplicaes que se encaixam numa determinada faixa de Reynolds que co-
brem o regime dito subcrtico, possvel aproximar algumas variveis como sendo
constantes. Este o caso do nmero de Strouhal que pode ser assumido St = 0,2, do
coeciente de sustentao para um cilindro circular xo C
s0
= 0,3 e a amplicao
do coeciente de arrasto C
a
= 2,0 [15]. Entretanto, importante notar que essas
aproximaes carregam incertezas inerentes.
A frequncia reduzida , Eq. 4.9, um parmetro que depende apenas do nmero
de Strouhal e da velocidade reduzida. De forma similar, a massa adimensional
depende da massa da estrutura e da massa adicionada, onde o coeciente de
massa adicionada aproximado pela Teoria do Escoamento Potencial, resultando
em C
m
= 1 [28].
Para a dinmica da esteira, Eq. 4.8, preciso denir valores para o parmetro
da equao de van der Pol, , e o parmetro de escala da fora de acoplamento
g

y
, denominado . Esta questo foi um dos objetos de estudo em [15], onde os
valores para estes parmetros foram ajustados atravs de dados de um experimento
com um cilindro circular forado oscilaes de amplitude y
0
na frequncia natural
do sistema. A partir desse foramento foi medida a amplicao K da fora de
sustentao em relao uma estrutura estacionria submetida ao desprendimento
de vrtices. Na Fig. 4.2 possvel observar o ajuste adotado para os parmetros. Os
41
marcadores esto relacionados com diferentes fontes de dados experimentais. Nota-
se que existe uma grande disperso dos dados experimentais utilizados. A partir
de uma interpolao por mnimos quadrados o valor = 12 e = 0,3 foi proposto,
indicado pela linha cheia. A disperso dos dados experimentais motiva um estudo
da Quanticao de Incertezas sobre estes parmetros de ajuste.
Figura 4.2: Ajuste dos parmetros do modelo aos dados experimentais, a linha cheia
indica o valor proposto de = 12 e = 0,3 [15].
Os parmetros e podem ser ajustados considerando dados experimentais de
VIV em cilindros livres. Isto permitiria maior adeso entre os resultados do modelo
e dados experimentais para vibraes livres. No entanto, os dados experimentais
para analisar o fenmeno de VIV em estruturas livres ainda no esto bem denidos
[33]. Alm do mais, para vibraes livres o ajuste torna-se mais complicado, pois
no se pode obter uma forma fechada para as equaes do problema.
4.1.3 Quantidades de interesse
A integrao numrica do sistema de equaes resulta na evoluo das variveis
primrias y

e q e de suas taxas de variao com o tempo adimensional. A anlise

restringe-se a um intervalo de tempo adimensional [0, t

f
]. Ainda neste intervalo,
devido s caractersticas da integrao do modelo, existem um regime transiente e
um regime permanente, ou seja, a resposta temporal leva algum tempo at atingir
um regime peridico. Assim que este regime peridico atingido, a frequncia da
oscilao do deslocamento da esteira passa a ser igual frequncia do deslocamento
da estrutura, ou seja, f
q
= f
y
. Estas frequncias podem ser obtidas numericamente
atravs da transformada de Fourier da resposta temporal. O tempo de integrao
42
necessrio para atingir a condio do regime permanente varia de acordo com os
valores adotados para os parmetros do sistema. O intervalo de tempo adimensional
contento o regime permanente = [t

p
, t

f
], onde t

p
o tempo adimensional que
marca o incio do regime permanente e t

f
o tempo adimensional que marca o nal
da integrao.
As quantidades de interesse encontram-se no regime permanente e so dadas
por
a

= max(|y

(t

)|), t

(4.15)
f

= F(y

(t

)), t

(4.16)
ou seja, a amplitude reduzida e a frequncia reduzida de vibrao da estrutura,
onde max(| |) o valor mximo absoluto e F() a Transformada de Fourier. A
partir destas quantidades possvel derivar dados que permitem identicar a zona
de sincronizao. Estes so os valores mais importantes no s para comparao
com dados experimentais, mas tambm para o projeto de estruturas sujeitas ao
fenmeno das VIV [33]. Tradicionalmente, as VIV so evitadas no projeto da vida
em fadiga de risers. No entanto, recentemente, vem sendo utilizada uma abordagem
na qual as VIV so permitidas caso no excedam alguns valores para frequncia e
amplitude de vibrao [97]. Isto motiva o crescente interesse na avaliao precisa
destas quantidades.
4.2 Modelo estocstico
Como visto no captulo anterior, uma das formas de tratar a presena de incertezas
atravs da reformulao das equaes governantes, ou seja, as Eqs. 4.15 e 4.16
passam a ser estocsticas. Uma maneira de interpretar este modelo estocstico
considerando as incertezas como variveis de dimenses adicionais do problema [98].
Desta forma, o sistema apresenta espao fsico contendo a dimenso temporal e um
espao estocstico contendo as dimenses das variveis estocsticas [99].
Para tanto, se faz necessrio denir um espao de probabilidade completo
(, F, P), onde o espao amostral, F 2

a -lgebra e P : F [0, 1]
a medida de probabilidade e o domnio temporal fechado R [72]. A partir
destas denies busca-se as funes estocsticas A

e F

que descrevem o processo

estocstico dado por
a

(t

; ) : R, (4.17)
f

(t

; ) : R, (4.18)
43
tal que para P-quase completo, as Eqs. 4.15 e 4.16 sejam satisfeitas.
A metodologia aplicada para resolver este sistema de equaes estocsticas
primeiramente reduzir a complexidade do problema. Isto implica em limitar o es-
pao estocstico uma dimenso nita denindo o nmero de variveis estocsticas,
[100]. importante notar que, o nmero de variveis estocsticas necessrias para
descrever o problema depende das incertezas modeladas. Por exemplo, considerando
que a velocidade de corrente estocstica U() representada atravs de uma vari-
vel estocstica, ou seja, U = U(
1
()), a soluo se torna um processo estocstico
dependente da varivel estocstica
1
(). Desta forma podemos escrever o processo
estocstico descrito pelas Eqs.4.15 e 4.16 como
A

(t

; ) = A

(t

;
1
() , . . . ,
N
()) , (4.19)
F

(t

; ) = F

(t

;
1
() , . . . ,
N
()) , (4.20)
onde N o nmero de variveis do espao estocstico de N-dimensional. Assumindo
que
i
() so variveis estocsticas estatisticamente independentes assumindo va-
lores de acordo as com funes de densidade de probabilidade
i
:
i
R nos
intervalos fechados
i
, onde i = 1, . . . ,N [99]. A funo densidade de probabilidade
conjunta da N-tupla ento dada por
() =
N

i=1

i
(
i
) , (4.21)
onde o suporte =

N
i=1

i
R. O resultado deste procedimento que as equaes
Eqs. 4.7 e 4.8 podem ser escritas como um conjunto de equaes diferenciais em N+1
dimenses, contemplando N dimenses estocsticas e uma dimenso temporal.
4.3 Mtodo de Colocao Estocstica
Nos mtodos de colocao busca-se satisfazer o sistema de equaes estocsticas em
um determinado conjunto nito de pontos, denominado ns, denidos no espao
estocstico. Este aspecto do mtodo se assemelha aos mtodos por amostragem,
como o mtodo de MC. Entretanto, diferentemente do mtodos de amostragem, que
utilizam pontos de amostragem randmicos ou quasi-randmicos, a escolha dos ns
de amostragem estratgica para aumentar a ecincia. A soluo da simulao
para estes ns so interpoladas por uma funo polinomial. Esta funo polinomial
cria um espao contnuo acelerando a convergncia da soluo [94].
Seja
N
= {
i
}
Q
i=1
um conjunto de ns prescritos no espao estocstico
N-dimensional, onde Q o nmero de ns. A soluo pode ser aproximada pelos
44
polinmios de interpolao de Lagrange como
IA

=
Q

l=1
A

(
l
) L
l
() , (4.22)
IF

=
Q

l=1
F

(
l
) L
l
() , (4.23)
onde L
i
(
j
) so os polinmios de Lagrange denidos por
L
i
(
j
) =
_

_
1, i = j,
0, i = j,
(4.24)
para 1 i, j Q. Desta forma, o mtodo de CE equivalente a resolver Q
problemas determinsticos com realizaes do vetor estocstico
l
para l = 1, . . . ,Q.
Uma vez que a soluo para os polinmios de Lagrange obtida, os momentos
estatsticos podem ser facilmente obtidos [94], e.g., a mdia E[A

] pode ser obtida

atravs de uma amostragem randmica da soluo ou atravs da integrao dada
por
E[A

] E[IA

] =
Q

l=1
IA

l
_
_

L
l
() () d. (4.25)
A aparente simplicidade da implementao do mtodo esbarra no problema com-
plexo da escolha do conjunto de ns adequados. Este problema se torna mais com-
plicado quando se lida com muitas variveis estocsticas. Mesmo que nas aplicaes
existam algumas propostas de como escolher esse conjunto de ns, a maioria deles
ad hoc e no permitem controle sobre os erros de interpolao [94].
Para o caso de uma dimenso estocstica, os ns da quadratura de Gauss e
Chebyshev apresentam o menor erro de interpolao. J para um problema estocs-
tico multidimensional, a metodologia que vem sendo aplicada construir as funes
de interpolao e o conjunto de ns atravs do produto tensorial entre as funes de
interpolao e o conjunto de ns unidimensionais. Uma desvantagem desta prtica
que o nmero de ns necessrios aumenta combinatorialmente com o nmero de
dimenses estocsticas. Este problema pode ser contornado utilizando um conjunto
de ns dados por grides esparsos [22].
Os grides esparsos baseados no algoritmo de Smolyak [90] apud [93], geram um
subconjunto dos ns do produto tensorial completo. Este subconjunto escolhido
estrategicamente na tentativa de preservar o baixo erro de interpolao do modelo
unidimensional utilizando a menor quantidade de ns possvel. Como consequn-
cia, o problema estocstico multidimensional demanda relativamente menor esforo
computacional.
Outra vantagem da utilizao deste algoritmo devido ao fato dos subconjuntos
45
de ns serem hierrquicos. Esta caracterstica se apresenta como uma medida de
erro a partir da diferena entre as solues aproximadas por nveis hierrquicos
subsequentes [101]. Por exemplo, na Fig. 4.3 esto representados os subconjuntos
de ns presentes em diferentes nveis hierrquicos S para um espao bidimensional.
0 0.5 1
0
0.2
0.4
0.6
0.8
1
S = 2
0 0.5 1
0
0.2
0.4
0.6
0.8
1
S = 4
0 0.5 1
0
0.2
0.4
0.6
0.8
1
S = 6
0 0.5 1
0
0.2
0.4
0.6
0.8
1
S = 8
Figura 4.3: Ns de diferentes nveis hierrquicos de grides esparsos.
Os grides expostos na Fig. 4.3 foram obtidos a partir do produto tensorial da
quadratura de Chebyshev conforme o algoritmo de Smolyak. O nmero de ns que
compem o nvel hierrquico para um espao bidimensional como o do exemplo :
S = 2 com 13 ns, S = 4 com 65 ns, S = 6 com 321 ns e S = 8 com 1537
ns. Nota-se que o nmero de ns cresce rapidamente com o aumento do nvel
hierrquico. Felizmente, devido ao carter hierrquico, os ns dos nveis anteriores
so conservados, ou seja, as simulaes realizadas naqueles ns no precisam ser
realizadas novamente e ajudam a compor o prximo nvel hierrquico.
Para identicar o nvel hierrquico do mtodo de CE que aproxima a soluo
com a preciso desejada interessante denir um critrio de convergncia a partir
de dois nveis hierrquicos subsequentes. O vetor estocstico das quantidades de
interesse denido por Z
S
= [I
S
A

, I
S
F

], onde I
S
a aproximao polinomial
obtida para a soluo no nvel hierrquico S. Uma quantidade representativa da
diferena relativa entre as mdias e varincias da aproximao da soluo para o
46
nvel hierrquico atual e anterior pode ser obtida por

med
=
||E[Z
S
] E[Z
S1
]||
||E[Z
S
]||
,
V ar
=
||Var(Z
S
) Var(Z
S1
)||
||Var(Z
S
)||
, (4.26)
onde E[Z] e Var(Z) so respectivamente a mdia e a varincia para Z obtidos a
partir da amostragem da aproximao polinomial para as funes estocsticas A

e
F

. Desta forma, pode-se denir um critrio de convergncia a partir de um valor

mximo para = [
med
,
V ar
], ou seja, a convergncia para a aproximao da soluo
obtida quando
< , (4.27)
onde um valor arbitrrio. Geralmente, a convergncia do valor para a varincia
mais lenta do que para a mdia, este fato foi observado durante as simulaes.
Alm do critrio de convergncia, foi denido um limite para a simulao a
partir de um nvel hierrquico mximo S
max
. Esta prtica comum em processos
iterativos. Uma vez que, por exemplo, para o gride esparso unidimensional, cada
nvel hierrquico tem aproximadamente o dobro de ns do que o nvel hierrquico
anterior. Caso os nveis hierrquicos sejam aumentados indenidamente a simulao
pode ser terminada devido limites computacionais como a memria disponvel.
4.4 Quanticao de Incertezas em Vibraes In-
duzidas por Vrtices
A modelagem do fenmeno de VIV rica em incertezas. Parte destas incertezas tem
origem em comportamentos aleatrios da natureza, e.g., a velocidade de corrente ou
o movimento das mars, e parte vem da falta de conhecimento na determinao das
quantidades envolvidas no problema, e.g., o valor da massa de uido adicionada [27].
Logo, necessrio analisar a propagao destas incertezas pelo modelo e identicar
quanto e como elas afetam os resultados para construir uma viso crtica do modelo.
O coeciente de sustentao C
s0
obtidos a partir de dados experimentais em
funo do nmero de Reynolds. As incertezas no valor deste parmetro tem muitas
fontes. Primeiramente os instrumentos utilizados no experimento tem incertezas de
medio, e.g., para denir o nmero de Reynolds necessrio medir a velocidade do
escoamento com um instrumento e o dimetro do cilindro com outro instrumento.
J a densidade e a viscosidade dinmica do uido podem ser tabeladas em funo
da temperatura, logo se faz necessrio medir a temperatura do uido com outro
instrumento. Mais incertezas so adicionadas a partir de alteraes nas condies do
experimento como mudana de temperatura do uido, instabilidade na velocidade do
escoamento, posio dos instrumentos, etc. Toda esta metodologia de levantamento
47
de incertezas se aplica novamente na medio do coeciente, que certamente faro
uso de medidores de presso, clulas de carga, etc.
No caso do coeciente de arrasto C
a
, utilizado no modelo proposto existe uma
incerteza epistmica, pois ele utilizado como uma aproximao para eliminar a
necessidade de inserir uma no-linearidade na dinmica da estrutura. Ento, existe
uma interesse no sentido de avaliar os efeitos desta aproximao.
O conceito de massa adicionada uma das questes mais complexas da uido-
dinmica. Ela se faz presente em todo o escoamento ao redor de corpos rombudos.
Entretanto, como todas as massas, essa grandeza s pode ser medida quando su-
jeita acelerao. Ela depende de muitos fatores como: o tipo de movimento do
corpo, o escoamento ao redor do corpo, proximidade de outros corpos, superfcies
livres e o tempo. Ela pode ser positiva ou negativa. Os resultados obtidos para
a massa adicionada em escoamentos invscidos causa a impresso de que eles so
aplicveis em qualquer caso de escoamento viscoso para toda faixa de nmero de
Reynolds [102]. Normalmente, nos modelos de anlises existentes j consagrados,
esta massa adicionada considerada como um valor xo, utilizando para o coe-
ciente de massa adicionada, valores como, por exemplo, C
m
= 1 ou outros valores
semelhantes. Porm, ensaios experimentais para VIV indicaram que o coeciente de
massa adicionada varia intensamente ao longo do tempo, mesmo em condies de
uxo uniforme e, tomando-se uma mdia desses coecientes, esse valor tambm varia
com a velocidade reduzida [103]. Em outras palavras, o valor da massa adicionada
afetada pela acelerao e a viscosidade do uido [27]. Esta discusso em torno de
como denir um valor e como medir a massa adicionada revela uma incerteza de
natureza epistmica na sua determinao. Atravs da Quanticao de Incertezas
possvel identicar se essa incerteza um ponto crtico para o modelo.
As caractersticas da estrutura que podem ser medidas diretamente por instru-
mentos so a massa da estrutura m
e
e o dimetro d. Estas medies esto sujeitas
a erros comuns causados pela falta de paralelismo e imperfeies na constncia do
dimetro. Considerando uma estrutura martima estas imperfeies podem ser cau-
sadas pelo processo de fabricao, transporte, armazenamento e lanamento.
O coeciente de amortecimento estrutural c
e
, rigidez k so estimados de forma
mais complexa. Devido a no-linearidade, os valores so assumidos constantes para
algumas faixas de projeto que nem sempre so as faixas de operao. Constituindo
assim um foco de incertezas epistmicas.
A densidade do uido , geralmente, assumida constante, no entanto uma
funo da temperatura do uido. Alm da incerteza sobre o ensaio experimental
para determinar os valores da densidade, assumir que o uido ir operar em uma
determinada temperatura xa introduz incertezas sobre o valor desta constante.
Uma vez que a temperatura do uido pode variar tanto com fenmenos localizados
48
quanto com diferentes correntes marinhas.
A anlise de incertezas sobre a velocidade da corrente u pode ser utilizada sob
diversas perspectivas. Primeiramente existe o carter aleatrio natural da velocidade
de corrente marinha, o que caracterizaria a Quanticao de Incertezas voltada para
o projeto da estrutura. Outro ponto de vista seria utilizando o fato de que muitos
resultados experimentais visando as caractersticas das VIV so dados em funo da
velocidade do escoamento do uido. Ento, quando se est procurando aderncia
entre os resultados de simulao e dados experimentais importante notar que
a velocidade do escoamento no ensaio experimental, mesmo que apresentada sem
barras de erro, inerentemente incerta. Outra forma de interpretar a incerteza sobre
a velocidade de corrente quando no se tem certeza de quais sero as condies
de operao e como isto ir afetar a resposta do modelo. Assim pode-se utilizar
uma faixa grande de incerteza sobre a velocidade e trabalhar com a estatstica dos
resultados.
Ainda existem muitas grandezas fsicas que no so contempladas diretamente,
e.g., a rugosidade supercial do cilindro que afeta os valores para os coecientes
uidodinmicos. Consequentemente, quando estamos tentando comparar resultados
de simulao com resultados experimentais sempre existiro incertezas referentes s
condies do experimento e a tentativa de reproduzi-las no ambiente computacional.
Os parmetros de ajuste do modelo so claramente os que apresentam maiores
incertezas pois no tem uma relao fsica explcita, i.e., no podem ser medidos
diretamente. Logo, so ajustados a partir de outras grandezas combinadas, o que de
certa forma aumentam a incerteza. Este tipo de prtica demonstra claramente a falta
de conhecimento sobre a fsica do problema, caracterizando um foco de incertezas
epistmicas.
A Quanticao de Incertezas sobre os parmetros de ajuste do modelo so
as mais interessantes para obter maior credibilidade sobre o modelo, pois a partir
dos seus efeitos na resposta da simulao possvel identicar a potencialidade do
modelo na reproduo do fenmeno.
4.5 Implementao numrica
As rotinas necessrias para executar esta proposta foram todas desenvolvidas no
programa MATLAB. Na integrao numrica das equaes, exposio grca
dos resultados, entre outras tarefas, foram utilizadas rotinas prprias do programa.
Para a interpolao e gerao dos grides esparsos foi utilizado um pacote de desen-
volvido para MATLAB em [104, 105]. Este pacote inclui rotinas congurveis para
a interpolao polinomial hierrquica de grides esparsos pelo algoritmo de Smolyak.
A Fig. 4.4 apresenta um esquema com os pontos principais para o algoritmo
49
elaborado. O algoritmo tem incio a partir da entrada dos dados sobre variveis
incertezas, variveis determinsticas e parmetros da congurao da anlise, como
o tempo nal e condies iniciais da integrao, o nmero de pontos de velocidade
reduzida que sero analisados, o nvel hierrquico mximo para os grides esparsos
S
max
, valor para o critrio de preciso , entre outros.
Figura 4.4: Esquema para o algoritmo elaborado.
As seguintes atividades so realizadas para cada velocidade reduzida prevista
na anlise. Primeiramente, vericado se o nvel hierrquico mximo foi atingido,
caso negativo so gerados os ns adicionais ao gride esparso para o nvel hierrquico
atual. Desta forma, tem incio a integrao numrica de cada n adicionado ao gride
esparso a partir da rotina ode45, que utiliza o mtodo Runge-Kutta explcito com
o par Dormand-Prince [106]. Assim que todos os ns foram integrados numerica-
mente, o espao da soluo contendo as funes estocsticas A

e F

aproximado
atravs de uma interpolao polinomial. Atravs da amostragem quasi-randmica
da aproximao polinomial para o espao da soluo so calculadas a mdia e a
varincia para a A

e F

neste nvel hierrquico. Desta forma possvel vericar se

o critrio de convergncia foi atingido, caso positivo o vetor com as quantidades de
interesse Z armazenado, caso contrrio um nvel hierrquico adicional calculado.
Assim que todos os pontos da velocidade reduzida foram analisados, resta apenas
uma etapa de ps-processamento. Na etapa de ps-processamento, os dados so
organizados para expor os resultados na forma de grcos. As funes densidade
de probabilidade podem ser obtidas a partir da amostragem quasi-randmica da
aproximao polinomial do espao da soluo.
50
Captulo 5
Resultados e Discusses
Neste captulo so apresentados os resultados para o problema proposto no captulo
anterior. Alguns testes so utilizados para avaliar o desempenho do cdigo compu-
tacional desenvolvido. Em seguida, so apresentados resultados e discusses para a
proposta de Quanticao de Incertezas em VIV.
Como visto anteriormente, o fenmeno de VIV possui dois comportamentos dis-
tintos para baixa e alta razo mssica. No entanto, o modelo para VIV adotado
apresenta baixo desempenho para sistemas com baixa razo mssica [53]. Desta
forma, para os casos estudados so adotados os parmetros de um sistema com alta
razo mssica m

= 320 a partir de [37]. A escolha desse valor para a razo mssica

tambm motivada pela existncia de mais de um conjunto de dados experimentais
para VIV utilizando esse parmetro de razo mssica. Razes de massa alta so,
geralmente, associadas s estruturas submetidas a VIV cujo escoamento tem como
uido o ar, e.g., pontes e chamins. Nas estruturas martimas a razo mssica em
torno de m

O(10) [107].
As variveis de entrada foram ajustadas de forma que o fenmeno, apesar das
incertezas, se desenvolva num ambiente com nmero de Reynolds na faixa subcrtica.
Os valores nominais utilizados esto expostos na Tab. 5.1 de acordo com o Sistema
Internacional de Unidades.
St C
a
C
s0
C
m
u m
e
k c
e
d
0,2 2,0 0,3 1 12 0,3 1000 0,5 2513,274 2521,128 3,933 0,1
Tabela 5.1: Valores nominais adotados.
Assumindo que o uido a gua, a viscosidade cinemtica = 1 10
6
e o
nmero de Reynolds nominal resultante Re = 5 10
4
. Desta forma, o uso dos
coecientes uidodinmicos obtidos para a regio subcrtica consistente. Alguns
dos parmetros foram arbitrados para que a frequncia natural do sistema seja
f
n
= 1.
51
5.1 Desempenho computacional
Nesta seo so apresentados resultados de alguns testes realizados que visam veri-
car e avaliar o desempenho da implementao do modelo. Para tanto, so feitas
comparaes com trabalhos publicados e testes de carter numrico. Alm do mais,
estes testes so importantes para identicar possveis limitaes da simulao nu-
mrica e avaliar o tempo computacional necessrio para a soluo.
O incio da dinmica do sistema acontece a partir da arbitragem de uma condio
inicial no-nula. Esta condio inicial pode se apresentar a partir da velocidade ou
deslocamento da estrutura ou da esteira. Para simplicar a anlise, arbitrado um
valor para a condio inicial do deslocamento da esteira, denominado q
0
, mantendo
todas as outras condies iniciais nulas. Desta forma busca-se observar como a
resposta do sistema alterada devido aos diferentes valores para as condies iniciais,
principalmente depois de atingir o regime estacionrio.
A partir desta proposta foram escolhidos trs valores para q
0
de diferentes ordens
de grandeza: q
0
= 0,001, q
0
= 0,1 e q
0
= 10. Apesar da diferena entre os valores
escolhidos espera-se que, devido s caractersticas do modelo, os resultados no
apresentem diferena em perodo e amplitude aps o nal do regime transiente
da resposta. Para ilustrar estas idias, a Fig. 5.1 apresenta duas janelas temporais
retiradas dos primeiros e dos ltimos instantes da resposta temporal do deslocamento
da estrutura y

para auxiliar na anlise.

Dos resultados possvel observar que as mudanas nas condies iniciais tem
inuncia sobre o incio da resposta temporal do problema, durante o regime tran-
siente. Mas, assim que o sistema atinge o regime permanente este se comporta com
a mesma amplitude e perodo para as diferentes condies iniciais. Sendo assim,
possvel inferir que as mudanas nas condies iniciais afetam a durao do regime
transiente. Como o interesse est voltado para resultados acerca do regime perma-
nente, desejada a condio inicial que atinja o regime permanente com o menor
tempo de integrao possvel.
Tendo em vista que para a integrao numrica do sistema est sendo utilizado
a rotina ode45 do MATLAB, interessante utilizar a condio inicial que apresenta
menos passos de integrao no intervalo de tempo proposto. Entretanto, esta tarefa
se torna complicada na medida que, durante a Quanticao de Incertezas, o modelo
dever ser integrado diversas vezes para diferentes valores das variveis de entrada.
Consequentemente, as respostas sero distintas e encontrar uma condio inicial
tima se torna complexo.
Apesar da discusso, a escolha da condio inicial no traz maiores problemas
do que alguns poucos passos a mais na integrao numrica do sistema. Ento,
para os resultados apresentados a seguir ser utilizado o valor q
0
= 0,001. Pois,
52
0 10 20 30 40 50
0.01
0.005
0
0.005
0.01
t
*
y
*


2950 2960 2970 2980 2990 3000
0.2
0.1
0
0.1
t
*
y
*


Figura 5.1: Resultados para o deslocamento da estrutura y

para diferentes valores

de condio inicial. Os resultados foram marcados para q
0
= 0,001 (), q
0
= 0,1 ()
e q
0
= 10 ().
aparentemente a rotina de integrao numrica ode45 apreciou a evoluo suave da
resposta utilizando menos passos de integrao para cobrir o intervalo de tempo.
5.1.1 Comportamento na integrao temporal
Um dos diagramas mais caractersticos na anlise das VIV o que relaciona a
amplitude e a frequncia reduzida de vibrao em funo da velocidade reduzida.
Para obter esse diagrama necessrio realizar a integrao temporal do modelo para
um nmero nito de velocidades reduzidas e a partir do regime permanente obter
os valores para a amplitude e frequncia reduzida de vibrao. Logo, foi realizado
um estudo sobre as caractersticas da resposta temporal do modelo associado aos
valores da velocidade reduzida.
A Fig. 5.2 apresenta o comportamento do sistema adotado para o estudo. Para
tanto, a faixa de velocidade reduzida entre u

= 4 e u

= 6 foi dividida em 100

pontos. Para cada ponto o sistema foi integrado at o tempo nal de t

f
= 5000. A
regio de sincronizao caracterizada pela amplitude de vibrao elevada.
A resposta temporal do sistema muda de comportamento quando a velocidade
reduzida se aproxima das zonas de sincronizao, onde a amplitude de vibrao sofre
um salto abrupto. A Fig. 5.3 caracterstica da resposta temporal distante da regio
53
4 4.5 5 5.5 6
0
0.05
0.1
0.15
0.2
u
*
a
*
Figura 5.2: Simulao da amplitude reduzida de vibrao do sistema em funo da
velocidade reduzida.
de sincronizao.
0 1000 2000 3000 4000 5000
10
5
0
5
x 10
4
t
*
y
*
u
*
=4
Figura 5.3: Resposta temporal distante da zona de sincronizao.
Ao se aproximar da regio de sincronizao, o padro da resposta temporal vai
se modicando em direo ao que est representado na Fig. 5.4. As amplitudes de
vibrao ainda so pequenas, o que caracteriza que o sistema ainda est fora da
zona de sincronizao. Por mais que se rene a discretizao em torno do incio
da sincronizao ou se aumente o tempo nal de integrao, no foi possvel obter
um ponto intermedirio entre as amplitudes de vibrao do ramo inicial e do ramo
superior.
No ponto da velocidade reduzida seguinte, a amplitude de vibrao aumenta
abruptamente ao entrar na regio de sincronizao e o padro da resposta temporal
se apresenta como na Fig. 5.5. O tempo de integrao deve ser sucientemente alto
para que o sistema ultrapasse o regime transiente, assim possibilitando a apropriao
dos dados corretos sobre a amplitude e frequncia de vibrao. Este comportamento
se mantm durante todo o regime de sincronizao. Estas mudanas de comporta-
mento se repetem da mesma forma ao sair da zona de sincronizao.
A partir da Fig. 5.5 possvel armar que o tempo de integrao deve ser no
mnimo 4000 para que seja desenvolvido o comportamento peridico. A obteno
54
0 1000 2000 3000 4000 5000
0.01
0.005
0
0.005
0.01
t
*
y
*
u
*
=4.7677
Figura 5.4: Resposta temporal prxima da zona de sincronizao.
0 1000 2000 3000 4000 5000
0.2
0.1
0
0.1
t
*
y
*
u
*
=4.7879
Figura 5.5: Resposta temporal na zona de sincronizao.
da amplitude e da frequncia de vibrao feita a partir de um intervalo prximo ao
tempo nal da simulao. Dentro desse intervalo, a amplitude de vibrao obtida
a partir de um algoritmo que busca o deslocamento mximo absoluto da resposta
temporal e a frequncia de vibrao obtida a partir de um algoritmo empregando
a Transformada de Fourier do deslocamento da estrutura.
As medidas tomadas se mostraram ecientes para obter da melhor forma poss-
vel estes dados essenciais para a Quanticao de Incertezas. No entanto, caso as
condies de razo mssica sejam muito diferentes necessrio rever o tempo nal
de integrao.
5.1.2 Reproduo do comportamento experimental
O objetivo desta anlise vericar se o modelo utilizado captura as caractersticas
observadas experimentalmente para o fenmeno das VIV. Na Fig. 5.6 esto reprodu-
zidos os resultados experimentais para o caso em que m

= 320 e (m

+C
m
) = 0,251.
Os dados experimentais marcados por () foram obtidos por [108] apud [37], para
um cilindro circular livre para vibrar na direo transversal exposto s VIV devido
ao escoamento de ar. J, os dados experimentais marcados por () foram obtidos
recentemente na tentativa de reproduzir este experimento utilizando a gua como
55
uido [37].
Figura 5.6: Resultados experimentais para m

= 320 e (m

+ C
m
) = 0,251 [37].
As simulaes do modelo levaram aos resultados expostos na Fig. 5.7. Para tanto,
escolhida uma faixa de velocidades reduzidas tal que 4 < u

< 6. Na simulao,
a faixa de velocidades reduzidas foi dividida em 100 pontos igualmente espaados,
para cada ponto as equaes do modelo foram integradas numericamente at atingir
o regime permanente. Os resultados para a amplitude reduzida e frequncia reduzida
de vibrao foram obtidos dentro deste regime.
4 4.5 5 5.5 6
0
0.1
0.2
u
*
a
*
4 4.5 5 5.5 6
0.9
1
1.1
1.2
u
*
f
*


Figura 5.7: Resultados a partir da simulao do modelo para m

= 320 e (m

+
C
m
) = 0,251.
Nota-se que a concordncia entre os resultados obtidos experimentalmente e
atravs da simulao do modelo apresentam algumas discrepncias quanto a ampli-
tude e extenso da sincronizao. Entretanto, possvel que atravs do ajuste dos
56
parmetros e , o modelo seja capaz de apresentar maior aderncia aos resulta-
dos observados experimentalmente. De fato, a investigao sobre as capacidades do
modelo um dos objetivos da Quanticao de Incertezas.
A frequncia reduzida apresenta uma oscilao em torno do valor f

= 1 durante
a sincronizao. De forma que, a sincronizao no modelo ca melhor caracterizada
pela grande amplitude de vibrao. Logo, nos resultados apresentados na sequncia,
o grco da frequncia reduzida ser suprimida sempre que no apresentar nenhum
resultado signicativo.
5.1.3 Avaliao do mtodo de CE
O desempenho do mtodo de CE para o presente problema avaliado a partir de uma
comparao com o mtodo de MC. Para esta proposta, escolhida a propagao de
uma incerteza sobre a velocidade de corrente. Desta forma, a velocidade de corrente
uma varivel incerta dada por
u U() =

U +
U
(), (5.1)
onde

U = 0,5 o valor nominal,
U
= 1/10

12 o desvio padro e uma varivel

estocstica com distribuio uniforme de mdia nula e desvio padro unitrio. Esta
modelagem estocstica, faz com que a velocidade de corrente incerta tenha chances
iguais de assumir valores dentro da faixa 0,45 < U < 0,55. Lembrando que a
partir da Eq. 2.9 possvel obter uma relao entre a velocidade de corrente u e
a velocidade reduzida u

, o valor nominal para U implica em u

= 5. Para esta
velocidade reduzida o sistema se encontra em sincronizao conforme a Fig. 5.7.
A preciso adotada = 110
2
para a diferena relativa entre a varincia de A

de dois nveis subsequentes. No caso do mtodo de MC, os nveis so considerados

a cada 100 amostragens quasi-randmicas e, para o caso do mtodo de CE, so
considerados os nveis hierrquicos S. Os resultados esto apresentados na Tab. 5.2.
Nota-se que, como em muitos casos de problemas probabilsticos, a convergncia para
o valor mdio mais rpida do que para a varincia. O critrio de convergncia foi
atingido pelo mtodo de CE com o nvel hierrquico S = 8 composto por 257 ns,
enquanto pelo mtodo de Monte Carlo foram necessrios 900 amostragens. Para
a mesma preciso, o mtodo de CE realizou aproximadamente trs vezes menos
simulaes do que o mtodo de MC. Esta caracterstica foi vericada para outros
valores nominais da velocidade de corrente incerta mantendo a mesma varincia.
Isto uma grande vantagem caso o tempo computacional para resolver o modelo
determinstico seja elevado. Alm do mais o mtodo de CE realiza uma aproximao
polinomial da soluo, ou seja, alm de obter uma aproximao para a mdia e a
varincia da varivel estocstica, possvel atravs da amostragem quasi-randmica
57
obter uma funo densidade de probabilidade para as realizaes de A

.
E[A

] Var(A

) Pontos
MC 0,0678 0,0040 900
CE 0,0671 0,0039 257
Tabela 5.2: Comparao entre os mtodos de MC e CE
Ainda para esta varivel incerta, um outro estudo foi realizado. Alguns mto-
dos de resoluo de equaes estocsticas apresentam divergncia para o valor da
varincia conforme a evoluo da integrao temporal [93]. Para vericar a im-
plementao da metodologia proposta, foi realizado um estudo sobre a evoluo
temporal da varincia para o deslocamento de y

. Neste estudo foi considerado

como correto a evoluo da varincia obtida atravs do mtodo de MC com 1 10
3
simulaes. A preciso exigida para a convergncia foi que a diferena relativa entra
a varincia obtida pelo mtodo de MC e pelo mtodo de CE para todos os pontos,
t

i
[4900, 5000], i = 1, . . . ,100, fossem menores do que = 1 10
2
. O mtodo de
CE atingiu a convergncia no nvel hierrquico S = 8 com 257 ns.
A escolha do mtodo de CE para a propagao de incertezas atravs deste modelo
se mostrou adequada e conveniente. Uma vez que um nmero de simulaes menor
do que pelo mtodo de MC foi necessria para obter o mesmo nvel de preciso nos
primeiros momentos estatsticos.
5.2 Anlise crtica do modelo
A Quanticao de Incertezas utilizada para obter uma viso crtica do modelo.
Em se tratando de um sistema no-linear, a anlise direta sobre a relao das va-
riveis de entrada com a resposta para a quantidade de interesse complexa. Uma
maneira de tratar este problema segue a metodologia proposta pela Quanticao
de Incertezas. Atravs da propagao de incertezas sobre as variveis de entrada,
possvel vericar os efeitos no resultado para a quantidade de interesse.
As anlises apresentadas abaixo adotam alguns procedimentos em comum. As
anlises so realizadas a partir de dados obtidos para um intervalo de velocidades
reduzidas de 4 < u

< 6, discretizado em 100 pontos igualmente espaados. Para

cada ponto u

i
, as variveis incertas so propagadas atravs do modelo at que o
critrio de convergncia, dado pela Eq. 4.27, ou o nvel hierrquico mximo seja
atingido. Adota-se o valor para a preciso = 110
2
e o nvel hierrquico mximo
S
max
= 12.
As variveis incertas X so descritas genericamente por
X() =

X +
X
(), (5.2)
58
onde

X so as mdias,
X
so os desvios padres e so variveis estocsticas com
distribuio uniforme de mdia nula e desvio padro unitrio. A modelagem da
varivel incerta atravs de uma distribuio uniforme se d ao fato de que a anlise
realizada de interesse investigativo. Desta forma, para caracterizar uma varivel
incerta basta escolher o intervalo de valores que ela pode assumir.
Os resultados so apresentados na forma de grcos relacionando a amplitude de
vibrao reduzida A

com a velocidade reduzida U

. As linhas tracejadas indicam

o envelope dos resultados obtidos nas simulaes, ou seja, a rea entre estas duas
linhas indica resultados possveis. Neste mesmo grco, os marcadores () so as
realizaes obtidas a partir do valor nominal da varivel incerta, ou seja, quando =
0. A mdia e uma variabilidade para a amplitude de vibrao reduzida computada
esto representadas na forma de barras de erro, onde o marcador () representa a
mdia dos resultados e a barra de erro representa uma variabilidade dada por 10%
do desvio padro para mais e para menos.
Algumas funes densidade de probabilidade so apresentadas para a zona de
sincronizao atravs de amostragem quasi-randmica da soluo. Esta prtica
possvel devido ao fato de que no mtodo de CE, a soluo estocstica aproximada
por uma interpolao polinomial. Estes dados sero obtidos considerando que a
sincronizao ocorre quando a

> 0,05. Esta prtica pode ser enunciada da seguinte

forma: Dado um sistema com variveis incertas que est em sincronizao, a chance
de ocorrncia de um dado evento expressa atravs da respectiva funo densidade
de probabilidade. A interpretao estatstica implica em uma probabilidade condi-
cional, ou seja, a probabilidade de ocorrer um evento, dado que o sistema est em
sincronizao. Alguns exemplos de como fazer uso desta informao so discutidos
para cada caso em particular.
5.2.1 Incerteza associada velocidade de corrente
Os motivos para caracterizar a velocidade de corrente como uma varivel incerta j
foram discutidos no captulo anterior. Na presente anlise, a modelagem da incerteza
sobre a velocidade de corrente feita para avaliar os efeitos da sua variabilidade sobre
a resposta da quantidade de interesse. Desta forma, ser adotado uma mdia e um
desvio padro com valores para a nalidade de investigao.
Para cada ponto u

i
, a velocidade de corrente U
i
uma varivel incerta dada por
U
i
() =

U
i
+
U
(), (5.3)
onde

U
i
= u

i
/10 a mdia,
U
= 1/10

12 o desvio padro e uma varivel

estocstica com distribuio uniforme de mdia nula e desvio padro unitrio. Isto
faz com que a modelagem da incerteza sobre a velocidade de corrente seja diferente
59
para cada ponto da velocidade reduzida u

i
. No entanto, para qualquer ponto u

i
a variabilidade de U a mesma. A variabilidade escolhida de forma arbitrria
tomando 10% do valor nominal da velocidade de corrente para mais e para menos.
Para esta modelagem de incerteza sobre a velocidade de corrente, o nvel hierrquico
mdio necessrio para atingir o critrio de convergncia foi S = 8. Somando os ns
dos grides esparsos de cada incremento u

i
, foram resolvidos 70756 ns no processo
de propagao de incertezas pelo mtodo de CE.
A Fig. 5.8 resume algumas informaes importantes obtidas com a Quanticao
de Incertezas. possvel observar que a incerteza sobre a velocidade de corrente age
como uma translao nos resultados, movendo a curva das amplitudes de vibrao
obtidas a partir do valor nominal da varivel incerta para frente e para trs. Isto
devido ao fato de que a varivel dependente do grco uma funo linear da
varivel incerta em questo. Como concluso, possvel dizer que a incerteza sobre
a velocidade de corrente no modica a amplitude mxima de vibrao do sistema,
mas estende a regio de sincronizao.
4 4.5 5 5.5 6
0
0.05
0.1
0.15
0.2
a
*
u
*
Figura 5.8: Envelope da amplitude reduzida de vibrao devido velocidade de
corrente incerta.
A Fig. 5.9 apresenta a mdia e a variabilidade para os resultados da amplitude
de vibrao reduzida computada. A velocidade de corrente incerta provocou maior
variabilidade sobre a amplitude de vibrao nas proximidades e durante a sincroniza-
o. Isto devido ao fato de que em toda essa regio a incerteza sobre a velocidade
de corrente pode implicar ou no na existncia da sincronizao, caso esteja em
sincronizao as amplitude so muito altas, caso no esteja em sincronizao as am-
plitudes so muito baixas. Por este motivo a variabilidade dos resultados alta. Das
Fig. 5.8 e Fig. 5.9, observa-se que o resultado para o valor nominal da velocidade
60
de corrente incerta no o mesmo que a mdia dos resultados. Esta concluso por
si s revela a importncia da Quanticao de Incertezas para melhor entender um
modelo.
4 4.5 5 5.5 6
0
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
a
*
u
*
Figura 5.9: Mdia e variabilidade da amplitude reduzida de vibrao devido velo-
cidade de corrente incerta.
A anlise determinstica tradicional apresentaria apenas as informaes como
na Fig. 5.7. A Quanticao de Incertezas apresenta informaes adicionais mo-
dicando o panorama da simulao numrica. Por exemplo, considerando a incer-
teza sobre a velocidade de corrente como uma variabilidade identicada no sistema,
quando a velocidade reduzida u

= 4,7677, uma anlise determinstica para o va-

lor nominal da velocidade de corrente apresenta amplitude reduzida de vibrao da
ordem de a

O(10
3
), Fig. 5.4. No entanto, considerando a variabilidade proposta
sobre o valor nominal para a velocidade de corrente, a mdia dos resultados para a
amplitude reduzida de vibrao da ordem de a

O(10
2
), Fig. 5.9. Embora esta
diferena de uma ordem de grandeza possa parecer pequena, ela pode causar grandes
impactos caso este modelo seja utilizado como parte da anlise da vida em fadiga
de uma estrutura. Caso na anlise de vida em fadiga da estrutura seja utilizada a
abordagem de Quanticao de Incertezas, at mesmo a variabilidade da amplitude
reduzida de vibrao em torno da mdia se torna importante. Inclusive, neste caso,
uma informao adicional pode ser obtida a partir da amostragem quasi-randmica
da aproximao polinomial para a soluo estocstica de A

: a funo densidade de
probabilidade para a ocorrncia de uma amplitude reduzida de vibrao para uma
dada velocidade reduzida. A Fig. 5.10 apresenta a funo densidade de probabili-
dade para u

= 4,7677. Esta informao pode ser usada como dado de entrada no

modelo de anlise da vida em fadiga de estruturas.
61
0 0.05 0.1 0.15
0
50
100
150
200
250
a
*
D
i
s
t
r
i
b
u
i

o

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e
u
*
=4,7677
Figura 5.10: Funo densidade de probabilidade da amplitude reduzida de vibrao
devido velocidade de corrente incerta quando u

= 4,7677.
As amplitudes reduzidas de vibrao se acumulam no ramo inferior e no ramo
superior, como foi comentado anteriormente. A densidade de probabilidade para
ocorrncia de amplitudes reduzidas numa grande faixa nula. Isto refora a hiptese
de que a

> 0,05 implica no sistema em sincronizao.

A Fig. 5.11 apresenta duas funes densidade de probabilidade obtidas para o
sistema em sincronizao. Isto caracteriza uma probabilidade condicional, ou seja,
a probabilidade de uma realizao de um valor de amplitude reduzida de vibrao
ou velocidade reduzida dado que o sistema se encontra em sincronizao.
As funes densidade de probabilidade da Fig. 5.11 esto associadas a uma de-
terminada variabilidade sobre a velocidade de corrente. A partir das distribuies de
probabilidade possvel fazer armaes como: a probabilidade de que a velocidade
reduzida do sistema em sincronizao seja menor do que 5 de 45,98% ou a proba-
bilidade de que a amplitude de vibrao reduzida para o sistema em sincronizao
seja maior do que 0,13 e menor do que 0,14 de 48,24%. Este tipo de recurso
interessante para a tomada de decises e apresentao formal dos resultados.
As funes densidade de probabilidade complementam os resultados apresenta-
dos na Fig. 5.8 e Fig. 5.9. Estas distribuies conrmam que as amplitudes redu-
zidas de vibrao dentro do envelope de resultados se concentram no ramo supe-
rior durante a sincronizao, onde 99,25% dos resultados se concentram na faixa
0,11 < a

< 0,14, e apresentam informaes sobre a densidade de probabilidade

para a ocorrncia destes valores. O mesmo ocorre para a velocidade reduzida, onde
a funo densidade de probabilidade complementa informaes sobre a extenso da
zona de sincronizao com a densidade de ocorrncias para valores da velocidade
62
0.05 0.1 0.15 0.2
0
20
40
60
80
a
*
4 4.5 5 5.5 6
0
0.5
1
1.5
u
*
Figura 5.11: Funes densidade de probabilidade da velocidade reduzida e da am-
plitude reduzida de vibrao devido velocidade de corrente incerta dado que o
sistema est em sincronizao.
reduzida.
A anlise realizada apresenta algumas caractersticas de uma anlise de sensi-
bilidade [19]. A Quanticao de Incertezas se mostrou uma ferramenta til para
obter informaes sobre a relao da velocidade de corrente com a quantidade de
interesse.
5.2.2 Incerteza associada aos parmetros de ajuste do mo-
delo e
As variveis de entrada e so dois parmetros de ajuste do modelo. A inves-
tigao das incertezas sobre estas variveis pode trazer muitas informaes acerca
da capacidade do modelo reproduzir caractersticas observadas experimentalmente.
A anlise investiga as variveis incertas individualmente e em conjunto. A partir
desta metodologia, busca-se no s obter mais informaes sobre a sensibilidade da
quantidade de interesse estes parmetros, mas tambm utilizar a Quanticao de
Incertezas como ferramenta para aumentar a credibilidade no modelo.
A modelagem de incertezas para as variveis e so baseadas no ajuste rea-
lizado em [15]. A motivao foi a variabilidade dos dados experimentais utilizados
para ajustar os parmetros. A Fig. 5.12 apresenta uma proposta para os limites dos
valores para os parmetros de ajuste baseados na contemplao da variabilidade dos
dados experimentais. O intervalo de valores para as das variveis incertas foi arbi-
trado como 50% do valor nominal para mais e para menos. As duas curvas obtidas
63
foram estimadas a partir de uma equao utilizada para para realizar o ajuste em
[15].
Figura 5.12: Nova proposta de ajuste para os parmetros como variveis incertas
limitadas pelas curvas: () para = 18 e = 0,2 e ( ) para = 6 e = 0,4
Embora a modelagem para estas duas variveis tenha sido motivada pela atuao
de forma conjunta, interessante avaliar como cada uma delas impacta individual-
mente sob a quantidade de interesse.
Incerteza associada ao parmetro de ajuste
Est anlise assume como uma varivel incerta dada por
() = +

(), (5.4)
onde = 12 a mdia,

= 12/

12 o desvio padro e uma varivel estocstica

com distribuio uniforme de mdia nula e desvio padro unitrio. Desta forma, a
varivel incerta () modelada atravs de uma funo densidade de probabilidade
uniforme, ou seja, () tem iguais chances de assumir valores na faixa 6 < < 18.
Para esta Quanticao de Incertezas, o nvel hierrquico mdio necessrio para
atingir o critrio de convergncia foi S = 9. No total, foram resolvidos 115812 ns
neste processo de propagao de incertezas.
A Fig. 5.13 apresenta o envelope dos resultados da amplitude reduzida de vibra-
o. possvel observar que os efeitos da incerteza sobre o parmetro () agem
como uma amplicao e reduo dos resultados para o valor nominal, tanto para a
amplitude reduzida de vibrao, como para a extenso zona de sincronizao. Desta
forma, possvel armar que esta varivel incerta tem efeito sobre a amplitude m-
xima de vibrao e a extenso da faixa de sincronizao.
64
4 4.5 5 5.5 6
0
0.05
0.1
0.15
0.2
a
*
u
*
Figura 5.13: Envelope da amplitude reduzida de vibrao devido a ().
A Fig. 5.14 apresenta mdia e a variabilidade para a amplitude de vibrao
reduzida computada. A incerteza sobre o parmetro de ajuste () provocou maior
variabilidade sobre a amplitude de vibrao nas nas proximidades da entrada e da
sada da sincronizao.
4 4.5 5 5.5 6
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
a
*
u
*
Figura 5.14: Mdia e variabilidade de A

devido a ().
Das Fig. 5.13 e Fig. 5.14, observa-se que o resultado da amplitude reduzida de
vibrao para o valor nominal de () muito prximo dos resultados para a mdia
em grande parte da zona de sincronizao. Isto sugere que os efeitos da variabi-
lidade simtrica sobre o valor nominal de () reetem em uma leve simetria no
65
efeitos sobre a amplitude reduzida de vibrao. Nas zonas de entrada e sada da
zona de sincronizao, a mdia dos resultados difere do resultado para o valor nomi-
nal. Isto pode ser devido ao fato de que os resultados ora em sincronizao e ora fora
de sincronizao reetem em amplitudes de vibrao de magnitudes muito diferen-
tes. Consequentemente, reduzindo o valor da mdia dos resultados e aumentando a
variabilidade nestas regies.
As funes densidade de probabilidade da Fig. 5.15 esto associadas a uma de-
terminada variabilidade sobre o parmetro de ajuste do modelo (). Entretanto,
algumas informaes podem ser obtidas a partir da anlise das distribuies. A
partir do grco da distribuio das amplitudes de vibrao durante a sincronizao
possvel notar uma leve simetria ao redor do valor obtido para o valor mdio, como
foi sugerido antes.
4 4.5 5 5.5 6
0
1
2
u
*
0.05 0.1 0.15 0.2
0
10
20
30
a
*
Figura 5.15: Funes densidade de probabilidade da velocidade reduzida e da ampli-
tude reduzida de vibrao devido a () dado que o sistema est em sincronizao.
As funes densidade de probabilidade esto associadas variabilidade adotada
para (). A partir das distribuies de probabilidade possvel fazer armaes
como, a probabilidade de que a velocidade reduzida do sistema em sincronizao
seja menor do que 5 de 41,29% ou mdia da amplitude de vibrao reduzida do
sistema em sincronizao a

= 0,129.
O parmetro de ajuste est ligado amplicao do foramento da esteira.
De maneira intuitiva, possvel dizer que a incerteza sobre este parmetro acarreta
em mudanas na amplitude de vibrao. No entanto, a partir da Quanticao de
Incertezas observa-se possvel armar que o valor para tambm tem efeito sobre
a extenso da zona de sincronizao.
66
Incerteza associada ao parmetro de ajuste
Esta anlise assume como uma varivel incerta dada por
() = +

(), (5.5)
onde = 0,3 a mdia,

= 2/10

12 o desvio padro e uma varivel esto-

cstica com distribuio uniforme de mdia nula e desvio padro unitrio. Desta
forma, a varivel incerta () modelada atravs de uma funo densidade de pro-
babilidade uniforme, ou seja, () tem iguais chances de assumir valores na faixa
0,2 < < 0,4. Para esta Quanticao de Incertezas, o nvel hierrquico mdio ne-
cessrio para atingir o critrio de convergncia foi S = 9. No total, foram resolvidos
141924 ns neste processo de propagao de incertezas.
A Fig. 5.16 apresenta o envelope dos resultados para a amplitude reduzida de
vibrao. possvel observar que a incerteza sobre o parmetro () favorece o
aumento da amplitude mxima de vibrao assim como um leve deslocamento da
faixa de sincronizao para velocidades reduzidas mais elevadas.
4 4.5 5 5.5 6
0
0.05
0.1
0.15
0.2
a
*
u
*
Figura 5.16: Envelope da amplitude reduzida de vibrao devido a ().
A Fig. 5.17 apresenta mdia e a variabilidade para a amplitude de vibrao
reduzida computada. A incerteza sobre o parmetro de ajuste () provocou maior
variabilidade sobre a amplitude de vibrao nas proximidades da entrada e da sada
da sincronizao.
As funes densidade de probabilidade da Fig. 5.18 esto associadas a uma de-
terminada variabilidade sobre o parmetro de ajuste do modelo (). Assim como
para a incerteza sobre o parmetro (), a partir do grco da distribuio das am-
67
4 4.5 5 5.5 6
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
a
*
u
*
Figura 5.17: Mdia e variabilidade de A

devido a ().
plitudes de vibrao durante a sincronizao possvel notar uma leve simetria em
torno do valor referente ao pico de densidade de probabilidade.
4 4.5 5 5.5 6
0
1
2
u
*
0.05 0.1 0.15 0.2
0
20
40
60
a
*
Figura 5.18: Funes densidade de probabilidade da velocidade reduzida e da ampli-
tude reduzida de vibrao devido a () dado que o sistema est em sincronizao.
A variabilidade sobre o parmetro de ajuste () tem inuncias na amplitude
mxima de vibrao e na faixa de sincronizao.
68
Incerteza associada ambos os parmetros de ajuste
A Quanticao de Incertezas realizada assumindo que existem incertezas sobre
ambos os parmetros de ajuste do modelo. Desta forma as variveis incertas sero
dadas por
() = +

1
(), () = +

2
(), (5.6)
onde = 12 a mdia de (),

= 12/

12 o desvio padro de (), = 0,3

a mdia de (),

= 2/10

12 o desvio padro de (),

1
e
2
so duas
variveis estocsticas estatisticamente independentes com distribuio uniforme de
mdia nula e desvio padro unitrio.
A hiptese de independncia estatstica das variveis estocsticas parece razovel,
uma vez que os parmetros de ajuste do modelo no so associados diretamente
nenhuma grandeza fsica. Desta forma, seria muito difcil inferir algum tipo de
correlao entre os dois parmetros.
Devido a este problema envolver duas variveis estocsticas, o nmero de ns
compondo cada nvel hierrquico alto, por exemplo, nos problemas unidimensionais
anteriores o nvel hierrquico mximo computado foi S
max
= 12, que composto por
4097 ns. J para o problema bidimensional, o mesmo nvel hierrquico composto
por 32769 ns, ou seja, aproximadamente 8 vezes mais ns e consequentemente,
o tempo de computao aumenta muito. Para reduzir o tempo de simulao, o
nvel hierrquico mximo permitido foi S
max
= 10, que composto por 7169 ns.
Como consequncia, algumas vezes o nvel hierrquico mximo foi atingido antes
que critrio de convergncia < 1 10
2
fosse satisfeito. No total, foram resolvidos
628580 ns neste processo de propagao de incertezas.
A Fig. 5.19 apresenta o envelope dos resultados para a amplitude reduzida de
vibrao. possvel observar que os efeitos das incertezas em conjunto no apenas
uma justaposio dos resultados anteriores. A combinao das incertezas sobre os
parmetros de ajuste implicou em variaes na amplitude reduzida de vibrao e na
extenso da zona de sincronizao.
A Fig. 5.20 apresenta mdia e a variabilidade para a amplitude de vibrao
reduzida. Estes resultados se parecem muito com o da Fig. 5.14 obtida para a
varivel incerta (). O valor mdio para os resultados muito prximo ao resultado
obtido para o valor nominal das variveis incertas.
Das Fig. 5.19 e Fig. 5.20, observa-se que o resultado para os valores nominais das
variveis incertas muito prximo do que para a mdia dos resultados em grande
parte da zona de sincronizao.
As funes densidade de probabilidade da Fig. 5.21 esto associadas a uma de-
terminada variabilidade sobre os parmetros de ajuste do modelo () e (). Di-
ferentemente dos resultados obtidos para as duas variveis incertas consideradas de
69
4 4.5 5 5.5 6
0
0.05
0.1
0.15
0.2
a
*
u
*
Figura 5.19: Envelope da amplitude reduzida de vibrao devido a () e ().
4 4.5 5 5.5 6
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
a
*
u
*
Figura 5.20: Mdia e variabilidade da amplitude reduzida de vibrao devido a ()
e ().
forma individual, a funo densidade de probabilidade para a amplitude reduzida
de vibrao no aparenta simetria. A distribuio de probabilidade apresenta boa
densidade de probabilidade de ocorrncia para valores mais elevados da amplitude
reduzida de vibrao do que para as incertezas consideradas de forma individual.
A tentativa de contemplar a disperso dos dados experimentais revelou que o
comportamento do modelo apresenta na mdia um resultado muito prximo do
que para o valor nominal das variveis. No entanto, a Fig. 5.19 mostra que as
possibilidades para a resposta do modelo so muito diferentes para os casos extremos
70
0.05 0.1 0.15 0.2
0
10
20
30
a
*
4 4.5 5 5.5 6
0
1
2
u
*
Figura 5.21: Funes densidade de probabilidade da velocidade reduzida e da am-
plitude reduzida de vibrao devido a () e () dado que o sistema est em sin-
cronizao.
limitados pelas linhas tracejadas.
A anlise de Quanticao de Incertezas do modelo considerando incertezas sobre
os valores para os dois parmetros de ajustes revelou que possvel obter maiores
amplitudes de vibrao e maior extenso da regio de sincronizao a partir do ajuste
destes parmetros. Entretanto, a sensibilidade quanto aos efeitos sobre a amplitude
de vibrao so maiores do que em relao a extenso da zona de sincronizao.
71
Captulo 6
Concluses
Muitos tipos de estruturas submetidas a correntes marinhas ou vento podem sofrer
VIV, e.g., prdios altos, chamins, pontes, risers e estruturas martimas em geral.
A esbeltez e a exibilidade de algumas destas estruturas so agravantes para o
problema. Nas aplicaes de estruturas martimas, a predio das VIV em estruturas
esbeltas so verdadeiros desaos para os projetistas. Nestes casos preciso levar em
conta as VIV como causa potencial de dano em fadiga [6, 7].
A metodologia de Quanticao de Incertezas foi aplicada nas predies do fen-
meno de VIV. Para tanto foi considerado um modelo fenomenolgico baseado no
oscilador de van der Pol com variveis de entrada incertas. A propagao das incer-
tezas atravs do modelo foi realizada sob uma abordagem probabilstica utilizando
o mtodo de Colocao Estocstica baseado nos grides esparsos de Smolyak.
A simplicidade do modelo para as previses de VIV possibilitou um grande n-
mero de simulaes com preciso adequada. Foram analisadas caractersticas qua-
litativas do modelo para o caso de alta razo mssica, que permitiram obter mais
informaes com o objetivo de aumentar a credibilidade do modelo.
A incerteza sobre a velocidade de corrente reete na extenso da zona de sincro-
nizao, no entanto, a amplitude mxima de vibrao do sistema permanece inal-
terada. J a incerteza sobre os parmetros de ajuste () e () provocam efeitos
tanto na amplitude mxima de vibrao, como na extenso da faixa de sincroniza-
o. Logo, o modelo apresenta potencial para apresentar maior aderncia com os
dados experimentais a partir do ajuste destes parmetros, em especial para os casos
de alta razo mssica.
O mtodo de CE se mostrou eciente para a propagao de incertezas atra-
vs do modelo possibilitando a extrao de informaes relevantes a partir do ps-
processamento dos resultados. As funes densidade de probabilidade obtidas para
a zona de sincronizao complementaram as informaes dos grcos de envelope e
barras de erro.
A aplicao da metodologia de Quanticao de Incertezas forneceu informaes
72
adicionais relevantes sobre o desempenho de um modelo para previso de VIV. Tam-
bm foi apresentado que pequenas incertezas sobre as variveis de entrada podem
reetir em mudanas no comportamento do sistema. Desta forma, evidenciando a
necessidade da aplicao da Quanticao de Incertezas para aumentar a credibili-
dade em modelos e simulaes de problemas em Engenharia.
Como propostas para trabalhos futuros seria interessante empregar a metodo-
logia de Quanticao de Incertezas para as outras variveis do modelo proposto.
Encontrando, desta forma, os efeitos de cada incerteza sobre o comportamento do
sistema.
Outro fator importante obter dados experimentais de maior signicncia, pos-
sibilitando concluses mais conveis sobre a capacidade do modelo reproduzir o
comportamento experimental a partir da simulao computacional. Tambm inte-
ressante empregar outros modelos fenomenolgicos semelhantes de predio para as
VIV. Muitos modelos so propostos com no-linearidades na dinmica da estrutura,
o que pode mudar de forma signicativa o comportamento do sistema.
A ecincia do mtodo de propagao de incertezas pode ser explorada a partir
do emprego do mtodo de CE adaptativo proposto em [93]. Este mtodo utiliza
polinmios de suporte local para capturar grandes gradientes ou descontinuidades,
aumentando a taxa de convergncia e fornecendo uma medida de erro local. Isto
poderia acelerar as simulaes e permitir que mais variveis estocsticas fossem
adicionadas em conjunto nas anlises.
Alm de apresentar as concluses sobre a Quanticao de Incertezas do modelo
adotado, este trabalho cobre aspectos importantes sobre o fenmeno de VIV e sobre
a metodologia de Quanticao de Incertezas. Desta forma, pode ser usado como
ponto de partida para estudos mais especcos.
73
Referncias Bibliogrcas
[1] PETTIT, C. L., BERAN, P. S. Spectral and multiresolution Wiener expansi-
ons of oscillatory stochastic processes, Journal of Sound and Vibration,
v. 294, pp. 752779, 2006.
[2] KANEKO, S., TOMOMICHI, N., INADA, F. Flow-Induced Vibrations: Classi-
cations And Lessons From Practical Experiences. Elsevier Science Pu-
blishing Company, 2008.
[3] MUKUNDAN, H. Vortex-induced vibration of marine risers: motion and force
reconstruction from eld and experimental data. Tese de Doutorado, Mas-
sachusets Institute of Technology, 2008.
[4] Disponvel em: <http://diariodopresal.files.wordpress.com/2009/01/
plataformas-sistema-de-producao-peq.jpg>. Acesso em: 1 de no-
vembro de 2010.
[5] RIVA, I. Anlise de Vibraes Induzidas por Desprendimento de Vortices no Do-
mnio da Freqncia Considerando Variao da Massa Adicionada. Tese
de Mestrado, Universidade Federal do Rio de Janeiro, COPPE, 2008.
[6] MUKUNDAN, H., MODARRES-SADEGHI, Y., DAHL, J. M., HOVER, F. S.,
TRIANTAFYLLOU, M. S. Monitoring VIV fatigue damage on marine
risers, Journal of Fluids and Structures, v. 25, pp. 617628, 2009.
[7] BAARHOLM, G. S., LARSEN, C. M., LIE, H. On fatigue damage accumulation
from in-line and cross-ow vortex-induced vibrations on risers, Journal
of Fluids and Structures, v. 22, pp. 109127, 2006.
[8] STROUHAL, V. ber eine Besondere Art der Tonerregung. In: Annalen der
Physik und Chemie, v. 5, pp. 216251, 1878.
[9] RAYLEIGH, L. Acoustical Observations. In: Philosophical Magazine, v. 7, pp.
149162, 1879.
[10] BIRKHOFF, G., ZARANTONELLO, E. H. Jets, Wakes and Cavities. Acade-
mic Press, 1957.
74
[11] MARZOUK, O. A. Simulation, Modeling, and Characterization of the Wakes
of Fixed and Moving Cylinders. Tese de Doutorado, Virginia Polytechnic
Institute and State University, 2009.
[12] BISHOP, R. E. D., HASSAN, A. Y. The Lift and Drag Forces on a Circular
Cylinder in a Flowing Fluid. In: Proceedings of the Royal Society Series
A, v. 277, pp. 3250, 1964.
[13] NAYFEH, A. Introduction to perturbation techniques. Wiley, 1993.
[14] NAYFEH, A. H., OWIS, F., HAJJ, M. R. A Model for the Coupled Lift and
Drag on a Circular Cylinder. In: ASME International Design Enginee-
ring Technical Conferences & Computers and Information in Engineering
Conference, 2003.
[15] FACCHINETTI, M., DE LANGRE, E., BIOLLEY, F. Coupling of Structure
and Wake Oscillators in Vortex-Induced Vibrations, Journal of Fluids
and Structures, v. 19, pp. 123140, 2004.
[16] OBERKAMPF, W. L., DELAND, S. M., RUTHERFORD, B. M., DIEGERT,
K. V., ALVIN, K. F. Error and uncertainty in modeling and simulation,
Reliability Engineering & System Safety, v. 75, pp. 333357, 2002.
[17] KIUREGHIAN, A. D., DITLEVSEN, O. Aleatory or epistemic? Does it
matter? Structural Safety, v. 31, pp. 105112, 2009.
[18] ELISHAKOFF, I. Notes on philosophy of the Monte Carlo method, Interna-
tional Applied Mechanics, v. 39, pp. 753762, 2003.
[19] CACUCI, D. G. Sensitivity and uncertainty analysis. CRC Press, 2003.
[20] ROBERT, C. The Bayesian Choice: From Decision-theoretic Foundations to
Computational Implementation (Springer Texts in Statistics). Springer-
Verlag, 2007.
[21] XIU, D., KARNIADAKIS, G. E. The Wiener-Askey polynomial chaos for
stochastic dierential equations, SIAM Journal of Scientic Computing,
v. 24, pp. 619644, 2002.
[22] XIU, D. Ecient collocational approach for parametric uncertainty analysis,
Communications in Computational Physics, v. 2, pp. 293309, 2007.
[23] The Specialist Committee on Vortex Induced Vibrations Committee Final Report
and Recommendations to the 25th ITTC, 2008.
75
[24] LUCOR, D., XIU, D., SU, C. H., KARNIADAKIS, G. E. Predictability and
uncertainty in CFD, International Journal for Numerical Methods in
Fluids, v. 43, pp. 483505, 2003.
[25] LUCOR, D., KARNIADAKIS, G. E. Predictability and uncertainty in ow-
structure interactions, European Journal of Mechanics B/Fluids, v. 23,
pp. 4149, 2004.
[26] LUCOR, D., TRIANTAFYLLOU, M. S. Parametric study of a two degree-of-
freedom cylinder subject to vortex-induced vibrations, Journal of Fluids
and Structures, v. 24, pp. 12841293, 2008.
[27] SARPKAYA, T. A critical review of the intrinsic nature of vortex-induced
vibrations, Journal of Fluids and Structures, v. 19, pp. 389447, 2004.
[28] SUMER, B. M., FREDSE, J. Hydrodynamics around cylindrical structures.
World Scientic Publishing Co. Pre. Ltd., 2006.
[29] DYKE, M. Album of Fluid Motion. Parabolic Press Incorporated, 1982.
[30] WILLIAMSON, C. H. K. Oblique and parallel modes of vortex shedding in
the wake of a circular cylinder at low Reynolds number. Journal of Fluid
Mechanics, v. 206, pp. 579627, 1989.
[31] ROSHKO, A. Experiments on the ow past a circular cylinder at very high
Reynolds number. Journal of Fluid Mechanics, v. 10, pp. 345356, 1961.
[32] SCHEWE, G. On the force uctuations acting on a circular cylinder in cross-
ow from subcritical up to transcritical Reynolds numbers. Journal of
Fluid Mechanics, v. 133, pp. 265285, 1983.
[33] WILLIAMSON, C. H. K., GOVARDHAN, R. A brief review of recent results in
vortex-induced vibrations, Journal of Wind Engineering and Industrial
Aerodynamics, v. 96, pp. 713735, 2008.
[34] MORISON, J. R., OBRIEN, M. P., JOHNSON, J. W., SCHAAF, S. A.
The Force Exerted by Surface Waves on Piles, Petroleum Transacti-
ons, AIME, v. 189, pp. 149154, 1950.
[35] VANDIVER, J. K., JONG, J.-Y. The Relationship Between In-Line and Cross-
Flow Vortex-Induced Vibration of Cylinders, Journal of Fuids and Struc-
tures, v. 1, pp. 381399, 1987.
76
[36] DAHL, J. M., HOVER, F. S., TRIANTAFYLLOU, M. S. Two-degree-of-
freedom vortex-induced vibrations using a force assisted apparatus, Jour-
nal of Fluids and Structures, v. 22, pp. 807818, 2006.
[37] GOVARDHAN, R., WILLIAMSON, C. H. K. Modes of vortex formation
and frequency response of a freely vibrating cylinder, Journal of Fluid
Mechanics, v. 420, pp. 85130, 2000.
[38] MORSE, T. L., WILLIAMSON, C. H. K. Fluid forcing, wake modes, and
transitions for a cylinder undergoing controlled oscillations, Journal of
Fluids and Structures, v. 25, pp. 697712, 2009.
[39] KHALAK, A., WILLIAMSON, C. H. K. Fluid forces and dynamics of a
hydroelastic structure with very low mass and damping, Journal of Fluids
and Structures, v. 11, pp. 973982, 1997.
[40] KHALAK, A., WILLIAMSON, C. H. K. Motions, forces and mode transitions
in vortex-induced vibrations at low mass-damping, Journal of Fluids and
Structures, v. 13, pp. 813851, 1999.
[41] KHALAK, A., WILLIAMSON, C. H. K. Investigation of relative eects of
mass and damping in vortex-induced vibration of a circular cylinder,
Journal of Wind Engineering and Industrial Aerodynamics, v. 69-71,
pp. 341350, 1997.
[42] GOVARDHAN, R., WILLIAMSON, C. H. K. Critical mass term in vortex-
induced vibration of a cylinder, European Journal of Mechanics -
B/Fluids, v. 23, pp. 1727, 2004.
[43] LARSEN, C., HALSE, K. Comparison of models for vortex induced vibrations
of slender marine structures, Marine Structures, v. 10, pp. 413441, 1997.
[44] CHAPLIN, J. R., BEARMAN, P. W., CHENG, Y., FONTAINE, E.,
GRAHAM, J. M. R., HERFJORD, K., HUERA HUARTE, F. J.,
ISHERWOOD, M., LAMBRAKOS, K., LARSEN, C. M., MENEGHINI,
J. R., MOE, G., PATTENDEN, R. J., TRIANTAFYLLOU, M. S., WILL-
DEN, R. H. J. Blind predictions of laboratory measurements of vortex-
induced vibrations of a tension riser, Journal of Fluids and Structures,
v. 21, pp. 2540, 2005.
[45] SKOP, R., BALASUBRAMANIAN, S. A new twist on and old model for
vortex-excited vibrations, Journal of Fluids and Structures, v. 11,
pp. 395412, 1997.
77
[46] KRENK, S., NIELSEN, S. Energy balanced double oscillator model for vortex-
induced vibrations, ASCE Journal of Engineering Mechanics, v. 125,
pp. 263271, 1999.
[47] SKOP, R. A., LUO, G. An inverse-direct method for predicting the vortex-
induced vibrations of cylinders in uniform and nonuniform ows, Journal
of Fluids and Structures, v. 15, pp. 867884, 2001.
[48] PLASCHKO, P. Global chaos in ow-induced oscillations of cylinders, Jour-
nal of Fluids and Structures, v. 14, pp. 883893, 2000.
[49] MATHELIN, L., DE LANGRE, E. Vortex-induced vibrations and waves under
shear ow with a wake oscillator model, European Journal of Mechanics
- B/Fluids, v. 24, pp. 478490, 2005.
[50] VIOLETTE, R., DE LANGRE, E., SZYDLOWSKI, J. Computation of vortex-
induced vibrations of long structures using a wake oscillator model: Com-
parison with DNS and experiments, Computer and Structures, v. 85,
pp. 11341141, 2007.
[51] XU, W., ZENG, X., WU, Y. High aspect ratio (L/D) riser VIV prediction
using wake oscillator model, Ocean Engineering, v. 35, pp. 17691774,
2008.
[52] LIN, L., LING, G., WU, Y. Nonlinear uid damping in structure-wake oscilla-
tors in modeling vortex-induced vibrations, Journal of Hydrodynamics,
v. 21, pp. 111, 2009.
[53] FARSHIDIANFAR, A., ZANGANEH, H. A modied wake oscillator model for
vortex-induced vibration of circular cylinders for a wide range of mass-
damping ratio, Journal of Fluids and Structures, v. 26, pp. 430441,
2010.
[54] KEBER, M., WIERCIGROCH, M. Dynamics of a vertical riser with weak
structural nonlinearity excited by wakes, Journal of Sound and Vibration,
v. 315, pp. 685699, 2008.
[55] EVANGELINOS, C., KARNIADAKIS, G. Dynamics and ow structures in
the turbulent wake of rigid and exible cylinders subject to vortex-induced
vibrations, Journal of Fluid Mechanics, v. 400, pp. 91124, 1999.
[56] EVANGELINOS, C., LUCOR, D., KARNIADAKIS, G. DNS-derived force
distribution on exible cylinders subject to vortex-induced vibration,
Journal of Fluids and Structures, v. 14, pp. 429440, 2000.
78
[57] DONG, S., KARNIADAKIS, G. DNS of ow past a stationary and oscillating
cylinder at Re = 10 000, Journal of Fluids and Structures, v. 20, pp. 519
531, 2005.
[58] LUCOR, D., MUKUNDAN, H., TRIANTAFYLLOU, M. S. Riser modal iden-
tication in CFD and full-scale experiments, Journal of Fluids and Struc-
tures, v. 22, pp. 905917, 2006.
[59] AL-JAMAL, H., DALTON, C. Vortex-induced vibrations using large eddy si-
mulation at a moderate Reynolds number, Journal of Fluids and Struc-
tures, v. 19, pp. 7392, 2004.
[60] WILLDEN, R. H. J., GRAHAM, J. M. R. Multi-modal Vortex-Induced Vibra-
tions of a vertical riser pipe subject to a uniform current prole, European
Journal of Mechanics B/Fluids, v. 23, pp. 209218, 2004.
[61] YAMAMOTO, C. T., MENEGHINI, J. R., SALTARA, F., FREGONESI,
R. A., FERRARI JR., J. A. Numerical simulations of vortex-induced
vibration on exible cylinders, Journal of Fluids and Structures, v. 19,
pp. 467498, 2004.
[62] PAN, Z. Y., CUIB, W. C., MIAO, Q. M. Numerical simulation of vortex-
induced vibration of a circular cylinder at low mass-damping using RANS
code, Journal of Fluids and Structures, v. 23, pp. 2337, 2007.
[63] ON VORTEX INDUCED VIBRATIONS COMMITTEE, T. S. C. Final Re-
port and Recommendations to the 25th ITTC. In: Proceedings of 25th
ITTC, 2008.
[64] DE ROCQUIGNY, E., DEVICTOR, N., TARANTOLA, S. Uncertainty in
industrial practice: a guied to quantitative uncertainty management. John
Wiley & Sons Ltd, 2008.
[65] CONSTANTINESCU, E. M., ZAVALA, V. M., ROCKLIN, M., LEE, S., ANI-
TESCU, M. A Computational Framework for Uncertainty Quantication
and Stochastic Optimization in Unit Commitment with Wind Power Ge-
neration. IEEE Transactions on Power Systems, In Press, 2010.
[66] SCHULLER, G. I., JENSEN, H. A. Computational Methods in Optimization
Considering Uncertainties, Computer Methods in Applied Mechanics and
Engineering, v. 198, pp. 213, 2008.
79
[67] LIN, G., TARTAKOVSKY, A. M., TARTAKOVSKY, D. M. Uncertainty
quantication via random domain decomposition and probabilistic col-
location on sparse grids, Journal of Computational Physics, v. 229,
pp. 69957012, 2010.
[68] BRESSOLETTE, P., FOGLI, M., CHAUVIRE, C. A stochastic collocation
method for large classes of mechanical problems with uncertain parame-
ters, Probabilistic Engineering Mechanics, v. 25, pp. 255270, 2010.
[69] LE MATRE, O. P., KNIO, O. M. Spectral Methods for Uncertainty Quanti-
cation. Springer, 2010.
[70] OBERKAMPF, W. L., BARONE, M. F. Measures of agreement between com-
putation and experiment: Validation metrics, Journal of Computational
Physics, v. 217, pp. 536, 2006.
[71] SUDRET, B. Uncertainty propagation and sensitivity analysis in mechani-
cal models: Contributions to structural reliability and stochastic spectral
methods. Relatrio tcnico, Universit Blaise Pascal - Clermont II, 2007.
[72] BENAROYA, H., HAN, S. Probability Models in Engineering and Science. CRC
Press, 2005.
[73] AVEN, T. Some reections on uncertainty analysis and management, Relia-
bility Engineering and System Safety, v. 95, pp. 195201, 2010.
[74] GOLLER, B., PRADLWARTER, H. J., SCHULLER, G. I. Robust model
updating with insucient data, Computer Methods in Applied Mechanics
and Engineering, v. 198, pp. 30963104, 2009.
[75] BOX, G. E. P. Sampling and Bayes Inference in Scientic Modelling and
Robustness, Journal of the Royal Statistical Society, v. 143, pp. 383430,
1980.
[76] GHANEM, R. G., DOOSTAN, A., RED-HORSE, J. A probabilistic construc-
tion of model validation, Computer Methods in Applied Mechanics and
Engineering, v. 197, pp. 25852595, 2008.
[77] OBERKAMPF, W. L., TRUCANO, T. G. Verication and validation in
computational uid dynamics, Progress in Aerospace Sciences, v. 38,
pp. 209272, 2002.
[78] MODARRES, M., KAMINSKIY, M., KRIVTSOV, V. Reliability Engineering
and Risk Analysis. CRC Press, 1999.
80
[79] SIMOLA, K., MENGOLINI, A., BOLADO-LAVIN, R. Formal Expert Jud-
gement: An overview. Relatrio tcnico, European Commission Joint
Research Centre Report EUR 21772 EN, 2005.
[80] COVER, T. M., THOMAS, J. A. Elements of Information Theory. Wiley-
Interscience, 2006.
[81] HELTON, J. C., JOHNSON, J., OBERKAMPF, W., SALLABERRY, C. Sen-
sitivity analysis in conjunction with evidence theory representations of
epistemic uncertainty, Reliability Engineering & System Safety, v. 91,
pp. 14141434, 2006.
[82] GHANEM, R., SPANOS, P. D. Stochastic Finite Elements: A Spectral Appro-
ach. New York, Springer-Verlag, 1991.
[83] WIENER, N. The Homogeneous Chaos, American Journal of Mathematics,
v. 60, pp. 897936, 1938.
[84] BABUSKA, I., TEMPONE, R., ZOURARIS, G. E. Galerkin nite elements
approximation of stochastic nite elements, SIAM Journal of Numerical
Analysis, v. 42, pp. 800825, 2004.
[85] WAN, X., KARNIADAKIS, G. E. An adaptive multi-element generalized
polynomial chaos method for stochastic dierential equations, Journal
of Computational Physics, v. 209, pp. 617642, 2005.
[86] WAN, X., KARNIADAKIS, G. E. Multi-element generalized polynomial chaos
for arbitrary probability measures, SIAM Journal Scientic Computing,
v. 28, pp. 901928, 2006.
[87] WAN, X., KARNIADAKIS, G. E. Long-term behavior of polynomial chaos
in stochastic ow simulations, Computer Methods in Applied Mechanics
and Engineering, v. 195, pp. 4143, 2006.
[88] ASOKAN, B. V., ZABARAS, N. Using stochastic analysis to capture unstable
equilibrium in natural convection, Journal of Computational Physics,
v. 208, pp. 134153, 2005.
[89] BABUSKA, I., NOBILE, F., TEMPONE, R. A stochastic collocation method
for elliptic partial dierential equations with random input data, SIAM
Journal on Numerical Analysis, v. 45, pp. 10051034, 2007.
[90] SMOLYAK, S. Quadrature and iterpolation formulas for tensor product of
certain classes of functions, Soviet Mathematics Doklady, v. 4, pp. 240
243, 1963.
81
[91] XIU, D., HESTHAVEN, J. S. High order collocation methods for the dieren-
tial equation with random inputs, SIAM Journal of Scientic Computing,
v. 27, pp. 11181139, 2005.
[92] NOBILE, F., TEMPONE, R., WEBSTER, C. A sparse grid collocation
method for elliptic partial dierential equations with random input data,
SIAM Journal on Numerial Analysis, v. 45, pp. 23092345, 2008.
[93] MA, X., ZABARAS, N. An adaptive hierarchical sparse grid collocation al-
gorithm for the solution of stochastic dierential equations, Journal of
Computational Physics, v. 228, pp. 30843113, 2009.
[94] XIU, D. Fast numerical methods for stochastic computations: a review,
Communications in Computational Physics, v. 5, pp. 242272, 2009.
[95] BLEVINS, R. Flow-Induced Vibrations. New York, Van Nostrand Reinhold,
1990.
[96] PARKINSON, G. Phenomena and modeling of ow-induced vibrations of blu
bodies, Progress in Aerospace Sciences, v. 26, pp. 169224, 1989.
[97] BAI, Y. Pipelines and Risers. Elsevier Science Ltd, 2001.
[98] GANAPATHYSUBRAMANIAN, B., ZABARAS, N. Sparse grid collocation
schemes for stochastic natural convection problems, Journal of Compu-
tational Physics, v. 225, pp. 652685, 2007.
[99] OSKENDAL, B. Stochastic Dierential Equations: An introduction with appli-
cations. Springer-Verlag, 1998.
[100] FOO, J., WAN, X., KARNIADAKIS, G. E. The multi-element probabilistic
collocation method (ME-PCM): Error analysis and applications, Journal
of Computational Physics, v. 227, pp. 95729595, 2008.
[101] KLIMKE, W. A. Uncertainty Modeling using Fuzzy Arithmetic and Sparse
Grids. Tese de Doutorado, Universidade de Stuttgart, 2006.
[102] LEONARD, A., ROSHKO, A. Aspects of ow-induced vibration, Journal
of Fluids and Structures, v. 15, pp. 415425, 2001.
[103] GOPALKRISHNAN, R. Vortex-induced forces on oscillating blu cylinders.
Tese de Doutorado, Massachusets Institute of Technology, 1993.
[104] KLIMKE, A., WOHLMUTH, B. Algorithm 847: spinterp: Piecewise Multi-
linear Hierarchical Sparse Grid Interpolation in MATLAB, ACM Tran-
sactions on Mathematical Software, v. 31, n. 4, 2005.
82
[105] KLIMKE, A. Sparse Grid Interpolation Toolbox Users Guide. Relatrio
Tcnico IANS report 2007/017, University of Stuttgart, 2007.
[106] SHAMPINE, L. F., REICHELT, M. W. The MATLAB ODE Suite, SIAM
Journal on Scientic Computing, v. 18, pp. 122, 1997.
[107] JAUVTIS, N., WILLIAMSON, C. H. K. Vortex-induced vibration of a cylin-
der with two degrees of freedom, Journal of Fluids and Structures, v. 17,
pp. 10351042, 2003.
[108] FENG, C. C. The measurements of vortex-induced eects in ow past a stati-
onary and oscillating circular and D-section cylinders. Tese de Mestrado,
University of British Columbia, 1968.
83