Convergencia Método Alfa PDF

Universidad Austral de Chile
Facultad de Ciencias de la Ingeniería

Escuela de Ingeniería Civil en Obras Civiles
“ESTABILIDAD DEL MÉTODO-α EN PRESENCIA

DE SISMOS DE FUENTE CERCANA APLICADO A
ESTRUCTURAS DE PERÍODO LARGO”
Tesis para optar al Título de:

Ingeniero Civil en Obras Civiles
Profesor Patrocinante:
Dr. Ing. Galo Valdebenito M.
IOCC, Universidad Austral de Chile,
Valdivia, Chile.
Profesor Co-Patrocinante:
Dr. Ing. Angel Aparicio B.
ETSECCPB, Universidad Politécnica de
Catalunya, Barcelona, España.
MARCO ANTONIO AMAYA CERÓN

VALDIVIA - CHILE
2010
Para mi familia,
en especial
pa’ mi Mai
Agradecimientos
De manera especial a mis Padres, Valeska y Raúl, por ser una fuente de inspiración incesante para mí desde
pequeño, en particular por creer que la educación es la más grande herencia que se puede dejar a un hijo, en
tiempos donde no era tan fácil acceder a ella. A mis Hermanos, Raúl Ignacio y Constanza, por apoyarme y
escucharme siempre. A mi Tamara por acompañarme, ayudarme en todo momento y así pasar a ser parte de mí. A
toda mi familia por aguantarme el genio, un tanto difícil de tolerar.
Quiero agradecer al patrocinador de este trabajo, Dr. Galo Valdebenito, primero por darme la posibilidad de
realizar este trabajo, su gran disponibilidad ante mis consultas, su guía y ayuda constante. Pero principalmente por
transformar esta etapa engorrosa en un agradable trámite.
iii

Resumen
Esta investigación tiene como objetivo principal analizar el efecto de los parámetros que influyen en la estabilidad
del método de integración paso a paso Hilber-Hughes-Taylor-α en presencia de sismos de fuente cercana para
estructuras de período largo altamente no lineales.
El empleo de métodos de integración paso a paso es muy utilizado en la actualidad para resolver problemas de
dinámica estructural. En el área del análisis lineal se han logrado establecer relaciones entre los parámetros de
forma de asegurar la estabilidad incondicional; al contrario, para problemas no lineales no se puede asegurar que
un método converja siempre. Usar registros sísmicos de fuente cercana puede incrementar dicha no linealidad,
esto debido a la presencia de pulsos de largo período en dichos registros. El pulso de velocidad es el más peligroso
para estructuras de período largo.
El modelo del presente trabajo es un puente atirantado, esta estructura se caracteriza por ser altamente no lineal y
de período largo. Para el análisis se aplicaron dos registros correspondientes a eventos de fuente lejana y dos de
fuente cercana. Los registros de fuente lejana fueron generados artificialmente basados en el espectro de diseño del
Eurocódigo 8. Por otro lado, los registros de fuente cercana corresponden a eventos sísmicos reales obtenidos del
Pacific Earthquake Engineering Research Center. Se establece un conjunto de valores para los parámetros más
importantes del análisis paso a paso; luego de ordenar los resultados, se lleva a cabo el estudio paramétrico con el
fin de establecer la influencia de dichos parámetros en la estabilidad del método.
Finalmente se logra proponer una selección de parámetros óptimos que otorgan un nivel de estabilidad aceptable,
además de detallar la influencia de cada parámetro en ésta; adicionalmente se comprueba que los sismos de fuente
cercana, en relación a los de fuente lejana, afectan en mayor medida la estabilidad de los métodos de integración
paso a paso.
iv

Summary
The main objective of this research is to analyze the effect of the parameters that influence the stability of the
Hilber-Hughes-Taylor-α method in the presence of near-fault ground motions for highly nonlinear long-period
structures.
The use of step-by-step numerical integration methods is a solution widely spread nowadays for structural
dynamics problems. In the case of linear analysis, it has been successfully established relationships between the
parameters with the purpose of guaranteeing unconditional stability. Regarding the nonlinear problems, it cannot
be assured that a method always converges. Moreover, using seismic inputs for near-fault ground motions can even
increase that non linearity, due to the presence of long period pulses in the records. Velocity pulses can be really
destructive for long period structures, in this sense.
The model used for this work is a cable-stayed bridge, a highly nonlinear structure. For the analysis, two time
histories were taken for both far-fault and near-fault events. The far-fault time histories were generated artificially,
while near-fault records correspond to real earthquake events. A set of values were taken for the most important
parameters of the step by step analysis and, after sorting out the results, a parametric study was performed in order
to establish their influence upon the Hilber-Hughes-Taylor-α method.
Finally, a selection of optimal parameters with an acceptable level of stability is proposed in addition to detailing
each influence on it. Furthermore, it was proved that near-fault ground motions, in relation to far-fault ground
motions, have the greatest impact on the stability of step by step numerical integration methods.
v

Estabilidad del método-α en presencia de sismos de fuente cercana aplicado a estructuras de período largo ÍNDICE DE CONTENIDOS
Índice de Contenidos
Contenido Página
Agradecimientos iii
Resumen iv
Summary v
Lista de Tablas x
Lista de Figuras xi
CAPITULO I Introducción 1
1.1 Planteamiento del Problema 3

1.1.1 Origen de la Investigación 3
1.1.2 Problemática a Resolver 4
1.2 Justificación del Trabajo 4
1.3 Antecedentes Históricos 5
1.4 Objetivos 6
1.5 Metodología 7
1.6 Estructura de la Tesis 8
CAPITULO II Estado del Conocimiento: Algoritmos de Integración Paso a Paso 9
2.1 Introducción 11
2.2 Antecedentes Históricos 13
2.2.1 Método de Houbolt 13
2.2.2 Método de Newmark 14
2.2.3 Método Wilson θ 17
vi

2.2.4 Método de Colocación 18

2.2.5 Método Wood-Bossak-Zienkiewics-α 20
2.2.6 Método Chung-Hulbert-α 21
2.2.7 Método de paso simple de Houbolt (SSH) 22
2.3 Algoritmos Recientes 23
2.3.1 Algoritmo CR 23
2.3.2 Familia de algoritmos generalizados-α 24
2.4 Problemas de Estabilidad en Métodos de Integración Paso a Paso 26
2.4.1 Disipación y Dispersión 28
2.4.2 Overshoot 29
2.5 Método Hilber-Hughes-Taylor-α 30
2.5.1 Características del método 30
2.5.2 Amortiguamiento Numérico: Parámetro α 31
2.5.3 Estabilidad del Método 31
2.6 Apreciaciones Generales 33
CAPITULO III Sismos de Fuente Cercana 35
3.1 Importancia 37
3.2 Características del Efecto de Fuente Cercana 39
3.2.1 Efecto de Directividad 40
3.2.1.1 Patrón de Radiación 42
3.2.1.2 Componentes del movimiento del suelo 43
3.2.2 Pulso de Velocidad 45
3.2.3 Falla Superficial o Sub-superficial 46
3.2.4 Banda Estrecha de Pulsos 47
3.3 Diferencias con Sismos Comunes 49
vii

CAPITULO IV Modelo y Análisis 51
4.1 Geometría del Modelo 53

4.1.1 Disposición Longitudinal 53
4.1.2 Disposición Transversal 54
4.1.3 Elementos del Puente 56
4.1.3.1 Tablero 56
4.1.3.2 Pilas 56
4.1.4 Resumen de las Características Geométricas del Modelo 58
4.2 Bases de Diseño 58
4.2.1 Materiales y Propiedades Mecánicas 58
4.2.2 Cargas, Combinaciones y Casos de Análisis 60
4.2.2.1 Cargas Permanentes 60
4.2.2.2 Fuerzas de Tesado de los Tirantes 60
4.2.2.3 Cargas Sísmicas 61
4.2.2.4 Casos de Análisis 62
4.3 Modelación del Puente para el Análisis No Lineal 63
4.3.1 No Linealidades Consideradas 63
4.3.2 Modelo de la Torre 65
4.3.3 Modelo del Tablero 66
4.3.4 Modelo de los Tirantes 67
4.3.5 Conexiones y Condiciones de Borde 68
4.4 Input Sísmico 70
4.4.1 Registros Sísmicos de Fuente Lejana 70
4.4.2 Registros Sísmicos de Fuente Cercana 72
4.4.3 Resumen de los Registros Sísmicos 74
4.5 Parámetros del Análisis Numérico Paso a Paso 75
viii

CAPITULO V Estudio Paramétrico 79
5.1 Introducción 81
5.2 Efecto del Amortiguamiento Numérico 84
5.3 Efecto del Número de Iteraciones Máximas por sub-paso 87
5.4 Efecto de la Tolerancia de Iteración 90
5.5 Efecto de la Cercanía de la Fuente 93
5.6 Selección de Parámetros Óptimos 96
CAPITULO VI Conclusiones 99
6.1 Conclusiones y Recomendaciones 101

6.2 Estudios Futuros 103
Referencias 105
ix

Lista de Tablas
Página
Tabla 2.1 Resumen de los métodos de Newmark (Wilson, 2002) 16
Tabla 2.2 Parámetros algorítmicos de la familia de métodos-α (KaiPing, 2008) 25
Tabla 2.3 Resumen de los métodos de integración descritos en este capítulo 34
Tabla 4.1 Propiedades mecánicas del hormigón y el acero de refuerzo (Valdebenito, 2009) 59
Tabla 4.2 Propiedades mecánicas de los tirantes (Valdebenito, 2009) 59
Tabla 4.3 Parámetros principales de los registros de Fuente Lejana (Valdebenito, 2009) 75
Tabla 4.4 Parámetros principales de los registros de Fuente Cercana (Valdebenito, 2009) 75
Tabla 4.5 Parámetros del análisis estático no lineal 76
Tabla 4.6 Parámetros del análisis no lineal paso a paso 77
Tabla 4.7 Combinación de parámetros para el análisis no lineal paso a paso 77
Tabla 4.8 Total de Casos de Análisis por Evento 78
Tabla 5.1 Resumen de Convergencia de los casos analizados 83
Tabla 5.2 Resumen del efecto de los parámetros en la estabilidad y tiempo de cálculo 97
Tabla 6.1 Parámetros recomendados para el análisis paso a paso 102
x

Lista de Figuras
Página
Figura 2.1 Errores de período de elongación y disminución de amplitud (Wunderlich y Pilkey, 2003) 12
Figura 3.1 Centro Médico Sylmar Olive (Cox y Ashford, 2002) 37
Figura 3.2 Tipos de directividad según dirección de la ruptura (Cox y Ashford, 2002) 40
Figura 3.3 Tipos básicos de falla (Stein y Wysession, 2003) 41
Figura 3.4 Orientación de la ruptura por pulso de directividad (Somerville, 2005) 42
Figura 3.5 Patrón de radiación para propagación de izquierda a derecha (Chen y Scawthorn, 2003) 43
Figura 3.6 Efecto del patrón de radiación según componentes de desplazamiento (Chen y Scawthorn, 2003) 43
Figura 3.7 Registros para la componente normal y paralela a la falla, Northridge (Alavi y Krawinkler, 2001) 44
Figura 3.8 Registros de velocidad que exhiben directividad adelantada (Bray y Rodriguez-Marek, 2004) 45
Figura 3.9 Pulsos de velocidad registrados en sismos de magnitud moderada y mayores (Somerville, 2002) 48
Figura 3.10 Espectros de respuesta de sismos de fuente cercana y comunes (Alavi y Krawinkler, 2001) 49
Figura 4.1 Disposición de tirantes en puentes atirantados (Gimsing, 1998) 53
Figura 4.2 Dimensiones del modelo de puente atirantado (Valdebenito, 2009) 54
Figura 4.3 Disposición transversal de los tirantes (Walther, 1999) 55
Figura 4.4 Disposición transversal del modelo (Valdebenito, 2009) 55
Figura 4.5 Tablero tipo cajón cerrado del modelo (Valdebenito, 2009) 56
Figura 4.6 Tipos de pila (Valdebenito, 2009) 57
Figura 4.7 Pila tipo marco correspondiente al modelo (Valdebenito, 2009) 58
Figura 4.8 Tirante de cables paralelos (Morgenthal, 1999) 59
Figura 4.9 Fuerzas de pretensado en los tirantes (Valdebenito, 2009) 61
Figura 4.10 Elementos del modelo de las torres (Valdebenito, 2009) 65
Figura 4.11 Modelación del tablero (Valdebenito, 2009) 66
Figura 4.12 Parámetros que determinan al elemento cable (Valdebenito, 2009) 67
Figura 4.13 Modelo de la conexión entre torre y tablero (Valdebenito, 2009) 69
Figura 4.14 Modelo completo del puente atirantado (Valdebenito, 2009) 69
Figura 4.15 Registros temporales correspondientes al Evento 1 (Valdebenito, 2009) 71
Figura 4.16 Registros temporales correspondientes al Evento 2 (Valdebenito, 2009) 72
xi

Figura 4.17 Registros temporales del Sismo de Loma Prieta, Estación: Los Gatos (Valdebenito, 2009) 73
Figura 4.18 Registros temporales del Sismo de Landers, Estación: Lucerne (Valdebenito, 2009) 74
Figura 5.1 Gráfica de convergencia de casos según amortiguamiento numérico 84
Figura 5.2 Gráfica de convergencia de casos según amortiguamiento numérico para cada evento 85
Figura 5.3 Gráfica del tiempo de convergencia según amortiguamiento numérico para: Evento 1 y Gatos 85
Figura 5.4 Gráficas del tiempo de convergencia según amortiguamiento numérico para: Evento 2 y Landers 86
Figura 5.5 Gráfica del tiempo promedio de convergencia según amortiguamiento para cada registro 86
Figura 5.6 Gráfica de convergencia de casos según iteraciones máximas 87
Figura 5.7 Gráfica de convergencia de casos según iteraciones máximas para cada evento 88
Figura 5.8 Gráfica del tiempo de convergencia según iteraciones máximas para: Evento 1 y Gatos 88
Figura 5.9 Gráfica del tiempo de convergencia según iteraciones máximas para: Evento 2 y Landers 89
Figura 5.10 Gráfica del tiempo promedio de convergencia según iteraciones máximas para cada registro 89
Figura 5.11 Gráfica de convergencia de casos según tolerancia de iteración 90
Figura 5.12 Gráfica de convergencia según tolerancia de iteración para todos los registros analizados 91
Figura 5.13 Gráfica del tiempo de convergencia según tolerancia para amortiguamiento: -2/9 91
Figura 5.14 Gráfica del tiempo de convergencia según tolerancia para amortiguamiento: -1/3 92
Figura 5.15 Gráfica del tiempo promedio de convergencia según tolerancia de iteración para cada registro 92
Figura 5.16 Gráfica de convergencia según amortiguamiento numérico en relación a la cercanía de la fuente 93
Figura 5.17 Gráficas de convergencia según: iteraciones máximas y tolerancia en relación a la cercanía de fuente 94
Figura 5.18 Gráficas del tiempo de cálculo según casos que convergieron 95
Figura 5.19 Gráfica de incremento porcentual de tiempo de cálculo del caso cercano en relación al lejano 95
xii

Capítulo I
INTRODUCCIÓN
Estabilidad del método-α en presencia de sismos de fuente cercana aplicado a estructuras de período largo CAPÍTULO I – INTRODUCCIÓN

El estudio de los algoritmos de integración paso a paso es muy analizado actualmente, así como la solución de
problemas de dinámica estructural mediante el uso de éstos, la creación de nuevos algoritmos y el estudio de sus
propiedades, como estabilidad y precisión.
El presente trabajo corresponde a un análisis paramétrico con el fin de establecer los factores que aseguran o
comprometen la estabilidad del método Hilber-Hughes-Taylor-α en presencia de sismos de fuente cercana aplicado
a una estructura altamente no lineal de período largo.
1.1 Planteamiento del Problema
1.1.1 Origen de la Investigación
El empleo de algoritmos de integración paso a paso es muy utilizado en la actualidad para resolver problemas de
dinámica estructural. En el área del análisis dinámico lineal se han logrado establecer ciertas relaciones entre los
parámetros que conforman el algoritmo de integración para asegurar la estabilidad incondicional, es decir que no
dependa del tamaño de paso de tiempo, al contrario, para problemas estructurales no lineales no se puede probar
que un método siempre converja (Computers & Structures, 2006). Por esto es muy importante establecer los
parámetros para que la solución de un sistema no lineal sea estable.
Un aspecto importante de este trabajo es evaluar la influencia de los sismos de fuente cercana en la estabilidad del
cálculo numérico del sistema. Para lograrlo es necesario caracterizar a este tipo de eventos sísmicos, su estudio es
muy reciente y está en constante actualización, principalmente debido a la poca cantidad de registros sísmicos de
dichos eventos. Debido a esto último y a sus características muy particulares, no se ha logrado una caracterización
más generalizada. Qifang et al. (2006) sostiene que una de las características más importantes de los sismos de
fuente cercana es el gran pulso de velocidad. Investigaciones recientes (Hall et al., 1995 y Somerville, 1997) parecen
indicar que justamente es el efecto de directividad, el que se asocia a la presencia de pulsos de velocidad de largo
período, muy dañino sobre todo en estructuras de período largo, lo que afecta incluso más que los pulsos de
desplazamiento y aceleración. Es precisamente esta característica la que aumenta el efecto no lineal en estructuras,
y por ello resulta muy importante estudiar las condiciones de estabilidad de este método frente a este tipo de
sismos aplicado a estructuras de período largo. En realidad son varios los factores que influyen en la acción de un
sismo de fuente cercana, los cuales se estudian en extenso en el tercer capítulo.
3


1.1.2 Problemática a Resolver
Numerosos estudios se han dedicado a investigar la estabilidad de algoritmos de integración paso a paso para
estructuras lineal elásticas. Al contrario, son muy limitados los estudios que investiguen la estabilidad de los
algoritmos para estructuras no lineales (Cheng y Ricles, 2008b). Al utilizar algoritmos de integración implícitos, la
estabilidad de solución es garantizada para sistemas lineales, sin embargo no se puede garantizar la estabilidad en
sistemas altamente no lineales. En el presente trabajo, como modelo de estructura de período largo se selecciona
un puente tipo atirantado. Este sistema estructural es altamente no lineal, por lo que el estudio de las condiciones
que se deben cumplir entre los parámetros para obtener la estabilidad del método de integración empleado es un
aporte al conocimiento.
1.2 Justificación del Trabajo
El análisis mediante espectros de respuesta puede ser útil para el tipo estructural a estudiar sólo como primera
aproximación, y principalmente para propósitos comparativos, pero inseguro para el diseño (Valdebenito, 2009).
Por esto último es necesario estudiar la estabilidad de los métodos de integración, para así desarrollar un diseño
más exacto.
Con respecto al método a utilizar, Valdebenito (2009) menciona que las condiciones de estabilidad del método α
están garantizadas para sistemas estructurales lineales. En el caso de estructuras no lineales, como la estructura
modelada en este trabajo, las condiciones de estabilidad son muy difíciles de encontrar. El método Hilber-Hughes-
Taylor-α (Hilber et al., 1977) agrega un factor α que representa un amortiguamiento numérico controlado,
manteniendo la convergencia cuadrática. Esta característica hace de este método muy consistente para la
integración de sistemas altamente no lineales. Esta última es la razón principal por la que escogemos el método α.
Por otro lado, se estudiará la influencia del sismo de fuente cercana debido a que el pulso de velocidad,
característica principal de este tipo de sismo, es muy perjudicial para estructuras de período largo y ocasiona
problemas a estructuras no lineales, por lo anterior parece ser que afecta de sobremanera las condiciones de
estabilidad de la solución a diferencia de un sismo común.
4


1.3 Antecedentes Históricos
Los algoritmos de integración paso a paso comenzaron a desarrollarse hacia la década del cincuenta, partiendo con
el método de Houbolt (Houbolt, 1950). A fines de la misma década, la familia de métodos Newmark
(Newmark, 1959), posteriormente: el método Wilson θ (Wilson, 1968), método Hilber-Hughes-Taylor-α
(Hilber et al., 1977), método de colocación (Hilber y Hughes, 1978), método Wood-Bossak-Zienkiewics-α
(Wood et al., 1981), método Chung-Hulbert-α (Chung y Hulbert, 1993); todos son algoritmos implícitos, de
segundo orden de precisión e incondicionalmente estables (excepto algunos pertenecientes a la familia de
métodos Newmark) para análisis paso a paso de sistemas lineales. Con el curso de los años se mejoraron los
métodos recién mencionados, principalmente sus características de precisión, así como también la introducción
del amortiguamiento numérico (parámetro introducido en las ecuaciones de movimiento, el cual disipa respuestas
de alta frecuencia falsas y estabiliza el cálculo numérico para problemas dinámicos no lineales). En la actualidad los
estudios están orientados a mejorar la estabilidad y precisión de los métodos de integración, también hacia la
creación de nuevos algoritmos.
Los primeros indicios de la existencia de los sismos de fuente cercana se encontraron en el sismo de Kern County,
California, el año 1952 (Benioff, 1955). Luego, en 1971, el sismo de San Fernando provocó graves daños a las
edificaciones y con el posterior análisis de los registros sísmicos se logró encontrar un pulso de velocidad grande
en el sitio durante el sismo. Posterior a esto ocurrieron muchos sismos destructivos categorizados como sismo de
fuente cercana (Imperial Valley 1979, Whittier 1987, Northridge 1994, Kobe 1995, Chi-Chi 1999 y Kocaeli 1999) que
entregaron mayor información de las principales características de estos sismos. Chai et al. (2000) menciona que el
sismo de Chi Chi registrado por 441 estaciones, es actualmente una de las fuentes principales de caracterización de
sismo de foco cercano, debido a la cantidad de registros. Con los registros existentes se ha mostrado que estos
sismos se caracterizan por un movimiento impulsivo de corta duración que expone a las estructuras a un input
grande de energía al comienzo del registro (Singh, 1985). Este movimiento impulsivo es atribuido principalmente a
un pulso de velocidad o a una banda estrecha de pulsos de velocidad (Somerville, 2000). A su vez, los pulsos de
velocidad grande se deben a la dirección en que se propaga la ruptura de la falla en el evento sísmico, conocido
como efecto de directividad. Debido a dichas características y varias más, es que los sismos de fuente cercana son
muy distintos a los sismos comunes, principalmente debido a lo perjudiciales que resultan ser.
Por esto, el hecho de realizar estudios acerca de la estabilidad de un método de integración numérica en presencia
de sismos fuente cercana, puede entregar conclusiones y recomendaciones importantes para el diseño.
5


1.4 Objetivos
Objetivo General
- Analizar y caracterizar el efecto de los parámetros que más inciden en las condiciones de estabilidad
del método-α en presencia de sismos de fuente cercana para estructuras altamente no lineales de
período largo.
Objetivos Específicos
- Realizar una búsqueda bibliográfica enfocada principalmente a los algoritmos de integración paso a paso,
para así generar un estado del conocimiento actualizado.
- Analizar y comprender el fenómeno asociado a los sismos de fuente cercana.
- Realizar un estudio paramétrico que se oriente a establecer las condiciones de estabilidad del método α
para sistemas no lineales frente a sismos de fuente cercana.
- Determinar la influencia de los sismos de fuente cercana en relación a los de fuente lejana con respecto a
las condiciones de estabilidad del método de integración.
- Establecer conclusiones útiles y proponer recomendaciones prácticas relativas a la selección óptima de
parámetros que maximizan las condiciones de estabilidad del método-α.
6


1.5 Metodología
- Búsqueda bibliográfica exhaustiva en bases de datos de revistas, textos, información en internet,

presentaciones en congresos, orientada a establecer el estado actual del conocimiento en relación a los
algoritmos de integración paso a paso.
- Caracterización de los sismos de fuente cercana y búsqueda de registros de sismos reales representativos
para ser utilizados en el estudio.
- Definición del modelo estructural a analizar. Se emplea un modelo de puente atirantado basado en los
internacionalmente conocidos puentes de Walther (1999) adaptado por Valdebenito (2009).
Dicho modelo fue desarrollado mediante el programa de análisis estructural SAP2000. Se describe de
forma detallada el modelo estructural, características geométricas, del material, casos de análisis, además
de las no linealidades consideradas.
- Selección de los registros. Se aplicaron dos registros de eventos correspondientes a sismos de fuente
lejana y dos registros de fuente cercana. Los registros de fuente lejana son generados artificialmente,
tomando como base los espectros de diseño del Eurocódigo 8, para zonas de suelo duro y peligrosidad
sísmica alta. Por su parte, los registros de fuente cercana son reales, obtenidos del Pacific Earthquake
Engineering Research Center (2005), dichos registros corresponden a eventos de magnitud mayor a 6,5 y
las estaciones ubicadas a menos de 10 km de la zona de ruptura.
- Análisis. Se definen los parámetros que tienen mayor influencia en el análisis paso a paso y se determina
un conjunto de valores para dichos parámetros.
- Se realiza un estudio paramétrico, con el fin de establecer la influencia de los parámetros en la estabilidad
del método Hilber-Hughes-Taylor-α. Adicionalmente, se estudia el efecto de la cercanía de la fuente en
relación a los parámetros del estudio, así como también con respecto a la estabilidad del método.
- Se plantean las conclusiones y recomendaciones a la luz de los resultados anteriores, así como también
posibles trabajos a seguir.
7


1.6 Estructura de la Tesis
El presente trabajo de Tesis se divide en 6 capítulos ordenados de forma correlativa desde el planteamiento del
problema, hasta las conclusiones que se han obtenido, además de las referencias.
Capítulo I Se presenta el problema de manera introductoria, que pretende la investigación, la importancia

del presente trabajo, además de los objetivos y metodología.
Capítulo II Desarrolla un estado del conocimiento actualizado de los algoritmos de integración paso a
paso. Consta de una presentación de las características de algoritmos, una revisión histórica de
acuerdo a la evolución de éstos, algunos algoritmos propuestos recientemente, una revisión de
los problemas de estabilidad y una descripción detallada del método Hilber-Hughes-Taylor-α.
Capítulo III Esta sección entrega una caracterización actual de los sismos de fuente cercana, la importancia
de una correcta elección del sismo de entrada y las diferencias con respecto a los sismos
comunes.
Capítulo IV Presenta el modelo utilizado para el análisis, su descripción geométrica, las bases de diseño, no
linealidades consideradas y los registros sísmicos utilizados para el análisis dinámico. Además se
presenta la selección de parámetros que se usará para el estudio de la estabilidad del método
Hilber-Hughes-Taylor-α.
Capítulo V Consiste en presentar los resultados de los casos analizados y procesar la información obtenida
de los análisis. A través de estos resultados, se establece el efecto de los parámetros en la
estabilidad del método, así como también el efecto de los sismos de fuente cercana en la
estabilidad.
Capítulo VI Consta de las conclusiones y recomendaciones, orientadas principalmente a los parámetros que
aseguren niveles de estabilidad aceptables y a la influencia de la cercanía de la fuente en la
convergencia del método de integración utilizado en el presente trabajo.
Referencias Se detallan las referencias bibliográficas empleadas a lo largo de esta Tesis.
8

Capítulo II
ESTADO DEL CONOCIMIENTO:

ALGORITMOS DE INTEGRACIÓN PASO A PASO
Estabilidad del método-α en presencia de sismos de fuente cercana aplicado a estructuras de período largo CAPÍTULO II – ESTADO DEL CONOCIMIENTO

2.1 Introducción
Los métodos de integración buscan, en esencia, satisfacer la ecuación dinámica de segundo orden (ver Ec. 2.1).
Mut  Cut  Kut  Ft (Ec. 2.1)
La aproximación más general para la solución de la respuesta dinámica de sistemas estructurales es la integración
numérica directa de las ecuaciones de equilibrio dinámico. Esto involucra, después que la solución es definida para
tiempo cero, intentar satisfacer el equilibrio dinámico en los siguientes pasos de tiempo. La mayoría de los
métodos usa intervalos de tiempo iguales a ∆t, 2∆t, 3∆t ……. ∆t. Dichas técnicas numéricas pueden ser
clasificadas fundamentalmente en explicitas e implícitas.
Los métodos explícitos usan la ecuación diferencial al tiempo “ ” para predecir una solución al tiempo “ ∆t”.
Para muchas estructuras reales que contienen elementos rígidos, se requiere un paso de tiempo muy pequeño para
obtener una solución estable. Por esto se dice que la mayoría de los métodos explícitos son condicionalmente
estables con respecto al tamaño de paso de tiempo. Esta última característica es la principal desventaja de los
métodos explícitos.
Por otro lado, los métodos implícitos intentan satisfacer la ecuación diferencial al tiempo “ ”, después la solución al
tiempo “ ∆t” es encontrada. Estos métodos requieren la solución de un conjunto de ecuaciones lineales a cada
paso de tiempo; sin embargo, pueden ser usados pasos de tiempo mayores. Los métodos implícitos pueden ser
condicionalmente o incondicionalmente estables (Wilson, 2002). La mayoría de estos métodos son
incondicionalmente estables, el costo es el uso de algoritmos más complicados, debido a que al contrario de los
métodos explícitos resulta imposible despejar “explícitamente” la incógnita de nuestra ecuación a resolver. En lugar
de esto, el sistema completo de ecuaciones debe ser resuelto simultáneamente. De esta manera, el método se
reduce a la solución de un conjunto de ecuaciones simultáneas en cada punto en un tiempo
(Chapra y Canale, 1999).
Además, existe la posibilidad de combinar un método implícito con otro explícito, y así obtener un método
implícito-explícito, en el trabajo realizado por Chung y Hulbert (1994) mejoraron el método implícito de Houbolt,
agregando un método predictor corrector explícito, la idea esencial es usar el algoritmo implícito para resolver la
parte rígida de la estructura (donde el paso de tiempo debe ser pequeño) y usar el esquema explícito para la parte
flexible (donde el paso de tiempo puede ser grande).
11


Subbaraj y Dokainish (1989a, b) notaron que los algoritmos implícitos son más efectivos para problemas de
dinámica estructural (en los cuales la respuesta es controlada por un número relativamente pequeño de modos de
baja frecuencia), mientras que los algoritmos explícitos son muy eficientes para problemas de propagación de
ondas. En consecuencia, de estos dos tipos de métodos, los implícitos son más populares en problemas de
ingeniería sísmica debido a que se puede usar un mayor tamaño de paso de tiempo en el análisis. Sin embargo, una
característica negativa de estos últimos es el considerable esfuerzo computacional a cada paso de tiempo.
La selección de un paso de tiempo ∆ apropiado es un aspecto muy importante en el uso de estos métodos. Por
un lado, el paso de tiempo debe ser suficientemente pequeño para obtener una solución precisa y por otro lado, el
paso de tiempo no debería ser menor que lo necesario para así reducir el costo computacional
(Wunderlich y Pilkey, 2003).
Los errores involucrados en los métodos de integración pueden ser: de truncamiento, del uso de bajo orden de
aproximaciones de diferencias finitas a las derivadas de variables continuas, de inestabilidad (amplificación de
errores en pasos de tiempo previos se acumulan en pasos de tiempo posteriores, redondeo computacional). Estos
errores podrían introducir un cambio en el período y amplitud de respuesta, por ejemplo, los errores de período
de elongación y disminución de amplitud (Figura 2.1).
u(t)
T Período de Elongación
Solución exacta
Disminución

de amplitud
A
t
Solución
numérica
Figura 2.1 Errores de período de elongación y disminución de amplitud (Wunderlich y Pilkey, 2003).
Según Kaiping (2008) los algoritmos de integración paso a paso han sido ampliamente estudiados con el fin de
resolver problemas de dinámica estructural, sin embargo, se requiere mucha experiencia para escoger el algoritmo
correcto y un ajuste de parámetros para que su aplicación sea eficiente.
12


2.2 Antecedentes Históricos
Desde la década del cincuenta se desarrollan una gran cantidad de métodos de integración paso a paso, partiendo
por el método de Houbolt (Houbolt, 1950), a fines de la misma década, la familia de métodos Newmark
(Newmark, 1959), posteriormente: el método Wilson θ (Wilson, 1968), método Hilber-Hughes-Taylor-α
(Hilber et al., 1977), método de colocación (Hilber y Hughes, 1978), método Wood-Bossak-Zienkiewics-α
(Wood et al., 1981), método Chung-Hulbert-α (Chung y Hulbert, 1993) todos son algoritmos implícitos, de
segundo orden de precisión e incondicionalmente estables (excepto algunos pertenecientes a la familia de
métodos Newmark) para análisis paso a paso de sistemas lineales.
A continuación se detallan los métodos más ampliamente utilizados:
2.2.1 Método de Houbolt
El método Houbolt (Houbolt, 1950) es implícito, de segundo orden de precisión y consiste en utilizar una
expresión de diferencias finitas que aproxime la velocidad y aceleración en función de los desplazamientos para
resolver la ecuación de movimiento (Ec. 2.1). Estas ecuaciones se obtienen de una aproximación cúbica:
1
un 1  (2un 1  5un  4un 1  un  2 ) (Ec. 2.2)
(t ) 2
1
un 1  (11un 1  18un  9un1  2un 2 ) (Ec. 2.3)
6t
Donde n representa el paso de tiempo actual para el cual todas las condiciones son conocidas. Así n+1 representa
el paso subsiguiente para el cual se está resolviendo el sistema, n-1 y n-2 representan las soluciones a dos pasos
previos de tiempo.
Este método requiere un procedimiento especial para su comienzo, Houbolt usó la siguiente aproximación para
comenzar:
u 1  (  t ) 2 u0  u1  2 u 0 (Ec. 2.4)
u 2  6  tu 0  6(  t ) 2 u0  8u1  9 u 0 (Ec. 2.5)
13

Del análisis de los valores propios de la matriz de amplificación se concluye que el método siempre es estable, sin
importar el tamaño del paso de tiempo, es decir, es incondicionalmente estable. Sin embargo, el paso de tiempo
∆ debe ser seleccionado para lograr una precisión apropiada.
2.2.2 Método de Newmark
En 1959 N. M. Newmark presentó una familia de métodos de integración de paso simple para la solución de
problemas de dinámica estructural para cargas explosivas y sísmicas. Durante los siguientes 40 años los métodos de
Newmark se ha usado para el análisis dinámico de muchas estructuras en ingeniería. Además, otros investigadores
han modificado y mejorado estos métodos (Wilson, 2002).
Con el objetivo de encontrar una solución a la ecuación de equilibrio dinámico (Ecuación 2.1), Newmark usó
directamente las series de Taylor para obtener una solución aproximada de velocidad y desplazamiento:
t 2
ut  ut t  tut t  ut t  ...
 (Ec. 2.6)
2
t 2 t 3
ut  ut t  tut t  ut t  ut t  ...
 (Ec. 2.7)
2 6
Luego truncó las ecuaciones hasta el tercer orden y las expresó así:
ut  ut   t   tut   t    t 2

ut  t (Ec. 2.8)
t 2
ut  ut t  tut t  ut t  t 3
ut t (Ec. 2.9)
2
Si se asume que la aceleración varía linealmente dentro de un paso de tiempo, podemos escribir:
ut  ut t

u
 (Ec. 2.10)
t
14


La sustitución de la Ecuación 2.10 en las Ecuaciones 2.8 y 2.9 entrega el método de Newmark:
ut  ut t  [(1   )t ]ut t  (t )u´t (Ec. 2.11)
 1  2
ut  ut t  (t )ut t       t   ut t     t   ut
2
(Ec. 2.12)
 2    
El método consiste en usar las Ecuaciones (2.11, 2.12 y 2.1) iterativamente para cada paso de tiempo
(Wilson, 2002).
Los parámetros y se introducen para indicar cuanta cantidad de aceleración entra en las relaciones de
velocidad y desplazamiento al final de cada intervalo. Además, dichos parámetros determinan las características de
estabilidad y precisión del método (Wunderlich y Pilkey, 2003).
De esta forma, Newmark caracterizó varios métodos de integración en función de la aceleración y de los
parámetros involucrados. A continuación se presenta una descripción breve de los métodos desarrollados por
Newmark y un cuadro resumen (Tabla 2.1) con los parámetros y características principales que definen a cada
método.
2.2.2.1 Método de la diferencia central

Este método es explícito, de segundo orden de precisión, está basado en una aproximación por diferencias finitas
de las derivadas del desplazamiento y su implementación es muy simple, es condicionalmente estable
(Chopra, 1995).
2.2.2.2 Método de aceleración lineal

Este método es implícito, posee precisión de segundo orden y es condicionalmente estable. Sin embargo no es
muy popular debido a su estabilidad condicional (Leondes, 1999).
2.2.2.3 Método de aceleración constante

Este método es implícito, incondicionalmente estable y posee segundo orden de precisión. Es uno de los métodos
más efectivos y populares para problemas de dinámica estructural (Leondes, 1999). Este método es también
conocido como método del trapecio, el cual se ha usado para evaluar ecuaciones diferenciales de segundo orden
desde aproximadamente 100 años (Wilson, 2002).
15


Tabla 2.1 Resumen de los métodos de Newmark (Wilson, 2002).
MÉTODO γ β δ ∆t / Tmin PRECISIÓN
Excelente para ∆t pequeño

Diferencia Central 1/2 0 0 0,3183
Inestable para ∆t grande
Muy bueno para ∆t pequeño

Aceleración Lineal 1/2 1/6 0 0,5513
Inestable para ∆t grande
Bueno para ∆t pequeño

Aceleración Constante 1/2 1/4 0 ∞
Sin amortiguamiento numérico
Bueno para ∆t pequeño

Aceleración Constante Modificado 1/2 1/4 ∆t / π ∞
Amort. numérico para ∆t grande
Como podemos ver en la Tabla 2.1 los métodos de diferencia central y de aceleración lineal son condicionalmente
estables, mientras que el método de aceleración constante es incondicionalmente estable, sin embargo, este último
es menos preciso que los métodos de diferencia central y de aceleración lineal. Además, si usamos un paso de
tiempo grande, no causaríamos inestabilidad si usamos el método de aceleración constante, pero podríamos tener
resultados oscilatorios. En algunas ocasiones la presencia de oscilaciones de alta frecuencia parecen impedir o
incluso hacer imposible la convergencia de solución. La selección de un paso de tiempo más pequeño a veces no
ayuda, puede hacer empeorar la situación, permitiendo incluso que más modos de alta frecuencia sean resueltos.
Para tales sistemas es deseable amortiguar los períodos cortos para prevenir que ellos oscilen durante el
procedimiento de solución. El método de aceleración constante modificado intenta filtrar estos modos de alta
frecuencia agregando un pequeño factor de amortiguamiento proporcional a la matriz de rigidez. Cuando los
modos de alta frecuencia son importantes este método no es recomendable. Sin embargo, el método de
aceleración constante modificado, con una adición mínima de amortiguamiento proporcional a la rigidez, es un
procedimiento que puede ser usado para el análisis dinámico de sistemas estructurales (Dintwa, 2006).
16


2.2.3 Método Wilson
El método Wilson θ (Wilson, 1968) es una extensión del método de Newmark en la cual se asume una variación
lineal de aceleración desde el tiempo al tiempo ∆ . El método mejorado es el de aceleración lineal, el cual
es condicionalmente estable, pero con la extensión propuesta el método se convierte en incondicionalmente

estable para problemas lineales (Leondes, 1999).
Según Wilson (1973) la motivación por la que se introdujo el factor fue la observación de que una solución
inestable tiende a oscilar alrededor de la solución verdadera. Por lo tanto, si la solución numérica es evaluada
dentro del incremento de tiempo se minimizan las oscilaciones falsas. Esta modificación del método de Newmark
de aceleración lineal se realiza usando el siguiente paso de tiempo:
 t´  t (Ec. 2.13)

Rt´  Rt t   ( Rt  Rt t ) (Ec. 2.14)
En la ecuación anterior R es el vector de carga y las ecuaciones están definidas para 1,0.
Las ecuaciones del método son las siguientes:
1
ut  ut t  (ut´  ut t ) (Ec. 2.15)

ut  ut t  (1   )tut t  (t )ut (Ec. 2.16)
 1  2
ut  ut t  tut t       t   ut t     t   ut
2
(Ec. 2.17)
 2    
El uso del factor tiende a amortiguar numéricamente los modos más altos del sistema. Sin embargo, para
sistemas con modos de respuesta más altos es importante, debido a que se podrían estar introduciendo errores
muy grandes. Cabe mencionar que para 0 resulta el método de Newmark. Este método es incondicionalmente
estable si 1,37, en la práctica generalmente se usa: 1,40.
La principal ventaja de este método es la incorporación del amortiguamiento numérico, posteriormente se ha

estudiado esta propiedad y se generalizó el método Wilson θ a los métodos de Colocación, desarrollado en el
punto siguiente.
17


2.2.4 Métodos de Colocación
En las décadas de los setenta y ochenta se realizaban muchos esfuerzos para el desarrollo de métodos
computacionales para la integración paso a paso de las ecuaciones de dinámica estructural. Aunque no existe un
consenso universal, Hilber y Hughes (1978) y Hughes (1987) sugieren que para desarrollar un método competitivo
se debe cumplir con los siguientes atributos:
1. Incondicionalmente estable aplicado a problemas lineales.
Los algoritmos condicionalmente estables requieren que el paso de tiempo sea más pequeño para
asegurar precisión.
2. Debe ser resuelto en cada paso, no más de un conjunto de ecuaciones implícitas.
El atributo 1 necesita el uso de métodos implícitos, y el mayor esfuerzo computacional que esto
implica. Por esto es importante por propósitos de eficiencia que este esfuerzo sea mínimo. Esto
puede ser logrado insistiendo que la solución sea de no más de un sistema implícito, en cada paso
de tiempo.
3. Segundo orden de precisión.
En dinámica estructural la experiencia muestra que los métodos de segundo orden de precisión
son inmensamente superiores a los de primer orden de precisión.
4. Disipación algorítmica controlable en los modos más altos.
La disipación algorítmica se usa para amortiguar cualquier participación falsa de los modos más
altos.
5. Arranque automático.
Si un algoritmo requiere un procedimiento de partida distinto, se debe analizar el procedimiento
de partida además del algoritmo y también la interacción del algoritmo con los valores generados
por el procedimiento de partida. Un procedimiento de partida distinto puede implicar un mayor
esfuerzo computacional.
6. Sin presencia de Overshoot.
Con condiciones iniciales distintas a cero, el overshoot puede provocar oscilaciones grandes en
desplazamiento y velocidad en los primeros pasos de tiempo (KaiPing, 2008).
La familia de los métodos Newmark no cumple con los atributos 3 y 4 de forma simultánea. Wilson (1968)
desarrolló el primer método que cumplía con los primeros cinco atributos. Como el algoritmo poseía disipación
18


excesiva en los modos bajos, por ejemplo: pérdida de precisión, se hicieron esfuerzos por mejorarlo. La idea crucial
que se empleó para el desarrollo del método, fue la satisfacción de la ecuación de movimiento fuera del intervalo
de tiempo en cuestión al punto , o colocación.
Posteriormente Goudreau y Taylor (1972) descubrieron una propiedad numérica muy particular del método de
Wilson , el overshoot, descrito en detalle en el punto 2.4.2.
Hilber y Hughes (1978) investigan si los esquemas de colocación mejorados pueden cumplir los primeros cinco
atributos para lograr ser un método competitivo y al mismo tiempo no estar sometido a overshoot. Además, estos
esquemas de colocación mejorados, son comparados con la familia, recientemente propuesta, de algoritmos
disipativos llamada métodos-α (también fueron comparados con el método de Houbolt y método de Park). Los
métodos-α resultan superiores en cuanto a disipación y dispersión, y además sus características de overshoot son
buenas en comparación a los esquemas de colocación.
Los métodos de colocación son esquemas multipaso lineales con tres pasos, además, no requieren un
procedimiento especial de arranque. Las ecuaciones de estos métodos son las siguientes:
Mun   Kun   Fn  (Ec. 2.18)
Donde:
un   (1   )un   un 1 (Ec. 2.19)

 1  
un  un  tun  (t )2     un   un  (Ec. 2.20)
 2  
Fn   (1   ) Fn   Fn 1 (Ec. 2.21)
 1  
un1  un  tun  (t )2     un   un1  (Ec. 2.22)
 2  
un 1  un  t 1    un   un 1  (Ec. 2.23)
u0  d , u0  v (Ec. 2.24)
Los parámetros , y son libres y éstos determinan la estabilidad y precisión de los algoritmos. Si 1,0 se
reduce a la familia de Newmark. Si y obtenemos el método de Wilson . A los métodos recién

mencionados los llamamos esquemas de colocación y es el parámetro de colocación.
19


Los métodos de colocación poseen precisión de segundo orden, y la condición para esta precisión está dada por:
. Además, para los siguientes parámetros el método es incondicionalmente estable:
 2 2  1
 1 ,  
2(  1) 4(2 3  1)
2.2.5 Método Wood-Bossak-Zienkiewics-
Wood et al. (1981) proponen un nuevo algoritmo, una extensión del antes mencionado algoritmo de Newmark. De
la misma forma que el método Hilber-Hughes-Taylor-α, el método de Wood-Bossak-Zienkiewics-α introduce un
parámetro adicional para controlar las propiedades de amortiguamiento del algoritmo de Newmark. Dicha
extensión del método de Newmark está definida por las siguientes ecuaciones:
 1  
ut  ut t  tut t     B  (t )2  ut t    B (t )2  ut (Ec. 2.25)
 2  
ut  ut t   (1   B ) t  ut t    B t  ut (Ec. 2.26)
(1   B ) Mut   B Mut t  Cut  Kut  Ft (Ec. 2.27)
El subíndice “B” se utiliza para distinguir los parámetros de Bossak. Se puede notar que cuando 0 tenemos el
método de Newmark. Este método emplea solamente dos niveles de tiempo y puede ser usado iterativamente para
términos no lineales o en forma equivalente para problemas lineales (Wood et al., 1981).
Una característica de este método es su buen amortiguamiento en rangos de altas frecuencias y su menor
sensibilidad a elecciones imprecisas (Bajer, 2002).
Wood et al. (1981) menciona que el parámetro introducido permite al método ser de segundo orden,
incondicionalmente estable y con un amortiguamiento numérico de los modos más altos. En la implementación del
método, los investigadores lo compararon con el método Newmark de aceleración constante y el método Hilber
Hughes Taylor-α, el nuevo método resultó ser mejor que el de Newmark, pero al parecer no tan preciso en
comparación al otro método.
Este método es incondicionalmente estable para las siguientes relaciones:
1  1 1
B  , B  B  , B   B 
2 2 4 2
20


2.2.6 Método Chung-Hulbert-
Chung y Hulbert (1993) presentaron una nueva familia de algoritmos, llamado método generalizado-α, que posee
disipación numérica, la cual puede ser controlada por el usuario. En la investigación se muestra que el método
logra disipación del contenido de alta frecuencia mientras minimiza la disipación no deseada del contenido de baja
frecuencia.
Cuando se resuelven problemas altamente no lineales, la disipación numérica del contenido de alta frecuencia ha
sido encontrado que mejora la convergencia de solución de ecuaciones. Los métodos descritos anteriormente,
excepto el de Newmark, fueron desarrollados para lograr disipación del contenido de alta frecuencia con poco
amortiguamiento en baja frecuencia.
El algoritmo de integración desarrollado es incondicionalmente estable, tiene precisión de segundo orden y posee
una combinación óptima de disipación del contenido de alta y baja frecuencia.
Las ecuaciones de desplazamiento y velocidad para este método son las propuestas por Newmark, posteriormente
Chung y Hulbert proponen nuevas relaciones que influyen la ecuación de movimiento siguiente:
Mut  m  Cut  f  Kut  f  F (tt  f ) (Ec. 2.28)
Donde:
ut  f  (1   f )ut   f ut t (Ec. 2.29)

ut  f  (1   f )ut   f ut t (Ec. 2.30)
ut  m  (1   m )ut   m ut   t (Ec. 2.31)
tt  f  (1   f )tt   f tt t (Ec. 2.32)
La tarea principal es determinar relaciones entre los parámetros, con relaciones apropiadas para y , si 0
se reduce al metodo de Hilber-Hughes-Taylor-α, con 0 obtenemos el método Wood-Bossak-Zienkiewics-α, y
para 0 resulta el de Newmark.
El método generalizado-α es incondicionalmente estable y posee segundo orden de precisión si:
1 1 1 1
   m   f , m   f  ,    ( f   m )
2 2 4 2
21


2.2.7 Método de paso simple de Houbolt (SSH)
Chung y Hulbert (1994) presentaron una nueva familia de métodos de integración implícita, de paso simple. El
método propuesto es incondicionalmente estable, con precisión de segundo orden. Se propone un algoritmo
predictor-corrector explícito basado en el nuevo esquema implícito, los dos algoritmos se combinan y dan origen a
un método implícito-explícito, resultando una mejora en el desempeño en comparación a esquemas del mismo
tipo anteriormente desarrollados.
a) El método implícito utiliza las ecuaciones de Newmark para velocidad y desplazamiento, y resuelve la siguiente
ecuación de movimiento:
1
Mun 1  Mun   c1 Cun1   cCun   k1 Kun 1   f1 Fn 1 (Ec. 2.33)
2
La relación entre parámetros es la siguiente:
11 
1     1  ,  k1   f1  (2 1 )
1
(Ec. 2.34)
22 
1  1 (   1)
c  , c  1 2 (Ec. 2.35)
1
(2 1 ) 2
(2 1 )
b) Por otro lado el método predictor-corrector explícito propone la siguiente ecuación de movimiento:
1
Mun 1  Mun   c1 Cun1   cCun   k1 Kun 1   f1 Fn 1 (Ec. 2.36)
2
Donde es la ecuación predictora de desplazamiento, además corrige desplazamiento y velocidad.

Luego de caracterizado ambos métodos, ensamblando las ecuaciones de movimiento se obtiene:
1  1  
M *un1   f1 Fn1  Mun  C   k1 un   c1    1  tun    k1 Kun1 (Ec. 2.37)
2  2  
22


Donde las nuevas matrices M, C y K son matrices acopladas entre las matrices implícitas y explicitas.
En resumen, los algoritmos implícitos y explícitos son combinados en un algoritmo para resolver problemas con
áreas rígidas y flexibles.
Para alcanzar segundo nivel de precisión, en caso amortiguado, se requiere:
2   1 2   3 1
c   ,  c1  (Ec. 2.38)
4 1 2
4 1 2
Además, dependiendo del problema, se debe escoger entre: 3/2, valor que minimiza el error en velocidad ó
1/2 que evita el overshoot en velocidad.
2.3 Algoritmos Recientes
Los primeros métodos de integración numérica comenzaron con las investigaciones de Houbolt en 1950 y desde
esos primeros estudios, se han propuesto numerosos algoritmos de integración.
Actualmente, además de estudios tendientes a determinar la estabilidad y precisión, se realizan diversos estudios
comparativos con el fin de solucionar problemas como la presencia de overshooting en algoritmos ya
desarrollados, como también la creación de nuevos algoritmos.
2.3.1 Algoritmo CR
Recientemente, Chen y Ricles (2008a) desarrollaron un nuevo algoritmo de integración explícito y lo llamaron
“algoritmo CR”. Los investigadores utilizaron una función de transferencia discreta para estudiar las propiedades de
los algoritmos de integración, y una regla de distribución de polos de la teoría de control en conjunto con la
función de transferencia. Dichos polos corresponden a los valores propios de la matriz de amplificación de un
algoritmo de integración. Así, usando la distribución de polos se establecen los valores de los coeficientes para el
nuevo algoritmo de integración. Las propiedades numéricas del nuevo algoritmo como la disminución de amplitud
y errores de período de elongación son comparadas con el algoritmo de Chang y la familia de algoritmos de
integración de Newmark.
23


En resumen, el algoritmo CR, es explícito, incondicionalmente estable, posee tanta precisión como el método
Newmark con aceleración constante y no posee propiedades de amortiguamiento algorítmico. El algoritmo CR
además de ser incondicionalmente estable, tiene la ventaja de poseer expresiones para desplazamientos y velocidad
en forma explícita. Estas características hacen de este algoritmo una alternativa interesante para resolver problemas
de dinámica estructural (Chen y Ricles, 2008a).
2.3.2 Familia de algoritmos generalizados-
KaiPing (2008) presenta una nueva familia de algoritmos generalizados-α (G-α) sin presencia de overshoot,
teniendo en cuenta la ecuación de movimiento dinámico (Ecuación 2.1), estableciendo las condiciones iniciales de
movimiento y usando el método de diferencias de paso simple, se puede usar el siguiente algoritmo general para
aproximar la solución de la ecuación dinámica:
(1   ) Mut   Mut t  (1   )Cut   Cut t  (1   ) Kut   Kut t  (1   ) Ft   Ft t (Ec. 2.39)
ut  ut t  t (  ut t   ut ) (Ec. 2.40)
u t  u t   t   tut   t  (  t ) 2 ( ut   t   ut ) (Ec. 2.41)
Este algoritmo presenta la incorporación de siete parámetros libres. Este nuevo algoritmo entrega al usuario más
posibilidades de diseño comparado con el algoritmo G-α (Erlicher et al., 2002) con sólo cuatro parámetros libres.
Además, es mucho más simplificado en relación a la familia de algoritmos basados en el algoritmo de Houbolt
presentado por Chung y Hulbert (1994) que posee doce parámetros libres.
Después de acotar los valores de los parámetros para asegurar estabilidad, orden de precisión, además de un
diseño para disipación, se obtiene el algoritmo G-α que consiste en seis algoritmos (ver tabla 2.2), tres conocidos y
mencionados en este capítulo: CH-α, HHT-α y WBZ-α; los tres restantes son algoritmos nuevos y se antepone las
letras NO para mencionar que no poseen overshoot.
24


Tabla 2.2 Parámetros algorítmicos de la familia de métodos-α (KaiPing, 2008).
NOCH- CH- NOHHT- HHT- NOWBZ- WBZ-
method method method method method method
ρϵ 0,1 ρϵ 0,1 ρϵ , 1 ρϵ , 1 ρϵ 0,1 ρϵ 0,1
0 0
0
0 0
Se probó que estos algoritmos son incondicionalmente estables, tienen precisión de segundo orden y poseen
disipación numérica controlable. El autor realiza una comparación entre dicha nueva familia de algoritmos de
integración con los comúnmente usados tipo , mostró que los algoritmos recientemente desarrollados tienen la
ventaja de eliminar el overshooting que exhiben los algoritmos comunes, mientras mantiene su excelente
propiedad de disipación. Entre los algoritmos comparados, el método CH- , desarrollado por Chung y Hulbert,
es el único método que controla la disipación, pero tiene problemas de overshooting en velocidad como los demás
métodos en estudio.
El estudio determinó que estos algoritmos satisfacen los seis criterios propuestos por Hilber y Hughes (1978) para
un algoritmo apropiado, en conclusión, pueden ser usados efectivamente para resolver problemas de dinámica
estructural (KaiPing, 2008).
25


2.4 Problemas de Estabilidad en Métodos de Integración Paso a Paso
Según Chopra (1995) para que un procedimiento numérico sea útil, este debería:
(1) Converger a la solución exacta mientras ∆ decrece.

(2) Ser estable en presencia de errores numéricos de redondeo.
(3) Ser preciso (los errores computacionales deberían estar dentro de un límite aceptable).
Estos conceptos son presentados en las siguientes definiciones:
- Convergencia significa que conforme las variables (por ejemplo el tamaño de paso de tiempo) tienden a
cero, los resultados del método se aproximan a la solución verdadera.
- Estabilidad significa que los errores en cualquier etapa del cálculo no son amplificados, sino que son
atenuados conforme el cálculo avanza (Chapra y Canale, 1999). Los métodos que logran definir soluciones
independientemente del tamaño del paso de tiempo son denominados incondicionalmente estables.
- Precisión se refiere a la diferencia entre la solución numérica y la solución exacta, cuando el proceso de
solución numérica es estable.
El estudio de estabilidad y precisión de un algoritmo puede ser desarrollado resolviendo los valores propios de la
matriz de amplificación, esta matriz se obtiene resolviendo la ecuación dinámica de movimiento de sistemas de un
grado de libertad, el estado al (n+1) ésimo paso se puede escribir de la siguiente forma:
 X n 1   A X n    L  f n  v  (Ec. 2.42)
Donde {X} es la matriz desplazamiento, velocidad o aceleración. [A] es la matriz amplificación que transfiere la
matriz {X} al siguiente paso de tiempo. {fn+v} es la fuerza externa y [L] es el factor de carga conectado a
{fn+v} y {X}.
El radio espectral es el máximo absoluto de todos los valores propios, la razón de amortiguamiento algorítmico y el
error relativo del período son las funciones que se grafican en función del paso de tiempo para ser comparadas
mediante gráficas. Estas propiedades, que dependen de los valores propios de la matriz de amplificación, son las
26


que entregan una idea acerca de la estabilidad y precisión de los métodos de integración paso a paso
(Jee et al., 1999).
Un algoritmo de integración es estable si la solución numérica de una estructura en vibración libre no crece sin
límite para un conjunto de condiciones iniciales. Los algoritmos explícitos son generalmente condicionalmente
estables mientras que la mayoría de los implícitos son incondicionalmente estables (Chen y Ricles, 2008a).
Por otro lado, Chen y Ricles (2008b) afirmaron que estudios relativos a la estabilidad de algoritmos de integración
bajo comportamiento no lineal son limitados.
Hughes (1976) analizó la estabilidad del método de Newmark con aceleración constante bajo comportamiento no
lineal. Mostró a través de ejemplos numéricos para diferentes tipos de no linealidades que el método en estudio
permanece estable bajo comportamiento no lineal.
Por su parte Chen y Ricles (2008b) estudiaron la estabilidad de tres populares métodos de Newmark, el método
Hilber-Hughes-Taylor-α y el recién desarrollado, explícito, método CR. El estudio de la estabilidad bajo
comportamiento no lineal se basó en la relación entre las propiedades de los algoritmos y su correspondiente
función de transferencia discreta, esta teoría es la misma con la que crearon el algoritmo CR. El método de
Newmark con aceleración constante y el método Hilber-Hughes-Taylor-α fueron icondicionalmente estables;
mientras los métodos: Newmark con aceleración lineal, Newmark explícito y algoritmo CR pueden presentarse
inestables bajo comportamiento no lineal.
Continuando con los estudios relativos a la estabilidad de los algoritmos de integración paso a paso,
Chen y Ricles (2010) realizaron un estudio que presenta un procedimiento basado en la teoría de control discreto
para investigar la estabilidad de los algoritmos de integración aplicado a estructuras no lineales de varios grados de
libertad. Para el estudio usaron como modelo un edificio no lineal de corte de varios grados de libertad,
investigaron la estabilidad de la familia de algoritmos Newmark, el método Hilber-Hughes-Taylor-α y dos
algoritmos explícitos recientemente desarrollados: algoritmo de Chang y el algoritmo CR. El análisis se realizó para
un edificio de dos grados de libertad, pudiendo ser extendido para un caso general con n grados de libertad. Los
resultados obtenidos, mostraron que el método de Newmark mejorado con aceleración constante y el método
Hilber-Hughes-Taylor-α son incondicionalmente estables para el modelo de dos grados de libertad estudiado. Por
otro lado, el método Newmark con aceleración lineal y el método Newmark explícito son incondicionalmente
estables solo para no linealidad flexible y condicionalmente estable para no linealidad rígida. Para el algoritmo de
Chang y el algoritmo CR, ambos son incondicionalmente estables para comportamiento no lineal flexible y
condicionalmente estables para no linealidad rígida. En relación a la interacción entre los grados de libertad del
modelo, la razón entre las masas de dos grados de libertad distintos es el factor que muestra mayor influencia sobre
27


los límites de estabilidad para los algoritmos investigados. Para una estructura general de varios grados de libertad,
los límites de estabilidad son afectados por el acoplamiento entre los grados de libertad, tamaño del paso de
tiempo, como también por las propiedades estructurales como masa, rigidez y amortiguamiento. De este estudio,
se puede concluir que las características de la estructura pueden influir en la estabilidad de un algoritmo de
integración paso a paso para sistemas estructurales no lineales, además, se puede agregar que de esta investigación,
el método Hilber-Hughes-Taylor-α presenta una respuesta sobresaliente respecto a los demás algoritmos
analizados en cuanto a la estabilidad.
En cuanto a la elección del algoritmo de integración, Chopra (1995) señala que se pueden usar métodos
condicionalmente estables para sistemas de varios grados de libertad, pero en el caso de un análisis no lineal,
generalmente es necesario el uso de métodos incondicionalmente estables.
Desarrollando la última idea, Chang (2009) comenta que resultaría lógico asumir que las propiedades numéricas de
los algoritmos de integración en sistemas lineales pueden ser extrapolados a sistemas no lineales, pero deberíamos
considerar esto sólo como una suposición. Por ejemplo, un algoritmo de integración incondicionalmente estable
para sistemas elásticos podría perder su estabilidad para sistemas no lineales.
Por lo antes mencionado, es muy importante el estudio del comportamiento de los algoritmos de integración en
cuanto a estabilidad para sistemas no lineales.
Los problemas de estabilidad se estudian estableciendo relaciones entre los parámetros que se incluyen en las
ecuaciones de movimiento dinámico. Estas relaciones pasan a ser recomendaciones para que un método de
integración logre estabilidad.
2.4.1 Disipación y Dispersión
La medida de disipación numérica que se emplea es la razón de amortiguamiento algorítmico ̅. La dispersión es

medida mediante el error relativo en el período / . Cabe mencionar que el radio espectral es otra
medida importante que nos entrega información acerca de la estabilidad y disipación de un algoritmo de
integración (Hilber y Hughes, 1978).
La disipación numérica según KaiPing (2008) es el amortiguamiento artificial de un algoritmo, la cual puede
aparecer en la zona de alta frecuencia y disipar respuestas de alta frecuencia falsas debido al dominio espacial
discretizado por un método de elementos finitos estándar, además la disipación numérica ayuda a la estabilización
28


del cálculo numérico para problemas dinámicos no lineales, por lo tanto, es deseable para un algoritmo tener una
disipación numérica controlable.
En resumen, la disipación es una característica positiva de los métodos, es usada para amortiguar algunas
participaciones falsas de contenido de modos de alta frecuencia.
Del análisis de los dos conceptos presentados, Hilber y Hughes (1978) establecen que el mejor algoritmo
incondicionalmente estable es el que provee un máximo de disipación y un mínimo de dispersión.
2.4.2 Overshoot
El overshoot es una característica relativa a la precisión de los métodos de integración paso a paso. Cuando se
utilizan métodos implícitos incondicionalmente estables en sistemas grandes, con condiciones iniciales distintas a
cero, el overshoot puede provocar grandes oscilaciones de desplazamiento y velocidad en los primeros pasos de
tiempo (KaiPing, 2008).
Godreau y Taylor (1972) descubrieron una propiedad muy particular del método Wilson θ, a pesar de ser un
método incondicionalmente estable, según experimentos numéricos revelaron una tendencia al overshoot o
sobrepasar significativamente las soluciones exactas en los primeros pasos de tiempo.
El análisis del overshoot en métodos de paso múltiple (por ejemplo: método de Houbolt) es muy complejo,
porque se debe averiguar la interacción entre el procedimiento de partida y el método en cuestión.
Hilber y Hughes (1978) compararon los métodos y los esquemas de colocación, en relación al overshoot
mostraron que ambos poseían tendencia al overshoot en la velocidad, el método de colocación poseía tendencia al
overshoot en el desplazamiento y los métodos no, por esto se puede afirmar una superioridad de los métodos
con respecto al overshoot. Además de esta última ventaja, los métodos fueron encontrados superiores a los
métodos de colocación en cuanto a cantidad de disipación.
29

2.5 Método Hilber-Hughes-Taylor-
2.5.1 Características del método.
El método de Hilber-Hughes-Taylor (también conocido como método ) es una extensión del método de
Newmark, es un método implícito muy utilizado en problemas de dinámica estructural. Este método introduce un
factor que representa un amortiguamiento numérico controlado, manteniendo una convergencia cuadrática.
Esta última característica hace que este método sea muy consistente para la integración de sistemas altamente no
lineales (Valdebenito, 2009).
La familia de métodos de integración de Newmark considera la solución de sistemas lineales de equilibrio dinámico
en base a la Ecuación 2.1. Por otro lado, el método usa el método de Newmark para resolver la siguiente
ecuación de movimiento modificada:
Mut  (1   )Cut  (1   ) Kut  (1   ) Ft   Ft   Cut t   Kut t (Ec. 2.43)
Podemos notar que para 0 se reduce al método de aceleración promedio de Newmark (también conocido
como método trapezoidal) (Wilson, 2002). Donde: M es la matriz de masa, C la matriz de amortiguamiento viscoso,
K es la matriz de rigidez, Ft es el vector de fuerzas que depende únicamente del tiempo, es el parámetro de
amortiguamiento controlado y , y son los vectores desplazamiento, velocidad y aceleración, respectivamente.
El equilibrio dinámico en el instante se expresa como:
Mqn 1  (1   ) Fnq1   Fnq  Fnt (Ec. 2.44)
Con las siguientes formulas de actualización:
1 1 
qn 1  (qn 1  qn )  q (Ec. 2.45)
t  n
      
qn1  qn1  t   1 qn    1 qn  q (Ec. 2.46)
t  2    t n
tn   tn 1   (tn 1  tn ) (Ec. 2.47)
30


Donde q es el vector de coordenadas generalizadas, ∆ es el tamaño de paso de tiempo, es la parte del vector
de fuerzas que depende únicamente de las coordenadas generalizadas q y sus derivadas, es la parte del vector
de fuerzas que depende únicamente del tiempo.
Los programas de diseño estructural Abaqus y SAP2000 incorporan, entre otros, este método de integración paso a
paso para resolver la ecuación diferencial de movimiento.
La principal ventaja del método Hilber-Hughes-Taylor-α es su estabilidad incondicional para sistemas lineales. El
procedimiento para resolver la ecuación no lineal es costoso, y si las ecuaciones son altamente no lineales puede
ser difícil obtener una solución (Abaqus, 2007).
2.5.2 Amortiguamiento Numérico: Parámetro .
Amortiguamiento numérico se refiere a algún sistema de amortiguamiento o disipación de energía, no forma parte
del sistema físico, pero es agregado artificialmente en los cálculos numéricos, ya sea intencionalmente o
involuntariamente por una mala elección del paso de tiempo (Dintwa, 2006).
En el caso del método alfa, el amortiguamiento numérico introduce estabilidad al método de integración, debido a
que disminuye la respuesta de los modos más altos. Hilber y Hughes (1978) señalan que a menor valor del
parámetro alfa (Siempre dentro de los dominios que aseguran estabilidad incondicional), se incrementa la cantidad
de amortiguamiento numérico introducido al sistema.
2.5.2 Estabilidad del Método.
Para sistemas lineales se recomiendan las siguientes relaciones entre parámetros:
1 1 1
  (1  2 ) ,   (1   ) 2 ,     0
2 4 3
Para dichos valores, el método es incondicionalmente estable y de segundo orden de precisión. Disminuyendo α
se incrementa el amortiguamiento numérico. Este amortiguamiento es bajo para modos de baja frecuencia y alto
para modos de alta frecuencia (Drakos, 2002).
31


Se usa frecuentemente un valor 1/3 para maximizar el amortiguamiento numérico en el contenido de altas
frecuencias (Chen y Ricles, 2008b).

Para el valor 0 el método ofrece la más alta precisión entre los métodos disponibles, pero puede permitir
vibraciones excesivas en los modos de frecuencia más alta. Para valores negativos de , los modos de alta
frecuencia son amortiguados. A menudo se utiliza un valor negativo para α para permitir la convergencia de la
solución en análisis no lineal. Para mejores resultados se recomienda usar un paso de tiempo más pequeño y
escoger un cercano a cero (Computers & Structures, 2007).
Hilber y Hughes (1978) estudiaron el desempeño bajo régimen lineal de los siguientes métodos de integración:
Houbolt, Park, esquemas óptimos de colocación y métodos . Se encontró que los métodos son superiores con
respecto a medidas estándar de disipación y dispersión. Además, las características de overshooting son mejores en
comparación a los esquemas de colocación.
Después de usar métodos de integración directa por aproximadamente cuarenta años, Wilson (2002) ya no
recomienda el método de Wilson para integración directa de ecuaciones de equilibrio dinámico. El método de
Newmark con aceleración constante, con la adición de pequeñas cantidades de amortiguamiento proporcional a la
rigidez son recomendados para análisis de sistemas estructurales dinámicos no lineales. Se debe prestar mucha
atención para todos los métodos de integración directa, que deberían tomar como certeza que el amortiguamiento
proporcional a la rigidez no elimina respuestas importantes en alta frecuencia.
El último párrafo hace referencia a los métodos , por lo que quedan mostradas las ventajas de estos métodos y
algunas razones por las cuales los programas de análisis estructural los incorporan en sus procedimientos.
32


2.6 Apreciaciones Generales
Debido a la anteriormente mencionada característica de la mayoría de los métodos explícitos, de ser

condicionalmente estables respecto al tamaño del paso de tiempo, los métodos implícitos surgen como la mejor
alternativa debido a que la mayoría de ellos son incondicionalmente estables.
El hecho de elegir un método de integración implícito no garantiza la obtención de un método eficiente para ser
usado en problemas de dinámica estructural. En el apartado 2.2.4 correspondiente a métodos de colocación se
hace referencia a seis atributos necesarios para que un método de integración sea competente. Las características
más importantes son: incondicionalmente estable, segundo orden de precisión y disipación algorítmica controlable
en los modos más altos. En la Tabla 2.3 se presenta un resumen de los algoritmos de integración descritos en este
capítulo y sus principales características.
A partir del estudio de los métodos de integración presentados se puede afirmar que los métodos más utilizados
provienen de dos corrientes, una proveniente del método de Houbolt (que usa una aproximación de diferencias
finitas obtenida de una curva cúbica) y otra proveniente de la familia de métodos Newmark (usa una aproximación
de las series de Taylor). El método de Houbolt podría ser mejor que la familia de métodos Newmark debido a que
posee disipación algorítmica, pero los continuos intentos por mejorar ambos métodos hicieron que la familia de
métodos Newmark logren una evolución mayor, y así nacen los conocidos métodos-α (Método Hilber-Hughes-
Taylor-α, Método Wood-Bossak-Zienkiewics-α, Método Chung-Hulbert-α), estos poseen los primeros cinco
atributos presentados en el punto 2.2.4 y una respuesta muy superior frente a los métodos de colocación
optimizados propuestos por Hilber y Hughes (1978) en relación al sexto atributo, el overshoot. La familia de
métodos-α, al poseer disipación numérica, son muy robustos a la hora de resolver sistemas altamente no lineales.
Debido principalmente a dichas características se opta por desarrollar el análisis de esta Tesis mediante el método
Hilber-Hughes-Taylor-α.
33


Tabla 2.3 Resumen de los métodos de integración descritos en este capítulo.
AÑO MÉTODO TIPO ESTABILIDAD PRECISIÓN AMORT. NUMÉRICO
1950 Método de Houbolt Implícito Incondicional Segundo Orden Si
Newmark: Diferencia central Explícito Condicional Segundo Orden No

sdsd
1959 Newmark: Aceleración Lineal Implícito Condicional Segundo Orden No
sds
Newmark: Aceleración Constante Implícito Incondicional Segundo Orden No
1968 Método Wilson θ Implícito Incondicional Segundo Orden Si
1977 Método Hilber-Hughes-Taylor-α Implícito Incondicional Segundo Orden Si
1978 Métodos de Colocación Implícito Incondicional Segundo Orden Si
1981 Método Wood-Bossak-Zienkiewics-α Implícito Incondicional Segundo Orden Si
1993 Método Chung-Hulbert-α Implícito Incondicional Segundo Orden Si
1994 Método de paso simple de Houbolt (SSH) Implícito-Explícito Incondicional Segundo Orden Si
34

Capítulo III
SISMOS DE FUENTE CERCANA

Estabilidad del método-α en presencia de sismos de fuente cercana aplicado a estructuras de período largo CAPÍTULO III – SISMOS DE FUENTE CERCANA

3.1 Importancia
Benioff (1955) informó acerca de la primera evidencia sismológica del fenómeno de fuente cercana, en el sismo de
Kern County, California, el año 1952, donde se dedicó a explicar los patrones de intensidad. El investigador mostró
que existía una diferencia en intensidades y frecuencias dependiendo de la dirección de propagación de la ruptura
de falla (Singh, 1985).
Posteriormente, el sismo de San Fernando en 1971 llamó la atención de los científicos con respecto a las
particularidades de los sismos de foco cercano a la falla y en su potencial daño a las estructuras. Desde entonces
han ocurrido muchos otros sismos destructivos de fuente cercana (Imperial Valley 1979, Whittier 1987, Northridge
1994, Kobe 1995, Chi Chi 1999, etc.), el estudio de daños en estructuras junto con análisis de los registros sísmicos
han ayudado a entender las características más importantes de estos eventos (Manfredi et al., 2001).
Bertero et al. (1978) fueron unos de los primeros en estudiar los efectos del sismo de fuente cercana en
estructuras, el estudio mostró que el daño estructural era principalmente atribuible a incursiones en
desplazamientos grandes, los cuales serían causados por un pulso grande, con un aumento en un corto período de
tiempo y una larga duración en relación al sistema. Durante el mismo sismo de San Fernando, los investigadores
notaron que el centro médico de la Figura 3.1 sufrió un gran daño, y después de varios análisis en profundidad de
los daños al edificio, se atribuyeron principalmente a varias fallas en el diseño y la construcción. Sin embargo, el
patrón de daño total y los desplazamientos residuales grandes visibles en la estructura se atribuyeron al gran pulso
de velocidad experimentado en el sitio durante el sismo.
Figura 3.1 Centro Médico Sylmar Olive (Cox y Ashford, 2002).
37


Por otro lado, muchas de las guías actuales para el estudio de los efectos de sismos cercanos a la falla fueron
acumuladas durante y posterior al sismo de Northridge en 1994 (Hall et al., 1995). Un catálogo de desplazamiento
permanente en edificios localizados en regiones cercanas a la falla, reveló sorprendente evidencia del impacto de
los pulsos de velocidad grandes en estructuras de ingeniería (Attalla et al., 1998). Se catalogaron un total de 66
edificios con desplazamientos residuales, de los cuales el 92% (61) tenían desplazamientos de norte a sur. Ninguno
de los 61 edificios presentó alguna componente de desplazamiento en dirección este u oeste. Esto indica que el
movimiento del sismo fue mucho mayor en una dirección que la otra. Ésta es exactamente la situación presente en
muchos registros cercanos a la falla.
En otra investigación, desarrollada por Hall et al. (1995) se utilizó la teoría de propagación de onda para estudiar la
respuesta de un edificio de corte sometido a movimientos de suelo de tipo pulso. Así, ellos también advirtieron
acerca de los efectos perjudiciales de los movimientos de suelo cercanos a la falla y lo inadecuado que son los
códigos actuales en cuanto a las disposiciones presentes para tratar el problema efectivamente.
En los últimos años las personas han aprendido que los sismos de foco cercano son muy distintos a los de foco
lejano, causando un mayor daño los de foco cercano. De hecho, el alto peak de aceleración y el pulso de velocidad
de los sismos de foco cercano destruye estructuras de período corto y largo, respectivamente (Chai et al., 2000).
Se han observado grandes movimientos de suelo y daños graves ocurridos en zonas a pocos kilómetros de
distancia a la falla. Por ejemplo, Kircher (1996) informó que durante el sismo de Kobe, Japón, en 1995 el 90% de las
construcciones colapsaron o presentaron daño severo, en dicho evento, la ruptura de la falla fue localizada dentro
de 5 km.
Adicionalmente, Cox y Ashford (2002) sostienen que los sismos de fuente cercana provocan una sacudida del suelo
que somete a las estructuras a estados de carga que no se han representado en los códigos de diseño. En muchos
códigos de diseño sísmico, como el chileno, no se consideran los efectos de eventos de foco cercano. Por su parte,
Manfredi et al. (2001) nos indica que la diversidad de los efectos sísmicos en las zonas cercanas a la falla ha sido
tomada en cuenta por algunos códigos recientes (ATC (1996), FEMA (1997), UBC (1997)), teniendo como idea
introducir factores de amplificación para incrementar el valor del coeficiente sísmico. Sin embargo, según
Alavi y Krawinkler (2001) se cree que los factores introducidos no son suficientes para resolver el problema de
forma consistente, debido a que estos factores prestan poca atención a las características de respuesta física de los
movimientos de suelo cercanos a la falla.
Chai et al. (2000) mencionan que los efectos de sismos de foco cercano fueron agregados al código UBC97
previamente al sismo de Northridge en 1994. Además, se agrega que un año después de ocurrido el sismo de
Chi Chi, Taiwán en 1999, en el código de diseño de dicho país no se han considerado los efectos de este tipo de
38


sismos. El sismo de Chi Chi registrado por 441 estaciones, siendo actualmente una de las fuentes principales de
caracterización de sismo de foco cercano, debido a la gran cantidad de registros.
Con respecto a las normativas de diseño, Li y Zhu (2003) estudiaron el código UBC97 y el código de diseño sísmico
de China en relación a los movimientos de suelo cercano a la falla. Compararon los factores del código UBC97 y
establecieron que para sismos pequeños y moderados, de magnitud menor a 7, éstos son subestimados; por otro
lado los factores del código de diseño sísmico Chino son más grandes en comparación a los presentes en el
código UBC97. Lo que motivó a los investigadores a revisar los códigos sísmicos para sismos de fuente cercana, fue
la construcción de edificios altos y puentes de grandes dimensiones en una zona cercana a una falla en China.
Complementando lo recién mencionado, Akkar y Gülkan (2003) comprueban que los factores entregados por los
códigos UBC97 y las relaciones de atenuación del código FEMA-302, referidos a eventos sísmicos cercanos a la falla
(eventos de magnitud grande, mayor a 7, y distancias a la falla menores a 5 km), subestiman la demanda real.
A pesar de los estudios realizados, Manfredi et al. (2001) sostiene que se debería hacer un gran esfuerzo para
comprender de forma exhaustiva el fenómeno, para así cuantificar de manera correcta sus efectos sobre las
estructuras.
Según Cox y Ashford (2002) los factores que afectan los registros de movimiento del suelo son varios, siendo
frecuentemente la magnitud del sismo, la distancia desde la ruptura de la falla, características topográficas y la
estratigrafía subterránea del suelo, los primeros factores a considerar. Cuando un sitio está dentro de la región
cercana a la falla (menor a 10 km) un conjunto de factores controlan el movimiento que es registrado. Cuando
dichos factores se encuentran, estamos en presencia del efecto de directividad.
3.2 Características del Efecto de Fuente Cercana
Los movimientos de suelo cercanos a la falla causaron mucho daño en la vecindad de fuentes sísmicas durante los
sismos recientes de Northridge 1994, Kobe 1995 y Chi Chi 1999. Existe evidencia que muestra que la sacudida del
suelo cercano a la ruptura de la falla puede ser caracterizada por un movimiento impulsivo de corta duración que
expone a las estructuras a un input grande de energía al comienzo del registro. Este movimiento tipo pulso es
particularmente en la dirección adelantada, donde la ruptura de la falla se propaga hacia el sitio a una velocidad
similar a la velocidad de la onda de corte, esto causa que la mayor parte de la energía sísmica llegue al sitio en un
tiempo pequeño (Singh, 1985). Esta última idea corresponde a la característica de directividad, la que será expuesta
en detalle en el punto siguiente.
39


En un evento de estas características el movimiento puede ser realmente fuerte, como el sismo de Imperial Valley
en 1979 de magnitud 6,4 y un peak de aceleración vertical de 1,6 g, 4,8 veces más grande que el peak de
aceleración horizontal (Chouw, 2000).
En relación al orden de distancia para considerar a un movimiento de suelo cercano a la falla, Bray y Rodriguez-
Marek (2004) sostiene que la zona de fuente cercana es asumida dentro de una distancia alrededor de 20 km desde
la ruptura de la falla.
3.2.1 Efecto de Directividad
La directividad se puede definir mediante el siguiente ejemplo: imagine que una ruptura se propaga a cierta
velocidad a lo largo de un plano de falla. Las estaciones localizadas en la dirección de propagación de la ruptura
experimentan movimientos de duraciones más cortas que las estaciones localizadas en la dirección opuesta a la
dirección de ruptura. Las amplitudes asociadas al evento sísmico son más grandes para las estaciones ubicadas en la
región de “directividad adelantada” que para las estaciones ubicadas en la región de “directividad atrasada”
(Chen y Scawthorn, 2003).
Un efecto de directividad en un sitio después de un
ADELANTADA
sismo puede ser clasificado como: adelantada,
atrasada o neutral. Si la ruptura se propaga hacia el NEUTRAL
sitio y el ángulo entre la falla y la dirección desde el
hipocentro al sitio es razonablemente pequeño, el
sitio probablemente demuestra directividad
adelantada (Hall y Aagaard, 1998; Hall et al., 1995 y
Somerville, 1997). Cabe mencionar que no todos los ATRASADA NEUTRAL
eventos de fuente cercana experimentan ruptura
por efectos de directividad adelantada. Si la ruptura
se propaga afuera del sitio, probablemente Figura 3.2 Tipos de directividad según dirección
estaremos en presencia de directividad atrasada de la ruptura (Cox y Ashford, 2002).
(Abrahamson, 1998). Si el sitio está más o menos
perpendicular a la falla desde el hipocentro, es probable que demuestre directividad neutral (ver Figura 3.2).
40


Somerville (1997) señala que la directividad adelantada corresponde al alineamiento de la dirección de ruptura y de
la onda de propagación, causando una demanda alta en la dirección normal a la falla, debido a que incluyen una
gran cantidad de energía acumulada en sus señales de pulso. Cox y Ashford (2002) agregan que uno de los factores
primordiales que afectan al movimiento en la región cercana a la falla es la dirección en la cual se propaga la
ruptura desde el hipocentro a lo largo de la zona de ruptura. El factor mencionado es el que le da el nombre al
efecto de directividad.
La directividad adelantada produce movimientos del suelo que tienen amplitudes grandes y duraciones cortas.
Estas características se pueden apreciar en los registros de velocidad presentes en la Figura 3.8. Por otro lado, la
directividad atrasada se caracteriza por amplitudes bajas y largas duraciones (Bray y Rodriguez-Marek, 2004).
Cuando se mencionan los efectos de directividad se refiere en particular a los efectos de “directividad adelantada”,
porque desde el punto de vista de vulnerabilidad sísmica, son los más críticos para las estructuras.
Con respecto a los tipos de falla,
nombraremos los dos más comunes,
cuando los dos lados de la falla se
mueven horizontalmente entre ellas,
estamos en presencia de un
Fallas de desplazamiento horizontal.
desplazamiento horizontal. La otra
falla geométrica básica es llamada
falla de deslizamiento sumergido,
ésta ocurre cuando un lado de la falla Falla normal por deslizamiento sumergido. Falla inversa por deslizamiento sumergido.
se desliza hacia abajo con respecto a
la otra, cuando el deslizamiento Figura 3.3 Tipos básicos de falla, arriba: falla de desplazamiento horizontal,
ocurre en dirección de la gravedad, se abajo: deslizamiento sumergido (Stein y Wysession, 2003).
trata de una falla normal (ver Figura 3.3), cuando el deslizamiento es al revés del recién mencionado, se trata de
una falla invertida (Stein y Wysession, 2003).
La ruptura por efectos de directividad adelantada ocurre si se cumplen las siguientes condiciones: la ruptura se
propaga hacia el sitio y la dirección del deslizamiento en la falla está alineada con el sitio. Las condiciones para
generar ruptura por efectos de directividad adelantada está mostrada en la falla por desplazamiento horizontal
(Figura 3.4), donde la ruptura se propaga horizontalmente a lo largo del golpe ya sea unilateralmente o
bilateralmente, y la dirección de deslizamiento de la falla está orientada horizontalmente a lo largo de la dirección
del golpe de la falla. (Somerville, 2005).
41


La Figura 3.4 muestra las orientaciones
de movimientos de suelo cercano a la
Desplazamiento Horizontal Desplazamiento Sumergido
falla. El desplazamiento horizontal,
mostrado en la vista en planta, se Falla Desplazamiento residual
puede observar que la falla define la
Pulso de directividad
dirección del golpe. El pulso por Superficie
directividad está orientado en la

Pulso de directividad
dirección normal al golpe y el
Desplazamiento residual Falla
desplazamiento permanente está
orientado paralelo a la falla. El Figura 3.4 Orientación de la ruptura por pulso de directividad y falla de
deslizamiento sumergido es mostrado deslizamiento, desplazamiento horizontal (izquierda) y desplazamiento
en la sección transversal (a la derecha), sumergido (derecha) (Somerville, 2005).
donde la falla define la dirección de desplazamiento, la dirección del golpe es ortogonal a la página; el pulso por
directividad está orientado en dirección normal a la falla, y tiene componentes en las direcciones vertical y
horizontal.
Con la finalidad de mejorar la caracterización de la directividad adelantada en zonas cercanas a la falla,
Bray y Rodriguez-Marek (2004) propusieron una parametrización simplificada basada en una amplitud
representativa, período del pulso, y número de pulsos significativos en el registro de velocidades en el tiempo.
Desarrollaron relaciones empíricas para estimar el peak de velocidad y el período del pulso de velocidad. Además,
notaron que el peak de velocidad varía significativamente con la magnitud y la distancia de ruptura.
3.2.1.1 Patrón de Radiación
El patrón de radiación es la asimetría geográfica de un sismo causado por los procesos de falla. La amplitud y
polaridad de una onda difundida desde una fuente sísmica cambia dependiendo de la orientación de la fuente y el
receptor. Esta dependencia es llamada patrón de radiación, éste está estrechamente relacionado con el mecanismo
de falla del sismo. Debido a la directividad, las amplitudes del sismo aumentan en la dirección adelantada de
propagación de la ruptura, mientras que en la dirección contraria son aminoradas (Chen y Scawthorn, 2003). El
concepto general de patrón de radiación es mostrado esquemáticamente en la Figura 3.5, donde se muestra una
propagación de ruptura de la falla en dirección de izquierda a derecha para dos velocidades de propagación
42


distintas, los diagramas del lado izquierdo corresponden a una velocidad de propagación de ruptura de 0.5 veces la
velocidad de la onda de corte y los del lado derecho, para una velocidad de 0.9 veces la velocidad de la onda de
corte. De la figura se puede apreciar que en la dirección de la ruptura, las amplitudes de velocidad son
considerablemente mayores.
a) b)
Onda P
Onda S
Figura 3.5 Patrón de radiación de amplitud para una propagación de ruptura de izquierda a derecha (Chen y Scawthorn, 2003).
3.2.1.2 Componentes de movimiento del suelo
La directividad tiene su mayor efecto en la componente

Sitio Sitio
tiempo
que está orientada perpendicular al plano de ruptura paralelo a la falla

Desplazamiento
Desplazamiento
(componente normal a la falla). El patrón de radiación normal a la falla
tiempo
de un desplazamiento por corte en una falla causa que
el gran pulso de movimiento sea orientado en dirección
perpendicular a la falla, causando que el movimiento en
la dirección normal sea mayor que en la dirección
paralela (ver Figura 3.6), para períodos mayores a 0.5 Ruptura de la falla
segundos. Para caracterizar de manera precisa un sismo Epicentro
cercano a la falla, es necesario especificar por separado

Figura 3.6 Efecto del patrón de radiación para una falla de
el espectro de respuesta y registros en el tiempo para
deslizamiento de golpe vertical y sus componentes de
las componentes de movimiento de falla normal y desplazamiento: normal y paralela a la falla
paralela (Somerville, 2003). (Chen y Scawthorn, 2003).
43


La Figura 3.7 muestra la delineación de la velocidad y el desplazamiento del suelo para las componentes: normal y
paralela a la falla, de un registro correspondiente al sismo de Northridge en 1994. Este movimiento de suelo se
registró en una zona en presencia de directividad adelantada y muestra un largo pulso de movimiento en la
componente normal a la falla dentro del intervalo entre 2 y 3 segundos. La componente normal a la falla es de
mayor magnitud que la componente paralela debido al patrón de radiación de desplazamiento por corte. Por lo
tanto, la orientación de la estructura con respecto a la dirección de la falla, podría llegar a ser muy importante,
debido a que puede determinar la gravedad del movimiento del suelo a la que la estructura esté expuesta en una
región cercana a la falla (Alavi y Krawinkler, 2001). En resumen, esta particularidad de que el movimiento tiene una
componente clara es debida a los efectos de directividad, que se muestra en la Figura 3.4 y se explicó en dicha
sección.
max=174 max=60,9
v (cm/s)
v (cm/s)
max=38,3 max=17,3
u (cm)
u (cm)
Tiempo (s) Tiempo (s)

Componente Normal a la Falla Componente Paralela a la Falla
Figura 3.7. Registros en el tiempo de velocidad y desplazamiento para la componente normal y paralela a la falla,
registro correspondiente al sismo de Northridge en 1994 (Alavi y Krawinkler, 2001).
44


3.2.2 Pulso de velocidad
Un sismo es un desplazamiento de corte que comienza en un punto de una falla y se extiende a una velocidad casi
tan grande como la velocidad de la onda de corte. Cuando la propagación de la ruptura hacia un sitio se da a una
velocidad similar a la onda de corte, causa que la mayor parte de la energía sísmica desde la ruptura, se presente en
un solo pulso grande que ocurre al comienzo del registro. Este pulso de movimiento representa el efecto
acumulativo de casi toda la radiación sísmica desde la falla (Somerville, 2005).
En particular, Somerville (1997) sostiene que los registros de sismos cercanos a la falla que corresponden a
condiciones de directividad adelantada son caracterizados por un impulso de movimiento grande al comienzo del
evento y puede dar origen a pulsos de velocidad grande, siendo una gran cantidad de energía la que tiene que ser
disipada en ese instante. Por esto
último, tal vez la característica más Erzincan
Velocidad (cm/s)
importante de los sismos de fuente

cercana es la aparición de un pulso de
velocidad grande como resultado de los
Lucerne
Velocidad (cm/s)
efectos de directividad. Estos pulsos

pueden ser encontrados en registros de
aceleración y desplazamiento, sin
embargo, el pulso de velocidad surge
Velocidad (cm/s)
Kobe University
como el más importante. El pulso de
velocidad acoplado con un peak grande
de desplazamiento da origen a un daño
potencialmente considerable
Velocidad (cm/s)
Gebze
(Hall et al., 1995).
Como se ha comentado anteriormente,
a menudo el mejor indicador de daño Tiempo (s)
potencial es el peak de velocidad, Figura 3.8 Registros de velocidad de algunos sismos representativos de fuente
incluso mejor que el peak de cercana que exhiben efectos de directividad adelantada
aceleración, en la Figura 3.8 se aprecian (Bray y Rodriguez-Marek, 2004).
45


varios registros de velocidad que presentan estos pulsos. De la figura se puede apreciar claramente los pulsos de
velocidad presentes en los registros, además se destacan los peaks de velocidad alcanzados por dichos pulsos.
En resumen, el pulso de velocidad grande es perjudicial según los ingenieros, pero el daño potencial también
depende de cómo ocurren los desplazamientos durante dichos pulsos (Hall et al., 1995).
Se pueden definir dos tipos de pulsos de velocidad en registros sísmicos de fuente cercana. El primero es un pulso
de velocidad “de dos caras” generado por la ruptura debido a los efectos de directividad. El segundo, es un pulso
de velocidad “de una cara” generado por el permanente desplazamiento. Este último puede durar varios segundos
dependiendo de cómo sea el desplazamiento de la falla (Qifang et al., 2006).
Según Cox y Ashford (2002) para estar en presencia de un pulso de velocidad grande se deben cumplir las
condiciones de directividad adelantada, éstas son:
1. El sismo es suficientemente grande (magnitud mayor a 6);
2. El sitio está localizado suficientemente cercano a la ruptura de falla (dentro de 10 km); y
3. La ruptura se propaga hacia el sitio.
Este pulso de velocidad grande se presenta en la dirección normal a la falla y varía enormemente en forma,
magnitud de peak, duración y número de ciclos. A menudo la categorización de si un pulso corresponde o no a un
pulso de velocidad grande por efectos de directividad está sujeta a interpretación, sin embargo, es esencial
determinar claramente los parámetros que delimiten cuáles pulsos incluir finalmente (Cox y Ashford, 2002).
Somerville (2002) menciona que en un seminario de representación de movimientos sísmicos en San Francisco el
año 1997, se llegó a un consenso en cuanto a que el espectro de respuesta no es una representación adecuada de
los movimientos cercanos a la falla, debido a que no representa adecuadamente el alto grado de absorción de
energía presente en estos pulsos.
3.2.3 Falla Superficial o Sub-superficial
Los sismos recientes de Turquía y Taiwán produjeron rupturas superficiales grandes y en los registros se encontró
que el movimiento del suelo era débil en los períodos cortos e intermedios. Estas observaciones son consistentes
con los descubrimientos realizados en sismos anteriores, se concluyó por lo tanto que los sismos que producen
fallas superficiales son más débiles que los eventos cuya ruptura es sub-superficial. En la Figura 3.9(A) se
clasificaron seis registros de velocidad según magnitud y tipo de ruptura, los registros del lado izquierdo
corresponden a ruptura sub-superficial, mientras que los del lado derecho son de ruptura superficial. Por lo tanto,
46


las diferencias en relación a las características del pulso mostradas en la figura, pueden ser atribuibles a los efectos
del tipo de ruptura y no solamente a la magnitud del evento sísmico (Somerville, 2002).
3.2.4 Banda Estrecha de Pulsos
Somerville et al. (1997) y Abrahamson (2000) desarrollaron un modelo simple para estimar los efectos de
directividad y patrón de radiación en la predicción de las componentes: normal y paralela a la falla. Luego,
Somerville (2000) sostuvo que el modelo recién mencionado es probablemente demasiado simple y basado en los
registros de los sismos de Chi-Chi, Taiwán en 1999 y Kocaeli, Turquía el mismo año, confirma que la ruptura
cercana a la falla debida al pulso de directividad es una banda estrecha de pulsos cuyo período se incrementa a
mayor magnitud. El período del pulso cercano a la falla está relacionado a parámetros de la fuente, tales como, el
aumento de tiempo (duración del deslizamiento a un punto en la falla) y las dimensiones de la falla.
La Figura 3.9(A) muestra dos grupos de sismos cercanos a la falla, agrupados según magnitud y tipo de falla, se
puede apreciar la banda estrecha de pulsos, que causa peaks en su espectro de respuesta respectivo. En la Figura
3.9(B) se muestran los espectros de aceleración de los mismos sismos. La componente normal a la falla (la que
contiene efectos de directividad) se traza con línea continua, la componente paralela con línea segmentada, y la
vertical con línea punteada. Se utiliza como modelo de referencia el espectro del código UBC 1994, para suelo
correspondiente al sitio. De la figura se puede notar que los espectros de los sismos más pequeños, que presentan
una banda estrecha de pulsos, son muy distintos a los de mayor magnitud, sus espectros son mucho más grandes
que el espectro del código UBC en el rango intermedio de período, entre 0,5 y 2,5 segundos, pero similar para
períodos más largos.
47


A) Ruptura sub-superficial Ruptura superficial grande B) Ruptura sub-superficial Ruptura superficial grande
Mw 6,7-7,0 Mw 7,2-7,6 Mw 6,7-7,0 Mw 7,2-7,6
Espectro de aceleración (g) Espectro de aceleración (g)

Loma Prieta-LGPC Landers-Lucerne Loma Prieta-LGPC Landers-Lucerne
Velocidad (cm/s)
Kobe-Kobe JMA Turkey-Yarimca Kobe-Kobe JMA Turkey-Yarimca

Velocidad (cm/s)
Espectro de aceleración (g)

Northridge-Rinaldi Taiwan-Tsaotun Northridge-Rinaldi Taiwan-Tsaotun
Velocidad (cm/s)
Tiempo (s) Tiempo (s) Período (s) Período (s)
Figura 3.9 (A) Pulsos de velocidad registrados en sismos de magnitud moderada (Izquierda) y sismos de mayor magnitud
(Derecha) (B) Espectros de aceleración registrados en sismos de magnitud moderada (Izquierda) y sismos de mayor
magnitud (Derecha) (Somerville, 2002).
Basado principalmente en estas observaciones, Somerville (2003) presentó un modelo preliminar para el espectro
de respuesta de aceleración de movimientos del suelo cercano a la falla incluyendo una dependencia de la
magnitud respecto al período del peak tanto para suelo duro como para suelo blando.
48


3.3 Diferencias con Sismos Comunes
Incluso sin tener en cuenta los efectos de directividad, los movimientos de suelo de fuente cercana son más graves
que los movimientos de suelo comunes registrados durante el mismo evento y bajo condiciones de sitio similares,
esto debido a la proximidad a la fuente sísmica, la cual no permite una atenuación considerable del movimiento de
suelo. Para mostrar la gravedad del pulso en movimientos del suelo cercano a la falla, la Figura 3.10 compara los
espectros de respuesta de velocidad de fuente cercana y los comunes. La línea gruesa llamada 15-D representa el
espectro de velocidad promedio de un conjunto de 15 sismos comunes cuyo espectro individual se parece al
espectro del código UBC 97 para suelo tipo SD. Las otras líneas corresponden al espectro de velocidad de
movimientos de suelo cercano a la fuente con efectos de directividad adelantada. En dicha figura es evidente notar
la gran variación en el espectro de respuesta que diferencia a los sismos cercanos a la fuente de los comunes.
Los máximos valores de los registros cercano a la falla son varias veces mayores al registro promedio 15-D, esto
indica que los registros de fuente cercana pueden imponer demandas muy grandes que necesitan ser consideradas
en el proceso de diseño (Alavi y Krawinkler, 2001).

Sv (cm/s)
T (s)
Figura 3.10 Espectros de respuesta de velocidad de movimientos de suelo de fuente cercana y comunes
(Alavi y Krawinkler, 2001).
49

Capítulo IV
MODELO Y ANÁLISIS
Estabilidad del método-α en presencia de sismos de fuente cercana aplicado a estructuras de período largo CAPÍTULO IV – MODELO Y ANÁLISIS

Para la realización de esta Tesis, se tomó un puente tipo atirantado, de un total de ocho, adaptados por
Valdebenito (2009), de acuerdo a la referencia de Walther (1999). En el presente capítulo se describe el modelo
seleccionado, su geometría, materiales, las consideraciones de diseño, los registros sísmicos escogidos para el
análisis dinámico y los parámetros principales que podrían influir en la estabilidad del análisis paso a paso.
4.1 Geometría del Modelo
4.1.1 Disposición Longitudinal
La configuración longitudinal de los cables es uno de los aspectos fundamentales en el diseño de los puentes
atirantados. Su influencia es tanto en el desempeño estructural del puente, así como también el método de
construcción, y costo económico (Walther, 1999).
En el tiempo se mantienen tres disposiciones longitudinales clásicas de los tirantes:
- Abanico.
- Arpa.
- Intermedia.
En la Figura 4.1 se pueden apreciar las disposiciones de los tirantes, recién mencionadas.

(a)
(b)
(c)
Figura 4.1 Disposición de tirantes en puentes atirantados: a) Abanico, b) Arpa, c) intermedia (Gimsing, 1998).
53


El atirantamiento múltiple tiene varias ventajas: el gran número de apoyos elásticos conduce a moderar la flexión
longitudinal en el tablero; remplazo de los tirantes es relativamente simple, lo cual es importante principalmente
cuando ocurre un daño estructural, por ejemplo, después de un sismo. Por otro lado, la distancia entre tirantes
depende de varios factores, pero principalmente del espesor y rigidez del tablero (Walther, 1999).
El puente de este estudio tiene una luz principal de 204,6 m; los vanos de compensación son de 99,2 m; posee un
atirantamiento tipo arpa; los tirantes son dispuestos a una distancia de 12,4 m; tablero es de tipo cajón cerrado, el
nivel del tablero está a 60 m de altura y la pila alcanza la altura de 111 m (ver Figura 4.2).
H = 51
12,4 (tip) 12,4 (tip)
60
I = 99,2 L = 204,6 I = 99,2
Figura 4.2 Dimensiones del modelo de puente atirantado, longitudes en m (Valdebenito, 2009).
4.1.2 Disposición Transversal
En relación a la dirección transversal, muchas de las estructuras existentes consisten en dos planos de cables,
generalmente en el borde de la estructura. Sin embargo, en la actualidad se han construido varios puentes con un
plano de tirantes central. También es posible visualizar soluciones con tres o más planos, a fin de reducir los
esfuerzos cuando el tablero es más ancho, pero esta última posibilidad se realiza con poca frecuencia
(Walther, 1999). Las configuraciones recién mencionadas son ilustradas en la Figura 4.3.
54


Para el caso de un plano de tirantes central, el
sistema está sometido a momentos torsionales
mayores, por lo cual el tablero deberá contar con
la rigidez apropiada. Del mismo modo, las pilas
ubicadas en el centro de la carretera harán
(a) Un plano de tirantes
incrementar el espesor del tablero.
En el caso de los puentes atirantados con
suspensión lateral vertical, los tirantes aseguran
(b) Dos planos de tirantes una conexión rígida entre las pilas y el tablero.
Por otro lado la suspensión lateral parece tener
ventaja desde el punto de vista sísmico, debido a
su mayor estabilidad, principalmente cuando el
(c) Tres planos de tirantes sismo ocurre en la dirección transversal. Aunque
la rigidez y estabilidad de la estructura puede ser
Figura 4.3 Disposición transversal de los tirantes (Walther, 1999).
mejorada mediante el uso de pilas tipo A, a su
vez, el plano de tirantes inclinado asociado a
estas pilas, puede dar problemas cuando las luces
Plano de tirantes Plano de tirantes son muy largas (Walther, 1999).
Tomando en cuenta las características antes
mencionadas, se seleccionó una pila tipo marco
con atirantamiento lateral (ver Figura 4.4). Se
Tablero considera esta tipología debido a la geometría
0,00
simple y la mejor comprensión de características
estructurales y sísmicas no lineales
Figura 4.4 Disposición transversal del modelo (Valdebenito, 2009). (Valdebenito, 2009).
55


4.1.3 Elementos del Puente
4.1.3.1 Tablero
Con la llegada de los puentes de atirantamiento múltiple, desapareció la necesidad de una sección transversal del
tablero con un alto grado de rigidez. La rigidez óptima no solo depende de la distancia entre los tirantes, sino
también del tipo de atirantamiento y el ancho del puente. Por otro lado, las dimensiones mínimas del tablero
quedan determinadas por los momentos transversales y por las considerables cargas puntuales introducidas a los
anclajes. Usualmente existen dos criterios de diseño opuestos, uno en la dirección longitudinal y el otro en la
transversal, y no es fácil encontrar el sistema que entregue una respuesta óptima frente a estos dos requerimientos.
En cuanto a la elección del material, este es el criterio principal que incide en el costo total del puente. El peso
propio tiene influencia directa en las capacidades requeridas para tirantes, pilas y fundaciones. Del mismo modo, el
material es uno de los aspectos principales que controla la respuesta sísmica del puente, debido a las fuerzas de
inercia introducidas por un sismo (Valdebenito, 2009).
El tablero del modelo del presente trabajo es de tipo cajón cerrado, como se puede apreciar en la Figura 4.5.
4,00 5,00 4,00
0,17
0,18
2,25
0,18
0,17
17
0,
Figura 4.5 Tablero tipo cajón cerrado del modelo, dimensiones en m (Valdebenito, 2009).
4.1.3.2 Pilas
Uno de los principales componentes estructurales del puente son las pilas. Éstos, además de tener una resistencia
al esfuerzo de flexión adecuada, también deben ser lo suficientemente rígidos para reducir las deformaciones del
tablero.
56


Aunque las pilas tienen una gran influencia en la arquitectura del puente atirantado, la selección de la geometría de
la torre no es solamente estética, sino también estructural. El comportamiento sísmico de la torre puede jugar un
rol muy importante en la selección de la geometría, siendo de esta manera muy importante conocer las
características estructurales principales y el comportamiento sísmico de cada una (Walther, 1999).
La forma de las torres depende en gran parte del tipo de atirantamiento y las cargas aplicadas, además de las
consideraciones estéticas (Morgenthal, 1999). Algunas configuraciones típicas se muestran en la Figura 4.6.
(a) (b) (c) (d)
Figura 4.6 Tipos de pila (Valdebenito, 2009).
Para el modelo del presente trabajo, la pila es de tipo marco con atirantamiento lateral (ver Figura 4.6 (b)). La pila
tipo marco es simple, económico, estable y adecuado para el análisis, y puede anticiparse que el comporta miento
sísmico debe ser bueno. Los brazos de la pila están fuera del ancho del tablero, por lo que los planos de
atirantamiento están levemente inclinados con respecto a los brazos verticales de la pila. Por esta razón, los brazos
son sometidos a significativos momentos flectores transversales bajo un estado de cargas permanente. Con objeto
de minimizar estas fuerzas, se dispone una viga de arriostramiento en la parte superior de los brazos de las pilas
(Valdebenito, 2009). El tipo de pila del modelo es representado en la figura 4.7.
57

Figura 4.7 Pila tipo marco correspondiente al modelo (Valdebenito, 2009).
4.1.4 Resumen de las Características Geométricas del Modelo
Este puente posee una luz principal, soportada por 2 pilas, la luz principal es de 204,6 m de longitud, los vanos de
compensación son de 99,2 m. La sección transversal del tablero corresponde a un cajón cerrado de hormigón
armado. El tablero a su vez es soportado por un doble plano de atirantamiento ordenados en tipo arpa, los tirantes
se disponen cada 12,4 m. Estos tirantes son compuestos de fibras de cables paralelos, cuyo diámetro es de 10 cm.
A su vez los tirantes son sostenidos por las pilas, éstas son de tipo marco, los brazos de la pila están a una distancia
de 17 m entre sí y tienen dimensiones de 4,0x6,0 m, a su vez, los arriostramientos son de 4,0x4,0 m. La altura de la
pila es de 111 m, mientras que el tablero se encuentra a 60 m de altura.
4.2 Bases de Diseño
4.2.1 Materiales y Propiedades Mecánicas
Los materiales y sus correspondientes propiedades mecánicas fueron escogidos de acuerdo a especificaciones
generales y reglamentaciones para el diseño de puentes, tomando en cuenta consideraciones sísmicas
(Priestley et al., 1996; Walther, 1999; Ministerio de Fomento, 2000; Aparicio y Casas, 2000).
58


En el tablero y las pilas del modelo se emplea hormigón pretensado HP-40 de acuerdo al reglamento español EHE
(Ministerio de Fomento, 2000). En relación al acero de refuerzo, se utiliza acero B-400-SD con características
especiales de ductilidad, también de acuerdo al código del Ministerio de Fomento (2000). En la tabla 4.1 se
muestran las propiedades mecánicas de los materiales recién enunciados.
Tabla 4.1 Propiedades mecánicas del hormigón y el acero de refuerzo (Valdebenito, 2009).
Hormigón Acero de Refuerzo
Propiedad Mecánica Valor Propiedad Mecánica Valor
Resistencia Característica (fck) 40 MPa Límite Elástico (fy) 400 MPa

Resistencia Promedio (fcm) 48 MPa Modulo de Elasticidad (E) 2,1x105 MPa
Modulo de Elasticidad (E0) 36000 MPa Razón de Poisson (ν) 0,30
Razón de Poisson (ν) 0,20 Peso (γ) 78,5 kN/m3
Peso (γ) 25 kN/m3 Coeficiente de expansión térmica (α) 1.1x10-5 (1/°C)
Coeficiente de expansión térmica (α) 1,43x10-5 (1/°C)
Para el atirantamiento se emplean tirantes de cables paralelos (ver Figura 4.8), compuesta de acero Y 1860 S7 de
acuerdo al código EHE (Ministerio de Fomento, 2000). Las características principales de los tirantes se muestran en
la Tabla 4.2.
Tabla 4.2 Propiedades mecánicas de los tirantes (Valdebenito, 2009).
Propiedad Mecánica Valor
Diámetro Nominal (ΦN) 0,6''

2
Área Nominal (AΦ) 140 mm
Modulo de Elasticidad (E) 190000 MPa
0-2% Límite de Fluencia (f0,02) 1700 MPa
Tensión Ultima (fu) 1900 MPa
3
Figura 4.8 Tirante de cables paralelos Peso (γ) 78,5 kN/m
(Morgenthal, 1999). Razón de Poisson (ν) 0,30
-5
Coeficiente de expansión térmica (α) 1,1x10 (1/°C)
59


4.2.2 Cargas, Combinaciones y Casos de Análisis
A nivel mundial existen muchas discrepancias con respecto a las cargas en los puentes. Numerosas comitivas
discutieron este tema por muchos años, sin lograr alguna conclusión universal aceptable. Sin embargo, cada vez
más se da por hecho que debe realizarse una clara distinción entre requerimientos de servicio y las capacidades de
carga (Walther, 1999).
En la presente idealización se está considerando la respuesta sísmica del puente atirantado, por este motivo
algunas otras solicitaciones no son consideradas. Para definir las solicitaciones se utiliza el procedimiento de la
Dirección General de Carreteras de España (Ministerio de Fomento, 1998) y en relación a la acción sísmica se
consideran las disposiciones del Eurocódigo 8 – Parte 2 (CEN, 1998b).
En esta investigación, el puente se considera de una importancia media y un tráfico de diseño normal. Estas últimas
consideraciones implican un factor de importancia sísmica 1,00 de acuerdo con el Eurocódigo 8 Parte 2
(CEN, 1998b), y un factor de carga viva 0 de acuerdo al Eurocódigo 8 Parte 3 (CEN, 1998c). De esta manera
el estudio de la respuesta sísmica del puente solo considera las siguientes solicitaciones: cargas permanentes (qPL),
las fuerzas de tesado de los tirantes (qSPL) y la acción sísmica (qE). Estas consideraciones son razonables debido a
que las cargas permanentes de un puente atirantado puede contribuir entre un 80-90% del total de las cargas de un
puente (Ren y Obata, 1999).
Por lo recién mencionado, para combinar las cargas en el modelo, es necesario agregar cada acción.
4.2.2.1 Cargas Permanentes
Estas cargas incluyen:

- El peso propio de la estructura (depende de la geometría del modelo y sus materiales).
- Carga muerta (uniformemente distribuida en la sección del tablero, con un valor promedio de
3,75 kN/m2).
4.2.2.2 Fuerzas de Tesado de los Tirantes
Esta solicitación corresponde a las fuerzas de tracción a las que están sometidos los tirantes del puente para así
compensar la totalidad de la carga permanente cuando la estructura está terminada y lista para prestar servicio. Para
60


obtener estas fuerzas, los tirantes fueron reemplazados por conexiones rotuladas (apoyos fijos). Se cambió el
material del tirante por uno con muy alto modulo de elasticidad, para simular una rigidez alta. Se aplican las cargas
permanentes, así, las fuerzas de pretensado en los tirantes son las tensiones obtenidas en los cables. En esta etapa
los cables fueron modelados como elementos barra, con uniones rotuladas en los extremos de los cables y un
diámetro de 18 cm. Como primera aproximación, se realizó un análisis estático no lineal bajo carga permanente.
Los resultados de este análisis mostraron desplazamientos excesivos tanto en dirección longitudinal en la parte
superior de la torre, como vertical en el centro de la luz principal. Para mejorar estos resultados, se introduce una
rectificación de las fuerzas de tesado para algunos tirantes de retención. Esta corrección se llevo a cabo de forma
iterativa a fin de minimizar los valores de desplazamientos para la torre y el tablero, hasta llegar a un valor óptimo
en las fuerzas de tesado (Valdebenito, 2009).
Para el modelo utilizado en esta Tesis se incrementó en un 12% las fuerzas de tesado en los tirantes C1 al C8
(Valdebenito, 2009). En la Figura4.9 se resumen las fuerzas corregidas.
C1 3080 LC C9 890
LC
C2 2200 C10 2000
C3 3120 C2
C2 C16
C16 C11 2580
C1
C1
C4 3280 C12 2760
C5 3190 C13 2800
C6 2950 C14 2700
C7 2240 C15 2600
C8 850 C16 2300
Figura 4.9 Fuerzas de pretensado en los tirantes (Valdebenito, 2009).
4.2.2.3 Cargas Sísmicas
Las cargas sísmicas fueron definidas de acuerdo a las recomendaciones presentes en el Eurocódigo–Parte 2
(CEN, 1998b). En relación al análisis no lineal temporal, se consideró la carga sísmica usando registros temporales
de aceleración. Para cada evento sísmico, la componente horizontal con la velocidad espectral más alta en el rango
de período de interés se aplicó a la dirección longitudinal-X, la otra componente horizontal se aplico a la dirección
transversal-Y, y la última componente en la dirección vertical-Z. Estos registros recién mencionados son expuestos
en detalle en el punto 4.4. Al parecer esta aproximación es la más razonable para estructuras de período largo,
61


como lo es el puente a estudiar, y de acuerdo al rango de período de interés, tal vez es más preciso aplicar
espectros de velocidad, porque en esos rangos, este tipo de estructuras son más sensibles a la velocidad
(Valdebenito, 2009).
Una estructura bien diseñada debería ser capaz de resistir movimientos sísmicos desde todas las direcciones
posibles. Por lo tanto es razonable asumir que los movimientos durante un sismo tienen una dirección principal
(Penzien y Watable, 1975). Para estructuras tridimensionales simples, es fácil obtener las direcciones principales, y
la dirección mayor del sismo corresponde a la dirección principal longitudinal, criterio aplicado en este análisis
(Valdebenito, 2009).
4.2.2.4 Casos de Análisis
Los casos de análisis tienen como objetivo definir cómo se aplican las cargas a la estructura, cómo esta última
responde y cómo se ejecuta el análisis. Los análisis se llevarán a cabo mediante el uso del programa de diseño
estructural SAP2000 v14 (Computers & Structures, 2009).
En primer lugar, se lleva a cabo un análisis estático no lineal, para obtener la respuesta estática de la estructura y
considerando todas las no linealidades geométricas, explicadas en el punto 4.3.1. Con los resultados, se obtiene la
matriz de rigidez modificada que se aplicará en el análisis siguiente.
La etapa posterior es la aplicación del análisis no lineal temporal. En este paso, se incluyen todos los esfuerzos y
deformaciones del análisis estático no lineal. Este análisis temporal se realiza mediante la aplicación del método de
integración numérica paso a paso, Hilber-Hughes-Taylor-α (Hilber et al., 1977), debido principalmente a que es
muy robusto para la solución de problemas altamente no lineales, sus características se explicaron en detalle en el
segundo capítulo.
62


4.3 Modelación del Puente para el Análisis No Lineal
Los puentes atirantados presentan un comportamiento altamente no lineal, como se ha mencionado

anteriormente. Por esto, el diseño de estructuras que incorporen análisis no lineal es importante, especialmente
para estructuras de alta importancia, como lo son los puentes.
Las no linealidades se pueden dividir en geométricas y de materiales. Las no linealidades de material dependen de
la estructura específica (materiales usados, cargas que actúan, suposiciones de diseño) (Morgenthal, 1999). Estas
no linealidades dependen altamente de las características del input sísmico. Debido a que los puentes atirantados
experimentan períodos muy largos, es muy difícil que se formen rótulas plásticas en los apoyos. De hecho, el
Eurocódigo 8 Parte 2 (CEN, 1998b) recomienda un factor de comportamiento 1, o sea, un comportamiento
sísmico elástico. Además, debido principalmente a la importancia de estas estructuras es preferible un

comportamiento elástico de los materiales (Valdebenito, 2009).
Según Morgenthal (1999), las no linealidades geométricas están presentes en cualquier puente atirantado y se
pueden atribuir a:
- Interacción entre fuerza axial y momento flector en la torre y elementos longitudinales.
- Desplazamientos grandes causan cambios en la geometría de la estructura.
- La flecha del cable, la cual es controlada por la deformación axial y la tensión axial.
En el modelo realizado se consideraron las no linealidades geométricas recién mencionadas, a continuación son
expuestas en detalle.
4.3.1 No Linealidades Consideradas
El comportamiento no lineal geométrico de las torres y vigas debido a la interacción entre fuerza axial y momento
flector es determinado por el cálculo de una rigidez actualizada de esfuerzos de flexión y axial de los elementos
(Morgenthal, 1999). En este modelo, las no linealidades geométricas son tomadas en cuenta en la forma de efecto
P-Δ (efecto de tensiones grandes). Este efecto se refiere en forma específica a una gran no linealidad geométrica de
una tracción o compresión grande, estos últimos influyen directamente sobre el comportamiento a flexión y corte
transversal. Un esfuerzo de compresión tiende a hacer más flexible a un elemento estructural en relación a flexión y
corte, mientras que los esfuerzos de tracción tienden a rigidizar el elemento ante la deformación transversal.
63


La característica clave es la siguiente, en presencia de un esfuerzo axial grande, actuando sobre una pequeña
deformación, puede producir un momento significativo que afecte el comportamiento de un elemento o de la
estructura. En el caso de puentes atirantados, esta opción es muy importante debido a que contribuye a la rigidez
del sistema.
Por otro lado, para elementos tipo viga, el efecto P-Δ se incorpora a lo largo de cada elemento, considerando la
deformación dentro del elemento. Si la combinación de cargas incluye solicitaciones que hagan variar la fuerza
axial, se usa la fuerza axial promedio para calcular el efecto P-Δ. La aproximación es razonable si la diferencia de
fuerza axial entre los extremos es pequeña en comparación con la fuerza axial promedio. Al contrario, si la
diferencia es grande, el elemento debería ser discretizado en partes más pequeñas, siempre que el efecto P-Δ sea
importante.
En relación a los desplazamientos grandes, según Morgenthal (1999), el cambio global en la geometría del puente
debido a las deformaciones grandes se explica por la actualización de la geometría del puente mediante la adición
de los desplazamientos incrementales nodales a las coordenadas nodales previas al final de cada iteración, antes de
re-calcular la rigidez del puente en el estado deformado.
El programa SAP2000 (Computers & Structures, 2007) considera las ecuaciones de equilibrio en el estado
deformado de la estructura. Para elementos viga y conexiones, se actualizan los grados de libertad rotacionales
asumiendo que los cambios en desplazamientos de los giros son pequeños entre paso y paso. Entonces, para el
análisis P-Δ es posible requerir un paso más pequeño de análisis, debido a que el análisis de grandes
desplazamientos es más sensible a la tolerancia de convergencia que el análisis P-Δ (Valdebenito, 2009).
Según Manterola (2006) dentro de un puente atirantado, el tirante es el elemento de comportamiento más
singular. Se supone que su rigidez a flexión es nula lo que determina que la geometría que adopta al estar sujeto
entre dos puntos es la catenaria. Por su parte, Morgenthal (1999) agrega que el hecho de incrementar la fuerza axial
no sólo incide en un aumento en el esfuerzo axial del cable, sino que también reduce la flecha, éstos conducen a
una relación tensión – deformación no lineal. De esta manera, el comportamiento no lineal de los cables inclinados
debido al efecto de la flecha puede ser tomado en cuenta usando el concepto de un módulo de elasticidad
equivalente E*, propuesto por Ernst (1965) mediante la siguiente relación:
E
E*  (Ec. 4.1)
( wl 2 ) 2 E
1
12 3
64


Donde es el módulo de elasticidad del cable, es el peso del cable, es la componente horizontal del largo del
cable y es el esfuerzo axial al cual está sometido el cable. Esta relación fue obtenida de una compatibilidad
geométrica de un cable inclinado, sujeto en dos puntos y sometido a tracción. De la Ecuación 4.1, se puede
apreciar que si se aumentan las fuerzas en los cables, la rigidez del puente también aumenta. Por lo tanto, debido al
comportamiento altamente no lineal de los cables, el análisis no lineal es obligatorio (Valdebenito, 2009). Las
consideraciones para la modelación de los tirantes son desarrolladas en el punto 4.3.4.
4.3.2 Modelo de la Torre
Las torres del puente se modelan como pórticos tridimensionales. Estos pórticos se componen de brazos y
arriostramientos y se modelan mediante elementos viga, basado en las propiedades de la sección transversal bruta.
Para tomar en cuenta la rigidez modificada de los elementos, se consideran los siguientes factores de
inercia Ief/Ig: 0,70 para los brazos y 0,50 para los arriostramientos, donde Ief es el momento de inercia efectiva y Ig es
el momento de inercia de la sección bruta.
Adicionalmente, se consideran uniones rígidas para la Conexiones Rígidas
conexión arriostramiento – brazo, debido a las
pequeñas dimensiones de la sección transversal y al
largo significativo de traslapo de los elementos. Esta
aproximación permite un modelo adecuado del Masas Agrupadas
encaje de los arriostramientos en los brazos de las

torres (Valdebenito, 2009). Estas uniones en la torre
se muestran en la Figura 4.10.
Además, la distribución de masas agrupadas se realiza
según lo mostrado en la Figura 4.10, esto último con
la finalidad de considerar de forma adecuada las
características vibracionales de las torres. Figura 4.10 Elementos del modelo de las torres
Las masas agrupadas se obtuvieron desde los (Valdebenito, 2009).
elementos, usando la densidad de masa de los materiales y el volumen de los elementos. En el programa SAP2000
las masas se agregan automáticamente al final de las uniones de los elementos. Sin embargo, es necesario localizar
65


masas adicionales, para tener en cuenta una distribución adecuada de masas agrupadas y así lograr un modelo
dinámico más exacto (Valdebenito, 2009).
4.3.3 Modelo del Tablero
Para simplificar los procesos computacionales, el tablero es modelado usando un elemento barra que pasa a través
del centroide de la sección del tablero. A este elemento tipo viga se le introducen las características geométricas y
de masa correspondientes al cajón cerrado.
La mayoría de los nodos se ubicaron en los lugares
correspondientes a los anclajes de los cables. La unión
entre los anclajes de los cables y el elemento viga del Conexiones
tablero se realiza mediante conexiones rígidas
ubicadas horizontalmente a 90° del elemento viga Elemento
barra del
(ver Figura 4.11). Estas conexiones rígidas se modelan
tablero
como resortes lineales, con todos los grados de Masas Agrupadas
libertad fijos. Las masas acopladas tanto traslacionales
y rotacionales se consideran en el centroide Figura 4.11 Modelación del tablero (Valdebenito, 2009).
de la sección del tablero, con el mismo espacio entre

anclajes. Para las masas traslacionales se consideró la acción de las cargas permanentes incluyendo la carga muerta.
Las masas acopladas rotacionales se agregan para tomar en cuenta los modos debido a la excentricidad de la
sección transversal del tablero tipo cajón cerrado. Además, se considera un factor de inercia de 1,00, esto debido a
que el tablero es de hormigón pretensado. Cabe mencionar que los componentes no estructurales (tales como
antepechos y faros) se ignoraron en el modelo, debido a que su aporte a la rigidez de la estructura no es
significativa (Valdebenito, 2009).
66


4.3.4 Modelo de los Tirantes
Como fue explicado en el punto 4.2.2.2, el cálculo del tesado de los tirantes se realizó mediante elementos barra,
en donde el comportamiento no lineal se representa a través del uso del concepto del módulo de elasticidad
equivalente. Sin embargo, esta idealización no ayuda a predecir la vibración tridimensional de los cables, este
último puede ser un aspecto importante en cuanto a la obtención de un análisis dinámico preciso, especialmente
cuando la interacción tirante–tablero juega un papel importante. Por esta razón, el método recién expuesto se usa
sólo para la obtención de las fuerzas de tesado, para todos los análisis siguientes, los tirantes se modelan mediante
la formulación multi–elemento de cable (elementos solicitados únicamente a tracción).
Para un cable inclinado se espera que la relación fuerza-deformación sea no lineal debido a la tensión y a la flecha
del cable. El elemento cable usa una formulación de catenaria elástica para representar el comportamiento no lineal
de un cable delgado bajo distintas cargas. Aunque es posible modelar el cable como una serie de elementos rectos
para considerar la no linealidad del material o cargas complicadas, la formulación de catenaria es la más apropiada
para la mayoría de las aplicaciones (Valdebenito, 2009).
Con respecto a la geometría inicial de los cables, existen muchas formas de determinarla, como por ejemplo:
especificando la longitud no deformada, absoluta o relativa a la longitud de la cuerda, especificando la máxima
flecha vertical, especificando la tensión en cada extremo del cable, etc. (ver Figura 4.12). En el caso de puentes
atirantados es recomendable especificar la longitud no deformada como condición geométrica inicial de los cables.
I, J: Nodos H: Fuerza horizontal

L0: Largo no deformado TI: Tensión en nodo i
LC: Largo de la cuerda TJ: Tensión en nodo j
EA: Rigidez
w: Peso
uMAX: Máxima flecha vertical

uLOW: Flecha desde el punto
Figura 4.12 Parámetros que determinan al elemento cable (Valdebenito, 2009).

67


El tesado en cada tirante se consideró aplicando deformaciones axiales negativas, las cuales provocan una
disminución de la longitud no deformada de los cables, derivando en una tensión interna. Estas deformaciones se
calcularon usando las tensiones de la Figura 4.9, el módulo de elasticidad, la longitud no deformada y el área de los
cables.
Para la distribución de masa a lo largo de los tirantes, se discretizan los elementos cables para obtener masas
agrupadas que entreguen resultados precisos de análisis dinámico que incluyan la vibración espacial de los cables.
Para decidir el número de segmentos de la discretización, se realiza un análisis modal preliminar, de este análisis y
teniendo en cuenta que varios segmentos implican resultados más precisos, se determina que el elemento cable
será dividido en 12 segmentos (Valdebenito, 2009).
Se ha encontrado que los efectos de vibraciones en los cables son significativos para el cálculo de la respuesta
sísmica, particularmente cuando las frecuencias fundamentales de los cables están sobrepuestas con las primeras
frecuencias del puente. Por esto, la respuesta de vibraciones de los cables puede ser obtenida solamente si la
distribución de masa es modelada y asociada a grados de libertad adicionales a lo largo del cable.
4.3.5 Conexiones y Condiciones de Borde
Si el tablero es conectado con vinculaciones muy flexibles a las torres, la fuerzas sísmicas inducidas serán
mantenidas en valores mínimos, pero el tablero, en su respuesta, puede tener desplazamientos muy grandes. Por
otro lado, una conexión muy rígida entre el tablero y las torres producirá una respuesta más baja en cuanto a
desplazamientos, pero atraerá fuerzas sísmicas más altas durante un sismo (Chen y Scawthorn, 2003).
Los apoyos móviles hacen más flexible a la estructura y por supuesto, la decisión acerca de las condiciones de
apoyo del tablero es usualmente controlada por servicialidad, así como también consideraciones sísmicas. En este
modelo, la conexión entre el tablero y las torres está apoyada en el arriostramiento inferior mediante conexiones
rígidas verticales, esta última es rotulada en el extremo que se conecta con el tablero (ver Figura 4.13). Dichas
conexiones rígidas fueron idealizadas usando resortes lineales sin masa, con todos los grados de libertad fijos. Para
la conexión estribo–tablero, se usaron apoyos deslizantes, para permitir el desplazamiento longitudinal de la
estructura debido a dilataciones normales. Las torres fueron cimentadas a una capa de roca y las bases del pilar
fueron modeladas como empotradas, tal como sucede usualmente en puentes atirantados. Esta última idea implica
que la interacción suelo–estructura no es considerada.
68

Brazos de
la torre
Vínculo
rotulado
Conexiones
rígidas
Tablero
Arriostramiento
inferior
Figura 4.13 Modelo de la conexión entre torre y tablero (Valdebenito, 2009).
A continuación, en la Figura 4.14 se presenta una vista tridimensional del modelo del puente atirantado, cuyas
características geométricas, materiales y de funcionalidad estructural fueron descritas en los puntos anteriores.
Figura 4.14 Modelo completo del puente atirantado (Valdebenito, 2009).
69


4.4 Input Sísmico
Se necesita determinar cómo escoger el input sísmico para el análisis sísmico no lineal. El análisis mediante el uso
de un espectro de respuesta puede ser útil para este tipo de estructuras, pero sólo como una primera
aproximación, y principalmente con fines comparativos. Chopra (1995) menciona que los puentes de grandes luces
experimentan períodos fundamentales largos y su respuesta puede verse más afectada debido a registros de
velocidad o desplazamiento. Por esta razón, el Eurocódigo 8 (CEN, 1998a) divide la respuesta elástica en tres zonas:
zona 1 afectada por la aceleración (T<0,4 s); zona 2 afectada por la velocidad (0,4 s<T<3 s) y la zona 3 afectada
por el desplazamiento (T>3 s), donde T es el período fundamental de la estructura. Debido a lo recién expuesto
se puede afirmar que el puente de este trabajo puede verse más afectado por la velocidad, debido a que los
períodos están dentro del rango entre 0,4 s y 3 s para los primeros 15 modos. Tradicionalmente en ingeniería civil
la aceleración máxima efectiva Ag representa el peligro sísmico de un área y generalmente se representa a través del
peak de aceleración del suelo. El problema de esta consideración, es que a veces un peak de aceleración bajo
asociado con una duración larga a baja frecuencia puede causar un daño mayor que un peak de aceleración más
alto asociado con una duración corta y frecuencia alta (Valdebenito, 2009).
Por estas razones, para los registros de fuente cercana y con la finalidad de representar el riesgo sísmico de estos
eventos, consideramos que el registro de velocidad será muy importante a la hora de efectuar la elección de la
componente de aceleración que se utilizara en la dirección más crítica, esta elección se realiza teniendo en cuenta
la dirección que presente el pulso de velocidad más grande.
El análisis dinámico del presente trabajo se realizará mediante un análisis temporal, para llevarlo a cabo se
consideran cuatro registros sísmicos de aceleraciones en el tiempo, éstos presentan tres componentes ortogonales
de acción, dos horizontales y una vertical. De los cuatro eventos, dos corresponden a sismos de fuente lejana y los
restantes a fuente cercana, esta caracterización depende principalmente de la distancia a la fuente sísmica. A
continuación se describen los registros correspondientes a los eventos sísmicos seleccionados.
4.4.1 Registros Sísmicos de Fuente Lejana
Los registros de fuente lejana seleccionados por Valdebenito (2009) corresponden a acelerogramas generados
artificialmente compatibles con el espectro de respuesta definido por el Eurocódigo 8 (CEN, 1998a y CEN, 1998b).
Entre las consideraciones más importantes realizadas por Valdebenito (2009), para la generación de los registros
70


artificiales, están: la consideración de una aceleración máxima efectiva horizontal de 0,5 g y para la componente
vertical de 0,35 g, donde g es la aceleración de gravedad; consideró un suelo de tipo roca; un amortiguamiento
critico de 1,7%, entre otras. Luego, usando el espectro de respuesta, Valdebenito genera los registros artificiales
aplicando el programa SIMQKE1 (Gasparini y Vanmarcke, 1976). Luego, esos registros se filtran usando filtros tipo
Butterworth, con un filtro paso altas de 0,10 Hz y un filtro paso bajas de 25 Hz. De la misma manera, los registros se
corrigen mediante una línea-base usando una corrección lineal de tipo polinomio, de acuerdo al programa
SeismoSignal (Seismosoft, 2006).
Para el presente trabajo se seleccionan los eventos 2 y 5 de los registros generados por Valdebenito (2009), para el
presente estudio son rotulados como Evento 1 y Evento 2, éstos se presentan en las Figuras 4.15 y 4.16
respectivamente.
0.4 0.2
[g]
[g]
[g]
0.4
Acceleration[g]
Acceleration[g]
Acceleration[g]
0.2
0.2
0.1
Aceleración
Aceleración
Aceleración
0 0
0
-0.1
-0.2 -0.2
-0.2
-0.4 -0.4
-0.3
0 5 10 15 20 0 5 10 15 20 0 5 10 15 20
Time [sec] Time [sec] Time [sec]
Tiempo [s] Tiempo [s] Tiempo [s]
Velocity [m/sec]
Velocity [m/sec]
Velocidad[m/sec]
[m/s]
0.4
[m/s]
0.2
[m/s]
0.2
0.2 0.1
0
Velocidad
Velocidad
0 0
Velocity
-0.2 -0.2 -0.1

-0.4 -0.4 -0.2
0 5 10 15 20 0 5 10 15 20 0 5 10 15 20
[m][m]
[m][m]
[m][m]
0.2 0.2 0.1

Desplazamiento
Desplazamiento
Desplazamiento
Displacement
Displacement
Displacement
0.1 0.1 0.05

0 0
0
-0.1 -0.05
-0.2 -0.1 -0.1
-0.3 -0.2 -0.15
0 5 10 15 20 0 5 10 15 20 0 5 10 15 20
(a) (a)
0º 0° (b)(a)
90º90° (c) (a)
Vertical
Vertical
Figura 4.15 Registros temporales correspondientes al Evento 1 (Valdebenito, 2009).
71


0.4 0.2
[g]
[g]
[g]
0.4
Acceleration[g]
Acceleration[g]
Acceleration[g]
0.2 0.2
0.1
Aceleración
Aceleración
Aceleración
0
0 0
-0.1
-0.2 -0.2
-0.2
-0.4 -0.4
-0.3
0 10 20 30 40 0 10 20 30 40 0 10 20 30 40
0.4 0.2
Velocity [m/sec]
Velocity [m/sec]
Velocity [m/sec]
[m/s]
[m/s]
[m/s]
0.2
0.2 0.1
0
Velocidad
Velocidad
Velocidad
0 0
-0.2 -0.2
-0.1
-0.4 -0.4 -0.2
0 10 20 30 40 0 10 20 30 40 0 10 20 30 40
[m][m]
[m]
[m]
Displacement [m]
Displacement [m]
0.2
Desplazamiento
0.2
Desplazamiento
Desplazamiento
0.1
Displacement
0.1 0.1 0.05
0 0
0
-0.1 -0.05
-0.2
-0.1
-0.1
-0.3 -0.2 -0.15
0 10 20 30 40 0 10 20 30 40 0 10 20 30 40
(a) 0º
(a) 0° (b) 90º
(a) 90° (c)(a)
Vertical
Vertical
Figura 4.16 Registros temporales correspondientes al Evento 2 (Valdebenito, 2009).
4.4.2 Registros Sísmicos de Fuente Cercana
Para los sismos de fuente cercana es preferible utilizar registros de aceleración reales, puesto que en este caso se
podrían reflejar de mejor manera los aspectos básicos de su naturaleza compleja, como por ejemplo, la incidencia
del efecto de directividad. Las características principales de los sismos de fuente cercana se mostraron en detalle en
el capítulo anterior.
Los registros utilizados en este trabajo se tomaron de Pacific Earthquake Engineering Research Center (2005). Se
escogieron sismos de magnitud mayor a 6,5 y las estaciones ubicadas a menos de 10 km de la zona de ruptura.
Después de la selección, los registros fueron filtrados y corregidos mediante una línea–base.
El primer registro seleccionado es del sismo de Loma Prieta, en el año 1989 (California, USA), el registro escogido
es de la estación Los Gatos Presentation Center. En el registro se puede apreciar claramente los pulsos de
velocidad.
El segundo registro corresponde al sismo de Landers en 1992 (Los Angeles, USA), registrado por la estación de
Lucerne Valley, este registro presenta un pulso fuerte con la duración más larga que cualquiera de los presentes en
72


la base de datos consultada. Este registro se compara frecuentemente con el registro de Joshua Tree,
correspondiente al mismo evento sísmico. El registro de Lucerne está situado en la zona de directividad adelantada
y evidencia un pulso de velocidad significativo, en cambio, el registro de Joshua Tree se ubica en la zona de
directividad atrasada y no presenta un pulso significativo. En la Figura 4.17 y 4.18 se muestran los registros de
aceleración correspondientes a los eventos de Loma Prieta y Landers respectivamente.
0.6 0.6 0.6
[g]
[g]
[g]
Acceleration[g]
Acceleration[g]
Acceleration[g]
0.4
0.2
0.4
0.2
0.4
0.2
Aceleración
Aceleración
Aceleración
0 0 0
-0.2 -0.2 -0.2
-0.4 -0.4 -0.4
-0.6 -0.6 -0.6
0 5 10 15 20 25 0 5 10 15 20 25 0 5 10 15 20 25
0.4
Velocity [m/sec]
Velocity [m/sec]
Velocity [m/sec]
[m/s]
[m/s]
[m/s]
1 0.4
0.2
0.5 0.2
0
Velocidad
Velocidad
Velocidad
0 0
-0.2
-0.5 -0.2
-0.4
-1 -0.4
5 10 15 20 25 5 10 15 20 25 5 10 15 20 25
[m][m]
Displacement [m][m]
[m]
Displacement [m]
0.4 Desplazamiento 0.4

Desplazamiento
Desplazamiento
0.15 Displacement
0.2 0.1 0.2
0.05
0 0 0
-0.2 -0.05
-0.2
-0.1
-0.4 -0.15 -0.4
0 5 10 15 20 25 0 5 10 15 20 25 0 5 10 15 20 25
(a)(a)
0º 0° (b) 90º
(a) 90° (c)(a)Up
Vertical
Figura 4.17 Registros temporales del Sismo de Loma Prieta, Estación: Los Gatos P.C. (Valdebenito, 2009).
73


0.6 0.6
[g][g]
[g][g]
[g][g]
0.6
0.4 0.4 0.4
Acceleration
Acceleration
Acceleration
0.2 0.2 0.2
Aceleración
Aceleración
Aceleración
0 0 0
-0.2 -0.2 -0.2
-0.4 -0.4 -0.4
-0.6 -0.6 -0.6
0 10 20 30 40 0 10 20 30 40 0 10 20 30 40
0.4
Velocity [m/sec]
0.3
Velocity [m/sec]
Velocity [m/sec]
[m/s]
[m/s]
[m/s]
0.5 0.2 0.3
0.1 0.2
0 0.1
Velocidad
Velocidad
Velocidad
0
0
-0.5 -0.1 -0.1
-0.2 -0.2
-1
10 20 30 40 10 20 30 40 10 20 30 40
[m]
[m]
[m]
Displacement [m]
Displacement [m]
Displacement [m]
0.4 0.1
0.1
Desplazamiento
Desplazamiento
Desplazamiento
0.2 0.05
0.05
0 0 0
-0.2 -0.05 -0.05
-0.4 -0.1 -0.1
-0.6 -0.15 -0.15
0 10 20 30 40 0 10 20 30 40 0 10 20 30 40
(a) 260º (b) (a)
345º (c) Up
(a) 260° 345° (a) Vertical
Figura 4.18 Registros temporales del Sismo de Landers, Estación: Lucerne (Valdebenito, 2009).
4.4.3 Resumen de los Registros Sísmicos
En las Tablas 4.3 y 4.4 se presenta un resumen con los principales parámetros de los registros sísmicos, tanto para
fuente lejana como para fuente cercana, seleccionados para el análisis de esta Tesis. Donde: MS es la magnitud de la
onda superficial; MW es la magnitud de momento; Re es la distancia más cercana a la ruptura de la falla; t es la
duración del registro que será aplicada en el análisis; te es la duración efectiva de la fase fuerte; PGA es el peak de
aceleración; PGV peak de velocidad y PGD el peak de desplazamiento del suelo.
74


Tabla 4.3 Parámetros principales de los registros de Fuente Lejana (Valdebenito, 2009)
Evento MS Re (Km) t (s) Componente te (s) PGA (g) PGV (m/s) PGD (m)
0° 18,20 0,50 0,45 0,31
Evento 1 7 45 22 90° 18,40 0,50 0,45 0,21
Vertical 18,30 0,32 0,23 0,16
0° 39,40 0,48 0,46 0,30
Evento 2 7 120 48 90° 41,00 0,50 0,46 0,22
Vertical 39,40 0,32 0,21 0,15
Tabla 4.4 Parámetros principales de los registros de Fuente Cercana (Valdebenito, 2009)
Evento Estación Mw Re (Km) t (s) Componente te (s) PGA (g) PGV (m/s) PGD (m)
0° 10,10 0,57 1,21 0,49
Loma Prieta,1989 Los Gatos P.C. 6,9 3,9 22 90° 7,80 0,52 0,54 0,19
Vertical 7,10 0,60 0,45 0,46
260° 13,10 0,67 0,95 0,67
Landers, 1992 Lucerne 7,3 2,2 48 345° 13,80 0,78 0,31 0,16
Vertical 13,00 0,71 0,37 0,16
4.5 Parámetros del Análisis Numérico Paso a Paso
Como se explicó anteriormente en el presente capítulo, el análisis del modelo presentado en este trabajo está
compuesto de dos etapas, la primera consta de un análisis estático no lineal, al finalizar, los resultados del análisis
estático en cuanto a esfuerzos y deformaciones de la estructura se utilizan de manera de plantear las condiciones
iniciales para el análisis dinámico, posterior a esto se procede a la segunda etapa, la cual consiste en realizar el
análisis dinámico no lineal en base a registros temporales.
En relación a la convergencia en el análisis estático no lineal, mediante las observaciones realizadas por
Valdebenito (2009), los parámetros básicos son: el número total de pasos es el parámetro para controlar las
iteraciones, es decir, es el máximo número de pasos permitidos en el análisis. Por lo tanto, este parámetro permite
controlar cuan largo será el análisis, considerando que la duración que tome el análisis estático no lineal es
aproximadamente proporcional al número de pasos. El máximo de pasos nulos se presenta cuando la iteración no
converge y es necesario disminuir el tamaño del paso. Un número excesivo de pasos nulos indica que la solución se
atascó debido a una falla catastrófica o a sensibilidad numérica. Las iteraciones máximas por sub-paso se refiere a
las iteraciones permitidas en un paso antes del uso de sub-pasos más pequeños, este parámetro depende del tipo
75


de elementos empleados en el análisis. La tolerancia de iteración para la convergencia se usa para asegurar que se
logre el equilibrio a cada paso de análisis. Para obtener buenos resultados, se recomiendan valores
significativamente más pequeños de la tolerancia de iteración, principalmente para problemas que incluyan la no
linealidad de grandes desplazamientos (Computers & Structures, 2009). La selección de estos parámetros es la
presentada en la Tabla 4.5.
Tabla 4.5 Parámetros del análisis estático no lineal
Iteraciones Máximas
Numero total de pasos Máximo de pasos nulos Tolerancia de Iteración
por sub-paso
200 50 60 a10-6
El análisis paso a paso se realizó mediante el método de integración Hilber-Hughes-Taylor-α. Las ecuaciones de
movimiento se resuelven de forma iterativa en cada paso de tiempo. Este procedimiento requiere re-formular y re-
calcular las matrices de rigidez y amortiguamiento, en donde, para cada iteración, se usa una línea de búsqueda
para determinar el incremento de desplazamiento óptimo a aplicar.
Los parámetros principales para el análisis paso a paso son: amortiguamiento numérico, el número de iteraciones
máximas por sub–paso y la tolerancia de iteración para la convergencia. En el presente trabajo se estudiará la
influencia de estos parámetros y del input sísmico en la convergencia de solución. Los parámetros con los que se
realizará el análisis se presentan en la Tabla 4.6. La subdivisión de los parámetros se realizó teniendo en cuenta las
observaciones realizadas por Valdebenito (2009) en su tesis doctoral.
El amortiguamiento numérico es el parámetro principal del método Hilber-Hughes-Taylor-α, se recomienda la
elección de este parámetro para valores entre 0 y -1/3 (en este dominio, el método es incondicionalmente estable
para problemas lineales), por lo cual, en este trabajo el análisis se realiza para cuatro valores de amortiguamiento,
según lo mostrado en la Tabla 4.6.
El número de iteraciones máximas por sub-paso controla las iteraciones permitidas en un paso antes del uso de
sub-pasos más pequeños, este parámetro depende del tipo de elementos empleados en el análisis, primero se
intenta la iteración mediante el método de la rigidez constante. Si no se logra la convergencia, el procedimiento
siguiente es intentar la iteración mediante el método de Newton-Raphson (también conocido como método de la
rigidez tangente). Si ambos métodos fallan en lograr la convergencia, se reduce el tamaño del paso y se repite el
procedimiento.
76


La tolerancia de iteración para la convergencia se usa para asegurar que se logre el equilibrio en cada paso del
análisis. Al igual que para el análisis estático, para la obtención de resultados buenos, se recomiendan valores
significativamente más pequeños para problemas que consideran la no linealidad de grandes desplazamientos,
como sucede en el caso de este estudio.
Tabla 4.6 Parámetros del análisis no lineal paso a paso.
Amortiguamiento Número de Iteraciones

Tolerancia de Iteración
Numérico Máximas por sub-paso
0 60 -4
a10
-1/9 100
a10-6
-2/9 140 -8
-1/3 180 a10
Tabla 4.7 Combinación de parámetros para el Los parámetros presentados en la Tabla 4.6 se
análisis no lineal paso a paso. combinan entre sí, para luego generar varios
Número de casos de análisis. Dichos casos de análisis se
Amortiguamiento Iteraciones Tolerancia de establecen de la siguiente manera: primero, para
Numérico α Máximas por sub- Iteración
paso un amortiguamiento numérico igual a cero se
-4 tienen los siguientes casos de análisis (ver
0 60 a10
-6
a10 Tabla 4.7). Esto último se repite para los restantes
-8
a10 valores de amortiguamiento: -1/9, -2/9 y -1/3,
-4
0 100 a10
-6 generando 48 casos de análisis para cada uno de
a10
-8 los cuatro eventos sísmicos. Así, se analizarán un
a10
0 140 a10
-4 total de 192 casos.
-6
a10 Al comenzar con el análisis, se obtiene un
a10-8 porcentaje de convergencia muy deficiente para
-4
0 180 a10
-6
los casos correspondientes a los registros:
a10
-8 Evento 1 y Gatos en cuanto a la tolerancia de 10-8,
a10
no se alcanza convergencia en ninguno de los 32
casos, en el punto 5.4 se explican en detalle las razones de la discriminación de este parámetro para los eventos
restantes. Así, por lo recién expuesto, la tolerancia de iteración 10-8 se elimina como parámetro del estudio, luego,
77


los casos de análisis definitivos se establecen de la forma mostrada en la Tabla 4.8. Según lo mostrado en la tabla, la
cantidad de casos a analizar son 32 por evento, 128 casos en total.
Tabla 4.8 Total de Casos de Análisis por Evento.

Tolerancia de Iteración Caso de Análisis
Numérico α Máximas por sub-paso
0 60 a10-4 1
-6
a10 2
-4
0 100 a10 3
-6
a10 4
-4
0 140 a10 5
-6
a10 6
-4
0 180 a10 7
-6
a10 8
-4
-1/9 60 a10 9
-6
a10 10
-4
-1/9 100 a10 11
-6
a10 12
-4
-1/9 140 a10 13
-6
a10 14
-4
-1/9 180 a10 15
-6
a10 16
-4
-2/9 60 a10 17
-6
a10 18
-4
-2/9 100 a10 19
-6
a10 20
-4
-2/9 140 a10 21
-6
a10 22
-4
-2/9 180 a10 23
-6
a10 24
-4
-1/3 60 a10 25
-6
a10 26
-4
-1/3 100 a10 27
-6
a10 28
-4
-1/3 140 a10 29
-6
a10 30
-4
-1/3 180 a10 31
-6
a10 32
78

Capítulo V
ESTUDIO PARAMÉTRICO
Estabilidad del método-α en presencia de sismos de fuente cercana aplicado a estructuras de período largo CAPÍTULO V – ESTUDIO PARAMÉTRICO

5.1 Introducción.
En el presente capítulo se expone la forma como se ordenan los datos obtenidos de los casos analizados, éstos
fueron propuestos en el capítulo IV. Se analizaron un total de 128 casos, la información de estos análisis se presenta
en la Tabla 5.1. Éstos son ordenados según los valores asignados a los parámetros, para cada registro se apunta:
- Pasos Conv.: corresponde al número de pasos convergidos, los espacios vacíos indican que en dicho caso
se logra la convergencia.
- Pasos Nulos: indica el número de pasos nulos durante el análisis.
- t [s]: el tiempo de cálculo empleado para el análisis temporal no lineal.
- Cancelado?: Se indica con la sigla CPU a los casos que debieron ser cancelados por el usuario, debido al
número de pasos nulos y al tiempo empleado no lograrían converger.
El objetivo principal de este trabajo de Tesis es estudiar la estabilidad del método Hilber-Hughes-Taylor-α, esto
también puede ser abordado desde el punto de vista de la convergencia. El análisis para determinar los parámetros
que aseguren estabilidad para la mayor cantidad de casos posibles, se basa en ordenar y procesar la información
obtenida de los casos analizados, para luego elaborar gráficas que nos indiquen qué parámetros asegurarían un
mayor “Porcentaje de Convergencia” y “Nivel de Convergencia”. Luego de evaluar la convergencia, debemos
también tener en cuenta la incidencia del tiempo requerido para lograrla. Por lo que también se ordena la
información en función del “Tiempo de Convergencia”. A continuación se definen las categorías recién
mencionadas, en las cuales se procesa la información obtenida.
- Porcentaje de Convergencia: Cuantificación porcentual de los casos convergidos sobre los casos totales
para un determinado registro o registros.
- Nivel de Convergencia: Cuantificación porcentual relativa al grado de avance del análisis temporal
(número de pasos convergidos sobre el número de pasos totales). Estas gráficas reúnen una cantidad de
información mayor, debido a que incluyen los casos que no lograron converger.
- Tiempo de Convergencia: Es la medida del tiempo de cálculo empleado para los casos que lograron
alcanzar la convergencia.
Las categorías recién definidas se presentan según: parámetros que influyen en la convergencia del método, evento
y tipo de fuente. El orden de prioridad de dichas categorías es primero la convergencia, para luego observar el
tiempo de convergencia. Con esto se puede evaluar el grado de influencia de los parámetros en la estabilidad del
método empleado.
81


El estudio fue llevado a cabo mediante un ordenador con procesador Intel Core Quad Q6600 de 2.4 GHZ, 4GB de
memoria RAM y sistema operativo Microsoft Windows XP 64-bit. La principal ventaja de trabajar en sistemas
operativos de 64-bit radica en la mayor disponibilidad de memoria para utilizar y un uso más eficiente de ésta,
logrando un muy buen rendimiento en la rapidez de ejecución de cálculos numéricos. El tiempo de análisis total,
considerando casos cancelados por el usuario y los casos cuya tolerancia no se incorporó debido a la convergencia
nula, alcanzó las 599 horas (25 días).
82

Estabilidad del método-α en presencia de sismos de fuente cercana aplicado a estructuras de período largo
Tabla 5.1 Resumen de Convergencia de los casos analizados.
Número de Evento 1 (1100 Pasos) Gatos (1100 Pasos) Evento 2 (2400 Pasos) Landers (2400 Pasos)
Amortiguamiento Iteraciones Tolerancia de
Pasos Conv.
Pasos Conv.
Pasos Conv.
Pasos Conv.
Pasos Nulos
Pasos Nulos
Pasos Nulos
Pasos Nulos
Cancelado?
Cancelado?
Cancelado?
Cancelado?
Caso de Analisís
Numérico α Máximas por sub- Iteración
t [s]
t [s]
t [s]
t [s]
paso
0 60 a10-4 1 44 45 1503 61 71 2215 49 58 1784 82 50 45768 CPU
a10-6 2 18 43 1385 53 99 50717 CPU 21 65 1979 39 50 1613
0 100 a10-4 3 99 52 28985 CPU 103 59 5206 CPU 110 32 19039 CPU 128 90 9342
a10-6 4 56 35 2460 63 65 7739 CPU 54 48 3077 86 42 2848
0 140 a10-4 5 289 75 43834 CPU 467 55 71532 CPU 707 60 11618 565 47 9207
a10-6 6 134 34 4027 344 40 7037 144 48 4842 177 41 4816
0 180 a10-4 7 567 29 13927 CPU 425 47 9833 26 28882 625 35 12760
a10-6 8 169 42 9081 353 38 8158 146 36 8538 307 42 7946
-1/9 60 a10-4 9 484 91 5105 212 89 3128 1732 69 11560 568 61 4983
a10-6 10 61 40 1591 82 63 2250 84 57 2040 122 45 1882
-1/9 100 a10-4 11 484 86 7027 622 49 7765 710 78 7542 3 24276
a10-6 12 139 41 2951 419 21 3522 492 40 4880 518 40 5046
-1/9 140 a10-4 13 1 8115 1054 172 31896 CPU 1 32734 2 36353
a10-6 14 4 7996 463 22 4798 493 21 4346 567 22 5030
83
-1/9 180 a10-4 15 1 8141 4 15035 0 37588 2 36104

a10-6 16 3 9750 490 21 5985 8 15704 575 23 5603
-2/9 60 a10-4 17 1017 94 6717 456 122 5261 0 9630 0 9630
a10-6 18 128 57 2199 334 63 3267 276 63 3095 470 68 4009
-2/9 100 a10-4 19 0 10044 454 5 11162 0 22523 0 26042
a10-6 20 1012 54 7946 454 21 3137 1103 78 10367 557 22 3357
-2/9 140 a10-4 21 0 10067 0 11031 1 21736 1 25652
a10-6 22 3 5274 635 24 7882 9 10714 4 16274
-2/9 180 a10-4 23 1 5241 3 10974 1 21728 0 25771
a10-6 24 3 6201 513 24 5409 8 18646 566 22 4367
-1/3 60 a10-4 25 2 3383 462 113 4227 0 7156 8 6876
a10-6 26 1012 21 4183 447 21 2141 2 7896 557 22 2352
CAPÍTULO V – ESTUDIO PARAMÉTRICO

-1/3 100 a10-4 27 0 3777 5 8352 2 7025 2 17944
a10-6 28 2 7219 489 21 3262 3 10423 569 83 14574
-1/3 140 a10-4 29 1 3226 3 8480 0 7025 2 16369
a10-6 30 2 3851 523 23 4577 3 7810 581 196 53445
-1/3 180 a10-4 31 1 3270 3 8503 0 7041 1 6897
a10-6 32 0 3881 1 12015 3 7903 566 26 4141

5.2 Efecto del Amortiguamiento Numérico.
La influencia del amortiguamiento numérico en la estabilidad del método Hilber-Hughes-Taylor-α queda

claramente expuesta en la Figura 5.1, en la cual se muestra una gráfica de convergencia sobre la totalidad de los
casos en relación al amortiguamiento numérico de cada caso analizado. De la figura se puede apreciar que mientras
más negativo es el amortiguamiento, se incrementa considerablemente el porcentaje de convergencia alcanzado.
Así, cuando el amortiguamiento alcanza el valor de -1/3 se alcanza la mayor convergencia; el problema de este
parámetro reside en los niveles de precisión que pueda asegurar, ya que según Valdebenito (2009) mientras el
amortiguamiento es menor, amortigua o elimina la masa participante correspondiente a los modos más altos. En
casos altamente no lineales, estos modos podrían ser importantes en cuanto a energía. Por esto último, la elección
del amortiguamiento igual a -1/3 produciría una pérdida de precisión en función de una convergencia mayor.
Por otro lado, Computers & Structures (2007) menciona que para un amortiguamiento numérico =0 el método
alcanza la mayor precisión, pero como apreciamos en la Figura 5.1 el porcentaje de convergencia es casi nulo (3%).
Por esto último, no es recomendable seleccionar dicho valor para el modelo estructural de este estudio.
Debido a las razones recién expuestas resta discriminar entre los valores intermedios de amortiguamiento
numérico: =-1/9 y =-2/9. De la misma gráfica, se puede apreciar que para =-2/9 el porcentaje de
convergencia es mayor en un 22% con respecto al valor =-1/9, lo mismo ocurre con el nivel de convergencia en
donde la diferencia es de un 19%.
Nivel de Convergencia Porcentaje de Convergencia

100
90
80
Convergencia [%]
70
60
50
40
30
20
10
0
0 - 1/9 - 2/9 - 1/3
Amortiguamiento Numérico α
Figura 5.1 Gráfica de convergencia de casos según amortiguamiento numérico.

84

100
Porcentaje de Casos Convergidos [%]

90
80
70
60 α=-1/3
50 α=-2/9
40 α=-1/9
30 α=0
20
10
0
Evento 1 Gatos Evento 2 Landers Evento
Figura 5.2 Gráfica de convergencia de casos según amortiguamiento numérico para cada evento.
La información en relación a la convergencia también puede ser procesada y presentada en la Figura 5.2, donde se
muestra el porcentaje de convergencia para cada registro de aceleraciones, incluyendo su respectivo
amortiguamiento numérico. Es notoria la baja convergencia para un amortiguamiento =0 en todos los eventos;
se alcanza la mayor convergencia para =-1/3, pero no se estima conveniente este valor por razones de precisión
antes mencionados. Así, entre =-1/9 y =-2/9, la figura muestra una convergencia superior para un
amortiguamiento -2/9 en la totalidad de los eventos analizados.
Otra forma de evaluar la influencia de este
parámetro en la estabilidad es estudiando la Evento 1 Gatos
cantidad de tiempo necesaria que toma a 12
Tiempo de Cálculo [hr]
10
cada caso lograr la convergencia. En la Figura 8
6
5.3 se presenta el tiempo de cálculo para 4
2
casos cuyo número de iteraciones máximas 0
es de 180 y tienen una tolerancia de iteración 0 - 1/9 - 2/9 - 1/3
de 10-4, en relación al amortiguamiento
numérico. En la gráfica se comparan los casos Figura 5.3 Gráfica del tiempo de convergencia según amortiguamiento
correspondientes a los registros: Evento 1 y numérico para los registros: Evento 1 y Gatos. Los casos que poseen
Gatos. 180 iteraciones máximas y tolerancia de iteración de 10-4.
85


Evento 2 Landers Evento 2 Landers
12 12

10 10
8 8
6 6
4 4
2 2
0 0
0 - 1/9 - 2/9 - 1/3 0 - 1/9 - 2/9 - 1/3
Amortiguamiento Numérico α Amortiguamiento Numérico α
Figura 5.4 Gráficas del tiempo de convergencia según amortiguamiento numérico para los registros: Evento 2 y Landers.
Los casos poseen tolerancia de iteración de 10-4, iteraciones máximas: 140 (gráfica izquierda) y 180 (gráfica derecha).
La Figura 5.4 muestra el tiempo de convergencia para un número de iteraciones máximas de 140 (gráfica izquierda)
y 180 (gráfica derecha), una tolerancia de iteración de 10-4, según el amortiguamiento numérico, para los registros
de 48 s de duración.
De ambas figuras, 5.3 y 5.4, podemos notar una disminución en el tiempo requerido para la convergencia conforme
disminuye el amortiguamiento numérico, para los casos cuyo amortiguamiento es de -1/9, se presenta un
incremento promedio en el tiempo de cálculo de 49,5% en relación a los casos cuyo amortiguamiento es -2/9.
Adicionalmente, en la Figura 5.5 se presenta el promedio de tiempo de convergencia según amortiguamiento
numérico, independientemente de los demás parámetros, para cada registro aplicado. En la gráfica se puede notar
la considerable disminución en el tiempo de cálculo conforme el amortiguamiento disminuye. Continuando
con la comparación entre los valores de
amortiguamiento -1/9 y -2/9, se puede Evento 1 Gatos Evento 2 Landers
agregar que el incremento de tiempo de 12
los casos con =-1/9 en relación a los 10

8
casos cuyo =-2/9 para los registros
6
cortos (Evento 1 y Gatos) es del 28% y el 4
correspondiente a los registros largos 2
0
(Evento 2 y Landers) alcanza el 60%.
0 - 1/9 - 2/9 - 1/3
Por estas razones de convergencia y del Amortiguamiento Numérico α
tiempo empleado para alcanzarla, se
Figura 5.5 Gráfica del tiempo promedio de convergencia según
estima a modo de recomendación
amortiguamiento numérico para cada registro.
general un amortiguamiento =-2/9.
86


5.3 Efecto del Número de Iteraciones Máximas por sub-paso
Inicialmente se puede determinar el efecto del número de iteraciones por sub-paso mediante la Figura 5.6, la cual
presenta la convergencia con respecto al número de iteraciones máximas por sub-paso. De la gráfica podemos
notar que la convergencia aumenta considerablemente conforme aumenta el número de Iteraciones Máximas. La
utilización de un número de iteraciones máximas sobre 140 se podría estimar como una buena elección en cuanto
a convergencia, ya que se estaría asegurando un porcentaje de convergencia mayor al 50%. Comparando los
porcentajes de convergencia alcanzados, se alcanza un 9% más de convergencia para un número de iteraciones
máximas de 180 en relación a un valor 140.
Continuando con el porcentaje de convergencia y con el fin de representar de mejor forma alguna diferencia entre
los valores analizados, especialmente entre 140 y 180, se presenta la Figura 5.7, en la cual se expone la convergencia
en relación al número de iteraciones máximas para cada registro. De la gráfica podemos afirmar que existe una muy
baja convergencia para un número de iteraciones máximas menor o igual a 100 en todos los eventos. Esta
convergencia mejora para los valores restantes del estudio, siendo las 180 iteraciones máximas la que presenta una
convergencia mayor o igual para todos los casos, excepto para el registro Landers. Por esto último y en cuanto al
porcentaje de casos convergidos, resultan levemente superior los casos que presentan 180 iteraciones máximas por
sub-paso.
Porcentaje de Convergencia Nivel de Convergencia

100
90
80
Convergencia [%]
70
60
50
40
30
20
10
0
60 100 140 180
Iteraciones Máximas
Figura 5.6 Gráfica de convergencia de casos según iteraciones máximas.
87

100

90
80
70
60 I.M.=180
50 I.M.=140
40 I.M.=100
30 I.M.=60
20
10
0
Figura 5.7 Gráfica de porcentaje de convergencia de casos según iteraciones máximas para cada evento.
Si bien tanto 140 como 180 Iteraciones Máximas parecen otorgar un grado de convergencia aceptable, restaría
evaluar la influencia de estos valores en relación al tiempo requerido para alcanzarla. En las Figuras 5.8 y 5.9 se
presentan gráficas que muestran el tiempo de cálculo según el número de iteraciones máximas, para valores
comparables de los parámetros restantes. De las gráficas se aprecia que para 60 y 100 iteraciones máximas el
tiempo es menor y además no existe convergencia para los registros de menor duración. Ahora para valores de 140
y 180 de este parámetro no existen grandes variaciones en el tiempo de cálculo, siendo el valor de 180 iteraciones
máximas levemente más rápido en alcanzar la convergencia.
Evento 1 Gatos Evento 1 Gatos

12 12
10 10
8 8
6 6
4 4
2 2
0 0
60 100 140 180 60 100 140 180
Iteraciones Máximas Iteraciones Máximas
Figura 5.8 Gráfica del tiempo de convergencia según número de iteraciones máximas para los registros: Evento 1 y Gatos.
Los casos poseen tolerancia de iteración de 10-4, amortiguamiento numérico: -2/9 (gráfica izquierda) y -1/3 (gráfica derecha).
88


Evento 2 Landers Evento 2 Landers
12 12

10 10
8 8
6 6
4 4
2 2
0 0
60 100 140 180 60 100 140 180
Iteraciones Máximas Iteraciones Máximas
Figura 5.9 Gráfica del tiempo de convergencia según número de iteraciones máximas para los registros: Evento 2 y Landers.
Los casos poseen tolerancia de iteración de 10-4, amortiguamiento numérico: -2/9 (gráfica izquierda) y -1/3 (gráfica derecha).
Para tener una idea más general acerca del tiempo requerido para la convergencia se presenta la Figura 5.10, que
muestra el tiempo promedio de convergencia según iteraciones máximas para casi la totalidad de los casos
convergidos (se discriminan los casos donde para un parámetro se tiene sólo un caso convergido y por esto no es
representativo). De la figura se puede notar que el aumento en la cantidad de tiempo de cálculo es leve conforme
aumenta el número de iteraciones máximas, de acuerdo a la buena convergencia para los valores 140 y 180, resta
discriminar entre éstos el valor óptimo, así, en la figura se aprecia que para 180 iteraciones máximas el tiempo de
convergencia aumenta en promedio un 6% en relación a las 140 iteraciones máximas. En conclusión, considerando
esta última diferencia leve y tomando en cuenta los resultados en relación a la convergencia, se sugieren 180
iteraciones máximas como recomendación general.
Evento 1 Gatos Evento 2 Landers

12
10
8
6
4
2
0
60 100 140 180
Número de Iteraciones Máximas
Figura 5.10 Gráfica del tiempo promedio de convergencia según iteraciones máximas para cada registro.
89


5.4 Efecto de la Tolerancia de Iteración
Al establecer los parámetros a analizar, en el capítulo anterior se propusieron tres valores para la tolerancia de
iteración: 10-4, 10-6 y 10-8, luego de ejecutados los casos de análisis correspondientes a los registros: Evento 1 y
Gatos, los resultados para la tolerancia de iteración 10-8 fueron elocuentes, con un 0% de casos convergidos y un
nivel de convergencia de apenas un 17%. Por esto se decidió que no era necesario incluir en este estudio de
estabilidad dicho valor para la tolerancia de iteración.
Así, el análisis consta de dos parámetros para la tolerancia: 10-4, 10-6. Al contar sólo con dos parámetros, la tolerancia
de iteración es usada como primer filtro y es utilizada para evaluar con mayor facilidad la incidencia de los
parámetros restantes.
En la Figura 5.11 se muestra la convergencia según la tolerancia de iteración, la diferencia entre los parámetros
analizados es clara, para una tolerancia de 10-4 aseguramos un 58% de convergencia sobre los casos totales,
ampliamente superior al 25% correspondiente a la tolerancia de 10-6. Además, esta diferencia es similar en cuanto al
nivel de convergencia. Para complementar esta tendencia se presenta la Figura 5.12, que expone la convergencia en
relación a los registros que fueron analizados. La gráfica muestra que en todos los eventos se alcanzó mayor
convergencia para una tolerancia 10-4, este valor de tolerancia se mantiene sobre el 50% de convergencia para todos
los registros, salvo Gatos; mientras que para la tolerancia de 10-6 se aprecian porcentajes menores en la totalidad de
los registros en relación a la tolerancia de iteración 10-4.
Nivel de Convergencia Porcentaje de Convergencia

100
90
80
Convergencia [%]
70
60
50
40
30
20
10
0
1,0E-06 1,0E-04
Figura 5.11 Gráfica de convergencia de casos según tolerancia de iteración.
90

100

90
80
70
60
50 1E-4
40 1E-6
30
20
10
0
Figura 5.12 Gráfica de convergencia según tolerancia de iteración para todos los registros analizados.
Con respecto al tiempo de convergencia, observando las Figuras 5.13 y 5.14 se puede afirmar que el
amortiguamiento numérico tiene una influencia directa sobre el tiempo de cálculo y la tolerancia de iteración. De
las gráficas en la Figura 5.13, cuando el amortiguamiento es -2/9, se aprecia un menor tiempo de convergencia
cuando la tolerancia es de 10-6, mientras que en las gráficas correspondientes a la Figura 5.14, para un
amortiguamiento de -1/3, se logra un menor tiempo para un valor de 10-4 en la tolerancia de iteración. De estas
gráficas no se logra apreciar que valor resulta más adecuado para la tolerancia de iteración en relación al tiempo
empleado para la convergencia.
I.M.=140 I.M.=180 I.M.=140 I.M.=180

4 8
6
2 4
2
0 0
1,0E-06 1,0E-04 1,0E-06 1,0E-04
Tolerancia de Iteración Tolerancia de Iteración
Figura 5.13 Gráfica del tiempo de convergencia según tolerancia de iteración para amortiguamiento numérico: -2/9.
A la izquierda los casos correspondiente al Evento 1, al lado derecho los correspondientes al Evento 2.
91


I.M.=100 I.M.=140 I.M.=180 I.M.=60 I.M.=100 I.M.=140 I.M.=180
4 4

2 2
0 0
1,0E-06 1,0E-04 1,0E-06 1,0E-04
Tolerancia de Iteración Tolerancia de Iteración
Figura 5.14 Gráfica del tiempo de convergencia según tolerancia de iteración para amortiguamiento numérico: -1/3.
A la izquierda los casos correspondiente al Evento 1, al lado derecho los correspondientes al Evento 2.
Con la finalidad de encontrar diferencias sustanciales en cuanto a la influencia de la tolerancia de iteración en el

tiempo de convergencia se presenta la Figura 5.15, en ésta no se incluyen los tiempos para amortiguamientos
numéricos 0 y -1/9 debido a que no existe una cantidad de casos convergidos similar para los dos valores de
tolerancia de iteración y así los tiempos de cálculo sean comparables. De la gráfica de la figura no se aprecian
grandes diferencias, los casos que presentan una tolerancia de iteración de 10-4 tardarán un 8% más en alcanzar la
convergencia en comparación a los que tienen un valor de 10-6 para la tolerancia.
Por lo antes mencionado, para la selección de la tolerancia de iteración no se aprecia una gran diferencia en cuanto
al tiempo de cálculo, al contrario, en cuanto al porcentaje de convergencia se logra establecer que una tolerancia
de iteración de 10-4 es recomendable para lograr una convergencia aceptable.
Evento 1 Evento 2
8
0
1,0E-06 1,0E-04
Figura 5.15 Gráfica del tiempo promedio de convergencia según tolerancia de iteración para cada registro.
92


5.5 Efecto de la Cercanía de la Fuente
Se ha mencionado en el capítulo correspondiente a sismos de fuente cercana la influencia de la cercanía de la

fuente, el potencial destructivo del pulso de velocidad propio de los sismos de fuente cercana, esta influencia al
parecer no sólo lo es como amenaza natural, sino que también afecta a la convergencia de los métodos de
integración paso a paso.
Para analizar el efecto de la cercanía de la fuente se agrupan los registros en: fuente lejana (Evento 1 y Evento 2) y
fuente cercana (Gatos y Landers). Luego se evalúa el comportamiento de cada grupo de registros en función de los
parámetros del análisis.
La gráfica de la Figura 5.16 muestra el porcentaje de convergencia según el tipo de cercanía del registro en función
del amortiguamiento numérico. Se puede apreciar una clara disminución en la convergencia para la fuente cercana
en relación a la fuente lejana, para todos los valores de amortiguamiento analizados. Para los registros de fuente
lejana se alcanzó un porcentaje de convergencia de 53%, mientras que para fuente cercana sólo se logró en un 30%,
esto manifiesta una tendencia suficientemente clara en cuanto a la dificultad para lograr la convergencia en los
registros de fuente cercana.
Fuente Lejana Fuente Cercana

100
Porcentaje de Convergencia [%]
90
80
70
60
50
40
30
20
10
0
0 - 1/9 - 2/9 - 1/3
Figura 5.16 Gráfica de convergencia según amortiguamiento numérico en relación a la cercanía de la fuente.
93


La gráfica de la Figura 5.17 muestra el porcentaje de convergencia según: el número de iteraciones máximas
(izquierda) y la tolerancia de iteración (derecha), con relación a la cercanía del registro. Teniendo en cuenta la
notable dificultad para lograr la convergencia recientemente expuesta en cuanto al amortiguamiento numérico, las
gráficas muestran que esta dificultad no varía para los demás parámetros ensayados, tanto en el número de
iteraciones máximas, como para la tolerancia. Por otro lado, en cuanto a la tolerancia de iteración, si bien
predomina el porcentaje de convergencia para todos los valores del parámetro, esta diferencia se atenúa cuando la
tolerancia es de 10-4, esto se puede ver en la gráfica situada a la derecha de la Figura 5.17. Por esto último se puede
afirmar que el único parámetro, de los analizados, que no se vio considerablemente afectado por los registros de
fuente cercana fue la tolerancia de iteración de 10-6.
Así, son evidentes los problemas que presentan los registros de fuente cercana para lograr la convergencia, en
comparación a los de fuente lejana.
Fuente Lejana Fuente Cercana Fuente Lejana Fuente Cercana

100 100
90 90
80 80
70 70
60 60
50 50
40 40
30 30
20 20
10 10
0 0
60 100 140 180 1,0E-06 1,0E-04
Iteraciones Máximas Tolerancia de Iteración
Figura 5.17 Gráficas de convergencia según: número de iteraciones máximas (izquierda) y

tolerancia de iteración (derecha) en relación a la cercanía de la fuente.
Luego de estudiar la incidencia de la cercanía de la fuente en la convergencia, se evalúa la influencia en relación al

tiempo de convergencia. Debido a la menor convergencia de los registros de fuente cercana, éstos son los que
acotan la cantidad de casos comparables. En las gráficas de la Figura 5.18 se presenta el tiempo de cálculo utilizado
según los casos convergidos para cada evento del análisis, a la izquierda se presentan los registros de 22 s de
duración y a la derecha los registros de 48 s. Cabe mencionar que las columnas de color celeste corresponden a los
registros de eventos lejanos a la fuente y las de color rojo a los registros de fuente cercana. De las gráficas se puede
apreciar una diferencia considerable en el tiempo de cálculo para los registros correspondientes a los eventos de
menor duración, mientras que esta diferencia se atenúa para los eventos de mayor duración. Sin embargo, en
ambos casos la tendencia corresponde a un tiempo mayor para los eventos de fuente cercana.
94


Evento 1 Gatos Evento 2 Landers
5 12
4 10
Tiempo [hr]
Tiempo [hr]
8
3
6
2 4
1 2
0 0
15 21 23 27 29 31 32 13 15 17 19 21 22 23 25 27 29 31
Caso Caso
Figura 5.18 Gráficas del tiempo de cálculo según casos que convergieron en ambos tipos de registros.
En la gráfica de la Figura 5.19 se presenta el incremento porcentual del tiempo de convergencia correspondiente al
evento de fuente cercana en relación al de fuente lejana, esta gráfica contiene la misma información de la
Figura 5.18 pero llevada a una diferencia porcentual. Los rótulos A1, A2, A3…, A7 corresponden a los registros de
menor duración (22 s), que se exponen en la
A1 Figura 5.18 (gráfica izquierda), mientras que los
B11 300 A2
B10 A3 rótulos B1, B2, B3,…, B11 corresponden a los
200
B9 A4 Fuente Lejana
100
registros de mayor duración (48 s, gráfica derecha
B8 A5
Fuente Cercana de la Figura 5.18). En la gráfica del incremento
0
B7 A6
Excedencia porcentual de tiempo se consideró la duración del
B6 A7 Promedio
B5 B1
caso de fuente lejana equivalente al 100%, luego se
B4 B2
B3 obtiene el incremento del caso cercano en relación
al lejano, así se observa de forma más descriptiva la
Figura 5.19 Gráfica del incremento porcentual de tiempo de
convergencia del caso cercano en relación al lejano. mayor cantidad de tiempo de cálculo necesario de
los casos de fuente cercana, llegando a duplicar en
tiempo a los casos de fuente lejana para la mayoría de los casos en los registros de menor duración. De la
Figura 5.19, se puede apreciar que la diferencia de tiempo entre los registros cortos (A1, A2,…, A7) y los registros
de mayor duración (B1, B2,…, B11) queda más clara, el promedio de incremento de tiempo necesario de los
registros cortos es de un 123%, esto quiere decir que el caso cercano se demora, en promedio, más del doble de
tiempo en lograr la convergencia en comparación al caso lejano. Mientras que para los registros largos, se mantiene
un incremento del caso cercano en relación al lejano para la mayoría de los casos, pero esta diferencia es menor en
comparación a los registros cortos, alcanzando el 36%. Es probable que esta diferencia en tiempo de convergencia
pueda ser debida al registro del evento Gatos, debido a que para dicho evento se alcanzó el menor porcentaje de
convergencia entre los cuatro eventos utilizados en este estudio. Es curiosa esta diferencia en porcentaje de
95


convergencia entre el registro del evento Gatos y Landers, debido a que sus niveles de convergencia total (asociado
al grado de avance del análisis) son similares, Gatos alcanza el 50% y Landers un 48%, teniendo incluso Gatos un
nivel de convergencia mayor.
En resumen, se puede agregar que la excedencia promedio alcanza el 70%, esto quiere decir que los casos cuyo
registro corresponde a fuente cercana tardarán un 70% más en lograr la convergencia, en relación a un caso de
fuente lejana.
Adicionalmente, el efecto de la cercanía de la fuente puede ser apreciado de forma particular para cada uno de los
eventos en las gráficas de las Figuras 5.2, 5.7 y 5.12, en cada gráfica se puede apreciar como decae el porcentaje de
convergencia de los registros de fuente cercana en relación a los de fuente lejana
(Evento 1 vs Gatos, Evento 2 vs Landers), independientemente del parámetro que está siendo evaluado. En
relación al tiempo de convergencia sucede lo mismo, en las gráficas de las Figuras 5.3, 5.4, 5.8 y 5.9 se puede notar
el aumento en el tiempo de cálculo para los casos de fuente cercana, de manera independiente al parámetro
analizado. Por último, en la gráfica de la Figura 5.5 se presenta el tiempo de convergencia promedio de cada evento
en función del amortiguamiento, aquí también se hace notar la diferencia entre el tiempo promedio de un evento
de fuente lejana con respecto al caso cercano a la fuente.
Por lo tanto, el efecto de la cercanía de la fuente influye de forma considerable tanto en la convergencia del método
de integración utilizado como en el tiempo requerido para lograrla.
5.6 Selección de Parámetros Óptimos
En la Tabla 5.2 se presenta la influencia de cada parámetro en la estabilidad del método Hilber-Hughes-Taylor-α,
mediante el porcentaje de convergencia y el tiempo de cálculo relativo entre los parámetros probados. Este tiempo
relativo indica la cantidad de tiempo necesaria para lograr la convergencia entre los distintos valores de un mismo
parámetro. Por ejemplo, entre los valores intermedios de amortiguamiento numérico, para un valor de -2/9 se
tardará un 67% en comparación a lo que tarda para un valor de -1/9. En la tabla también se destacan los parámetros
óptimos que aumentan la estabilidad para la mayoría de los casos estudiados.
Para completar este resumen, se incluye la influencia de la cercanía de la fuente como otro parámetro de influencia,
se exponen claramente las dificultades en cuanto a convergencia y tiempo de cálculo que presentan los registros de
fuente cercana.
96


Tabla. 5.2 Resumen del efecto de los parámetros en la estabilidad y tiempo de cálculo.
Convergencia Tiempo
Parámetro Valor
[%] relativo [%]
0 3 -
Amortiguamiento - 1/9 34 100
Numérico - 2/9 56 67
- 1/3 72 30
60 19 -
Número de Iteraciones 100 31 89
Máximas 140 53 95
180 63 100
a10-8 0 -
Tolerancia de Iteración a10-6 25 93
a10-4 58 100
Cercana 30 100
Cercanía de la Fuente
Lejana 53 59
97

Capítulo VI
CONCLUSIONES
Estabilidad del método-α en presencia de sismos de fuente cercana aplicado a estructuras de período largo CAPÍTULO VI – CONCLUSIONES

6.1 Conclusiones y Recomendaciones.
Se realizó un estudio acerca de los factores que influyen en la estabilidad del método Hilber-Hughes-Taylor-α en
presencia de sismos de fuente cercana para estructuras altamente no lineales. Para esto se utilizó como modelo un
puente atirantado tipo arpa adaptado por Valdebenito (2009), cuya principal característica es su alta no linealidad.
Se establecieron previamente un conjunto de parámetros y se aplicaron registros sísmicos de fuente lejana y
cercana. A continuación se entregan las conclusiones y recomendaciones en vista de los resultados expuestos
anteriormente.
Conclusiones relativas a la selección de los parámetros más importantes del método analizado:
1. Tomando en cuenta los resultados obtenidos, el amortiguamiento numérico es el parámetro que posee el
mayor grado de influencia en la estabilidad del problema. Para el modelo analizado existe un claro
problema de estabilidad cuando se escoge un amortiguamiento cercano a cero. El porcentaje de
convergencia es muy bajo a diferencia de lo que ocurre cuando el amortiguamiento es más cercano al otro
valor límite (-1/3). Para un amortiguamiento de -1/3 se obtiene la mejor respuesta en cuanto a
convergencia y tiempo de cálculo, pero el problema de esta elección es la disminución de precisión en el
análisis. Teniendo en cuenta lo anterior, para estructuras de período largo se propone el uso de un
amortiguamiento numérico cercano al valor =-2/9, ya que este valor entrega el mayor porcentaje de
convergencia y un menor tiempo en alcanzarla (sólo superado por =-1/3), con un nivel de precisión
aceptable.
2. En cuanto al número de iteraciones máximas por sub-paso, se aprecian diferencias notorias en cuanto a la
convergencia y se obtiene un porcentaje de ésta mayor al 50% para 140 y 180 iteraciones máximas.
En relación al tiempo requerido para lograr la convergencia, las diferencias son casi despreciables y
discriminando entre los valores que alcanzaron mayor convergencia, se alcanza un menor tiempo de
cálculo para un número de iteraciones del orden de 140. De acuerdo a los resultados en la convergencia y
teniendo en cuenta que la diferencia en el tiempo de cálculo es despreciable, se propone como aceptable
un valor 180 para este parámetro.
3. Respecto a la tolerancia de iteración, podemos afirmar que los resultados son los más elocuentes en
cuanto a convergencia. Así, para un valor de 10-4 se obtiene más del doble de porcentaje de convergencia
en comparación a una tolerancia de 10-6 y no ocurre lo mismo para el tiempo de cálculo, imponiéndose
101


levemente el valor de tolerancia 10-6 más rápido en alcanzar la convergencia. Así, debido a la gran
diferencia experimentada en cuanto a convergencia, para estos tipos de análisis se recomienda trabajar
con un valor de tolerancia de iteración de 10-4. Cabe mencionar que no es recomendable seleccionar
valores menores a 10-6 para la tolerancia de iteración, debido al incremento en el tiempo de cálculo y a la
presencia de serias dificultades para lograr la convergencia.
A la luz de lo anterior, en el caso de estructuras altamente no lineales se recomiendan los parámetros presentes en
la Tabla 6.1, con una selección de parámetros similar a ésta, se obtiene un porcentaje de convergencia aceptable,
un tiempo de cálculo moderado y un buen nivel de precisión. En conclusión, se establece que todos los parámetros
de este estudio tienen una influencia importante en la estabilidad y en el costo computacional.
Tabla 6.1 Parámetros recomendados para el análisis paso a paso.

Numérico Máximas
-4
- 2/9 180 a10
Conclusiones relativas a la influencia de los sismos de fuente cercana:

1. Se puede concluir que el efecto de la cercanía de la fuente afecta a la convergencia de los algoritmos de
integración paso a paso. Para los registros de fuente lejana se alcanzó un porcentaje de convergencia del
53%, mientras que para los de fuente cercana sólo se logró un 30% de convergencia. Además, existe una
gran influencia de la cercanía de la fuente en cuanto al costo computacional relacionado al tiempo
requerido para lograr la convergencia. Según lo mostrado por los resultados, los registros de fuente
cercana tardan en promedio un 70% más de tiempo en converger, en comparación a los casos de fuente
lejana.
2. Dentro de los registros de fuente cercana aplicados también existieron diferencias considerables.
El registro de Gatos alcanzó un porcentaje de convergencia de 22%, en tanto que Landers llegó al 38%.
Curiosamente el registro sísmico de menor duración dio más problemas de convergencia. El registro de
Landers posee el pulso de período más largo de los registros utilizados, además, el peak de aceleración de
Gatos es menor al de Landers. Esta dificultad con el registro de Gatos probablemente se explica de
acuerdo a lo planteado por Somerville (2000), en relación a la mayor demanda en cuanto a respuesta que
102


presenta una banda estrecha de pulsos en un registro. Así, posiblemente una banda estrecha de pulsos,
como la presente en el registro de Gatos, resulta más perjudicial que un pulso de período largo en cuanto
a la estabilidad del método utilizado.
3. Los registros de fuente cercana, debido principalmente a la presencia de pulsos de velocidad de largo
período, adicionan una cantidad importante de no linealidad al problema. En este caso, se presenta una
alta no linealidad debida principalmente a los tirantes del modelo estructural, el efecto P-Δ y el efecto de
grandes desplazamientos.
4. La característica principal de los sismos de fuente cercana es la presencia de pulsos de velocidad. Es sabido
que en estructuras de período largo (0,4 s<T<3 s) las estructuras se ven más afectadas por la velocidad.
En el presente trabajo se comprueba que esta particularidad destructiva no sólo se presenta como
amenaza natural, sino que también afecta la estabilidad de los métodos de integración paso a paso.
Conclusiones relativas a los métodos de integración:

1. Se logra recopilar y resumir información importante respecto al desarrollo de los algoritmos de
integración paso a paso a lo largo de los años, así como de su aplicación para problemas en ingeniería. Se
establece con ello un estado del conocimiento actualizado.
6.2 Estudios Futuros.
A continuación se detallan posibles líneas de investigación en relación al estudio de la estabilidad de algoritmos de

integración paso a paso y a la influencia del registro aplicado en el análisis temporal.
1. Evaluar la influencia del sismo de fuente cercana para el análisis paso a paso en estructuras que posean
períodos de vibración más cortos y así poder determinar si el período de la estructura influye en la
convergencia del método de integración utilizado.
2. Estudiar el desempeño en cuanto a estabilidad del método Chung-Hulbert-α, debido a que según estudios
realizados, posee propiedades similares al método Hilber-Hughes-Taylor-α, para así realizar un análisis
comparativo entre ambos. Además, estudios para estructuras altamente no lineales son muy limitados.
3. Evaluar las diferencias en relación a las condiciones de estabilidad para registros de fuente cercana que
presenten un pulso de largo período y registros que presenten una banda estrecha de pulsos.
103

REFERENCIAS
Estabilidad del método-α en presencia de sismos de fuente cercana aplicado a estructuras de período largo REFERENCIAS
ABAQUS Inc. 2007. ABAQUS Analysis User’s Manual.
ABRAHAMSON, N. 1998. Seismological Aspects of Near-Fault Ground Motions. 5th Caltrans Seismic Research
Workshop, Sacramento, California, June.
ABRAHAMSON, N.A. 2000. Effects of Rupture Directivity on Probabilistic Seismic Hazard Analysis. In Proc. 6th
International Conference on Seismic Zonation, Nov. 12–15, Palm Springs, CA. Earthquake Engineering
Research Institute, Oakland. (Original no consultado, citado por: CHEN, W-F., SCAWTHORN, C. 2003.
Earthquake Engineering Handbook. CRC Press LLC.).
AKKAR, S., GÜLKAN, P. 2003. A Near-Fault Spectrum and its Drift Limits. Proceedings of the 4th International
Conference on Earthquake Engineering and Seismology, Tehran, Iran.
ALAVI B., KRAWINKLER H. 2001. Effects of Near-Fault Ground Motions on Frame Structures. John A. Blume
Earthquake Engineering Center Report No. 138. Stanford University.
APARICIO, A.C., CASAS, J.R. 2000. Ponts. Apunts de Ponts. Department d`Enginyeria de la Construcció. ETSECCPB,
Universitat Politècnica de Catalunya, Barcelona. (Original no consultado, citado por: VALDEBENITO, G.
2009. Passive Seismic Protection of Cable-Stayed Bridges Applying Viscous Dampers under Strong Motion.
Tesis Doctoral, ETSECCPB, Universidad Politécnica de Catalunya, Barcelona, España).
APPLIED TECHNOLOGY COUNCIL (ATC). 1996. Improved seismic design criteria for California bridges: provisional
recommendations. Report No. ATC-32. Redwood City, California.
ATTALLA, M.R., PARET, T.F., FREEMAN, S.A. 1998. Near-source Behavior of Buildings Under Pulse-type
Earthquakes. Proceedings of the sixth US National Conference on Earthquake Engineering, Seattle WA.
(Original no consultado, citado por: COX, K.E, ASHFORD, S.A. 2002. Characterization of Large Velocity
Pulses for Laboratory Testing. Final Report on Research. Pacific Earthquake Engineering Research Center.
College of Engineering, University of California, Berkeley, USA.).
BAJER, C. 2002. Time integration methods - still questions. Theoretical Foundations of Civil Engineering. W.
Szcześniak ed. Vol. 1: 45-54.
BENIOFF, H. 1955. Mechanism and Strain Characteristics of the White Wolf Fault as Indicated by the Aftershock
Sequence. California Division of Mines Bulletin No. 171, 199-202. (Original no consultado, citado por:
ALAVI B., KRAWINKLER H. 2001. Effects of Near-Fault Ground Motions on Frame Structures. John A.
Blume Earthquake Engineering Center Report No. 138. Stanford University).
107

BERTERO, V.V., MAHIN, S.A., HERRERA, R.A. 1978. Aseismic design implications of San Fernando earthquake
records. Earthquake Engineering and Structural Dynamics. Vol. 6(1): 31-42. (Original no consultado,
citado por: MANFREDI, G., POLESE, M., COSENZA, E. 2001. Structural Damage in the Near-Fault. 12th
European Conference on Earthquake Engineering. Paper Reference 242.).
BRAY, J., RODRIGUEZ-MAREK, A. 2004. Characterization of forward-directivity ground motions in the near-fault
region. Soil Dynamics and Earthquake Engineering. Vol. 24: 815-828.
CHAI, J-F., LOH, C-H., CHEN, C-Y. 2000. Consideration of the near-fault effect on seismic design code for sites near
the chelungpu fault. Journal of the Chinese Institute of Engineering. Vol. 23: 447-454.
CHANG, S.Y. 2009. Accurate integration of nonlinear systems using newmark explicit method. Journal of
Mechanics. Vol. 25(3): 289-297.
CHAPRA, S. CANALE, R. 1999. Métodos numéricos para ingenieros. Tercera edición. México: McGraw-Hill. Vol. 3.
CHEN, C., RICLES, J. 2008a. Development of direct integration algorithms for structural dynammics using discrete
control theory. Journal of Engineering Mechanics. Vol. 134(8): 676-683.
CHEN, C., RICLES, J. 2008b. Stability Analysis of Direct Integration Algorithms Applied to Nonlinear Structural
Dynamics. Journal of Engineering Mechanics. Vol. 134(9): 703-711.
CHEN, C., RICLES, J. 2010. Stability Analysis of Direct Integration Algorithms Applied to MDOF Nonlinear Structural
Dynamics. Journal of Engineering Mechanics. Vol. 136(4): 485-495.
CHEN, W-F., SCAWTHORN, C. 2003. Earthquake Engineering Handbook. CRC Press LLC.
CHOPRA, A.K. 1995. Dynamics of structures: theory and applications to earthquake engineering. Prentice Hall.
CHOUW, N. 2000. Performance of Structures during Near Source Earthquakes. Proceedings of the 12th World
Conference on Earthquake Engineering, Auckland, New Zealand. Paper No. 0368.
CHUNG, J., HULBERT, G.M. 1993. A Time Integration Algorithm for Structural Dynamics With Improved Numerical
Dissipation: The Generalized-α Method. Journal of Applied Mechanics. Vol. 60: 371-374.
CHUNG, J., HULBERT, G.M. 1994. A family of single-step Houbolt time integration algorithms for structural
dynamics. Computer methods in applied mechanics and engineering. Vol. 118: 1-11.
108

COMITÉ EUROPEO DE NORMALIZACIÓN (CEN) 1998c. Eurocódigo 1: Bases de Proyecto y Acciones en

Estructuras. Parte 3: Acciones del Tráfico en Puentes. Asociación Española de Normalización y
Certificación, Madrid, España. (Original no consultado, citado por: VALDEBENITO, G. 2009. Passive
Seismic Protection of Cable-Stayed Bridges Applying Viscous Dampers under Strong Motion. Tesis
Doctoral, ETSECCPB, Universidad Politécnica de Catalunya, Barcelona, España).
COMITÉ EUROPEO DE NORMALIZACIÓN (CEN). 1998a. Eurocódigo 8: Disposiciones Para el Proyecto de

Estructuras Sismorresistentes. Parte 1 – 1: Reglas Generales. Acciones Sísmicas y Requisitos Generales de
las Estructuras. Asociación Española de Normalización y Certificación, Madrid, España. (Original no
consultado, citado por: VALDEBENITO, G. 2009. Passive Seismic Protection of Cable-Stayed Bridges
Applying Viscous Dampers under Strong Motion. Tesis Doctoral, ETSECCPB, Universidad Politécnica de
Catalunya, Barcelona, España).
COMITÉ EUROPEO DE NORMALIZACIÓN (CEN). 1998b. Eurocódigo 8: Disposiciones Para el Proyecto de

Estructuras Sismorresistentes. Parte 2: Puentes. Asociación Española de Normalización y Certificación,
Madrid, España. (Original no consultado, citado por: VALDEBENITO, G. 2009. Passive Seismic Protection
of Cable-Stayed Bridges Applying Viscous Dampers under Strong Motion. Tesis Doctoral, ETSECCPB,
Universidad Politécnica de Catalunya, Barcelona, España).
COMPUTERS & STRUCTURES. 2009. SAP2000 V. 14.0 Programa de análisis estructural. C.S.I. Educational Services,
Berkeley.
COX, K.E, ASHFORD, S.A. 2002. Characterization of Large Velocity Pulses for Laboratory Testing. Final Report on
Research. Pacific Earthquake Engineering Research Center. College of Engineering, University of California,
Berkeley, USA.
DINTWA, E. 2006. Development of accurate contact force models for use with Discrete Element Method (DEM)
modelling of bulk fruit handling processes. PhD Tesis, faculteit Bio-ingenieurswetenschappen. Katholieke
Universiteit, Leuven.
DRAKOS, N., MOORE, R. 2002. TNO Building and Construction Research. (Disponible en
http://eng.snu.ac.kr/service/on-line-documents/diana/Analys/node391.html. Consultado el: 16 de
septiembre de 2009).
ERLICHER S., BONAVENTURA L., BURSI O.S. 2002. The analysis of the generalized-α method for non-linear
dynamic problems. Computational Mechanics. Vol 28: 83–104.
109

ERNST, H.J. 1965. Der E-Modul von Seilen unter Berücksichtigung des Durchhängens. Bauingenieur.
Vol. 40: 52-55. (Original no consultado, citado por: VALDEBENITO, G. 2009. Passive Seismic Protection of
Cable-Stayed Bridges Applying Viscous Dampers under Strong Motion. Tesis Doctoral, ETSECCPB,
FEDERAL EMERGENCY MANAGEMENT AGENCY (FEMA). 1997. NEHRP recommended provisions for the seismic
rehabilitation of buildings. Reports FEMA 273 (Guidelines) and 274 (Commentary). Washington, D.C.
GASPARINI, D.A., VANMARCKE, E.H. 1976. SIMQKE: A Program for Artificial Motion Generation. Department of
Civil Engineering, Massachusetts. Institute of Technology, Cambridge, Massachusetts, USA. (Original no
consultado, citado por: VALDEBENITO, G. 2009. Passive Seismic Protection of Cable-Stayed Bridges
Applying Viscous Dampers under Strong Motion. Tesis Doctoral, ETSECCPB, Universidad Politécnica de
Catalunya, Barcelona, España).
GIMSING, N.J. 1998. Cable supported bridges – concept & design. John Wiley, 2da edición. (Original no consultado,
citado por: MORGENTHAL, G. 1999. Cable-Stayed Bridges – Earthquake Response and Passive Control.
Msc Dissertation. Civil Engineering Department. Imperial College of Science, Technology and Medicine,
London, UK.).
GOUDREAU, G.L. TAYLOR, R.L. 1972. Evaluation of numerical integration methods in elastodynamics. Computer
Methods in Applied Mechanics and Engineering. 2: 69-97. (Original no consultado, citado por: HILBER, H.
C., HUGHES, T. J. R. 1978, Collocation, dissipation and ‘overshoot’ for time integration schemes in
structural dynamics. Earthquake Engineering and Structural Dynamics. Vol. 6: 99–118).
HALL, J.F., AAGAARD, B.T. 1998. Fundamentals of the Near-Source Problem. 5th Caltrans Seismic Research
Workshop, Sacramento, California, June.
HALL, J.F., HEATON, T.H., HALLING, M.W., WALD, D.J. 1995. Near-Source Ground Motion and its Effects on
Flexible Buildings. Earthquake Spectra. Vol. 11(4): 569–605.
HILBER, H.C., HUGHES, T.J.R. 1978. Collocation, dissipation and ‘overshoot’ for time integration schemes in
structural dynamics. Earthquake Engineering and Structural Dynamics. Vol. 6: 99–118.
HILBER, H.M., HUGHES, T.J.R. TAYLOR, R.L. 1977. Improved numerical dissipation for time integration algorithms
in structural mechanics. Earthquake Engineering and Structural Dynamics. Vol 5: 283-292.
HOUBOLT, J.C. 1950. A recurrence matrix solution for the dynamic response of elastic aircraft. Journal of
Aeronautical Sciences. Vol. 17: 540–550. (Original no consultado, citado por: WUNDERLICH, W., PILKEY,
W. D. 2003. Mechanics of Structures : Variational and Computational Methods. CRC PRESS. 2da Edición.).
110

HUGHES T.J.R. 1987. The Finite Element Method: Linear Static and Dynamic Finite Element Analysis. Prentice-Hall:
Englewood Cliffs. (Original no consultado, citado por: KAIPING, Y. 2008. A new family of generalized-α
time integration algorithms without overshoot for structural dynamics. Earthquake Engineering and
Structural Dynamics. Vol. 37: 1389-1409.).
HUGHES, T.J.R. 1976. Stability, convergence and growth and decay of energy of the average acceleration method in
nonlinear structural dynamics. Computers and Structures. 6: 313-324. (Original no consultado, citado por:
CHENG, C., RICLES, J. 2008b . Stability Analysis of Direct Integration Algorithms Applied to Nonlinear
Structural Dynamics. Journal of Engineering Mechanics. Vol. 134(9): 703-711).
JEE, H-W, LEE, I-W, PARK, S-K. 1999. Analysis and comparison of step-by-step numerical integration methods.
Proceedings of the Twelfth Seminar/ Workshop on Civil Engineering. Taejon, Canada.
KAIPING, Y. 2008. A new family of generalized-α time integration algorithms without overshoot for structural
dynamics. Earthquake Engineering and Structural Dynamics. Vol. 37: 1389-1409.
KIRCHER, C. 1996. The Kobe earthquake: ground shaking, damage and loss. Proceedings of the ASCE Structure
Congress, Chicago, Illinois. p.9.
LEONDES, C.T. 1999. Structural dynamic systems computational techniques and optimization. Gordon and Breach
Science Publishers. Volume 13.
LI, X., ZHU, X. 2003. Study on Near-Fault Design Spectra of Seismic Design Code. Proceedings of the 3rd
International Conference on Earthquake Engineering, Nanjing, China.
MANFREDI, G., POLESE, M., COSENZA, E. 2001. Structural Damage in the Near-Fault. 12th European Conference on
Earthquake Engineering. Paper Reference 242.
MANTEROLA, J. 2006. Puentes: apuntes para su diseño, cálculo y construcción. Colegio de ingenieros de Caminos,
Canales y Puertos, Madrid. Primera Edición.
MINISTERIO DE FOMENTO. 1998. IAP, Instrucción sobre las Acciones a Considerar en el Proyecto de Puentes de
Carretera. Dirección General de Carreteras, Madrid, España. (Original no consultado, citado por:
VALDEBENITO, G. 2009. Passive Seismic Protection of Cable-Stayed Bridges Applying Viscous Dampers
under Strong Motion. Tesis Doctoral, ETSECCPB, Universidad Politécnica de Catalunya,
Barcelona, España).
111

MINISTERIO DE FOMENTO. 2000. EHE, Instrucción de Hormigón Estructural. Comisión Permanente del
Hormigón, Madrid, España. (Original no consultado, citado por: VALDEBENITO, G. 2009. Passive Seismic
Protection of Cable-Stayed Bridges Applying Viscous Dampers under Strong Motion. Tesis Doctoral,
ETSECCPB, Universidad Politécnica de Catalunya, Barcelona, España).
MORGENTHAL, G. 1999. Cable-Stayed Bridges – Earthquake Response and Passive Control. Msc Dissertation. Civil
Engineering Department. Imperial College of Science, Technology and Medicine, London, UK.
NEWMARK, N.M. 1959. A method of computation for structural dynamics. Journal of Engineering Mechanics. Vol.
85: 67-94.
PENZIEN, J., WATABE, M. 1975. Characteristics of 3-D Earthquake Ground Motions. Earthquake Engineering and
Structural Dynamics. Vol. 3: 365–373. (Original no consultado, citado por: VALDEBENITO, G. 2009.
Passive Seismic Protection of Cable-Stayed Bridges Applying Viscous Dampers under Strong Motion. Tesis
Doctoral, ETSECCPB, Universidad Politécnica de Catalunya, Barcelona, España).
PRIESTLEY, M.J.N., SEIBLE, F., CALVI, G.M. 1996. Seismic Design and Retrofit of Bridges. John Wiley & Sons, Inc,
New York. (Original no consultado, citado por: VALDEBENITO, G. 2009. Passive Seismic Protection of
Cable-Stayed Bridges Applying Viscous Dampers under Strong Motion. Tesis Doctoral, ETSECCPB,
QUIFANG, L., YIFAN, Y., XING, J. 2006. Effect of source parameters on forward-directivity velocity pulse for vertical
strike slip fault in half space. Earthquake Engineering and Engineering Vibration. Vol. 5: 1-10.
REN, W.X., OBATA, M. 1999. Elastic-Plastic Seismic Behaviour of Long-Span Cable-Stayed Bridges. Journal of Bridge
Engineering. Vol.4(3): 194–203.
SEISMOSOFT. 2006. SeismoSignal V. 3.2.0. Package for the Processing of Strong-Motion Data, University of Pavia,
Italy. (Original no consultado, citado por: VALDEBENITO, G. 2009. Passive Seismic Protection of Cable-
Stayed Bridges Applying Viscous Dampers under Strong Motion. Tesis Doctoral, ETSECCPB, Universidad
Politécnica de Catalunya, Barcelona, España).
SINGH J. 1985. Earthquake Ground Motions: Implications for Designing Structures and Reconciling Structural
Damage. Earthquake Spectra 239-270. (Original no consultado, citado por: ALAVI B., KRAWINKLER H.
2001. Effects of Near-Fault Ground Motions on Frame Structures. John A. Blume Earthquake Engineering
Center Report No. 138. Stanford University).
SOMERVILLE, P. 1997. The Characteristics and Quantification of Near Fault Ground Motion. Proceedings of the
FHWA/NCEER Workshop on the National Representation of Seismic Ground Motion for New and Existing
Highway Facilities, Burlingame, California. pp 293–318.
112

SOMERVILLE, P. 2003. Magnitude Scaling of the Forward Rupture Directivity Pulse in Near-Fault Ground Motions.
Final Report on Research, URS Group, Inc, Pasadena, California.
SUBBARAJ, K., DOKAINISH, M.A. 1989a. A survey of direct time integration methods in computational structural
dynamics-I, Explicit methods, Computers and Structures. Pergamon Press. 32(6): 1371-1386. (Original no
consultado, citado por: EBELING, R. M., GREEN, R. A., FRENCH, S. E. 1997. Accuracy of Response of
Single-Degree-of-Freedom Systems to Ground Motion. Earthquake Engineering Research Program).
SUBBARAJ, K., DOKAINISH, M.A. 1989b. A survey of direct time integration methods in computational structural
dynamics-II, Implicit methods, Computers and Structures. Pergamon Press. 32(6): 1387-1401. (Original no
consultado, citado por: EBELING, R. M., GREEN, R. A., FRENCH, S. E. 1997. Accuracy of Response of
Single-Degree-of-Freedom Systems to Ground Motion. Earthquake Engineering Research Program).
UNIFORM BUILDING CODE (UBC). 1997. International Conference of Building Officials. Whittier, California.
VALDEBENITO, G. 2009. Passive Seismic Protection of Cable-Stayed Bridges Applying Viscous Dampers under
Strong Motion. Tesis Doctoral, ETSECCPB, Universidad Politécnica de Catalunya, Barcelona, España.
WALTHER, R. 1999. Cable – Stayed Bridges. 2nd Edition, Thomas Telford Ltd., London, UK.
WILSON, E. 2002. Three Dimensional Static and Dynamic Analysis of Structures. Computers and Structures, Inc.
WILSON, E.L. 1968. A computer program for the dynamic stress analysis of underground structures. SESM Report
68-1. Division of Structural Engineering and Structural Mechanics. Berkeley: University of California.
WILSON, E.L. 1985. A New Method of Dynamic Analysis for Linear and Nonlinear Systems. Finite Elements in
Analysis and Design. Vol. 1: 21–23.
WILSON, E.L., FARHOOMAND, I., BATHE, J. 1973. Nonlinear Dynamic Analysis of Complex Structures. Earthquake
Engineering and Structural Dynamics. Vol. 1: 241-252. (Original no consultado, citado por: COMPUTERS &
STRUCTURES. 2006. Dynamic analysis by numerical integration. C. S. I. Educational Services, Berkeley.).
WOOD, W.L., BOSSAK, M., ZIENKIEWICZ, O.C. 1981. An alpha modification of Newmark’s method. International
Journal for Numerical Methods in Engineering. Vol. 15: 1562-1566.
WUNDERLICH, W. PILKEY, W.D. 2003. Mechanics of Structures: Variational and Computational Methods. CRC
Press, Boca Raton. Segunda Edición.
113

Convergencia Método Alfa PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Convergencia Método Alfa PDF

Transféré par

Droits d'auteur :

Formats disponibles

Universidad Austral de Chile

Facultad de Ciencias de la Ingeniería

“ESTABILIDAD DEL MÉTODO-α EN PRESENCIA

Tesis para optar al Título de:

MARCO ANTONIO AMAYA CERÓN

1.1 Planteamiento del Problema 3

CAPITULO II Estado del Conocimiento: Algoritmos de Integración Paso a Paso 9

2.2.4 Método de Colocación 18

CAPITULO III Sismos de Fuente Cercana 35

CAPITULO IV Modelo y Análisis 51

4.1 Geometría del Modelo 53

CAPITULO V Estudio Paramétrico 79

6.1 Conclusiones y Recomendaciones 101

1.1 Planteamiento del Problema

1.1.1 Origen de la Investigación

1.2 Justificación del Trabajo

- Búsqueda bibliográfica exhaustiva en bases de datos de revistas, textos, información en internet,

Capítulo I Se presenta el problema de manera introductoria, que pretende la investigación, la importancia

ESTADO DEL CONOCIMIENTO:

Mut  Cut  Kut  Ft (Ec. 2.1)

2.2.1 Método de Houbolt

u 1  (  t ) 2 u0  u1  2 u 0 (Ec. 2.4)

u 2  6  tu 0  6(  t ) 2 u0  8u1  9 u 0 (Ec. 2.5)

2.2.2 Método de Newmark

ut  ut   t   tut   t    t 2

ut  ut t

2.2.2.1 Método de la diferencia central

2.2.2.2 Método de aceleración lineal

2.2.2.3 Método de aceleración constante

MÉTODO γ β δ ∆t / Tmin PRECISIÓN

Excelente para ∆t pequeño

Muy bueno para ∆t pequeño

Bueno para ∆t pequeño

Bueno para ∆t pequeño

es condicionalmente estable, pero con la extensión propuesta el método se convierte en incondicionalmente

 t´  t (Ec. 2.13)

Las ecuaciones del método son las siguientes:

estable si 1,37, en la práctica generalmente se usa: 1,40.

La principal ventaja de este método es la incorporación del amortiguamiento numérico, posteriormente se ha

Mun   Kun   Fn  (Ec. 2.18)

un   (1   )un   un 1 (Ec. 2.19)

reduce a la familia de Newmark. Si y obtenemos el método de Wilson . A los métodos recién

2.2.5 Método Wood-Bossak-Zienkiewics-

Mut  m  Cut  f  Kut  f  F (tt  f ) (Ec. 2.28)

ut  f  (1   f )ut   f ut t (Ec. 2.29)

se reduce al metodo de Hilber-Hughes-Taylor-α, con 0 obtenemos el método Wood-Bossak-Zienkiewics-α, y

para 0 resulta el de Newmark.

El método generalizado-α es incondicionalmente estable y posee segundo orden de precisión si:

La relación entre parámetros es la siguiente:

Donde es la ecuación predictora de desplazamiento, además corrige desplazamiento y velocidad.

1/2 que evita el overshoot en velocidad.

2.3 Algoritmos Recientes

2.3.2 Familia de algoritmos generalizados-

ut  ut t  t (  ut t   ut ) (Ec. 2.40)

u t  u t   t   tut   t  (  t ) 2 ( ut   t   ut ) (Ec. 2.41)

(1) Converger a la solución exacta mientras ∆ decrece.

Estos conceptos son presentados en las siguientes definiciones:

 X n 1   A X n    L  f n  v  (Ec. 2.42)

2.4.1 Disipación y Dispersión

La medida de disipación numérica que se emplea es la razón de amortiguamiento algorítmico ̅. La dispersión es

2.5 Método Hilber-Hughes-Taylor-

2.5.1 Características del método.

Mut  (1   )Cut  (1   ) Kut  (1   ) Ft   Ft   Cut t   Kut t (Ec. 2.43)