Baixe o app para aproveitar ainda mais
Prévia do material em texto
INSTITUTO DE ENGENHARIA MECÂNICA Aluno: João Artur Souza Chaves Matrícula: 30750 Curso: Engenharia Mecânica Aeronáutica Orientador: Prof. Dr. Guilherme Ferreira Gomes Fase/Período: 9º Vigência: 2018/2019 Problema inverso de identificação de danos em pá de helicóptero usando bat algorithm RELATÓRIO FINAL PROGRAMA PIVIC RESUMO Neste estudo, um método de detecção de danos é proposto, implementando o algoritmo de otimização bat algorithm e dados de vibração obtidos numericamente por meio do método de elementos finitos (MEF). O método foi aplicado em uma pá de helicóptero baseada na pá do modelo AS350. A pá foi modelada e simulada no ANSYS APDL®, a solução modal foi exportada para MATLAB® e então o algoritmo foi usado para minimizar uma função objetivo composta por parâmetros modais da pá. Três funções objetivo de deslocamento modal foram utilizadas e seus resultados comparados. Os dados numéricos mostram que o método é preciso e foi capaz de identificar o dano e sua severidade com eficiência. Palavras-chave: Identificação de danos. Problema inverso. bat algorithm. Monitoramento de integridade estrutural. ABSTRACT In this study, a damage detection method is proposed using the bat optimization algorithm and vibration data simulated in CAE software. The method was applied in a helicopter rotor blade based in the AS350’s rotor blades. The rotor blade was modeled and simulated in ANSYS APDL®, the modal solution was exported to MATLAB® and then the algorithm was applied to optimize the objective function defined by the authors. Three objective functions of displacement in the three axis were used and theirs results were compared. The numerical results show that the method is reliable and adequate for practical application in the industry. Keywords: Damage Identification; Inverse Problem; bat algorithm; helicopter blade; Structure Health Monitoring; damage detection; LISTA DE FIGURAS Figura 1 - Pontos do aerofólio ................................................................................ 13 Figura 2 - Pontos no espaço .................................................................................... 13 Figura 3 - Parte aerodinâmica da pá ........................................................................ 14 Figura 4 - Punhal .................................................................................................... 14 Figura 5 - Pá completa vista 3D .............................................................................. 15 Figura 6 - Pá vista superior ..................................................................................... 15 Figura 7 - Pá Vista lateral ....................................................................................... 15 Figura 8 - Pá malhada ............................................................................................. 15 Figura 9 - detalhe da malha..................................................................................... 16 Figura 10 - Localização dos sensores ...................................................................... 16 Figura 11 - Gráfico de resultado ............................................................................. 18 Figura 12.a - Pá sem dano....................................................................................... 21 Figura 14- Danos encontrados caso 1...................................................................... 23 Figura 15- Danos encontrados caso 2...................................................................... 23 Figura 16- Danos encontrados caso 3...................................................................... 23 LISTA DE TABELAS Tabela 1 - Resultado modal sem dano ..................................................................... 19 Tabela 2 - Resultado modal com dano .................................................................... 20 Tabela 3 - Resultados Função J1 ............................................................................. 21 Tabela 4 - Resultados Função J2 ............................................................................. 22 Tabela 5 - Resultados Função J3 ............................................................................. 22 LISTA DE ABREVIATURAS E SIGLAS SHM Structural Health Monitoring BOA Bat Optimization Algorithm MEF Método dos Elementos Finitos GA Genetic Algorithm PSO Particle Swarm Optimization ABC Artificial bee Colony SUMÁRIO 1 INTRODUÇÃO .............................................................................................................. 9 2 OBJETIVOS PROPOSTOS .......................................................................................... 10 3 REFERENCIAL TEÓRICO .......................................................................................... 10 3.1 Métodos de detecção por vibração ................................................................................ 10 3.2 Métodos de detecção por variação de frequência ........................................................... 10 3.3 Métodos de detecção por variação de energia ................................................................ 11 3.4 Métodos de detecção por amortecimento modal ............................................................ 11 3.5 SHM NA INDÚSTRIA AERONÁUTICA ..................................................................... 12 3.6 Bat Optimization Algorithm .......................................................................................... 12 4 DESCRIÇÃO DAS ATIVIDADES DESENVOLVIDAS .............................................. 13 4.1 Problema direto............................................................................................................. 13 4.2 Problema Inverso .......................................................................................................... 16 5 RESULTADOS OBTIDOS E ANÁLISE ....................................................................... 18 5.1 Resultados Numéricos do Otimizador ........................................................................... 21 6 CONCLUSÕES ............................................................................................................ 24 7 REFERÊNCIAS BIBLIOGRÁFICAS ........................................................................... 25 9 1 INTRODUÇÃO A indústria aeronáutica e aeroespacial tem grande interesse na área de detecção de danos em estruturas. Uma tecnologia capaz de identificar a área exata de uma fissura numa aeronave pode gerar grande economia e melhora da confiabilidade do sistema. Rytter (1993) descreve os métodos de identificação de danos. Em nível básico, temos os métodos visuais. Com estes, é possível detectar danos macroscópicos nas estruturas externas por visualização direta e em estruturas internas através das janelas de inspeção. Porém, esse tipo de dano é fácil de identificar, a grande dificuldade se apresenta na identificação de danos pequenos tais como trincas que podem evoluir rapidamente para uma falha catastrófica na estrutura. Existem também os chamados métodos experimentais ou locais, que utilizam de diversas ferramentas como ultrassom, radiografias, correntes parasitas (eddy-curent - identificam mudanças no campo magnético gerado) e campo térmico (Doherty,1987). Apesar de serem eficientes na identificação, necessitam do conhecimento prévio da região de falha, informação que na prática quase nunca se sabe. Existem ainda os chamados métodos globais, que fazem uma análise mais profunda na estrutura e através de simulações podem dar a localização exata da falha usando softwares adequados como ®ANSYS, economizando muito tempo para a análise. Em adição, podemos classificar os tipos de detecção de danos em níveis, como proposto por Rytter (1993). Nível 1 - Atestação da presença de dano na estrutura; Nível 2 - Identificação e Determinação da região do dano; Nível 3 - Quantificação da severidade do dano; Nível 4 - Previsão do tempo restante de vida útil do material. Vale ressaltar que o nível 4 de detecção hoje é um grande desafio para os materiais compósitos. Diferente de materiais metálicos onde se conhece o comportamento unidirecional de uma trinca, por exemplo, em compósitos a trinca não é unidirecional e se propaga pelo meio mais frágil normalmente contornando as fibras e prejudicando a adesão desta com a matriz. Como os compósitos estão cada vez mais presentes no meio aeroespacial, faz-se necessários então estudos nesse sentido. Todos estes diferentes métodos se caracterizam como um novo campo de pesquisa da engenharia estrutural que se consolida cada vez mais, o Structure health Monitoring (SHM). 10 2 OBJETIVOS PROPOSTOS O presente trabalho teve como objetivo primeiramente estudar as ferramentas importantes utilizadas na engenharia, como software ®ANSYS e ®MATLAB. Como resultado direto o estudo visou implementar um método eficaz de detecção de danos global, que posso ter aplicação prática. 3 REFERENCIAL TEÓRICO 3.1 Métodos de detecção por vibração Tais métodos usam de análise modal de vibração para interpretar os dados coletados da estrutura, ou seja, através dos valores de frequência, coeficiente de amortecimento e formas vibratórias ou modais (se referem a quantidade de ondas geradas pelo movimento) Este método parte do princípio que parâmetros modais (frequências, formas modais e amortecimento modal) são funções de propriedades físicas da estrutura como massa, rigidez e amortecimento (Doebling et al, 1998). Assim se há danos na estrutura, por menor que seja, essa falha gerará uma diminuição da rigidez global. E pela Lei de hooke, se a rigidez muda seu deslocamento também o fará. A vibração de uma estrutura sendoum deslocamento pequeno, este sofrerá então alterações que podem ser identificadas. 3.2 Métodos de detecção por variação de frequência Os métodos por medidas de frequências de ressonância são os mais estudados atualmente, analisa-se as mudanças de frequência global. Este método, porém, raramente passa do nível 1 de detecção, são necessárias muitas medidas de precisão ou que um dano seja severo o suficiente para chegar-se ao nível 3. Doebling (1998) cita como exemplo plataformas petrolíferas onde é muito difícil distinguir as variações por danos ou variações por aumento de massa gerado pela oxidação do mar na plataforma. Em geral, o procedimento consiste na identificação das frequências existentes em fraturas conhecidas, se estes padrões forem encontrados em outras estruturas atesta-se a existência da fratura. Cawleyand Adams (1979) descrevem o procedimento deste método para compósitos. Um espectro de frequências é montado para fissuras em modos vibratórios diferentes, e entes 11 são comparados com valores experimentais, gerando um outro conjunto de valores médios do erro em cada ponto do espectro inicial, criando assim um modelo. Este modelo é aplicado em uma estrutura qualquer e onde se apresenta o menor erro previsto e dado como a localização do dano. 3.3 Métodos de detecção por variação de energia Vo-duy et al. (2016), afirma que métodos de otimização meta-heurísticos como genetic algorithm (GA), particle swarm optimization (PSO), artificial bee colony (ABC) apesar de obterem bons resultados possuem um alto custo computacional e são limitados em relação ao número de variáveis e além disso não são adequados para materiais compósitos. É proposto então método de detecção da variação de energia de deformação (strain energy).A energia deformação é definida como a energia gerada pela deformação do sistema por forças externas, assim, se há variações nessa energia houve deformação na estrutura. O método é complementado com um algoritmo de evolução diferencial para encontrar a extensão do dano. 3.4 Métodos de detecção por amortecimento modal Com os avanços das técnicas de detecção e as limitações do método por frequências. Modena et al. mostra que danos que causam variações mínimas no método das frequência, geram por outro lado grande variação nas propriedades de amortecimento, variações de até 50% foram observadas. Curadelli et a.l, propões então um novo sistema de detecção de danos como um procedimento parecido com aquele de frequências, diferindo com o dano de input, sendo neste caso o coeficiente de amortecimento instantâneo usando a transformada de Wavelet. 12 3.5 SHM NA INDÚSTRIA AERONÁUTICA Estudos de SHM começaram a ser feitos nos anos 70, na indústria petroleira, devido as condições de operação em plataforma off-shore (BEGG et al. 1976). Nos anos seguintes, esta área foi bem absorvida pela indústria de construção civil. Atualmente, o interesse por esta área na indústria aeroespacial esta cada vez maior. A indústria aeroespacial é a área com maior rigor de segurança. Modlin e Zipay (2014) estudaram o uso do coeficiente de segurança na aviação, devido o requisito de menor peso possível, trabalha com um coeficiente de segurança muito pequeno se comparado com outras áreas, em média 1,5. E mesmo este coeficiente não se mantém ao longo da vida útil da aeronave, nesse sentido se faz necessário haver um grande rigor na manutenção de suas estruturas. Além disso, no principal uso de aeronaves, companhias aéreas, o lucro é fundamental, e para tal o ideal é que a aeronave esteja operacional o tanto quanto possível e que o tempo de manutenção não seja maior que o necessário (GOLBE, 1986). Nesse contexto, novos métodos de monitoramento da integridade estrutural são fundamentais, mais especificamente, métodos globais como o apresentado neste trabalho. Com mais detalhes, a indústria de asas rotativas tem ainda maior interesse em SHM. Pás de helicópteros são submetidas a esforços críticos a vários tipos de falhas: dano de impacto, fissuras na matriz, delaminações e dano devido a desbalanceamento (SANTOS et al., 2016). Portanto, por essas razões se faz necessário um método eficiente e rápido para monitorar a estrutura. 3.6 Bat Optimization Algorithm O BOA é um algoritmo inspirado no comportamento certa espécie de morcegos e sua habilidade de eco localização. Este algoritmo usa como parâmetro o ruído (loudness) e freqüência de pulsos, foi o primeiro algoritmo a levar em conta sintonização de freqüência. O BOA tem a capacidade de mutação devido sua variação de freqüência que aumenta a velocidade com que o ótimo global é encontrado (YANG, 2014). 13 4 DESCRIÇÃO DAS ATIVIDADES DESENVOLVIDAS 4.1 Problema direto A pá estudada foi baseada na pá do helicóptero AS350, tendo o mesmo aerofólio e dimensões, tirados do manual da aeronave. Para simplificar o modelo, a torsão geométrica não foi levada em conta. Ainda, foi modelado apenas a skin da pá. Longarinas, reforçadores e espuma interna não foram levados em conta. . Sobre o material, foi usado um laminado com 12 camadas de 0,18mm cada, com as seguintes propriedades: MassaEspecífica: 1408.8 kg/m³; Ex: 83.015 Gpa Ey: 5.13 Gpa Ez:5.13 Gpa Coeficiente de Poisson: 0.3208 Gxy: 8.37 Gpa Gyz: 1.94 Gpa Gxz: 8.37 Gpa. Para a modelagem da pá, primeiro foi plotado os pontos do aerofólio da raiz e da ponta, e também os pontos de construção do punhal. Figura 2 - Pontos no espaço Figura 1 - Pontos do aerofólio 14 A partir destes pontos, foram criadas linhas que através do comando “extend line” puderam ser transformadas em áreas. Figura 3 - Parte aerodinâmica da pá Para o punhal, há uma diferença de seções, de um aerofólio na parte aerodinâmica da pá para uma seção retangular. Para criar estas áreas, foi usada a função skinning. Após a transição, o punhal continua em seção retangular contínua de 12x7 cm com 25 cm de comprimento. A junção destas duas partes gera a seguinte montagem: Figura 4 - Punhal 15 Figura 5 - Pá completa vista 3D Figura 6 - Pá vista superior Figura 7 - Pá Vista lateral Com a pá devidamente modelada, foi aplicada a malha. No software CAE, foi utilizado elemento SHELL281 com malha quadratic mapped. Figura 8 - Pá malhada 16 Figura 9 - detalhe da malha Com a pá devidamente modelada e malhada, foi feita uma análise modal em vibração livre, com a pá engastada em seu punhal. Foram calculados os primeiros 6 modos de vibração nos 3 eixos. Os resultados são apresentados no Capítulo 5. 4.2 Problema Inverso Um problema inverso é um método que procura obter dados físicos a partir de medidas, usando ferramentas matemáticas (Montalto, 2019). É um método muito útil e estudado atualmente, fazendo possível obter dados que não são diretamente observados. Neste trabalho, foram modelados 10 sensores na pá homogeneamente distribuídos em sua área, excluindo o punhal. Estes sensores coletam dados de deslocamento na condição de vibração livre. Figura 10 - Localização dos sensores Tendo os dados de vibração, é necessário criar uma relação destes com a presença do dano e como quantificar sua severidade, esta relação é a função objetivo. 17 A função objetivo é a equação a ser otimizada pelo algoritmo. Neste caso foi usado uma relação entre os valores medidos e os otimizados. Foram usadas 3 equações diferentes, cada uma baseada em uma direção de deslocamento modal. 𝐽1 = √ 1 𝑛 ∑(1 − Φx real Φx otimizador ) 2 (1) Equação 1 – Função objetivo em x 𝐽2 = √ 1 𝑛 ∑(1 − Φy real Φy otimizador ) 2 (2) Equação 2 – Função objetivo em y 𝐽3 = √ 1 𝑛 ∑(1 − Φz real Φz otimizador ) 2 (3) Equação 3 - Função Objetivo em z Definidas as funções objetivo, foi iniciado o processo de otimização no MATLAB® com o algoritmo BOA. Os parâmetros utilizados foram os seguintes: n=80; População A=0.25; Ruído r=0.50; Taxa de pulso Iterações = 100; O otimizador é composto de 4 programas: O primeiro contém a função objetivo, o segundo contém o algoritmo, o terceiro checagem de limites e o ultimo que realmente é executado faz a identificação do dano referenciando os outros programas. A cada iteração, o otimizador abre o software MEF e importa novos resultados para efetuar os cálculos. A cada iteração o resultado é apresentado em um gráfico, com número do elemento no eixo x, e a taxa do dano no eixo y. Também são representados os morcegos, mostrando sua convergência. O valor otimizado é assinalado com um círculo vermelho. O gráfico é apresentado na figura 11. 18 Figura 11 - Gráfico de resultado 5 RESULTADOS OBTIDOS E ANÁLISE Foi definida uma nova análise e a opção modal escolhida. O método de extração dos modos foi block lanczos, foram calculados os 6 primeiros modos, em seguida a solução foi executada. O resultado primário são as freqüências naturais, neste trabalho foram analisados os resultados nodais nos diferentes graus de liberdade, e estes são apresentados na tabela 1. Em seguida, a mesma análise foi feita com a inserção de um dano através do comando EKILL, e os resultados encontrados são apresentados na tabela 2. 19 Frequência Natural(Hz) Modo x Modo y Modo z Modo 1 0.70076 Modo 2 4.2602 Modo 3 4.6212 Modo 4 12.874 Modo 5 17.071 Modo 6 24.369 Tabela 1 - Resultado modal sem dano 20 Frequência Natural (Hz) Modo x Modo y Modo z Modo 1 0.69986 Modo 2 4.2609 Modo 3 4.6094 Modo 4 12.866 Modo 5 17.027 Modo 6 24.327 Tabela 2 - Resultado modal com dano 21 O dano induzido nesta comparação foi no elemento 153 com taxa de severidade 0,1. Analisando os resultados, notamos uma pequena diferença em termos de freqüência natural e deslocamento, mas uma diferença significante no comportamento da pá. Como exemplo, o 6º modo em z: 5.1 Resultados Numéricos do Otimizador Para cada função objetivo e dano induzido, o algoritmo foi rodado 10 vezes, e destes resultados foi calculado a média para a taxa de dano e a moda para o elemento danificado, ou seja, o resultado mais freqüente. Foi também calculado o desvio padrão dos resultados de taxa de dano. CASO 1 Ne α Ne α Ne α Objetivo 153 0,1 325 0,2 520 0,5 Run 1 149 0,145 342 0,29 520 0,5 Run 2 153 0,1 325 0,19999 520 0,5 Run 3 149 0,146 325 0,2 520 0,4999 Run 4 153 0,1 338 0,37 525 0,4899 Run 5 133 0,34 317 0,1522 523 0,65 Run 6 153 0,1 325 0,2 531 0,6 Run 7 149 0,1445 325 0,2 430 0,2955 Run 8 153 0,0999 338 0,37 527 0,6279 Run 9 149 0,1445 325 0,2 520 0,5 Run 10 149 0,1446 325 0,2 520 0,5 Moda 149 0,14645 325 0,23822 520 0,51632 Desvio 5,96285 0,07158 7,94775 0,07716 29,6168 0,09895 Tabela 3 - Resultados Função J1 Figura 12.a - Pá sem dano Figura 12.b - Pá com dano 22 CASO 2 Ne α Ne α Ne α Objetivo 153 0,1 325 0,2 520 0,5 Run 1 153 0,1 321 0,1579 524 0,6721 Run 2 141 0,2993 321 0,158 520 0,5 Run 3 153 0,1 313 0,04799 534 0,9753 Run 4 157 0,119 342 0,3053 530 0,9421 Run 5 157 0,12 346 0,2634 518 0,4939 Run 6 157 0,119 321 0,158 520 0,5 Run 7 153 0,1999 325 0,2 530 0,9421 Run 8 157 0,012 346 0,2633 524 0,6721 Run 9 145 0,2429 342 0,3052 616 0,3602 Run 10 153 0,1 338 0,3916 524 0,6721 Moda 153 0,14121 321 0,22507 524 0,67299 Desvio 5,48128 0,083 12,4655 0,09945 29,2575 0,21756 Tabela 4 - Resultados Função J2 CASO 3 Ne α Ne α Ne α Objetivo 153 0,1 325 0,2 520 0,5 Run 1 153 0,1 313 0,0588 520 0,5 Run 2 153 0,09999 321 0,1637 520 0,4999 Run 3 157 0,1 325 0,4154 520 0,499 Run 4 153 0,09999 325 0,2 520 0,4999 Run 5 149 0,09999 325 0,2 520 0,5 Run 6 153 0,1 325 0,1999 520 0,5 Run 7 626 0,26 338 0,4153 520 0,5 Run 8 626 0,26 329 0,132 520 0,4999 Run 9 153 0,09996 313 0,588 520 0,4999 Run 10 153 0,09996 338 0,4154 520 0,5 Média 153 0,13199 325 0,27885 520 0,49986 Desvio 199,443 0,06747 8,5479 0,1678 0 0,00031 Tabela 5 - Resultados Função J3 As figuras a seguir mostram as localizações físicas dos danos induzidos e dos danos encontrados pelo método proposto. Podemos observar ótima precisão em encontrar a região do dano. 23Elemento 157 Elemento 153 Elemento 149 Figura 13- Danos encontrados caso 1 Elemento 325 Elemento 321 Figura 14- Danos encontrados caso 2 Elemento 524 Elemento 520 Figura 15- Danos encontrados caso 3 24 6 CONCLUSÕES Este trabalho propôs a implementação de um algoritmo baseado em comportamento natural em um problema inverso de identificação de danos. O objeto de estudo foi baseado em uma pá de helicóptero real, amplamente usada na indústria, os modelos sem dano e danificados foram comparados por uma função objetivo baseada nos valores de deslocamento medidos. O algoritmo foi implementado para otimizar a função objetivo, nos três eixos. Os resultados mostram boa precisão para encontrar o elemento danificado, quando este não foi exatamente encontrado, houve pequena diferença, encontrando o elemento logo ao lado deste. Foi também observado que a função J3, no eixo z, teve a maior precisão, chegando a ter um desvio padrão de 0,031% ao encontrar a severidade do terceiro dano. 25 7 REFERÊNCIAS BIBLIOGRÁFICAS Begg, R. D., Mackenzie, A. C., Dodds, C. J., and Loland, O. D. (1976) Structural integrity monitoring using digital processing of vibration siqnals, In Offshore Technology Conference, Offshore Technology Conference. CURADELLI, R.O et al. Damage detection by means of structural damping identification. EngineeringStructures, Saint Louis, v. 30,2008. Doebling SW, Farrar CR, Prime MB. A summaryreview of vibration-baseddamage identification methods. Shock and Vibration Digest 1998;30:91_105. Doherty, J. E., 1987, “Nondestructive Evaluation,” Chapter 12 in Handbook on ExperimentalMechanics, A. S. Kobayashi Edt., Society for ExperimentalMechanics, Inc. GOLBE, Devra L.. Safety and Profits in the Airline Industry. The Journal Of Industrial Economics, [s.l.], v. 34, n. 3, p.305-320, mar. 1986. JSTOR. http://dx.doi.org/10.2307/2098573. MARTINS, Benjamin L.; KOSMATKA, John B.. In-Situ Health Monitoring of Aerospace Structures via Dynamic Strain Measurements. AiaaScitech 2019 Forum, [s.l.], p.1-14, 6 jan. 2019. American Institute of Aeronautics and Astronautics. http://dx.doi.org/10.2514/6.2019-1758. Modena C, Sonda D, Zonta D. Damage localization in reinforcedconcretestructuresbyusingdampingmeasurements, Damage assessment of structures. In:Proceedings of the international conference on damage assessment of structures,DAMAS 99. 1999, p. 132_141. MODLIN, C. T.; ZIPAY, J. J.. The 1.5 & 1.4 Ultimate Factors of Safety for Aircraft & Spacecraft – History, Definition and Applications. 2014. Disponível em: <https://ntrs.nasa.gov/archive/nasa/casi.ntrs.nasa.gov/20140011147.pdf>. Acesso em: 24 mar. 2019. MONTALTO, Carlos. What are inverse problems? Disponível em: <https://cmontalto.wordpress.com/2013/03/08/what-are-inverse-problems/>. Acessoem: 25 fev. 2019. Rytter, A., 1993, “Vibration based inspection of civil engineering structures,” Ph. D. Dissertation, Department of Building Technology and Structural Engineering,AalborgUniversity, Denmark. SANTOS, F.l.m. dos et al. Vibration-based damage detection for a composite 26 helicopter main rotor blade. Case Studies In Mechanical Systems And Signal Processing, Leuven, v. 3, n. 6, p.22-27, jun. 2016. VO-DUY, Trung et al. Damage Detection in Laminated Composite Plates Using Modal Strain Energy and ImprovedDifferential Evolution Algorithm. Procedia Engineering, Amsterdam, v. 142, p.182-189, jan. 2016. YANG, Xin-she. The Bat Algorithm. In: YANG, Xin-she. Nature-Inspired Optimization Algorithms. London: Elsevier, 2014. p. 34-35. 1 INTRODUÇÃO 2 OBJETIVOS PROPOSTOS 3 REFERENCIAL TEÓRICO 3.1 Métodos de detecção por vibração 3.2 Métodos de detecção por variação de frequência 3.3 Métodos de detecção por variação de energia 3.4 Métodos de detecção por amortecimento modal 3.5 SHM NA INDÚSTRIA AERONÁUTICA 3.6 Bat Optimization Algorithm 4 DESCRIÇÃO DAS ATIVIDADES DESENVOLVIDAS 4.1 Problema direto 4.2 Problema Inverso 5 RESULTADOS OBTIDOS E ANÁLISE 5.1 Resultados Numéricos do Otimizador 6 CONCLUSÕES 7 REFERÊNCIAS BIBLIOGRÁFICAS
Compartilhar