Análise de incertezas no controle de vibração em sistemas de materiais compósitos com atuação piezelétrica

Abstract

Com o aperfeiçoamento de materiais compósitos de alto desempenho, surge a possibilidade do desenvolvimento de estruturas inteligentes, onde atuadores e sensores piezelétricos estão integrados na estrutura com sistemas de controle adequados para a atenuação de vibrações. Projetos multidisciplinares se tornam cada vez mais complexos e sofisticados, envolvendo diversas fontes de incertezas que devem ser analisadas e quantificadas. O escopo principal desse trabalho visa o estudo da propagação de incertezas em estruturas de materiais compósitos laminados com atuadores e sensores piezelétricos, onde entradas e parâmetros do projeto podem ser fontes aleatórias e/ou nebulosas. Para atingir esse objetivo é adotada a metodologia fuzzy, com a aplicação de otimização de cortes-α. Essa técnica é utilizada na presença de informações vagas ou imprecisas acerca da aleatoriedade presente. Nesse estudo projetam-se, através do método dos elementos finitos, estruturas em forma de placa e casca de material compósito laminado com atuadores e sensores piezelétricos acoplados, controlados pelos reguladores Linear Quadratic Regulator (LQR) e Linear Quadratic Gaussian (LQG). Inicialmente são realizados estudos de otimização para encontrar a melhor localização dos componentes piezelétricos pelos Gramianos de controlabilidade e observabilidade, assim como os fatores de ponderação das leis de controle. O desenvolvimento é realizado no espaço modal reduzido visando um melhor desempenho computacional. As métricas escolhidas para avaliação do controle de vibração e análise das saídas incertas do sistema são baseadas nas energias cinética, potencial e elétrica. Também apresentam-se estudos de envelopes relacionados ao deslocamentos e às frequências naturais da estrutura devido às incertezas. Os resultados mostraram que as otimizações por corte-α para tratar números fuzzy nesse tipo de problema são robustas e eficientes, encontrando-se valores extremos das saídas desejadas. Além de ser um método não intrusivo, também pode ser utilizado em problemas com um número elevado de parâmetros incertos como entrada.

The possibility of developments of smart structures arises with high performance composite materials improvements, where piezoelectric actuators and sensors are embedded into the structures, following a suitable control laws for vibration attenuation. Multidisciplinary projects are becoming highly complex and sophisticated, involving several sources of uncertainty that should be analyzed and quantified. The main objective for this work is to study the uncertainty propagation in composite laminate structures with embedded piezoelectric actuators and sensors, considering random and/or fuzzy sources for the inputs and design parameters. To accomplish this objective, it is adopted the fuzzy α-cut optimizations methodology. This technique is used when the available information related to the actual randomness is vague or imprecise. In this study, laminated composite shells and plates structures are designed and analyzed by the finite element method, where embedded piezoelectric actuators and sensors controlled by Linear Quadratic Regulator (LQR) and Linear Quadratic Gaussian (LQG) are present. Initially, optimization analyses are executed to find the best arrangement for the piezoelectric material using controllability and observability Gramians metrics, as well as the best controller parameters. This study is developed in the reduced modal space looking for computational costs savings. The chosen rating metrics for the vibration control and uncertainty analysis are based on kinetic, potential and electrical energies. Structural displacements and natural frequency envelopes due uncertainty are also studied and presented. The results have shown that the fuzzy α-cut optimizations methodology is robust and efficient to find extreme values for the sought outputs. In addition to being a non-intrusive method, it is also able to deal with a large number of uncertain input parameters.