Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
1
Franco Bontempi
Ordinario di Tecnca delle Costruzioni
Facolta’ di...
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
2
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
3
Object of the course
• Introduction of basic and advanced ideas
a...
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
4
General Scheduling
• 1st Day:
Basic definitions of structure, req...
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
5
5TECHNIQUES
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
6
FEW OBSERVATIONS
The function: y(x1,x2)
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
7
The sensibility of the function
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
8
9
STRATEGY #1: SENSITIVITY
governance of priorities
The boundings of the function
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
10
11
STRATEGY #2: BOUNDING
behavior governance
p
(p)

p
(p)

Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
12
Design of Experiments (DOE)
• In general usage, design of experiments (DOE) or
experimental design is the design of any in...
Sampling Points (1)
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
14
Sampling Points (2)
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
15
Simulation & Approximation
of the response (≈ surrogate)
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
16
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
17
The nature of optimum (1)
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
18
The nature of optimum (2)
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
19
A sub-optimal solution
to a problem is...
Example (1)
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
20
Example (2)
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
21
Bounded Rationality
Bounded rationality is the idea that in decision-making, rationality
of individuals is limited by the ...
Model Extensions
• Ariel Rubinstein proposed to model bounded rationality by
explicitly specifying decision-making procedu...
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
24
OPTIMIZATION METHODS
Heuristics
Nelder – Mead
Genetic Algorithm
εὑρίσκω
• Heuristic (/hjʉˈrɪstɨk/; Greek:
"Εὑρίσκω", "find" or "discover") refers
to experience-based techniques for
probl...
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
27
1
Simulated Annealing (Metropolis)
• Simulated annealing (SA) is a generic probabilistic heuristic for the
global optimizati...
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
29
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
30
Basic version (1)
Basic version (2)
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
33
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
34
Points for SA
• Diameter of the search graph
• Transition probabilities
• Acceptance probabilities
• Efficient candidate g...
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
36
2
Nelder-Mead Method (Amoeba)
• The Nelder–Mead method or downhill simplex
method or amoeba method is a commonly used
nonlin...
Remarks
;-)
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
43
Genetic Algorithm (GA)
• The original motivation for the GA approach was a biological
analogy. In the selective breeding o...
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
45
Coding
• One of the distinctive features of the GA approach is to
allow the separation of the representation of the proble...
Genotype space = {0,1}L
(mappa)
Phenotype space
(territorio)
Encoding
(representation)
Decoding
(inverse representation)
0...
Costruzione della
popolazione iniziale
Valutazione della
funzione di fitness
di tutti gli individui
Selezione
Riproduzione...
Mating, Mutation, Selection
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
51
EXCEL
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
52
6USES
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
53
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
54
OPTIMIZATION OF HCS
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
55
Precast hollow core slabs (HCS)
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
56
Tensile crack phenomena in HCS
(splitting, bursting, spalling).
• splitting cracks: caused by stresses resulting from
the ...
Tensile crack phenomena in HCS
(splitting, bursting, spalling).
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
58
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
59
Cross-section of the reference HCS
and numerical model
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
60
Tensile deformations in the vertical
directions for the spalling effect
Ottimizzazione Strutturale
franco.bontempi@uniroma...
The binary coding of the geometry
characteristics of the section
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
62
• The fitness function F includes terms to represent
the weight of the slab.
• First, functions gi(x), represents the geom...
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
64
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
65
Original values values obtained
after the optimization process
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
66
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
67
OPTIMIZATION OF S&T
1° Step
2° Step
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
89
OPTIMIZATION AS A TOOL
FOR EXPLORATION
a
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
90
Limit States
Service Limit States Ultimate Limit States
Prestressed Continuous Beam
Elements of nonlinear formulation
Equilibrium Equations
Nominal behavior
Level of uncertainty
Uncertainty
α - level
Random / Optimized Sampling
Cujaba River Bridge
Cujaba River Bridge
Ultimate Limit States (ULS)
b
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
122
Uses of genetic algorithm
• To perform the stochastic exploration of
the load space;
• To handle the uncertainties related...
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
124
Dissipation devices
Soil behavior
Material
Soil-Structure interface Contact
Support system
Pylon
Cable system
Geometrical
...
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
126
Dependability attributes threats,
means and their interactions.
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
127
Performance in relation to the
return periods of the actions.
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
128
S N
Geometry of the long-span
suspension bridge considered.
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
129
The design variables and
the performance levels
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
130
A genetic algorithm approach for
performance assessment
• The performance of a long-span suspension bridge is
investigated...
Loading systems considered in the
genetic algorithm analysis.
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
132
Remarks on loading system
• Traffic and train loads are directed vertically but the
possibility to have a longitudinal com...
Variables considered for the
definition of the loading system.
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
134
Description of loading system
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
135
Binary coding
• The position variables are implemented in binary
code with a dimension of eight bits (the minimum
dimensio...
Population
• The GA starts by considering an initial population of N
row vector x created assigning random values to the
u...
Target functions
• In order to evaluate the performance of the bridge, the
following six target functions are considered:
...
Evolution of population
• For each target function, the genetic algorithm
creates new populations of N row vector x in ord...
Mutation
• The mutation on the generic vector i of the
population n changes a single bit of a
randomly selected chromosome...
Crossover
• The crossover on the generic vectors i and j of
population n is provided in this example:
• where a group of c...
Remarks
• When N/2 new vectors are created, the genetic algorithm
restarts with the evaluation of the target function for ...
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
143
• The FE model consists of 1614 elements (beams, no
compression cable elements and gaps) and 1140 nodes.
• For each of the...
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
145
Remarks
• It is clear that the convergence of the variables that
define the train position (A) is better than the one that...
Vertical displacement envelope
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
147
Transversal slope envelope
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
148
Longitudinal slope envelope
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
149
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
150
Comparative importance
of the loads.
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
151
7THEORETICAL ASPECTS OF DESIGN
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
152
INDEX
• Knowledge
• People
• Design process as a decision process
• Limits
• Scale effects
• Ergonomy
Ottimizzazione Strut...
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
154
KNOWLEDGE
CONOSCENZA
RICHIESTA
DA UN PROGETTO
EVOLUTIVO
CONOSCENZA
RICHESTA
DA UN PROGETTO
INNOVATIVO
BASE DI
CONOSCENZA
ATTUALE
La ...
Evolutive vs Innovative Design
156Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
Knowledge Growth Process
KNOWLEDGE
REQUIRED
BY AN EVOLUTIVE
DESIGN
NEW KNOWLEDGE
REQUIRED BY
AN INNOVATIVE
DESIGN
ACTUAL
K...
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
158
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
159
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
160
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
161
STRUTTURECON
COMPORTAMENTOPERFORMA
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
162
STRUTTURECON
COMPORTAMENTOVETTORIALE
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
163
STRUTTURECON
COMPORTAMENTOSEZIONALE
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
164
STRUTTURECON
COMPORTAMENTODISUPERFICIE
Evolutive Jump
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
165
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
166
Dalian, June 2008 167
Horizons
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
168
Failure due to errors
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
169
Failure due to errors
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
170
Ships
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
171
Failure due to unexpected facts
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
172
NASA System Complexity
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
173
Causes of system failure
100%
Time
%offailure
Unknown phenomena
Known phenomena
Research
level
Design code
level
past pres...
HPLC vs LPHC EVENTS
HPLC
HIGH PROBABILITY
LOW CONSEQUENCES
LPHC
LOW PROBABILITY
HIGH CONSEQUENCES
COMPLEXITY:
Nonlinear Be...
8 e 9 luglio 2010
EXPLOSIONS - ESPLOSIONI
http://www.francobontempi.org/handling.php
13 e 14 novembre 2008
FIRE - INCENDIO...
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
177
PEOPLE
VALUES
178Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
179
Nonaka-Takeuchi Concept
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
180
Nonaka & Takeuchi:
conoscenza esplicite e implicite
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
181
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
182
The spiral of Knowledge
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
183
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
184
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
185
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
186
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
187
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
188
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
189
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
190
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
191
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
192
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
193
DESIGN PROCESS AS
DECISION PROCESS
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
194
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
195
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
196
LIMITS
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
197
LIMITS
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
198
LIMITS
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
199
LIMITS
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
200
LIMITS
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
201
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
202
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
203
Reaching limits
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
204
S Curve
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
205
Dalian, June 2008 206
Dalian, June 2008 207
0
500
1000
1500
2000
2500
3000
3500
SPAN 1100 1298 1385 1410 1624 1991 3300
BISA
N-
VER
RAZZ
JIAN
GY...
Dalian, June 2008 208
Dalian, June 2008 209
Lorenz
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
210
Mental Heritage
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
211
Bias
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
212
Hybrid Solution
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
213
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
214
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
215
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
216
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
217
SCALE EFFECTS
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
218
SCALEEFFECTS
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
219
Quebec Bridge
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
220
Quebec Bridge Failure
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
221
Chord Members
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
222
2nd Quebec Bridge
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
223
Dalian, June 2008 224
GLOBAL LEVEL
3300 m
Local level
200 m
Example: Size Effect
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
225
ERGONOMY
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
226
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
227
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
228
Interactions
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
229
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
230
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
231
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
232
Ciclodivita
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
233
8OPERATIVE ASPECTS OF DESIGN
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
234
INDEX
• The structure of design
• The organization of the design process
• Complexity
• System decomposition
• Analysis mo...
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
236
THE STRUCTURE
OF DESIGN
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
237
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
238
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
239
Meccanica Strutturale
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
240
Ingegneria Strutturale
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
241
Processo di analisi
e processo di sintesi (1)
DATI
CALCOLO
RISULTATI
START
END
START
END
MODIFICA
K=K+1
K=0
DATI
K
CALCOLO...
Processo di analisi
e processo di sintesi (2)
START
END
MODIFICA
K=K+1
K=0
DATI
K
CALCOLO
RISULTATI
K
TEST
SI’ NO
ANALISI
...
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
244
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
245
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
246
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
247
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
248
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
249
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
250
Sviluppo top-down
copertura omogenea
approfondimento
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
251
Sviluppo bottom-up
copertura omogenea
sviluppo di
un filone
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
252
Sviluppo mixed
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
253
Direct and Inverse problems in
Structural Engineering
• A direct problem is an analysis problem: it consists in
the evaluation of the response of a structure
immersed in its de...
Data related to different
structural problems
Top-Down and Bottom-Up
approach for problem solving
aESEMPIO DI PROGETTO DI STRUTTURE
PRECOMPRESSE
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
258
Strutture precompresse
Problema diretto (analisi)
• Dato il tiro del cavo di
precompressione
• date le eccentricità
del ca...
ANALISI:
dato il tiro del cavo
e le sue eccentricità
si ricava il diagramma del
momento
PROGETTO:
dato il diagramma del
momento (esterno)
trovare il tiro del cavo
e le sue eccentricità
in modo da annullarlo
mom...
Reti neurali (1)
Reti neurali (2)
DIAGRAMMA
DEL MOMENTO
TIRO DEL CAVO
ECCENTRICITA’
Discretizzazione
bESEMPIO DI IDENTIFICAZIONE STRUTTURALE
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
267
Tiro cavi all'ancoraggio
115000
120000
125000
130000
135000
140000
600 1100 1600 2100 2600 3100
Tempo (s)
Tiro(Ton)
Sponda...
Tiro cavi all'ancoraggio
115000
120000
125000
130000
135000
140000
600 1100 1600 2100 2600 3100
Tempo (s)
Tiro(Ton)
Sponda...
Hierarchical damage identification strategy
0,0
0,5
1,0
1,5
2,0
0 20 40 60 80
Damage detection
Identification of the
porti...
Step 1a: approximation of the response
time-history using neural networks
Initial architecture
of the network
4 inputs + 4...
0
0,2
0,4
0,6
0,8
1
600 1100 1600 2100 2600time
Uz
Training Test A Test B Test C
Step 1a: example – vertical displacement
testA
0,2
0,4
0,6
0,8
1
0 25 50 75 100time
Uz
testA
NN
testB
0,2
0,4
0,6
0,8
1
0 25 50 75 100time
Uz
testB
NN
testC
0,2
0,...
testD
0,4
0,6
0,8
1
0 25 50 75 100time
Uz
testD
NN
0
0,1
0,2
0,3
0,4
0 100 200 300 400 500time
err
Training TestA TestB Te...
Training Undamaged
0,0
0,5
1,0
1,5
0 20 40 60 80
0,0
0,5
1,0
1,5
2,0
0 20 40 60 80
Damaged section
Error in function appro...
...
...
Response time history
in sensor #n
 iMDp
1dtf 3tf 1tf2tf tf kntf  1ntf2ntf ntf 
ntnt fye  e 0
e...
Damage in the transverse (wind excitation)
0,00
0,02
0,04
0,06
30% 10% 5%
Damage in the transverse (train excitation)
0,00...
1° finestra temporale
Vertical displacement
-0.006
-0.004
-0.002
0.000
0.002
0.004
0.006
400 450 500 550 600 650 700 750 8...
In order to give a global and intuitive representation of the results, two quantities have
been defined as follows:
 Loca...
Intensity (optimized model)
0
1
2
3
0 10 20 30
Intensity (model 20 units)
0
1
2
3
0 10 20 30
Location (optimized model)
0,...
POSTERIOR FOR , 
TRAINING: OPTIMIZATION
w = wMAP?
?   DMEVDMEV ii 1
INFERENCE OF NEW DATA
CHOOSE MODEL Mi-1
?
POST...
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
282
THE ORGANIZATION
OF DESIGN PROCESS
Sicurezza in caso d’incendio
1
2
3
4
5
6
7
8
9
Strategie per
la gestione
dell'incendio
1
Prevenzione
2
Gestione
dell'event...
Stile della rappresentazione
grafica dei processi
AVANTI
AVANTI
PADRE
FIGLIO FIGLIO
LINEE
ENTRANTI
LINEE
USCENTI“NO”
“SI’”...
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
285
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
286
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
287
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
288
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
289
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
290
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
291
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
292
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
293
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
294
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
295
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
296
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
297
Forward vs. Reverse
Engineering
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
298
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
299
Qualita’ documenti (1)
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
300
Qualita’ documenti (2)
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
301
Simboli base
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
302
Altri simboli
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
303
Decisioni e connessioni
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
304
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
305
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
306
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
307
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
308
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
309
COMPLEXITY
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
310
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
311
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
312
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
313
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
314
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
315
Geometric Complexity
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
316
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
317
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
318
319
COMPLEXITY DEFINITION
linear interactions nonlinear
loosecouplingstight
mechanical behavior
structuralorganization
319
320
FACTORS INFLUENCING
STRUCTURAL COMPLEXITY
NON LINEAR
BEHAVIOR
LINEAR
321
3300183 183777 627
960 3300 m 810
+77.00 m
+383.00 +383.00
+54.00
+118.00
+52.00 +63.00
3300183 183777 627
960 3300 m ...
322
FACTORS INFLUENCING
STRUCTURAL COMPLEXITY
LOW
AMBIGUITY
UNCERTAINTY
HIGH
NON LINEAR
BEHAVIOR
LINEAR
323
3300183 183777 627
960 3300 m 810
+77.00 m
+383.00 +383.00
+54.00
+118.00
+52.00 +63.00
3300183 183777 627
960 3300 m ...
324
FACTORS INFLUENCING
STRUCTURAL COMPLEXITY
LOW
AMBIGUITY
UNCERTAINTY
HIGH
TIGHT
COUPLING
INTERACTIONS
CONNECTIONS
LOOSE...
325
Interazione Struttura - Traffico
Interazione Struttura - Vento
Interazione Struttura - Terreno
INTERAZIONI
326
LIVELLO GLOBALE
3300 m
livello locale
200 m
N.B. 1 - EFFETTO SCALA
327
HUMANWARESOFTWARE
HARDWARE
PROGETTO
COSTRUZIONE
(MATERIALI – COMPONENTI)
COMPORTAMENTO
UMANO
N.B. 2
Fire, Heat Transfer, Structural and
Human Behavior Models.
328
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
329
SYSTEM DECOMPOSITION
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
330FB nov 05 330
ELEMENTI E COMPONENTI
STRUTTURALI
ORGANIZZAZIONE
L...
StructuralSystems
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
331
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
332
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
333
System Definitions
• ANSI/EIA-632-1999: "An aggregation of end products and enabling products to
achieve a given purpose."...
Structure vs. Structural System
• This requires evolving from a simplistic
idealization of the structure as
“device for ch...
336
337
MICROLIVELLO
variabili
MACROLIVELLOMESOLIVELLO
ELEMENTO
COMPONENTE
SOTTO
STRUTTURA
STRUTTURA
SISTEMA
STRUTTURALE
PONTE...
338
SISTEMA
STRUTTURALE
PRINCIPALE
ZONE SPECIALI DI
IMPALCATO
SISTEMA DI
RITEGNO/SOSTEGNO
SISTEMA
STRUTTURALE
SECONDARIO
S...
339
Individuazione delle
VARIABILI di progetto
per ciascun elemento
Individuazione degli
ELEMENTI
per ciascun componente
I...
340
Rappresentazione ipertestuale:
modellazione ad oggetti e rappresentazione
ad albero del problema strutturale
341
342
MAIN
STRUCTURAL
SYSTEM
AUXILIARY
STRUCTURAL
SYSTEM
SECONDARY
STRUCTURAL
SYSTEM
SPECIAL
DECK ZONES
BRIDGE
DECK
HIGHWAY ...
FRANCO BONTEMPI 343
344
Criterio meccanico: B-D regions
(c)
345
346
347
348
349
350
351
352
353
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
354
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
355
PERFORMANCE
• STRUTTURA – situazione puntuale:
definita nello spazio e nel tempo.
• SISTEMA STRUTTURALE – estensione:
– spaziale:
ambi...
Structural System
357October 2012 www.francobontempi.org
• SISTEMA STRUTTURALE:
1. complessita’ del quadro prestazionale
(affidabilita’, sicurezza /security,
dependability)
2. CON...
Macro-level Meso-level Micro-level
magnitudeofactions
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
359
RESILIENCE
DEPENDABILITY
ATTRIBUTES
THREATS
MEANS
RELIABILITY
FAILURE
ERROR
FAULT
FAULT TOLERANT
DESIGN
FAULT DETECTION
FAULT DIAGNOS...
362
HAZARD
IN-DEPTH
DEFENCE
HOLES DUE TO
ACTIVE ERRORS
HOLES DUE TO
HIDDEN ERRORS
362
Failure Path
Structural Design
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
363
WIND & TEMPERATURE
SOIL & EARTHQUAKE
ANTHROPI...
Traditional design procedure
• The traditional design procedure that lead
to the “as built” construction are:
1) Formulati...
Traditional design procedure
• Difficulties associated with this kind of approach
are evident. The “As Built” structure could be
different from the “As...
Further steps added considering
a monitoring system
Performance-Based Design
9) Reformulation: development of advanced methods for
a more accurate description of the required behavior
and of the requ...
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
370
Functional Analysis/
Resources Allocation
- Decomposition to lo...
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
371
ANALYSIS MODELS vs.
DESIGN MODELS
372
STRATEGY #0:
DECOMPOSITION
373
STRUCTURAL
QUALITY
- design life
- railway
runability
- highway
runability
- free channel
- robustness
- durability
- ...
374
375
STRATEGY #1: SENSITIVITY
376
STRATEGY #2: BOUNDING
377
Super
Controllore
Problema Risultato
Solutore #1
Solutore #2
Voting System
STRATEGY #3: REDUNDANCY
378
STRUCTURAL
MODELING
CODE
Global Frame Models Local Models
Frame
Work
Substruct-
ured Models
STRUCTURAL
MODELING
CODE
G...
Ottimizzazione Strutturale
franco.bontempi@uniroma1.it
379
Str
o N
GER
www.stronger2012.com
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi
Upcoming SlideShare
Loading in …5
×

Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi

293 views

Published on

Appunti del corso di dottorato:
INTRODUZIONE ALL'OTTIMIZZAZIONE STRUTTURALE
IIa parte

Lezione del 28 maggio 2014

Lecture of the Ph.D. Course on STRUCTURAL OPTIMIZATION

May, 28, 2014

Published in: Education, Technology, Business
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
293
On SlideShare
0
From Embeds
0
Number of Embeds
1
Actions
Shares
0
Downloads
16
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Appunti del corso di dottorato: Ottimizzazione Strutturale / Structural Optimization - parte II - Bontempi

  1. 1. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 1 Franco Bontempi Ordinario di Tecnca delle Costruzioni Facolta’ di Ingegneria Civile e Industriale Sapienza Universita’ di Roma Introduzione alla OTTIMIZZAZIONE STRUTTURALE (parte II)
  2. 2. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 2
  3. 3. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 3 Object of the course • Introduction of basic and advanced ideas and aspects of structural design without to much stress on the analytical apparatus but with some insigth on the computational techniques.
  4. 4. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 4 General Scheduling • 1st Day: Basic definitions of structure, requirements, values, optimization, …; • 2nd Day: Advanced specific case of structural optimization (service / ultimate / extreme scenarios); • 3rd Day: Advanced concepts (structural systems, advanced criteria, tools of design)
  5. 5. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 5 5TECHNIQUES
  6. 6. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 6 FEW OBSERVATIONS
  7. 7. The function: y(x1,x2) Ottimizzazione Strutturale franco.bontempi@uniroma1.it 7
  8. 8. The sensibility of the function Ottimizzazione Strutturale franco.bontempi@uniroma1.it 8
  9. 9. 9 STRATEGY #1: SENSITIVITY governance of priorities
  10. 10. The boundings of the function Ottimizzazione Strutturale franco.bontempi@uniroma1.it 10
  11. 11. 11 STRATEGY #2: BOUNDING behavior governance p (p)  p (p) 
  12. 12. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 12
  13. 13. Design of Experiments (DOE) • In general usage, design of experiments (DOE) or experimental design is the design of any information- gathering exercises where variation is present, whether under the full control of the experimenter or not. However, in statistics, these terms are usually used for controlled experiments. • Formal planned experimentation is often used in evaluating physical objects, chemical formulations, structures, components, and materials. Other types of study, and their design, are discussed in the articles on computer experiments, opinion polls and statistical surveys (which are types of observational study), natural experiments and quasi- experiments (for example, quasi-experimental design). Ottimizzazione Strutturale franco.bontempi@uniroma1.it 13
  14. 14. Sampling Points (1) Ottimizzazione Strutturale franco.bontempi@uniroma1.it 14
  15. 15. Sampling Points (2) Ottimizzazione Strutturale franco.bontempi@uniroma1.it 15
  16. 16. Simulation & Approximation of the response (≈ surrogate) Ottimizzazione Strutturale franco.bontempi@uniroma1.it 16
  17. 17. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 17
  18. 18. The nature of optimum (1) Ottimizzazione Strutturale franco.bontempi@uniroma1.it 18
  19. 19. The nature of optimum (2) Ottimizzazione Strutturale franco.bontempi@uniroma1.it 19 A sub-optimal solution to a problem is one that is less than perfect. Slack situation: loose and not pulled tight.
  20. 20. Example (1) Ottimizzazione Strutturale franco.bontempi@uniroma1.it 20
  21. 21. Example (2) Ottimizzazione Strutturale franco.bontempi@uniroma1.it 21
  22. 22. Bounded Rationality Bounded rationality is the idea that in decision-making, rationality of individuals is limited by the information they have, the cognitive limitations of their minds, and the finite amount of time they have to make a decision. It was proposed by Herbert A. Simon as an alternative basis for the mathematical modeling of decision making, as used in economics, political science and related disciplines; it complements rationality as optimization, which views decision-making as a fully rational process of finding an optimal choice given the information available. Another way to look at bounded rationality is that, because decision-makers lack the ability and resources to arrive at the optimal solution, they instead apply their rationality only after having greatly simplified the choices available. Thus the decision-maker is a satisfier, one seeking a satisfactory solution rather than the optimal one. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 22
  23. 23. Model Extensions • Ariel Rubinstein proposed to model bounded rationality by explicitly specifying decision-making procedures.. • Gerd Gigerenzer opines that decision theorists have not really adhered to Simon's original ideas and proposes and shows that simple heuristics often lead to better decisions than theoretically optimal procedures. • Huw Dixon later argues that it may not be necessary to analyze in detail the process of reasoning underlying bounded rationality. If we believe that agents will choose an action that gets them "close" to the optimum, then we can use the notion of epsilon-optimization, that means you choose your actions so that the payoff is within epsilon of the optimum. The notion of strict rationality is then a special case (ε=0). Ottimizzazione Strutturale franco.bontempi@uniroma1.it 23
  24. 24. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 24 OPTIMIZATION METHODS Heuristics Nelder – Mead Genetic Algorithm
  25. 25. εὑρίσκω • Heuristic (/hjʉˈrɪstɨk/; Greek: "Εὑρίσκω", "find" or "discover") refers to experience-based techniques for problem solving, learning, and discovery that give a solution which is not guaranteed to be optimal. Where the exhaustive search is impractical, heuristic methods are used to speed up the process of finding a satisfactory solution via mental shortcuts to ease the cognitive load of making a decision. Examples of this method include using a rule of thumb, an educated guess, an intuitive judgment, stereotyping, or common sense. • In more precise terms, heuristics are strategies using readily accessible, though loosely applicable, information to control problem solving in human beings and machines. • L'euristica (dalla lingua greca εὑρίσκω, letteralmente "scopro" o "trovo") è una parte dell'epistemologia e del metodo scientifico. • Si definisce procedimento euristico, un metodo di approccio alla soluzione dei problemi che non segue un chiaro percorso, ma che si affida all'intuito e allo stato temporaneo delle circostanze, al fine di generare nuova conoscenza. È opposto al procedimento algoritmico. In particolare, l'euristica di una teoria dovrebbe indicare le strade e le possibilità da approfondire nel tentativo di rendere una teoria progressiva.
  26. 26. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 27 1
  27. 27. Simulated Annealing (Metropolis) • Simulated annealing (SA) is a generic probabilistic heuristic for the global optimization problem of locating a good approximation to the global optimum of a given function in a large search space. • The name and inspiration come from annealing in metallurgy, a technique involving heating and controlled cooling of a material to increase the size of its crystals and reduce their defects. • This notion of slow cooling is implemented in the Simulated Annealing algorithm as a slow decrease in the probability of accepting worse solutions as it explores the solution space. Accepting worse solutions is a fundamental property of heuristics because it allows for a more extensive search for the optimum. • The method is an adaptation of the Metropolis-Hastings algorithm, a Monte Carlo method to generate sample states of a thermodynamic system, invented by M.N. Rosenbluth and published in a paper by N. Metropolis et al. in 1953.
  28. 28. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 29
  29. 29. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 30 Basic version (1)
  30. 30. Basic version (2)
  31. 31. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 33
  32. 32. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 34
  33. 33. Points for SA • Diameter of the search graph • Transition probabilities • Acceptance probabilities • Efficient candidate generation • Barrier avoidance • Cooling schedule Ottimizzazione Strutturale franco.bontempi@uniroma1.it 35
  34. 34. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 36 2
  35. 35. Nelder-Mead Method (Amoeba) • The Nelder–Mead method or downhill simplex method or amoeba method is a commonly used nonlinear optimization technique, which is a well-defined numerical method for problems for which derivatives may not be known. • The Nelder–Mead technique is a heuristic search method that was proposed by John Nelder & Roger Mead (1965) for minimizing an objective function in a many-dimensional space.
  36. 36. Remarks
  37. 37. ;-)
  38. 38. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 43
  39. 39. Genetic Algorithm (GA) • The original motivation for the GA approach was a biological analogy. In the selective breeding of plants or animals, for example, offspring are sought that have certain desirable characteristics, characteristics that are determined at the genetic level by the way the parents’ chromosomes combine. In the case of GAs, a population of strings is used, i.e. chromosomes. • The recombination of strings is carried out using analogies of genetic crossover and mutation, and the search is guided by the results of evaluating the objective function f for each string in the population. • Based on this evaluation, strings that have higher fitness (i.e., represent better solutions) can be identified, and these are given more opportunity to breed.
  40. 40. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 45
  41. 41. Coding • One of the distinctive features of the GA approach is to allow the separation of the representation of the problem from the actual variables in which it was originally formulated. In line with biological usage of the terms, it has become customary to distinguish the ‘genotype’— the encoded representation of the variables, from the ‘phenotype’—the set of variables themselves. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 47
  42. 42. Genotype space = {0,1}L (mappa) Phenotype space (territorio) Encoding (representation) Decoding (inverse representation) 01101001 01001001 10010010 10010001 Translation
  43. 43. Costruzione della popolazione iniziale Valutazione della funzione di fitness di tutti gli individui Selezione Riproduzione Crossover Mutazione M/2 cicli Ciclosullegenerazioni Operatori genetici Ciclosullepopolazione Nuova popolazione Fine? No Si Probabilità di crossover: 80% Probabilità di mutazione: 1%
  44. 44. Mating, Mutation, Selection Ottimizzazione Strutturale franco.bontempi@uniroma1.it 51
  45. 45. EXCEL Ottimizzazione Strutturale franco.bontempi@uniroma1.it 52
  46. 46. 6USES Ottimizzazione Strutturale franco.bontempi@uniroma1.it 53
  47. 47. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 54 OPTIMIZATION OF HCS
  48. 48. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 55
  49. 49. Precast hollow core slabs (HCS) Ottimizzazione Strutturale franco.bontempi@uniroma1.it 56
  50. 50. Tensile crack phenomena in HCS (splitting, bursting, spalling). • splitting cracks: caused by stresses resulting from the development of prestressing in the anchorage zone, that may generate traction stresses in the concrete. • bursting cracks: a local effect, generated by the strand slippage into the slab end while the former widens slightly on being cut. • spalling cracks: occurring above the axis of the strands in the HCS end zone, caused also by the development of prestressing in the concrete at the slab ends where only the lower part holding the strands begins to be prestressed.Ottimizzazione Strutturale franco.bontempi@uniroma1.it 57
  51. 51. Tensile crack phenomena in HCS (splitting, bursting, spalling). Ottimizzazione Strutturale franco.bontempi@uniroma1.it 58
  52. 52. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 59
  53. 53. Cross-section of the reference HCS and numerical model Ottimizzazione Strutturale franco.bontempi@uniroma1.it 60
  54. 54. Tensile deformations in the vertical directions for the spalling effect Ottimizzazione Strutturale franco.bontempi@uniroma1.it 61
  55. 55. The binary coding of the geometry characteristics of the section Ottimizzazione Strutturale franco.bontempi@uniroma1.it 62
  56. 56. • The fitness function F includes terms to represent the weight of the slab. • First, functions gi(x), represents the geometry constraints, implicitly satisfied during the definition of the variable space. • Functions hi(x) represent the structural safety constraints. In this study, two checks are carried out: 1. the first one on the bending stress, carried out after the initial structural analyses on the meso-scale model. 2. the second one, on the spalling stress, carried out on the micro-scale model. • If both checks are positive, the individual is fitting the constrain conditions, otherwise, it is discarded and a different element is introduced in the population. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 63
  57. 57. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 64
  58. 58. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 65
  59. 59. Original values values obtained after the optimization process Ottimizzazione Strutturale franco.bontempi@uniroma1.it 66
  60. 60. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 67 OPTIMIZATION OF S&T
  61. 61. 1° Step
  62. 62. 2° Step
  63. 63. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 89 OPTIMIZATION AS A TOOL FOR EXPLORATION
  64. 64. a Ottimizzazione Strutturale franco.bontempi@uniroma1.it 90
  65. 65. Limit States Service Limit States Ultimate Limit States
  66. 66. Prestressed Continuous Beam
  67. 67. Elements of nonlinear formulation
  68. 68. Equilibrium Equations
  69. 69. Nominal behavior
  70. 70. Level of uncertainty
  71. 71. Uncertainty
  72. 72. α - level
  73. 73. Random / Optimized Sampling
  74. 74. Cujaba River Bridge
  75. 75. Cujaba River Bridge
  76. 76. Ultimate Limit States (ULS)
  77. 77. b Ottimizzazione Strutturale franco.bontempi@uniroma1.it 122
  78. 78. Uses of genetic algorithm • To perform the stochastic exploration of the load space; • To handle the uncertainties related to the definition of the loads; • To investigate the global behavior of the structure by means of the definition of the envelope diagram of the performances; • To define the worst load combination; • To scrutinize the exact value of a specific performance. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 123
  79. 79. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 124
  80. 80. Dissipation devices Soil behavior Material Soil-Structure interface Contact Support system Pylon Cable system Geometrical Soil-Structure Response Vehicle-StructureWind-Structure Nonlinearities Interactions Action Uncertainties Ottimizzazione Strutturale franco.bontempi@uniroma1.it 125
  81. 81. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 126
  82. 82. Dependability attributes threats, means and their interactions. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 127
  83. 83. Performance in relation to the return periods of the actions. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 128
  84. 84. S N Geometry of the long-span suspension bridge considered. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 129
  85. 85. The design variables and the performance levels Ottimizzazione Strutturale franco.bontempi@uniroma1.it 130
  86. 86. A genetic algorithm approach for performance assessment • The performance of a long-span suspension bridge is investigated by means of a GA approach. • Focus is given to three aspects of the structural behavior of the bridge: 1) maximum vertical displacement; 2) maximum longitudinal and transversal slope; 3) maximum tension in main cable and in the tower legs. • The load scenarios that lead to the most severe performance metrics are explored in the space of the load variables by an optimization process based on GA’s. • The implementation of a GA based optimization is essential since the traditional optimization techniques are rather ineffective, due to the high number of dimensions of the load variables space and the presence of numerous local optimum points. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 131
  87. 87. Loading systems considered in the genetic algorithm analysis. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 132
  88. 88. Remarks on loading system • Traffic and train loads are directed vertically but the possibility to have a longitudinal component due to the acceleration (A) or the deceleration (D) is also taken into account. • In addition, a torque is present if the traffic loads are not positioned on the axis of the respective box girder section. • The wind action, assumed always present and flowing transversally to the longitudinal axis of the bridge, produces lift, drag and torque. • In order to represent analytically the entire loading system, 16 variables are needed. • Since each of the girders is formed by 123 finite elements, the position of the loads will be defined by integer variables, ranging, in general, from 0 to 123. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 133
  89. 89. Variables considered for the definition of the loading system. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 134
  90. 90. Description of loading system Ottimizzazione Strutturale franco.bontempi@uniroma1.it 135
  91. 91. Binary coding • The position variables are implemented in binary code with a dimension of eight bits (the minimum dimension able to represent the position of the loads on the bridge deck): • In this row vector, x1 defines the position of the train on the bridge deck, in binary code: for example, if the train load starts from the fifteenth element on the deck, the variable x1 is: Ottimizzazione Strutturale franco.bontempi@uniroma1.it 136
  92. 92. Population • The GA starts by considering an initial population of N row vector x created assigning random values to the unknown variables; each row of the matrix X represents the chromosome of one solution: Ottimizzazione Strutturale franco.bontempi@uniroma1.it 137
  93. 93. Target functions • In order to evaluate the performance of the bridge, the following six target functions are considered: 1. the vertical displacement (negative) for the bridge deck; 2. the horizontal displacement (positive) for the bridge deck; 3. the longitudinal slope for the bridge deck; 4. the transversal slope for the bridge deck; 5. the axial tension for the main cables; 6. the stress state induced by the axial action and the two bending moments for the bridge tower legs. • Each performance is measured by the peak value over all nodes of the bridge deck. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 138
  94. 94. Evolution of population • For each target function, the genetic algorithm creates new populations of N row vector x in order to find the worse configurations of the considered loads. • The genetic algorithm works by evaluating the target function in correspondence with each assumed vector x. • If the population contains a N number of x vectors, the best N/2 vectors are saved in a new population while the other vectors are erased. • To complete the new population, additional N/2 vectors are formed from the saved vectors using the genetic operator of mutation and crossover. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 139
  95. 95. Mutation • The mutation on the generic vector i of the population n changes a single bit of a randomly selected chromosome; for example provides the change from 1 to 0: • As a result a new vector k is obtained for the population n+1. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 140
  96. 96. Crossover • The crossover on the generic vectors i and j of population n is provided in this example: • where a group of cells of chromosomes i and j is selected and the respective states changed. • As a result there are two new vectors k and l for the population n+1. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 141
  97. 97. Remarks • When N/2 new vectors are created, the genetic algorithm restarts with the evaluation of the target function for each vector xn+1. • It should be observed that a genetic algorithm is a stochastic evolutionary procedure because the operators of mutation and crossover are not deterministic but there is a probability of occurrence for each operator. • Usually the probability of occurrence of the mutation operator is low (0 – 5%) while the probability of occurrence of the crossover operator is high (70 – 90%). • What makes this procedure attractive is the fact that usually there is a large interdependence between the quality of results and of the choice of these parameters. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 142
  98. 98. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 143
  99. 99. • The FE model consists of 1614 elements (beams, no compression cable elements and gaps) and 1140 nodes. • For each of the six previously chosen performance metrics (target functions), GA analysis is performed with an initial randomly chosen population of 100 chromosomes. For each chromosome the structural analysis, accounting for geometrical and material nonlinearities, is developed using ADINA, starting each time from the reference configurations under permanent loads and adding the traffic and wind loads. • The custom software reads the output evaluation and performs the genetic recombination of the chromosomes to get a new generation of chromosomes: 100 cycles of regeneration are considered for a total of 10000 different load scenarios, each of them leading to a nonlinear structural analysis. • The probability of occurrence of the crossover operator is of 80% while the probability of occurrence of the mutation operator is of 2%. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 144
  100. 100. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 145
  101. 101. Remarks • It is clear that the convergence of the variables that define the train position (A) is better than the one that defines the position of the light traffic load (B). • From a design point of view, it means that the influence of the railway load in defining the vertical displacement is much higher than the traffic load. • In addition, it can be observed that the railway loads converge towards two different edges (North and South). This is due to the fact that the geometry of the bridge is almost symmetrical. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 146
  102. 102. Vertical displacement envelope Ottimizzazione Strutturale franco.bontempi@uniroma1.it 147
  103. 103. Transversal slope envelope Ottimizzazione Strutturale franco.bontempi@uniroma1.it 148
  104. 104. Longitudinal slope envelope Ottimizzazione Strutturale franco.bontempi@uniroma1.it 149
  105. 105. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 150
  106. 106. Comparative importance of the loads. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 151
  107. 107. 7THEORETICAL ASPECTS OF DESIGN Ottimizzazione Strutturale franco.bontempi@uniroma1.it 152
  108. 108. INDEX • Knowledge • People • Design process as a decision process • Limits • Scale effects • Ergonomy Ottimizzazione Strutturale franco.bontempi@uniroma1.it 153
  109. 109. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 154 KNOWLEDGE
  110. 110. CONOSCENZA RICHIESTA DA UN PROGETTO EVOLUTIVO CONOSCENZA RICHESTA DA UN PROGETTO INNOVATIVO BASE DI CONOSCENZA ATTUALE La crescita di conoscenze Ottimizzazione Strutturale franco.bontempi@uniroma1.it 155
  111. 111. Evolutive vs Innovative Design 156Ottimizzazione Strutturale franco.bontempi@uniroma1.it
  112. 112. Knowledge Growth Process KNOWLEDGE REQUIRED BY AN EVOLUTIVE DESIGN NEW KNOWLEDGE REQUIRED BY AN INNOVATIVE DESIGN ACTUAL KNOWLEDGE BASIS 157Ottimizzazione Strutturale franco.bontempi@uniroma1.it
  113. 113. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 158
  114. 114. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 159
  115. 115. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 160
  116. 116. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 161 STRUTTURECON COMPORTAMENTOPERFORMA
  117. 117. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 162 STRUTTURECON COMPORTAMENTOVETTORIALE
  118. 118. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 163 STRUTTURECON COMPORTAMENTOSEZIONALE
  119. 119. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 164 STRUTTURECON COMPORTAMENTODISUPERFICIE
  120. 120. Evolutive Jump Ottimizzazione Strutturale franco.bontempi@uniroma1.it 165
  121. 121. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 166
  122. 122. Dalian, June 2008 167
  123. 123. Horizons Ottimizzazione Strutturale franco.bontempi@uniroma1.it 168
  124. 124. Failure due to errors Ottimizzazione Strutturale franco.bontempi@uniroma1.it 169
  125. 125. Failure due to errors Ottimizzazione Strutturale franco.bontempi@uniroma1.it 170
  126. 126. Ships Ottimizzazione Strutturale franco.bontempi@uniroma1.it 171
  127. 127. Failure due to unexpected facts Ottimizzazione Strutturale franco.bontempi@uniroma1.it 172
  128. 128. NASA System Complexity Ottimizzazione Strutturale franco.bontempi@uniroma1.it 173
  129. 129. Causes of system failure 100% Time %offailure Unknown phenomena Known phenomena Research level Design code level past present future A BB B C Humanerrors Ottimizzazione Strutturale franco.bontempi@uniroma1.it 174
  130. 130. HPLC vs LPHC EVENTS HPLC HIGH PROBABILITY LOW CONSEQUENCES LPHC LOW PROBABILITY HIGH CONSEQUENCES COMPLEXITY: Nonlinear Behavior and Structural Organization PROBLEM FRAMEWORK Deterministic Stochastic QUALITATIVE / DETERMINISTIC ANALYSIS QUANTITATIVE PROBABILISTIC ANALYSIS PRAGMATIC SCENARIOS ANALYSIS Ottimizzazione Strutturale franco.bontempi@uniroma1.it 175
  131. 131. 8 e 9 luglio 2010 EXPLOSIONS - ESPLOSIONI http://www.francobontempi.org/handling.php 13 e 14 novembre 2008 FIRE - INCENDIO http://www.francobontempi.org/handling_08.php 176
  132. 132. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 177 PEOPLE
  133. 133. VALUES 178Ottimizzazione Strutturale franco.bontempi@uniroma1.it
  134. 134. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 179
  135. 135. Nonaka-Takeuchi Concept Ottimizzazione Strutturale franco.bontempi@uniroma1.it 180
  136. 136. Nonaka & Takeuchi: conoscenza esplicite e implicite Ottimizzazione Strutturale franco.bontempi@uniroma1.it 181
  137. 137. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 182
  138. 138. The spiral of Knowledge Ottimizzazione Strutturale franco.bontempi@uniroma1.it 183
  139. 139. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 184
  140. 140. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 185
  141. 141. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 186
  142. 142. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 187
  143. 143. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 188
  144. 144. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 189
  145. 145. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 190
  146. 146. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 191
  147. 147. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 192
  148. 148. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 193 DESIGN PROCESS AS DECISION PROCESS
  149. 149. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 194
  150. 150. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 195
  151. 151. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 196 LIMITS
  152. 152. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 197
  153. 153. LIMITS Ottimizzazione Strutturale franco.bontempi@uniroma1.it 198
  154. 154. LIMITS Ottimizzazione Strutturale franco.bontempi@uniroma1.it 199
  155. 155. LIMITS Ottimizzazione Strutturale franco.bontempi@uniroma1.it 200
  156. 156. LIMITS Ottimizzazione Strutturale franco.bontempi@uniroma1.it 201
  157. 157. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 202
  158. 158. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 203
  159. 159. Reaching limits Ottimizzazione Strutturale franco.bontempi@uniroma1.it 204
  160. 160. S Curve Ottimizzazione Strutturale franco.bontempi@uniroma1.it 205
  161. 161. Dalian, June 2008 206
  162. 162. Dalian, June 2008 207 0 500 1000 1500 2000 2500 3000 3500 SPAN 1100 1298 1385 1410 1624 1991 3300 BISA N- VER RAZZ JIAN GYN HUM BER GRE AT AKA SHI MES SINA
  163. 163. Dalian, June 2008 208
  164. 164. Dalian, June 2008 209
  165. 165. Lorenz Ottimizzazione Strutturale franco.bontempi@uniroma1.it 210
  166. 166. Mental Heritage Ottimizzazione Strutturale franco.bontempi@uniroma1.it 211
  167. 167. Bias Ottimizzazione Strutturale franco.bontempi@uniroma1.it 212
  168. 168. Hybrid Solution Ottimizzazione Strutturale franco.bontempi@uniroma1.it 213
  169. 169. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 214
  170. 170. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 215
  171. 171. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 216
  172. 172. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 217 SCALE EFFECTS
  173. 173. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 218
  174. 174. SCALEEFFECTS Ottimizzazione Strutturale franco.bontempi@uniroma1.it 219
  175. 175. Quebec Bridge Ottimizzazione Strutturale franco.bontempi@uniroma1.it 220
  176. 176. Quebec Bridge Failure Ottimizzazione Strutturale franco.bontempi@uniroma1.it 221
  177. 177. Chord Members Ottimizzazione Strutturale franco.bontempi@uniroma1.it 222
  178. 178. 2nd Quebec Bridge Ottimizzazione Strutturale franco.bontempi@uniroma1.it 223
  179. 179. Dalian, June 2008 224 GLOBAL LEVEL 3300 m Local level 200 m Example: Size Effect
  180. 180. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 225 ERGONOMY
  181. 181. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 226
  182. 182. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 227
  183. 183. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 228
  184. 184. Interactions Ottimizzazione Strutturale franco.bontempi@uniroma1.it 229
  185. 185. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 230
  186. 186. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 231
  187. 187. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 232
  188. 188. Ciclodivita Ottimizzazione Strutturale franco.bontempi@uniroma1.it 233
  189. 189. 8OPERATIVE ASPECTS OF DESIGN Ottimizzazione Strutturale franco.bontempi@uniroma1.it 234
  190. 190. INDEX • The structure of design • The organization of the design process • Complexity • System decomposition • Analysis models vs. design models Ottimizzazione Strutturale franco.bontempi@uniroma1.it 235
  191. 191. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 236 THE STRUCTURE OF DESIGN
  192. 192. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 237
  193. 193. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 238
  194. 194. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 239
  195. 195. Meccanica Strutturale Ottimizzazione Strutturale franco.bontempi@uniroma1.it 240
  196. 196. Ingegneria Strutturale Ottimizzazione Strutturale franco.bontempi@uniroma1.it 241
  197. 197. Processo di analisi e processo di sintesi (1) DATI CALCOLO RISULTATI START END START END MODIFICA K=K+1 K=0 DATI K CALCOLO RISULTATI K TEST SI’ NO Pre-processing Post-processing Ottimizzazione Strutturale franco.bontempi@uniroma1.it 242
  198. 198. Processo di analisi e processo di sintesi (2) START END MODIFICA K=K+1 K=0 DATI K CALCOLO RISULTATI K TEST SI’ NO ANALISI SINTESI Ottimizzazione Strutturale franco.bontempi@uniroma1.it 243
  199. 199. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 244
  200. 200. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 245
  201. 201. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 246
  202. 202. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 247
  203. 203. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 248
  204. 204. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 249
  205. 205. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 250
  206. 206. Sviluppo top-down copertura omogenea approfondimento Ottimizzazione Strutturale franco.bontempi@uniroma1.it 251
  207. 207. Sviluppo bottom-up copertura omogenea sviluppo di un filone Ottimizzazione Strutturale franco.bontempi@uniroma1.it 252
  208. 208. Sviluppo mixed Ottimizzazione Strutturale franco.bontempi@uniroma1.it 253
  209. 209. Direct and Inverse problems in Structural Engineering
  210. 210. • A direct problem is an analysis problem: it consists in the evaluation of the response of a structure immersed in its design environment, i.e. under assigned external actions and other boundary conditions as constrains, in agreement with the fulfilment of all the design constrains, by using a suitable model. • Inverse problems are, on the other hand, those for which the structural response constitutes available known data. the inverse problems can be so classified: 1. Synthesis problems: given the actions and the constraints, the structure is designed to obtain a specific structural response; 2. Control problems: given a description for the structure and the mandatory structural response, an appropriate action to generate that response is searched; 3. Identification problems: given both the actions and the structural response, the model is looked for.
  211. 211. Data related to different structural problems
  212. 212. Top-Down and Bottom-Up approach for problem solving
  213. 213. aESEMPIO DI PROGETTO DI STRUTTURE PRECOMPRESSE Ottimizzazione Strutturale franco.bontempi@uniroma1.it 258
  214. 214. Strutture precompresse Problema diretto (analisi) • Dato il tiro del cavo di precompressione • date le eccentricità del cavo trovare • il diagramma del momento dovuto alla precompressione. Problema inverso (progetto) • Dato il diagramma del momento (dovuto ai carichi esterni) trovare • il tiro del cavo di precompressione • e le eccentricità del cavo nelle varie sezioni.
  215. 215. ANALISI: dato il tiro del cavo e le sue eccentricità si ricava il diagramma del momento
  216. 216. PROGETTO: dato il diagramma del momento (esterno) trovare il tiro del cavo e le sue eccentricità in modo da annullarlo momento
  217. 217. Reti neurali (1)
  218. 218. Reti neurali (2) DIAGRAMMA DEL MOMENTO TIRO DEL CAVO ECCENTRICITA’
  219. 219. Discretizzazione
  220. 220. bESEMPIO DI IDENTIFICAZIONE STRUTTURALE Ottimizzazione Strutturale franco.bontempi@uniroma1.it 267
  221. 221. Tiro cavi all'ancoraggio 115000 120000 125000 130000 135000 140000 600 1100 1600 2100 2600 3100 Tempo (s) Tiro(Ton) Sponda siciliana, lato nord Sponda calabrese, lato nord Sponda siciliana, lato sud Sponda calabrese, lato sud AXIAL FORCE IN THE MAIN CABLES (1) Vento = f(s,t) Vento = f(s,t) Vento = f(s,t) Vento = f(s,t) FB 268
  222. 222. Tiro cavi all'ancoraggio 115000 120000 125000 130000 135000 140000 600 1100 1600 2100 2600 3100 Tempo (s) Tiro(Ton) Sponda siciliana, lato nord Sponda calabrese, lato nord Sponda siciliana, lato sud Sponda calabrese, lato sud AXIAL FORCE IN THE MAIN CABLES (2) Vento = f(s,t) Vento = f(s,t) Vento = f(s,t) Vento = f(s,t) FB 269
  223. 223. Hierarchical damage identification strategy 0,0 0,5 1,0 1,5 2,0 0 20 40 60 80 Damage detection Identification of the portion of the deck Identification of the element STEP 1: DAMAGE DETECTION IDENTIFICATION OF THE AREA STEP 2: IDENTIFICATION OF THE ELEMENT QUANTIFICATION OF THE DAMAGE
  224. 224. Step 1a: approximation of the response time-history using neural networks Initial architecture of the network 4 inputs + 4 hidden units Measure of network performance   N wE ERMS * 2  Response time history in sensor #m ktf  2tf tf1tf 1tf Structural system Ambient excitation ... ...
  225. 225. 0 0,2 0,4 0,6 0,8 1 600 1100 1600 2100 2600time Uz Training Test A Test B Test C Step 1a: example – vertical displacement
  226. 226. testA 0,2 0,4 0,6 0,8 1 0 25 50 75 100time Uz testA NN testB 0,2 0,4 0,6 0,8 1 0 25 50 75 100time Uz testB NN testC 0,2 0,4 0,6 0,8 1 0 25 50 75 100time Uz testC NN 0 0,01 0,02 0,03 0,04 0,05 0,06 0 100 200 300 400time err Training TestA TestB TestC LEARNEDBEHAVIOR
  227. 227. testD 0,4 0,6 0,8 1 0 25 50 75 100time Uz testD NN 0 0,1 0,2 0,3 0,4 0 100 200 300 400 500time err Training TestA TestB TestC TestD ANOMALOUSBEHAVIOR
  228. 228. Training Undamaged 0,0 0,5 1,0 1,5 0 20 40 60 80 0,0 0,5 1,0 1,5 2,0 0 20 40 60 80 Damaged section Error in function approximation in the undamaged sections Training Undamaged 0,0 0,5 1,0 1,5 0 20 40 60 80 Training Undamaged 0,0 0,5 1,0 1,5 0 20 40 60 80 DETAIL Training Undamaged 0,0 0,5 1,0 1,5 0 20 40 60 80 Training Undamaged 0,0 0,5 1,0 1,5 0 20 40 60 80 Training Undamaged 0,0 0,5 1,0 1,5 0 20 40 60 80 Step 1b: damage detection - identification of the area Damage is intended as reduction of stiffness in hangers, cables, transverse beams. - hangers: reduction from 5% to 80% - cable: reduction from 1% to 10% - transverse: reduction from 5% to 30%
  229. 229. ... ... Response time history in sensor #n  iMDp 1dtf 3tf 1tf2tf tf kntf  1ntf2ntf ntf  ntnt fye  e 0 e > 0 undamaged Anomalies in section #n M i optimal model Network model M i i = i +1 Network model M i+1 yes no    ?1 ii MDpMDp   1iMDp stop Damage in section #n Structural system Ambient excitation e > 0 in all sections? Restart training from f(t+dt) yes Go to phase 2 training test no Anomaly in section #m Damage in section #m Go to Phas e 2 Continu e in time Response time history in sensor #m BASICBAYES
  230. 230. Damage in the transverse (wind excitation) 0,00 0,02 0,04 0,06 30% 10% 5% Damage in the transverse (train excitation) 0,00 0,02 0,04 0,06 0,3 0,1 0,05 Damage in the cable (train excitation) 0,0 0,3 0,6 0,9 30% 1% 0,50% Damage in the cable (wind excitation) 0,0 0,3 0,6 0,9 10% 1% 0,50% Damage in the hanger (wind excitation) 0,00 0,02 0,04 80% 50% 10% 5% Damage inthe hanger (trainexcitation) 0,00 0,02 0,04 50% 20% 10% 5% Damage detection using wind actions and traffic loads hangers cables transverse Mean values of the increment of the error with respect to the undamaged situation
  231. 231. 1° finestra temporale Vertical displacement -0.006 -0.004 -0.002 0.000 0.002 0.004 0.006 400 450 500 550 600 650 700 750 800 850 900 t(s) x(m) Step 2: identification of the damaged element & quantification of the damage Response for train excitation A B C 1 2 3 4 5 err A err B err C D1 D2 D3 D4 D5 Error in function approximation Location and level of the damage 400 examples are created for the training set considering different scenarios
  232. 232. In order to give a global and intuitive representation of the results, two quantities have been defined as follows:  Location: it gives a measure of the error in the positioning of the damage yt yt iloc   )( where t is the vector of the target values and y is the vector coming from the network model. If this quantity is equal to one the damage is well localized.  Intensity: it gives a measure of the error in quantifying the level of damage y t i )int( If it is equal to one, the level of damage is correctly estimated. Step 2: measures of identification of the element & quantification of the damage
  233. 233. Intensity (optimized model) 0 1 2 3 0 10 20 30 Intensity (model 20 units) 0 1 2 3 0 10 20 30 Location (optimized model) 0,0 0,4 0,8 1,2 0 10 20 30 Location (model 20 units) 0,0 0,4 0,8 1,2 0 10 20 30 Test: comparison of location and intensity 70% 90% 50% 68% LOCATION 20 UNITS INTENSITY 11 UNITS LOCATION 11 UNITS INTENSITY 20 UNITS
  234. 234. POSTERIOR FOR ,  TRAINING: OPTIMIZATION w = wMAP? ?   DMEVDMEV ii 1 INFERENCE OF NEW DATA CHOOSE MODEL Mi-1 ? POSTERIOR FOR Mi ,  = MP, MP DATA PRE- PROCESSING OUTPUT NETWORK MODEL Mi N HIDDEN = i N INPUT = k POSTERIOR FOR w yes DATA POST PROCESSING PROBABILISTIC MODEL no INPUT CHOOSE INITIAL ,  INITIALIZE WEIGHTS w RE-ESTIMATION OF ,  yes n o Wγ  yes no i= i+1 is 1,…,k ‘very large’? k= k-1 yes no 0,0 0,5 1,0 1,5 2,0 0 20 40 60 80 Damage detection Identification of the portion of the deck Identification of the element
  235. 235. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 282 THE ORGANIZATION OF DESIGN PROCESS
  236. 236. Sicurezza in caso d’incendio 1 2 3 4 5 6 7 8 9 Strategie per la gestione dell'incendio 1 Prevenzione 2 Gestione dell'evento 3 Gestione dell'incendio 4 Gestione delle persone e dei beni 15 Difesa sul posto 16 Spostamento 17 Disposibilità delle vie di fuga 18 Far avvenire il deflusso 19 Controllo della quantità di combustibile 5 Soppressione dell'incendio 10 Controllo dell'incendio attraverso il progetto 13 Automatica 11 Manuale 12 Controllo dei materiali presenti 6 Controllo del movimento dell'incendio 7 Resistenza e stabilità strutturale 14 Contenimento 9 Ventilazione 8 1 2 3 4 5 6 7 8 9 Strategie per la gestione dell'incendio 1 Prevenzione 2 Gestione dell'evento 3 Gestione dell'incendio 4 Gestione delle persone e dei beni 15 Difesa sul posto 16 Spostamento 17 Disposibilità delle vie di fuga 18 Far avvenire il deflusso 19 Controllo della quantità di combustibile 5 Soppressione dell'incendio 10 Controllo dell'incendio attraverso il progetto 13 Automatica 11 Manuale 12 Controllo dei materiali presenti 6 Controllo del movimento dell'incendio 7 Resistenza e stabilità strutturale 14 Contenimento 9 Ventilazione 8 Ottimizzazione Strutturale franco.bontempi@uniroma1.it 283
  237. 237. Stile della rappresentazione grafica dei processi AVANTI AVANTI PADRE FIGLIO FIGLIO LINEE ENTRANTI LINEE USCENTI“NO” “SI’” Ottimizzazione Strutturale franco.bontempi@uniroma1.it 284
  238. 238. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 285
  239. 239. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 286
  240. 240. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 287
  241. 241. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 288
  242. 242. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 289
  243. 243. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 290
  244. 244. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 291
  245. 245. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 292
  246. 246. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 293
  247. 247. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 294
  248. 248. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 295
  249. 249. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 296
  250. 250. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 297
  251. 251. Forward vs. Reverse Engineering Ottimizzazione Strutturale franco.bontempi@uniroma1.it 298
  252. 252. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 299
  253. 253. Qualita’ documenti (1) Ottimizzazione Strutturale franco.bontempi@uniroma1.it 300
  254. 254. Qualita’ documenti (2) Ottimizzazione Strutturale franco.bontempi@uniroma1.it 301
  255. 255. Simboli base Ottimizzazione Strutturale franco.bontempi@uniroma1.it 302
  256. 256. Altri simboli Ottimizzazione Strutturale franco.bontempi@uniroma1.it 303
  257. 257. Decisioni e connessioni Ottimizzazione Strutturale franco.bontempi@uniroma1.it 304
  258. 258. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 305
  259. 259. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 306
  260. 260. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 307
  261. 261. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 308
  262. 262. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 309 COMPLEXITY
  263. 263. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 310
  264. 264. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 311
  265. 265. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 312
  266. 266. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 313
  267. 267. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 314
  268. 268. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 315
  269. 269. Geometric Complexity Ottimizzazione Strutturale franco.bontempi@uniroma1.it 316
  270. 270. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 317
  271. 271. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 318
  272. 272. 319 COMPLEXITY DEFINITION linear interactions nonlinear loosecouplingstight mechanical behavior structuralorganization 319
  273. 273. 320 FACTORS INFLUENCING STRUCTURAL COMPLEXITY NON LINEAR BEHAVIOR LINEAR
  274. 274. 321 3300183 183777 627 960 3300 m 810 +77.00 m +383.00 +383.00 +54.00 +118.00 +52.00 +63.00 3300183 183777 627 960 3300 m 810 +77.00 m +383.00 +383.00 +54.00 +118.00 +52.00 +63.00 Dispositivi di Dissipazione Comportamento del Suolo Non Linearità di Materiale Interfaccia Suolo-Struttura Non Linearità di Contatto Pendini Torri Cavi Principali Non Linearità Geometrica NON LINEARITA’
  275. 275. 322 FACTORS INFLUENCING STRUCTURAL COMPLEXITY LOW AMBIGUITY UNCERTAINTY HIGH NON LINEAR BEHAVIOR LINEAR
  276. 276. 323 3300183 183777 627 960 3300 m 810 +77.00 m +383.00 +383.00 +54.00 +118.00 +52.00 +63.00 3300183 183777 627 960 3300 m 810 +77.00 m +383.00 +383.00 +54.00 +118.00 +52.00 +63.00 Incertezze legate al modello strutturale Incertezze legate alla modellazione dei carichi Incertezze legate alla geometria ed ai materiali INCERTEZZE
  277. 277. 324 FACTORS INFLUENCING STRUCTURAL COMPLEXITY LOW AMBIGUITY UNCERTAINTY HIGH TIGHT COUPLING INTERACTIONS CONNECTIONS LOOSE NON LINEAR BEHAVIOR LINEAR
  278. 278. 325 Interazione Struttura - Traffico Interazione Struttura - Vento Interazione Struttura - Terreno INTERAZIONI
  279. 279. 326 LIVELLO GLOBALE 3300 m livello locale 200 m N.B. 1 - EFFETTO SCALA
  280. 280. 327 HUMANWARESOFTWARE HARDWARE PROGETTO COSTRUZIONE (MATERIALI – COMPONENTI) COMPORTAMENTO UMANO N.B. 2
  281. 281. Fire, Heat Transfer, Structural and Human Behavior Models. 328
  282. 282. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 329 SYSTEM DECOMPOSITION
  283. 283. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 330FB nov 05 330 ELEMENTI E COMPONENTI STRUTTURALI ORGANIZZAZIONE Le relazioni stabili di funzione, funzionalità e topologia che danno significato agli elementi indipendentemente dalla loro specificità. STRUTTURA Elementi specifici che tramite le relazioni strutturali formano una configurazione persistente nel tempo SISTEMA Struttura durevole di elementi organizzati, che viene osservata come unità che presenta caratteristiche emergenti.
  284. 284. StructuralSystems Ottimizzazione Strutturale franco.bontempi@uniroma1.it 331
  285. 285. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 332
  286. 286. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 333
  287. 287. System Definitions • ANSI/EIA-632-1999: "An aggregation of end products and enabling products to achieve a given purpose." • IEEE Std 1220-1998: "A set or arrangement of elements and processes that are related and whose behavior satisfies customer/operational needs and provides for life cycle sustainment of the products." • ISO/IEC 15288:2008: "A combination of interacting elements organized to achieve one or more stated purposes." • NASA Systems Engineering Handbook: "(1) The combination of elements that function together to produce the capability to meet a need. The elements include all hardware, software, equipment, facilities, personnel, processes, and procedures needed for this purpose. (2) The end product (which performs operational functions) and enabling products (which provide life-cycle support services to the operational end products) that make up a system." • INCOSE Systems Engineering Handbook: “Homogeneous entity that exhibits predefined behavior in the real world and is composed of heterogeneous parts that do not individually exhibit that behavior and an integrated configuration of components and/or subsystems." • INCOSE: "A system is a construct or collection of different elements that together produce results not obtainable by the elements alone. The elements, or parts, can include people, hardware, software, facilities, policies, and documents; that is, all things required to produce systems-level results. The results include system level qualities, properties, characteristics, functions, behavior and performance. The value added by the system as a whole, beyond that contributed independently by the parts, is primarily created by the relationship among the parts; that is, how they are interconnected." Ottimizzazione Strutturale franco.bontempi@uniroma1.it 334
  288. 288. Structure vs. Structural System • This requires evolving from a simplistic idealization of the structure as “device for channeling loads” to the idea of the structural system, intended as “a set of interrelated components working together toward a common purpose”. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 335
  289. 289. 336
  290. 290. 337 MICROLIVELLO variabili MACROLIVELLOMESOLIVELLO ELEMENTO COMPONENTE SOTTO STRUTTURA STRUTTURA SISTEMA STRUTTURALE PONTE Il MACROLIVELLO, che comprende il Ponte nella sua globalità e i sistemi strutturali; Il MESOLIVELLO, che include le diverse strutture e sottostrutture che compongono il sistema strutturale; Il MICROLIVELLO, nel quale vengono descritti i componenti delle sottostrutture e i rispettivi elementi costituenti. Per ciascun livello devono essere poi identificate e definite le variabili di progetto. Il complesso sistema strutturale deve essere scomposto, ovvero sottostrutturato, in livelli crescenti di dettaglio: Scomposizione Strutturale
  291. 291. 338 SISTEMA STRUTTURALE PRINCIPALE ZONE SPECIALI DI IMPALCATO SISTEMA DI RITEGNO/SOSTEGNO SISTEMA STRUTTURALE SECONDARIO SISTEMA DI SOSPENSIONE IMPALCATO CORRENTE FONDAZIONI DELLE TORRI ANCORAGGI TORRI SELLE CAVI PRINCIPALI PENDINI CASSONI STRADALI CASSONE FERROVIARIO TRAVERSO INTERNE TERMINALI SISTEMA STRUTTURALE AUSILIARIO STRADALE FERROVIARIO FUNZIONAMENTO MANUTENZIONE EMERGENZA PONTE MACROLIVELLO MESOLIVELLO
  292. 292. 339 Individuazione delle VARIABILI di progetto per ciascun elemento Individuazione degli ELEMENTI per ciascun componente Individuazione dei COMPONENTI di ciascuna sottostruttura SOTTOSTRUTTURAZIONE del sistema globale per lo studio di dettaglio delle singole prestazioni SISTEMA DI RITEGNO/SOSTEGNO FONDAZIONI DELLE TORRI ANCORAGGI TORRI
  293. 293. 340 Rappresentazione ipertestuale: modellazione ad oggetti e rappresentazione ad albero del problema strutturale
  294. 294. 341
  295. 295. 342 MAIN STRUCTURAL SYSTEM AUXILIARY STRUCTURAL SYSTEM SECONDARY STRUCTURAL SYSTEM SPECIAL DECK ZONES BRIDGE DECK HIGHWAY SYSTEM RAILWAY SYSTEM OPERATION MAINTENANCE EMERGENCY FOUNDATION OF TOWERS TOWERS ANCHORAGES SUPPORTING CONDITION HIGHWAY BOX-GIRDER CROSS BOX-GIRDER RAILWAY BOX-GIRDER INNER OUTER BRIDGE SUPERSTRUCTURE MACRO-LEVELS MESO-LEVELS MAIN CABLES HANGERS SUSPENSION SYSTEM SADDLES
  296. 296. FRANCO BONTEMPI 343
  297. 297. 344 Criterio meccanico: B-D regions (c)
  298. 298. 345
  299. 299. 346
  300. 300. 347
  301. 301. 348
  302. 302. 349
  303. 303. 350
  304. 304. 351
  305. 305. 352
  306. 306. 353
  307. 307. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 354
  308. 308. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 355 PERFORMANCE
  309. 309. • STRUTTURA – situazione puntuale: definita nello spazio e nel tempo. • SISTEMA STRUTTURALE – estensione: – spaziale: ambiente / contesto sostenibilita’ / compatibilita’ – temporale: ciclo di vita (life-cycle) - robustezza Struttura / Sistema Strutturale 356
  310. 310. Structural System 357October 2012 www.francobontempi.org
  311. 311. • SISTEMA STRUTTURALE: 1. complessita’ del quadro prestazionale (affidabilita’, sicurezza /security, dependability) 2. CONCEZIONE STRUTTURALE 3. ANALISI STRUTTURALE: motore del processo decisionale strumenti generali e efficaci Structural Analysis and Design 358
  312. 312. Macro-level Meso-level Micro-level magnitudeofactions Ottimizzazione Strutturale franco.bontempi@uniroma1.it 359
  313. 313. RESILIENCE
  314. 314. DEPENDABILITY ATTRIBUTES THREATS MEANS RELIABILITY FAILURE ERROR FAULT FAULT TOLERANT DESIGN FAULT DETECTION FAULT DIAGNOSIS FAULT MANAGING DEPENDABILITY of STRUCTURAL SYSTEMS AVAILABILITY SAFETY MAINTAINABILITY permanent interruption of a system ability to perform a required function under specified operating conditions the system is in an incorrect state: it may or may not cause failure it is a defect and represents a potential cause of error, active or dormant INTEGRITY ways to increase the dependability of a system An understanding of the things that can affect the dependability of a system A way to assess the dependability of a system the trustworthiness of a system which allows reliance to be justifiably placed on the service it delivers SECURITY High level / active performance Low level / passive performance ATTRIBUTES THREATS MEANSMEANS RELIABILITYRELIABILITY FAILURE ERROR FAULT FAULT TOLERANT DESIGN FAULT TOLERANT DESIGN FAULT DETECTIONFAULT DETECTION FAULT DIAGNOSISFAULT DIAGNOSIS FAULT MANAGINGFAULT MANAGING DEPENDABILITY of STRUCTURAL SYSTEMS AVAILABILITY SAFETY MAINTAINABILITY permanent interruption of a system ability to perform a required function under specified operating conditions the system is in an incorrect state: it may or may not cause failure it is a defect and represents a potential cause of error, active or dormant INTEGRITY ways to increase the dependability of a system An understanding of the things that can affect the dependability of a system A way to assess the dependability of a system the trustworthiness of a system which allows reliance to be justifiably placed on the service it delivers SECURITY High level / active performance Low level / passive performance Ottimizzazione Strutturale franco.bontempi@uniroma1.it 361
  315. 315. 362 HAZARD IN-DEPTH DEFENCE HOLES DUE TO ACTIVE ERRORS HOLES DUE TO HIDDEN ERRORS 362 Failure Path
  316. 316. Structural Design Ottimizzazione Strutturale franco.bontempi@uniroma1.it 363 WIND & TEMPERATURE SOIL & EARTHQUAKE ANTHROPICUSE (highway&railway) STRUCTURALBEHAVIOR & EXPECTEDPERFORMANCE JUDGEMENT & DECISIONS NEGOTIATION & REFRAMING No STRUCTURAL MODELING
  317. 317. Traditional design procedure • The traditional design procedure that lead to the “as built” construction are: 1) Formulation of the problem; 2) Synthesis of the solution; 3) Analysis of the proposed solution; 4) Evaluation of the solution performances; 5) Construction.
  318. 318. Traditional design procedure
  319. 319. • Difficulties associated with this kind of approach are evident. The “As Built” structure could be different from the “As Designed” one, due to different factors like fabrication mistakes or unexpected conditions during the construction phase, or also due to non appropriate design assumptions. These last could create doubts about the accuracy of the analysis results leading to a predicted behavior which does not correspond to the real one. • One then can add: 6) Monitoring of the real construction; 7) Comparison between results from monitoring and expected behaviour results; 8) Increase in the accuracy of expectation of the future structural behaviour.
  320. 320. Further steps added considering a monitoring system
  321. 321. Performance-Based Design
  322. 322. 9) Reformulation: development of advanced methods for a more accurate description of the required behavior and of the required performance; 10)Weak Evaluation: this methodology assumes that the analysis is exact and that all the actions are known exactly, from the probabilistic viewpoint; 11)Model improvement: the necessity connected with the models improvement comes from experiences based on monitoring, where expected and measured behaviors on “as built” structures are compared; 12)Strong Evaluation: a third kind of evaluation becomes possible when the improvement aims at assigning more accurate values to the used parameters and to define more accurate modelling hypothesis.
  323. 323. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 370 Functional Analysis/ Resources Allocation - Decomposition to lower-level function - Allocate performance - Define functional interfaces - Define functional architecture Requirement loop Design loop PROCESS INPUT Historic Analyses Evolutive / Innovative Design Risk Management PROCESS OUTPUT Synthesis - Transform architecture - Define alternative product concepts - Define physical interfaces - Define alternative product and process solutions Requirements Analysis - Analyze missions and enviroments - Identify functional requirements - Define performance and design constraint requirement System Modeling And Analysis
  324. 324. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 371 ANALYSIS MODELS vs. DESIGN MODELS
  325. 325. 372 STRATEGY #0: DECOMPOSITION
  326. 326. 373 STRUCTURAL QUALITY - design life - railway runability - highway runability - free channel - robustness - durability - management GLOBAL GEOMETRY AND TOPOLOGY TOPOLOGY - suspension system - towers - towers foundation - anchor system - main deck - deck landing - ... GLOBAL GEOMETRY - main span - sx span - dx span SECTIONAL GEOMETRY - continuous girder sections - transverse section - main cables - hangers - towers - secondary elements MATERIALS CHARACTERISTICS - girders - cables SYNTHESIS OF STRUCTURAL SOLUTION AND DOCUMENTATION BOUNDARY CONDITIONS CONSTRAINTS: rigid and elastic constraints, imposed displacements NATURAL ACTIONS - temperature - wind - earthquake ANTROPIC ACTIONS a) permanent loading system b) variable - railway - highway c) accidental CONVENTIONALMODELING: QUASISTATICREPRESENTATION BASIC STRUCTURAL CONFIGURATION PARAMETERS - individuation - definition - uncertainty - description - bounding GLOBAL MODELING - 2D - 3D MODELING WITH DYNAMIC INTERACTION ALTERNATIVE STRUCTURAL CONFIGURATIONS GLOBAL OPTIMIZATION - topology - morphology - parametric LOCAL OPTIMIZATION - girders section - transverse section - restraint zone EXPERT AND FIXED CHOICES MEASURES a) qualitative b) materials volumes c) serviceability - modal characteristics - deflections - deformations - reversibility d) collapse scenarios - collapse characteristics - robustness e) accidental scenarios - configurations - risks DETAILED MODELING EXTENDED MODELING 1 2 3 4 5 6 7 Numerical Modeling for the Structural Analysis and Design of MESSINA STRAIT BRIDGE: subdivision and development of activities. FB - june 6, 2005 / franco.bontempi@uniroma1.it 373
  327. 327. 374
  328. 328. 375 STRATEGY #1: SENSITIVITY
  329. 329. 376 STRATEGY #2: BOUNDING
  330. 330. 377 Super Controllore Problema Risultato Solutore #1 Solutore #2 Voting System STRATEGY #3: REDUNDANCY
  331. 331. 378 STRUCTURAL MODELING CODE Global Frame Models Local Models Frame Work Substruct- ured Models STRUCTURAL MODELING CODE Global Frame Models Local Models Frame Work Substruct- ured Models structural configurations specificity of the modeling commercial codes
  332. 332. Ottimizzazione Strutturale franco.bontempi@uniroma1.it 379 Str o N GER www.stronger2012.com

×