Beruflich Dokumente
Kultur Dokumente
E. T. S. DE INGENIEROS DE
CAMINOS, CANALES Y PUERTOS
TESIS DOCTORAL
RESTRICCIONES EN TENSIÓN Y
MINIMIZACIÓN DEL PESO: UNA
METODOLOGÍA GENERAL PARA LA
OPTIMIZACIÓN TOPOLÓGICA DE
ESTRUCTURAS
POR
DIRIGIDA POR
E. T. S. DE INGENIEROS DE
CAMINOS, CANALES Y PUERTOS
TESIS DOCTORAL
RESTRICCIONES EN TENSIÓN Y
MINIMIZACIÓN DEL PESO: UNA
METODOLOGÍA GENERAL PARA LA
OPTIMIZACIÓN TOPOLÓGICA DE
ESTRUCTURAS
POR
DIRIGIDA POR
A mi familia
ii
iii
Índice general
1. Introducción y objetivos 1
1.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Evolución de la optimización de estructuras: la optimización topológica . . 2
1.3. Objetivos de la tesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4. Organización de la tesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
5. Algoritmos de optimización 59
5.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
5.2. Algoritmo SLP-QLS (Programación Lineal Secuencial con Búsqueda Unidi-
reccional Cuadrática) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
5.2.1. Algoritmo de Máximo Descenso . . . . . . . . . . . . . . . . . . . . . 61
5.2.2. Algoritmo de Programación Lineal Secuencial . . . . . . . . . . . . . 62
5.2.3. Dirección de Entrada a la Región Factible . . . . . . . . . . . . . . . 62
5.2.4. Búsqueda del factor de avance . . . . . . . . . . . . . . . . . . . . . 63
5.3. Algoritmo MMA (Método de las Ası́ntotas Móviles) . . . . . . . . . . . . . 64
5.4. Funciones barrera . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
5.5. Restricciones laterales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
5.6. Técnicas de refinamiento de la solución . . . . . . . . . . . . . . . . . . . . . 75
5.7. Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
6. Análisis de Sensibilidad 79
6.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
6.2. Consideraciones previas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
6.3. Análisis de sensibilidad de funciones dependientes de las variables de diseño 82
6.4. Análisis de sensibilidad de funciones dependientes de las variables de estado
y de las variables de diseño . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
6.4.1. Diferenciación numérica . . . . . . . . . . . . . . . . . . . . . . . . . 83
6.4.2. Diferenciación analı́tica directa . . . . . . . . . . . . . . . . . . . . . 84
6.4.3. Diferenciación analı́tica por el Método de la Variable Adjunta . . . . 88
6.5. Análisis de sensibilidad de restricciones en tensión . . . . . . . . . . . . . . 90
6.5.1. Análisis de sensibilidad de la tensión de Comparación de Von Mises 91
6.5.2. Análisis de sensibilidad del tensor de tensiones . . . . . . . . . . . . 93
6.6. Análisis de sensibilidad de la función objetivo . . . . . . . . . . . . . . . . . 95
6.6.1. Derivadas de primer orden completas . . . . . . . . . . . . . . . . . . 95
v
Bibliografı́a 253
vii
Índice de figuras
8.48. Viga MBB. Evolución de la solución obtenida con la formulación por bloques
(continuación) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
8.49. Viga MBB. Solución óptima obtenida con la formulación por bloques . . . . 165
8.50. Viga MBB. Tensión normalizada de la solución obtenida con la formulación
por bloques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
8.51. Viga MBB. Solución de máxima rigidez de Duysinx y Bendsøe [20] . . . . . 166
8.52. Viga en L. Planteamiento del problema (unidades en m) . . . . . . . . . . . 169
8.53. Viga en L. Evolución de la solución obtenida con la formulación local . . . . 170
8.54. Viga en L. Solución óptima obtenida con la formulación local . . . . . . . . 171
8.55. Viga en L. Tensión normalizada de la solución obtenida con la formulación
local . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
8.56. Viga en L. Evolución de la solución obtenida con la formulación global . . . 172
8.57. Viga en L. Solución óptima obtenida con la formulación global . . . . . . . 173
8.58. Viga en L. Tensión normalizada de la solución obtenida con la formulación
global . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
8.59. Viga en L. Evolución de la solución obtenida con la formulación por bloques 174
8.60. Viga en L. Solución óptima obtenida con la formulación por bloques . . . . 175
8.61. Viga en L. Tensión normalizada de la solución obtenida con la formulación
por bloques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
8.62. Viga en L. Solución óptima de máxima rigidez (Duysinx y Bendsøe [20]) . . 176
8.63. Viga 2 vanos. Planteamiento del problema (unidades en m) . . . . . . . . . 178
8.64. Viga 2 vanos. Evolución de la solución obtenida con la formulación local . . 179
8.65. Viga 2 vanos. Solución óptima obtenida con la formulación local . . . . . . 179
8.66. Viga 2 vanos. Tensión normalizada de la solución obtenida con la formulación
local . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
8.67. Viga 2 vanos. Evolución de la solución obtenida con la formulación global . 180
8.68. Viga 2 vanos. Solución óptima obtenida con la formulación global . . . . . . 180
8.69. Viga 2 vanos. Tensión normalizada de la solución obtenida con la formulación
global . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
8.70. Viga 2 vanos. Evolución de la solución obtenida con la formulación por
bloques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
8.71. Viga 2 vanos. Solución óptima obtenida con la formulación por bloques . . 181
8.72. Viga 2 vanos. Tensión normalizada de la solución obtenida con la formulación
por bloques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
8.73. Soporte en voladizo. Planteamiento del problema (unidades en cm) y malla
de elementos finitos utilizada . . . . . . . . . . . . . . . . . . . . . . . . . . 185
8.74. Soporte en voladizo. Malla de elementos finitos utilizada . . . . . . . . . . . 185
8.75. Soporte en voladizo. Evolución de la solución obtenida con la formulación
local . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
8.76. Soporte en voladizo. Solución óptima obtenida con la formulación local . . . 187
8.77. Soporte en voladizo. Tensión normalizada de la solución obtenida con la for-
mulación local . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187
8.78. Soporte en voladizo. Evolución de la solución obtenida con la formulación
global . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188
xi
8.79. Soporte en voladizo. Solución óptima obtenida con la formulación global . . 189
8.80. Soporte en voladizo. Tensión normalizada de la solución obtenida con la for-
mulación global . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
8.81. Soporte en voladizo. Evolución de la solución obtenida con la formulación
por bloques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
8.82. Soporte en voladizo. Solución óptima obtenida con la formulación por bloques 191
8.83. Soporte en voladizo. Tensión normalizada de la solución obtenida con la for-
mulación por bloques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
8.84. Soporte en voladizo. Solución obtenida mediante optimización de formas por
Zhang [124] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
8.85. Viga Michell. Planteamiento del problema (izqda.) y malla de elementos fi-
nitos (dcha.). Unidades en cm . . . . . . . . . . . . . . . . . . . . . . . . . . 195
8.86. Viga Michell. Evolución de la solución obtenida con la formulación local . . 196
8.87. Viga Michell. Solución óptima (arriba) y tensión normalizada (abajo) obte-
nida con la formulación local . . . . . . . . . . . . . . . . . . . . . . . . . . 197
8.88. Viga Michell. Malla refinada eliminando los elementos con ρe < 0.002 . . . . 198
8.89. Viga Michell. Evolución de la solución del problema remallado obtenida con
la formulación por bloques . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
8.90. Viga Michell. Solución óptima del problema remallado obtenida con la for-
mulación por bloques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
8.91. Viga Michell. Tensión normalizada del problema remallado obtenida con la
formulación por bloques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
8.92. Viga Michell. Solución óptima teórica (Michell [52]) . . . . . . . . . . . . . . 201
8.93. Biela. Planteamiento del problema (unidades en cm) (izqda.) y malla de
Elementos Finitos empleada para su resolución (dcha.) . . . . . . . . . . . . 204
8.94. Biela. Evolución de la solución obtenida con la formulación por bloques . . 206
8.95. Biela. Evolución de la solución obtenida con la formulación por bloques (con-
tinuación I) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
8.96. Biela. Evolución de la solución obtenida con la formulación por bloques (con-
tinuación II) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208
8.97. Biela. Solución óptima del problema obtenida con la formulación por bloques
(izqda.) y tensión normalizada (dcha.) . . . . . . . . . . . . . . . . . . . . . 209
8.98. Biela. Malla de Elementos Finitos refinada eliminando los elementos con ρ <
0.005 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
8.99. Biela. Evolución de la solución obtenida con la formulación por bloques con
penalización sobre el perı́metro . . . . . . . . . . . . . . . . . . . . . . . . . 211
8.100.Biela. Evolución de la solución obtenida con la formulación por bloques con
penalización sobre el perı́metro (continuación) . . . . . . . . . . . . . . . . . 212
8.101.Biela. Solución óptima obtenida con la formulación por bloques sin penaliza-
ción en el perı́metro (izqda.), solución óptima obtenida con penalización en
el perı́metro (centro) y tensión normalizada (dcha.) . . . . . . . . . . . . . . 213
Índice de tablas
Agradecimientos
Siempre he escuchado que es de bien nacido ser agradecido y en este momento no tengo
más que agradecer toda la ayuda recibida para realizar esta tesis doctoral.
En primer lugar quiero agradecer a los profesores Manuel Casteleiro, Ignasi Colominas y
Fermı́n Navarrina el haberme ofrecido la posibilidad de desarrollar las tareas de investigación
que han dado lugar a esta tesis doctoral en un ambiente cordial y agradable. Su esfuerzo y
dedicación hacen posible que el Grupo de Métodos Numéricos en Ingenierı́a sea uno de los
más activos en la Universidade da Coruña y un referente a nivel nacional e internacional en
investigación sobre Métodos Numéricos en Ingenierı́a.
A Manuel Casteleiro e Ignasi Colominas tengo que agradecerles su especial interés e
incesante apoyo en las etapas difı́ciles de esta tesis. Sin cesar en sus objetivos y en sus
pretensiones finales me han orientado en los momentos más desconcertantes y han sabido
sacar lo mejor de mı́ para alcanzar los objetivos planteados. A Fermı́n Navarrina le agradezco
enormemente su constante apoyo y su inestimable colaboración en los temas de optimización.
Su experiencia y sabidurı́a ha sido fundamental para la consecución de los propósitos de esta
tesis. También tengo que agradecer a José Luis Añón su eficacia y dedicación. Su ayuda
y predisposición me han permitido evitar las pesadas tareas administrativas y ası́ poder
dedicarme de forma más intensiva a las tareas de investigación.
También quiero agradecer a Iago Muı́ños su colaboración en las primeras fases de la
realización de esta tesis. El maravilloso trabajo de investigación desarrollado en su proyecto
técnico fue el germen que dio origen a los primeros resultados en optimización topológica
de estructuras para nuestro grupo. Suyo es el mérito de iniciar esta lı́nea de investigación y
de enfrentarse a los retos que ello supone.
No quiero olvidarme tampoco de agradecer el apoyo y asesorı́a en temas informáticos
que he recibido por parte del personal del Centro de Supercomputación de Galicia (CESGA).
En especial quiero reconocerles a Aurelio Rodrı́guez y a Carlos Fernández su interés y
colaboración en la depuración de errores de programación.
A mis amigos y compañeros tengo que reconocerles la difı́cil labor de ayudarme y
aguantar mis elucubraciones durante las fases más ingratas y duras de la elaboración de
esta tesis. Quiero recordar especialmente a mis amigos Diego, Javi, Alberto, José Enrique y
Ton, entre otros muchos, ası́ como a Luis Cueto-Felgueroso, a Xesús y a todos los compañeros
del Grupo de Métodos Numéricos en Ingenierı́a.
Es imposible expresar con palabras el agradecimiento a mis seres queridos por su cariño
y comprensión a lo largo de todos estos años. Su constante apoyo e interés ha sido para
mı́ una incesante fuente de energı́a que me ha animado a continuar con mis pretensiones a
pesar de las adversidades. Algún dı́a espero ser capaz de compensar toda la ayuda que me
han prestado. Desgraciadamente, a algunos de ellos ya no podré recompensarles nunca todo
el cariño y apoyo que me han proporcionado y por ello les dedico especialmente esta tesis.
Finalmente, quiero agradecer a las siguientes entidades su apoyo económico durante
las tareas de investigación: La Subdirección Xeral de I+D de la Xunta de Galicia (Pro-
yectos PGIDIT05PXIC118002PN y PGDIT06TAM11801PR), el Ministerio de Educación
y Ciencia (Proyectos DPI2002-00297, DPI2004-05156, DPI2006-15275 y DPI2007-61214)
cofinanciado con fondos FEDER, la Fundación de la Ingenierı́a Civil de Galicia y la Uni-
versidade da Coruña mediante proyectos y becas de investigación.
xvi
xvii
TESIS DOCTORAL
Resumen
Abstract
Optimization of Structures
by
Civil Engineer
University of A Coruña
Capı́tulo 1
Introducción y objetivos
1.1. Introducción
Desde los comienzos de la Humanidad el hombre siempre ha pretendido obtener estruc-
turas resistentes para mejorar su calidad de vida, lo que se interpretaba como sı́mbolo de
progreso y de evolución. Los avances, generalmente, se conseguı́an realizando pruebas expe-
rimentales, a través de procedimientos de prueba y error, basados en deducciones empı́ricas
y a partir de la observación de la naturaleza.
El proceso de evolución ha sido, por este motivo, tremendamente lento aunque continua-
do en el tiempo. Sólo en la época moderna y con el desarrollo de nuevas teorı́as matemáticas
ha sido posible realizar estudios para determinar el comportamiento de los materiales. Se
obtienen ası́ formulaciones para el estudio de la respuesta estructural que permiten conocer
los mecanismos de fallo y, en consecuencia, disponer de información para poder evitarlos o al
menos reducir su efecto. Es en el siglo XX y con el espectacular desarrollo de las herramien-
tas de cálculo cuando se proponen distintas formulaciones basadas en los estudios teóricos
precedentes para resolver problemas concretos y ası́ poder predecir la respuesta estructural.
Los modelos empleados habitualmente con esta finalidad son, por ejemplo, el Método de
Elementos Finitos o el Cálculo Matricial de Estructuras de Barras entre otros.
A pesar de estos avances tan significativos, las técnicas de cálculo presentadas se limitan
a comprobar la validez de la solución planteada. La esencia del comportamiento estructural
2 Tesis Doctoral: Optimización topológica de estructuras
una fecha de referencia que fije el nacimiento de esta disciplina. Sin embargo, tienen gran
trascendencia en las primeras etapas de desarrollo los trabajos realizados por Michell [52]
en 1904 ası́ como los planteamientos utilizados en la industria aeronáutica en los años 40
del siglo XX motivados en gran medida por la 2a Guerra Mundial1 . Posteriormente, en los
años 50 y 60 son Klein [40] y Schmit [93] los que proponen una formulación matemática
estandarizada ası́ como la aplicación conjunta de estas formulaciones con los métodos de
cálculo de estructuras existentes.
A partir de este momento y hasta la actualidad, los problemas de optimización han ido
evolucionando de forma paralela a la evolución de las técnicas y algoritmos de resolución
existentes y de la capacidad de cálculo de las herramientas de computación. A medida que se
han ido alcanzando nuevos avances tecnológicos ha sido posible el enunciado y la resolución
de problemas de ingenierı́a más complejos y que necesitan, por lo tanto, menos contribución
por parte del diseñador.
Ası́, en la optimización de estructuras se han planteado dos lı́neas de investigación prin-
cipales. El primer campo de desarrollo consiste en el estudio de problemas de optimización
de las dimensiones de los elementos que componen la estructura sin modificar la geometrı́a
global de la misma (optimización de dimensiones o Size Optimization). Esta lı́nea de inves-
tigación suele estar ligada, por ejemplo, a la optimización de estructuras de barras en las
que el área y/o la inercia de las barras son las variables que el diseñador puede modificar.
La otra lı́nea de investigación principal consiste en la optimización de estructuras mediante
la modificación de unas ciertas variables geométricas de las mismas como pueden ser coor-
denadas de nudos de barras o de nodos de las mallas de Elementos Finitos (optimización
de formas o Shape Optimization).
Ambas técnicas plantean el problema de minimización del coste de la estructura (habi-
tualmente expresado en términos del peso de la misma) sujeto a restricciones sobre el diseño
de tipo tensional o de desplazamientos. Por lo tanto, la función objetivo del problema de
optimización que se pretende minimizar es, habitualmente, el peso de la estructura, y las
restricciones se imponen limitando el valor las tensiones o de los desplazamientos.
Estos planteamientos de optimización de estructuras han sido ampliamente utilizados y
han proporcionado soluciones muy adecuadas en problemas reales en ingenierı́a. Sin embar-
go, las formulaciones más habituales de optimización de formas y de dimensiones requieren
de la intervención del diseñador para definir la tipologı́a estructural empleada. Se limitan a
obtener el diseño óptimo a partir de la tipologı́a estructural que se define inicialmente sin
considerar posibles modificaciones en la misma que puedan mejorar su comportamiento. Un
1
Para una revisión histórica más extensa se pueden consultar los trabajos de Duysinx [18] y Navarrina [59]
4 Tesis Doctoral: Optimización topológica de estructuras
ejemplo de aplicación de las técnicas de optimización de formas fue utilizado por Zhang [124]
para resolver el problema de un soporte en voladizo. La tipologı́a estructural de partida de
este ejemplo consiste en una solución con tres barras, tal y como se puede apreciar en la
figura 1.1, siendo la solución óptima la propuesta en la figura 1.2. Como se puede apreciar
la tipologı́a estructural final se mantiene a lo largo del proceso de optimización asumiendo
que es correcta.
Figura 1.1: Soporte en voladizo. Esquema del problema de optimización (Zhang [124])
Figura 1.2: Soporte en voladizo. Solución mediante optimización de formas (Zhang [124])
definido que maximice la rigidez (minimium compliance) imponiendo una limitación sobre
la cantidad máxima de material a emplear. En la práctica, este planteamiento consiste en
determinar en qué elementos de la malla de Elementos Finitos se debe colocar material para
que la estructura resultante sea la óptima. Al contrario de lo que ocurre en la optimización
de formas o de dimensiones no se condiciona el diseño con una tipologı́a estructural prede-
finida de antemano, lo que permite realizar un estudio más amplio y general del problema.
De acuerdo con esta idea y para comprobar la validez de la solución propuesta por
Zhang en la figura 1.2, Duysinx planteó la resolución del problema de la figura 1.1 con la
formulación de máxima rigidez (minimium compliance). Como se puede apreciar, la solución
obtenida con este modelo (figura 1.3) difiere considerablemente de la solución obtenida
mediante optimización de formas (figura 1.2), lo que resalta la importancia de una correcta
elección de la configuración resistente inicial para poder obtener buenos resultados mediante
las técnicas convencionales de optimización.
Las formulaciones más habituales del problema de optimización topológica se basan en
criterios de máxima rigidez que no son, en absoluto, habituales en otras disciplinas del cálcu-
lo y optimización de estructuras. Los problemas más habituales en optimización de formas
o de dimensiones pretenden minimizar el coste (o el peso) de la estructura cumpliendo con
las condiciones que se establecen en las correspondientes normas, definidas generalmente a
partir de restricciones sobre el estado tensional o sobre los desplazamientos de la estructura.
Desde que Bendsøe y Kikuchi [3] sentaron los cimientos de esta nueva disciplina la
6 Tesis Doctoral: Optimización topológica de estructuras
Figura 1.3: Soporte en voladizo. Solución óptima de máxima rigidez (Duysinx [18])
mayor parte de los trabajos han estado dirigidos hacia la resolución del problema de máxima
rigidez imponiendo una restricción en la cantidad máxima de material a emplear. Este
modelo introduce innecesariamente una serie de parámetros artificiales en la formulación
que no guardan relación alguna con el comportamiento estructural como, por ejemplo, el
volumen de material. Habitualmente se utiliza como máximo en torno al 25 % del volumen
total del dominio de definición de la estructura porque los resultados que se obtienen son
adecuados, pero no está justificado desde un punto de vista ingenieril ya que no tiene
porqué coincidir con el valor de mı́nimo coste. Además, tampoco se garantiza que la solución
final sea factible desde un punto de vista resistente porque no se comprueba el cumplimiento
de las tensiones o los desplazamientos de acuerdo con la especificaciones de la normativa
correspondiente.
Por otra parte, la formulación de máxima rigidez presenta inestabilidades que produ-
cen soluciones estructurales con disposición en damero (checkerboard ) ası́ como fenómenos
de dependencia de la malla de Elementos Finitos (mesh dependency) tal y como se puede
observar en los trabajos de Bendsøe [5] y Eschenauer y Olhoff [26]. Estas anomalı́as se re-
suelven habitualmente mediante la utilización de técnicas artificiales de filtrado de imagen y
de suavizado (Eschenauer y Olhoff [26]) que, en general, proporcionan resultados adecuados
pero que no se basan, de modo alguno, en el comportamiento resistente del problema en
estudio.
En esta tesis se propone una metodologı́a diferente para el problema de optimización
topológica de estructuras continuas basada en un planteamiento de mı́nimo coste (o peso)
considerando restricciones en tensión. La formulación propuesta permite evitar algunos de
Capı́tulo 1. Introducción y objetivos 7
los inconvenientes más notables de los modelos de máxima rigidez como la necesidad de de-
finir una restricción en volumen arbitraria, la utilización de técnicas de filtrado y suavizado
para evitar disposiciones en damero, además de garantizar la validez de la solución final
desde un punto de vista del estado tensional. La formulación propuesta es general y per-
mite la adición de nuevas restricciones (por ejemplo, en desplazamientos) de forma sencilla,
ası́ como la consideración de varios casos de carga simultáneamente de forma natural. Otra
ventaja muy importante de esta formulación es la utilización de una función objetivo más
realista y habitual en ingenierı́a basada en el coste de la estructura.
Por lo tanto, esta formulación de mı́nimo peso presenta ventajas considerables frente a
los desarrollos de máxima rigidez para resolver el problema de la optimización topológica de
estructuras continuas y conduce a mejores soluciones. En la figura 1.4 se muestra la distri-
bución óptima de material obtenida con la formulación de mı́nimo peso y con restricciones
en tensión locales que se propone en esta tesis para el problema propuesto por Zhang en
la figura 1.1. Como se puede observar la solución obtenida proporciona una configuración
resistente muy diferente a la propuesta originalmente por Zhang (figura 1.2) empleando
optimización de formas. Asimismo también se aprecian diferencias considerables entre la
solución de máxima rigidez obtenida por Duysinx (figura 1.3) y la solución de mı́nimo peso
propuesta (figura 1.4). La solución de máxima rigidez utiliza una cantidad de material su-
perior a la formulación de mı́nimo peso debido a la restricción en volumen que se establece.
La solución de mı́nimo peso (figura 1.4) obtiene una solución que minimiza la cantidad de
material a utilizar a la vez que garantiza el comportamiento resistente de la misma frente a
las cargas aplicadas, tal y como se plantea habitualmente en otras ramas de la optimización
de estructuras.
Figura 1.4: Soporte en voladizo. Solución óptima de mı́nimo peso con restricciones locales
en tensión
información posible para abordar el problema que se plantea y analizar las técnicas y
modelos que se han desarrollado hasta la actualidad para resolverlo.
• Analizar las posibles limitaciones del modelo propuesto y proponer modificaciones que
complementen y mejoren su comportamiento.
Esta Tesis Doctoral está organizada en 9 capı́tulos incluyendo este capı́tulo de intro-
ducción y consta además de un apéndice y de las correspondientes referencias bibliográficas.
En este primer capı́tulo de introducción se presenta el problema de la optimización
topológica de estructuras ası́ como su necesidad de estudio en el ámbito de la optimización
en general. También se presentan, además, los principales objetivos que se han acometido
en esta tesis.
En el capı́tulo 2 se realiza una revisión del estado del conocimiento actual, se presentan
y describen brevemente los principales métodos y formulaciones empleadas en la resolución
de distintos problemas de optimización topológica de estructuras continuas ası́ como algunas
aplicaciones más especı́ficas de este tipo de planteamientos.
En el capı́tulo 3 se presenta la formulación estructural por Elementos Finitos que nos
permitirá resolver el problema de optimización topológica de estructuras continuas, teniendo
en cuenta la distribución de material existente, a partir de una formulación convencional de
Elementos Finitos.
El capı́tulo 4 está dedicado al desarrollo de la formulación de optimización de mı́nimo
peso con restricciones en tensión. En primer lugar se define la función objetivo utilizada
para a continuación analizar las diferentes formulaciones utilizadas para imponer las res-
tricciones en tensión que se han estudiado. En este capı́tulo también se hace referencia a
la problemática de las soluciones singulares de problema cuando se utilizan restricciones en
tensión.
10 Tesis Doctoral: Optimización topológica de estructuras
Capı́tulo 2
en su formulación las tensiones (Duysinx y Bendsøe [20], Pereira, et al. [84], Werme y
Svanberg [119]).
Los algoritmos más habituales que se utilizan para resolver el problema discreto son
los criterios de optimalidad, la optimización estructural evolutiva (ESO), el método de
optimización jerárquico de búsqueda por proximidad ası́ como el método de las curvas de
nivel, el método de la burbuja o los algoritmos genéticos (que están adquiriendo gran auge
en la actualidad). Estos planteamientos se desarrollan en detalle en los siguientes apartados
discutiendo sus principales ventajas e inconvenientes.
Los criterios de optimalidad son unas técnicas que se han utilizado ampliamente en to-
das las ramas de la optimización estructural y basan su funcionamiento en el establecimiento
de una hipótesis o condición de partida que será decisiva y caracterizará la solución ópti-
ma obtenida. Para cada problema es necesario definir un criterio de optimalidad apropiado
que nos permita obtener la solución óptima más adecuada y realista. Bajo esta hipótesis
de optimalidad el problema original se simplifica de forma considerable y puede resolverse
de forma más sencilla ya que todos los diseños deben cumplir la exigencia establecida. El
problema resultante consiste, por tanto, en
minimizar F (x)
(2.1)
cumpliendo gj (x) j = 1, . . . , J
σeVM
< RRi (2.2)
σmax
VM
El método de las curvas de nivel ha adquirido gran importancia en los últimos años
debido a su facilidad de adaptación en gran variedad de aplicaciones y, en particular, en
problemas de optimización topológica. Los primeros trabajos desarrollados en este ámbito
que empleaban el método de las curvas de nivel fueron propuestos por Sethian y Wieg-
mann [94]. Más recientemente se han realizado nuevas aportaciones sobre este método que
incorporan otras técnicas adicionales como los propuestos por Alexandrov y Santosa [1],
Wang, et al. [117] y Park y Youn [82] para mejorar el comportamiento de estos plantea-
mientos.
El método de las curvas de nivel no es exactamente un algoritmo de optimización
discreto pero proporciona soluciones vacı́o-lleno. En esencia, el método consiste en definir la
solución del problema de optimización topológica, es decir la distribución material, mediante
una función de muy alto orden de modo que la topologı́a final de la solución se obtiene
a partir de la curva de nivel de valor cero de esta función. Las partes del dominio que
corresponden a curvas de nivel superiores a la curva de nivel cero serán zonas con material
y las restantes no presentarán material.
El método de la burbuja, al igual que ocurre con el método de las curvas de nivel, no es
un método que trate directamente el problema discreto de optimización pero, sin embargo,
las soluciones obtenidas también corresponden a distribuciones vacı́o-lleno.
El método de la burbuja es un método conceptualmente distinto a los presentados hasta
el momento y fue desarrollado en 1993 por Eschenauer y Schumacher [23]. Su funcionamiento
se desarrolla en dos fases claramente diferenciadas. En una primera fase, se pretende obtener
la distribución óptima de material atendiendo a la modificación de la geometrı́a de los
contornos. Una vez encontrada la geometrı́a externa más adecuada se procede a buscar
el punto del dominio más apropiado para introducir un agujero infinitesimal o “burbuja”.
Capı́tulo 2. Estado actual del conocimiento 17
Otra técnica de optimización que ha adquirido gran difusión en los últimos años son
los denominados algoritmos genéticos o evolutivos. Reciben este nombre porque basan su
funcionamiento en las leyes de la evolución que propuso Charles Darwin en 1859 en su obra
“Del origen de las especies por medio de la selección natural” donde se define el fenómeno de
la selección natural como el proceso en el que se preservan diferencias individuales favorables
y se erradican aquellas que son perjudiciales para una especie.
El origen de los algoritmos genéticos como técnica de cálculo surge en los años 50 del
siglo XX con los trabajos de autores como Box [8] en 1957 y Friedman [29] en 1959 entre
otros. Sin embargo, a pesar de este temprano desarrollo, estas técnicas no han tenido gran
difusión en el mundo de la optimización hasta bien entrada la década de los años 60 con
los trabajos de Rechenberg [90] en 1965 y Fogel, et al. [28] en 1966. Además, su uso en el
ámbito estructural ha estado muy limitado hasta la actualidad debido a la carencia de la
18 Tesis Doctoral: Optimización topológica de estructuras
croscópico) que caracterice la respuesta estructural para valores intermedios de las variables
de diseño. Por otra parte, también tiene especial relevancia el análisis de otras magnitu-
des, como por ejemplo las tensiones, que tienen interpretación fı́sica sencilla para elementos
llenos pero desconocida, a priori, cuando las variables de diseño toman valores intermedios.
El mayor auge de estas técnicas surge a partir de 1988 con los trabajos de Bendsøe y
Kikuchi [3] en los que se aplica de forma práctica la teorı́a de la homogeneización a problemas
reales y se propone una formulación de máxima rigidez bajo una restricción en el volumen
de la estructura. La publicación de estos trabajos supone el nacimiento de la optimización
topológica como una nueva disciplina dentro de la optimización estructural. Esta técnica de
homogeneización ha sido ampliamente estudiada con posterioridad y es, en la actualidad,
el método habitualmente empleado para obtener modelos constitutivos de materiales con
densidades relativas intermedias tal y como queda reflejado directamente en los trabajos de
Allaire, et al. [2], Bendsoe y Kikuchi [3], [5], Eschenauer y Olhoff [26], y Suzuki y Kikuchi
[112] entre otros. A partir de estos modelos han surgido, de forma paralela, numerosas
aplicaciones prácticas que utilizan estos modelos de material incorporados en formulaciones
continuas del problema de la optimización topológica de estructuras mediante esquemas de
máxima rigidez o mı́nimo peso, fundamentalmente.
En los primeros trabajos sobre esta disciplina, Bendsøe y kikuchi [3] y Olhoff y Esche-
nauer [71] utilizaron un modelo de microestructura basado en elementos cuadrados con un
hueco rectangular de tamaño variable en su interior que recibió la denominación “hole-in
cell” por este motivo. En trabajos posteriores se plantearon otras microestructuras sobre
las que se aplicaba la teorı́a de la homogeneización para obtener la matriz constitutiva del
material. Los ejemplos más representativos de estos modelos se describen a continuación.
20 Tesis Doctoral: Optimización topológica de estructuras
El modelo “hole in cell” fue propuesto por Murat y Tartar [58] en 1985 y ha sido el
primer tipo de microestructura planteado para resolver el problema de optimización to-
pológica de estructuras continuas. En cada celda o elemento del mismo se introduce un
agujero cuadrado de tamaño variable que se puede orientar en la dirección del espacio más
adecuada, tal y como se puede observar en la figura 2.2. Posteriormente, formulaciones un
poco más generales de la microestructura “hole-in-cell” propusieron el uso de agujeros con
geometrı́as rectangulares y, por lo tanto, más complejas que las originales. Con esta formu-
lación más general el modelo de microestructura queda definido a través de tres parámetros:
las variables µ1 y µ2 y el ángulo de orientación θ.
Este tipo de planteamientos presenta, sin embargo, un algunos inconvenientes dado que
se utilizan varios parámetros distintos (en este caso 3) para definir el tensor de elasticidad
del material y, por tanto, hay que definir otras tantas variables de diseño para cada uno de
los elementos de la malla, lo que supone, en la práctica, un número muy elevado.
Capı́tulo 2. Estado actual del conocimiento 21
Por el contrario, estas celdas base presentan también algunos de los inconvenientes
que presenta el modelo “hole-in-cell” dado que la definición de la microestructura para
cada celda requiere de un número elevado de parámetros, lo que limita considerablemente
su aplicabilidad en la práctica. Además, es previsible que las configuraciones obtenidas
presenten zonas importantes de material con densidades intermedias, lo que provoca que
la solución final del problema no proporcione distribuciones razonablemente parecidas a
configuraciones vacı́o-lleno.
Figura 2.3: Microestructura bidimensional por capas de rango 3 (Olhoff y Eschenauer [71])
Figura 2.4: Microestructura tridimensional por capas de rango 3 (Olhoff y Eschenauer [71])
Eijkl = ρp Eijkl
o
, p > 1, 0 < ρmin ≤ ρ ≤ 1 (2.4)
donde Eijkl representa el tensor de elasticidad del material para valores de densidad relativa
o
ρ intermedios y Eijkl es el tensor de elasticidad del material sólido. El exponente p se utiliza
para penalizar los elementos con densidades intermedias cuando p > 1. El efecto de esta
penalización se puede observar en la figura 2.5 para distintos valores de la penalización.
Un factor de penalización p > 1 provoca que la rigidez del material sea proporcional-
mente inferior al volumen empleado, que sigue un comportamiento lineal con el valor de las
variables de diseño, tal y como se puede observar en la figura 2.5. El efecto de esta penaliza-
ción se puede observar en los trabajos propuestos por Bendsøe ([5], [7]), donde se indica que
para valores de p ≥ 3 la distribución de material obtenida corresponde, fundamentalmente,
a una solución del tipo vacı́o-lleno.
El modelo SIMP no se propuso inicialmente del mismo modo que las microestructuras
presentadas anteriormente. Su utilización está basada en la facilidad de aplicación de su
formulación (sin necesidad de aplicar homogeneización) y en la posibilidad de establecer
penalizaciones sobre las zonas de la estructura con densidades intermedias, de modo que las
soluciones obtenidas se aproximen en mayor medida a distribuciones binarias (0-1). Además,
tal y como se puede observar en la ecuación (2.4), el modelo sólo incorpora en el problema
24 Tesis Doctoral: Optimización topológica de estructuras
de optimización topológica una única variable de diseño por cada elemento ya que no se
requiere la definición de microestructuras complejas que incorporen varios parámetros para
su caracterización.
En realidad, la formulación SIMP no se obtuvo mediante las técnicas de homogeneiza-
ción utilizadas en los modelos presentados anteriormente sino que se planteó directamente
a partir de la expresión matemática (2.4) sin analizar los fundamentos fı́sicos subyacentes.
Primero se planteó la formulación matemática y se aplicó en los problemas de optimización
y, posteriormente, se demostró que esta teorı́a matemática correspondı́a a una microestruc-
tura de material realista, lo que proporcionó la interpretación fı́sica al modelo (Bendsøe y
Sigmund [7]). El modelo SIMP puede asimilarse, por tanto, con una configuración resistente
real para unos valores del factor de penalización p y del módulo de Poisson ν adecuados.
Ası́, para un valor habitual del módulo de Poisson (ν = 1/3) el modelo SIMP se correspon-
de fı́sicamente con una microestructura real del material cuando el factor de penalización
p > 3 (Eschenauer y Olhoff [26], Bendsøe y Sigmund [7]), obteniéndose un material com-
puesto (“composite”) formado por partes huecas y partes sólidas como el que se propone
en la figura 2.6.
Otras configuraciones para distintos valores del módulo de Young pueden observarse
en las figuras 2.7 y 2.8.
A pesar de todas las ventajas que proporciona el modelo SIMP también son notables
Capı́tulo 2. Estado actual del conocimiento 25
Figura 2.7: Microestructura del modelo SIMP (p = 3, ν = 0), Bendsøe y Sigmund [7]
Figura 2.8: Microestructura del modelo SIMP (p = 3, ν = 0.5), Bendsøe y Sigmund [7]
los inconvenientes dado que las soluciones obtenidas para el problema de optimización to-
pológica de estructuras dependen en gran medida del factor de penalización propuesto en la
ecuación (2.4). La aplicación de este modelo en formulaciones de máxima rigidez presenta
algunos inconvenientes puesto que se obtienen fenómenos indeseados como disposiciones en
damero o checkerboard (figura 2.9) y soluciones dependientes de la malla de Elementos Fi-
nitos (mesh dependency) tal y como se puede apreciar, por ejemplo, en el libro de Bendsøe
[5].
Además de los problemas más habituales expuestos en los apartados anteriores, la op-
timización topológica de estructuras también se ha extendido a otros ámbitos de aplicación
que presentan un enfoque distinto del original como, por ejemplo:
Figura 2.9: Solución de viga en voladizo con disposición en damero (Dı́az y Sigmund [17])
Figura 2.10: Microestructura con coeficiente de dilatación negativo (Sigmund, et al. [97],
[98])
Figura 2.11: Microestructura con coeficiente de Poisson negativo (Sigmund, et al. [97], [98])
2.5. Resumen
El problema de optimización topológica surgió inicialmente como un problema discreto
de distribución de material en un dominio predefinido. Desde que se llevaron a cabo las pri-
meras contribuciones en esta disciplina se han propuesto diferentes formulaciones y modelos
para resolverlo. Estas técnicas pueden clasificarse en discretas o continuas en función del
tipo de soluciones que proporcionan. Las formulaciones discretas presentan distribuciones
de material vacı́o-lleno mientras que las continuas proporcionan soluciones con variables de
diseño continuas entre 0 y 1.
Las formulaciones que proporcionan soluciones discretas del problema pueden plantear-
se de forma directa a partir de la formulación original (por ejemplo, utilizando los criterios
28 Tesis Doctoral: Optimización topológica de estructuras
Capı́tulo 3
• pequeños desplazamientos,
como:
ε = Lu, σ = Dε (3.2)
donde L es la matriz de deformación-desplazamientos y D es la matriz constitutiva del
material. Los vectores ε y σ son los vectores de deformaciones y de tensiones respectivamente
para cada punto (Hughes [37]).
Para unas cargas externas aplicadas por unidad de volumen b(r o ) sobre el cuerpo en
el dominio Ωo y unas cargas por unidad de superficie t(r o ) en el contorno Γoσ el análisis
estructural consiste en
Hallar u ∈ Hu (3.3a)
tal que a(w, u) = (w, b)Ωo + (w, t)Γoσ ∀w ∈ Hw (3.3b)
ZZZ
siendo a(w, u) = (Lw)T D(Lu)dΩ, (3.3c)
Ωo
ZZZ ZZ
T
(w, b)Ωo = w bdΩ, (w, t)Γoσ = wT tdΓ, (3.3d)
Ωo Γoσ
Capı́tulo 3. Formulación del problema estructural 31
donde las funciones de prueba u y las funciones de test w satisfacen las condiciones contor-
no esenciales (desplazamientos prescritos) y las correspondientes condiciones de contorno
homogéneas, respectivamente (Navarrina, et al. [69]).
N
X
uh (r o ) = up (r o ) + Φi (r o )αi , Φi (r o ) = φi (r o )I 3 , (3.4a)
i=1
N
X
h o
w (r ) = W j (r o )β j , W j (r o ) = wj (r o )I 3 , (3.4b)
j=1
Ne
[ \
Ωo = Ωe , Ωe1 Ωe2 = φ ∀ e1 6= e2 (3.5)
e=1
wj (r o ) = φj (r o ). (3.6)
Ne
X ZZ Ne
X
K ji = K eji , fj = ΦTj tdΓ + f ej , (3.8)
e=1 Γoσ e=1
siendo
ZZZ
K eji = (LΦj )T D(LΦi )dΩ, (3.9a)
Ωe
ZZZ
f ej = (ΦTj b − (LΦj )T D(Lup ))dΩ. (3.9b)
Ωe
N
X
h o p o
u (r ) = u (r ) + Φi (r o )αi , (3.13a)
i=1
εh (r o ) = Luh (r o ), (3.13b)
σ h (r o ) = Dεh (r o ). (3.13c)
El análisis estructural por Elementos Finitos para un material con densidad relativa se
puede plantear a partir de (3.7), teniendo en cuenta las modificaciones que se incorporan
sobre la formulación original en el apartado 3.3. Debido al carácter continuo de la densidad
relativa, será necesario proponer una solución aproximada de la misma a través de una
discretización similar a la empleada para el campo de desplazamientos en (3.4) y (3.13).
Sin embargo, para simplificar el problema es habitual asumir que la densidad relativa es
constante en el dominio de cada elemento de la malla de Elementos Finitos tal y como
se puede comprobar en gran parte de los trabajos de investigación sobre optimización to-
pológica publicados (por ejemplo, Cheng y Jiang [12], Duysinx y Sigmund [21], Pereira, et
al. [84] y Sigmund [96], entre otros).
Por lo tanto, se define ρ = {ρe } como el vector de densidades relativas de los elementos
de la malla que a su vez serán las variables de diseño del problema de optimización. Según
(3.14), una vez conocido ρ, el problema a resolver consiste en
Hallar α(ρ)
N
X (3.15)
tal que K ji (ρ)αi (ρ) = f j (ρ), j = 1, . . . , N.
i=1
Al igual que en la formulación sin densidad relativa los términos necesarios para resol-
ver (3.15) se pueden calcular ensamblando las contribuciones de cada elemento de forma
independiente de modo que:
Ne
X
K ji (ρ) = K eji (ρ), (3.16a)
e=1
ZZ Ne
X
f j (ρ) = ΦTj tdΓ + f ej (ρ), (3.16b)
Γoσ e=1
ZZZ
K eji (ρe ) = (LΦj )T D(LΦi )ρe dΩ, (3.17a)
Ωe
ZZZ
f ej (ρe ) = (ΦTj b − (LΦj )T D(Lup ))ρe dΩ. (3.17b)
Ωe
Una vez que se ha obtenido la solución α(ρ) del problema (3.15) se pueden calcular
para cualquier punto P o , del mismo modo que en (3.13), las aproximaciones
N
X
uh (r o , ρ) = up (r o ) + Φi (r o )αi (ρ), (3.18a)
i=1
siendo p un parámetro que penaliza la rigidez de los elementos que presentan densidades
relativas intermedias, proporcionando ası́ distribuciones de material que se aproximan en
gran medida a la solución discreta vacı́o-lleno.
Esta formulación es la más habitual y se utiliza en formulaciones de máxima rigidez
como las que proponen Bendsøe ([5] y [4]), Stolpe [109] o Haber, et al. [34], entre otros.
En las formulaciones de mı́nimo peso con restricciones en tensión también se utiliza, por
ejemplo, en los trabajos de Duysinx y Bendsøe [20] o Pereira, et al. [84].
En la formulación de cálculo de estructuras que se propone en esta tesis el efecto de
la porosidad se incorpora en el cálculo del volumen de material en el momento de realizar
36 Tesis Doctoral: Optimización topológica de estructuras
las integrales de las ecuaciones (3.17) en vez de incorporarla en la matriz constitutiva, tal y
como se realiza en la formulación SIMP (3.19). Si no se utiliza penalización de las densidades
intermedias en el modelo SIMP, ambos esquemas producen planteamientos estructurales
equivalentes. Sin embargo, la formulación SIMP incorpora, en la mayor parte de los trabajos
publicados, una penalización sobre las densidades relativas intermedias y, por lo tanto,
presenta un comportamiento diferente que el modelo que se propone en esta tesis.
3.4. Resumen
El planteamiento del problema de optimización topológica de estructuras continuas
requiere un método eficaz y fiable que nos permita obtener la respuesta estructural de
los diseños que se proponen. Para problemas estructurales continuos (objeto de esta tesis
doctoral) el modelo de cálculo de estructuras más habitual en ingenierı́a es el Método de
los Elementos Finitos. Sin embargo, este planteamiento debe complementarse con modelos
de microestructura (capı́tulo 2) que permitan incorporar el efecto de la densidad relativa
en la formulación.
En esta tesis se presenta un modelo que relaciona directamente la matriz de rigidez
de cada elemento de la estructura con la densidad relativa del mismo (apartado 3.3). Por
lo tanto, para adaptar una formulación convencional de Elementos Finitos y ası́ poder
emplearla en el problema de optimización topológica, bastará con incorporar en el cálculo
de las integrales elementales correspondientes (3.17) la contribución de la densidad relativa,
que será constante para cada elemento. El resto de los cálculos se realizarán de la misma
forma que para formulaciones convencionales de Elementos Finitos que no incorporen el
término de densidad relativa, lo que simplifica y facilita en gran medida la obtención del
comportamiento estructural.
Una vez conocido el método de cálculo estructural que se aplicará a lo largo de todo
el proceso de diseño procedemos a continuación a exponer la formulación matemática del
problema de optimización topológica.
37
Capı́tulo 4
hallar ρ = {ρi }, i = 1, . . . , n
que minimice F (ρ)
gj r oj , ρ ≤ 0,
verificando j = 1, . . . , m (4.1)
h` (r o` , ρ) = 0, ` = 1, . . . , p
ρmin ≤ ρi ≤ ρmax , i = 1, . . . , n
hallar ρ = {ρi }, i = 1, . . . , n
que minimice F (ρ)
(4.2)
gj r oj , ρ ≤ 0,
verificando j = 1, . . . , m,
ρmin ≤ ρi ≤ ρmax , i = 1, . . . , n.
Ne Z
X
F = ρe dΩe (4.3)
e=1 Ωe
Ne Z
X
F = (ρe )1/p dΩe (4.4)
e=1 Ωe
modo:
b(σ h (r oe , ρ)) − σ
ge,1 (ρ) = σ bmax ≤ 0,
(4.5)
b(σ h (r oe , ρ)) ≤ 0,
bmin − σ
ge,2 (ρ) = σ
r h
1 i
σ
bVM (σ) = (σx − σy )2 + (σy − σz )2 + (σz − σx )2 + 6 τxy
2 + τ2 + τ2
yz zx . (4.7)
2
bVM ≤ σ
La Norma EA-95 [53] determina que, además de que σ bmax , debe cumplirse que:
σI ≤ 2 σ
bmax , si σ I , σ II , σ III > 0. (4.8)
q
σ
bVM (σ) = σx2 + σy2 − σx σy + 3τxy
2 ≤σ
bmax . (4.9)
bVM,e (σ h (r oe , ρ)) − σ
ge (ρ) = σ bmax ≤ 0, (4.10)
bVM (σ h (r oe , ρ)) la tensión de comparación de Von Mises obtenida a partir del tensor
siendo σ
de tensiones calculado (σ h (r oe , ρ)) y σ
bmax el valor máximo de la tensión de comparación.
La formulación del problema de optimización que se propone en esta tesis incorpora
restricciones en tensión a partir del criterio de Von Mises. Este mismo método ha sido
utilizado en otros trabajos sobre optimización topológica de estructuras por autores como
Burger y Stainko [10], Duysinx y Bendsøe [20], Duysinx y Sigmund [21] o Pereira, et al.
42 Tesis Doctoral: Optimización topológica de estructuras
[84]. Otros criterios de rotura similares y aplicables a diferentes tipos de materiales pueden
encontrarse por ejemplo en la publicación de Duysinx [19].
Si ahora se plantean los valores de las restricciones en los extremos de las platabandas
se deduce que:
Capı́tulo 4. Formulación del problema de optimización topológica 43
η − (3η + 3η 2 + η 3 )ρ
bmax ≤ 0
σ (4.11)
1 + (3η + 3η 2 + η 3 )ρ
siendo η la relación entre el espesor de la platabanda con el semicanto c, y si se eliminan
los infinitésimos de orden superior (para valores pequeños de η) de la expresión (4.11)
obtenemos que:
η − 3ηρ
bmax ≤ 0.
σ (4.12)
1 + 3ηρ
Como se puede observar en la figura 4.3, la restricción se incumple a medida que la
densidad relativa se reduce hasta que desaparece todo el material y, en consecuencia, la
restricción también desaparece. Por lo tanto, con este planteamiento no se alcanzarı́a el
óptimo (ρ = 0) porque se vioları́a la restricción a medida que la solución se aproxima al
óptimo.
Figura 4.3: Restricción en tensiones reales en viga con platabandas para η = 0.1 (restricción
escalada por σ
bmax )
Este modelo puede mejorarse modificando ligeramente la forma de imponer las restric-
ciones. En la ecuación (4.5) las tensiones del material son tensiones reales. Sin embargo, si
se multiplica la restricción por el valor de la densidad relativa del elemento, las restricciones
no cambian y se suaviza la solución en torno al óptimo obteniendo que:
ge = σbVM,e σ he (ρ) − σ
bmax ρe ≤ 0, (4.13)
η − (3η + 3η 2 + η 3 )ρ
bmax ≤ 0;
ρσ (4.14)
1 + (3η + 3η 2 + η 3 )ρ
que, eliminando los infinitésimos de orden superior para valores pequeños de η, queda como:
44 Tesis Doctoral: Optimización topológica de estructuras
η − 3ηρ
bmax ≤ 0.
ρσ (4.15)
1 + 3ηρ
El efecto de utilizar estas restricciones basadas en las tensiones efectivas del material
es la eliminación de la discontinuidad en torno a la solución óptima (figura 4.4).
Figura 4.4: Restricción en tensiones efectivas en viga con platabandas para η = 0.1 (restric-
ción escalada por σ
bmax )
Sin embargo, y como se puede apreciar en la figura 4.4 no es suficiente con aplicar
restricciones efectivas dado que en un entorno de la solución óptima las restricciones se
incumplen y, por lo tanto, el algoritmo de optimización no será capaz de evitar este fenómeno
y el óptimo no se alcanzará. Es, por lo tanto, imprescindible imponer una relajación adicional
a la formulación para evitar estos fenómenos.
En esta tesis se propone una relajación de la formulación basada en los trabajos de
Cheng y Guo [13] y de Duysinx y Bendsøe [20] que consiste en la incorporación de un nuevo
término que modifica el valor máximo de la tensión de rotura en función de la densidad
relativa del elemento en el que se aplica la restricción. Ası́, la imposición de las restricciones
en tensión incorporando este factor de relajación se puede escribir como:
ge = σbVM,e σ he (ρ) − σmax ϕe ≤ 0, (4.16)
ε
ϕe = 1 − ε + , (4.17)
ρe
siendo ε el parámetro de relajación de la formulación (figura 4.5) y ρe la densidad relativa
del elemento en el que se impone la restricción e (figura 4.5). El parámetro ε toma valores
próximos a cero (ε ∈ (0.001, 0.1)) para evitar una excesiva relajación de las restricciones.
Capı́tulo 4. Formulación del problema de optimización topológica 45
e=0.001
3
e=0.005
e=0.025
e=0.125
f(e,r)
2
0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0
ge = σbVM,e σ he (ρ) − σmax ϕe ρeq ≤ 0, (4.18)
donde el exponente q es un parámetro que podrá tomar los valores q = 0 cuando se imponga
la restricción en tensiones reales o q = 1 cuando se aplique la restricción en tensiones
efectivas. El efecto de esta nueva formulación propuesta sobre el ejemplo de la viga a flexión
propuesto en la figura 4.2 puede observarse en la figura 4.6.
A partir de estas figuras se pueden deducir varios aspectos fundamentales acerca del
comportamiento de estas restricciones. Como se ha comentado previamente la utilización
de restricciones en tensiones efectivas provoca un suavizado sobre la función que en general
46 Tesis Doctoral: Optimización topológica de estructuras
será beneficiosa para los algoritmos numéricos de optimización que se emplearán para resol-
ver el problema. Adicionalmente, también es fácil observar que el valor de la restricción no
presenta una ası́ntota vertical cuando los valores de las densidades relativas tienden a cero.
Esta ası́ntota vertical puede tener efectos negativos en la formulación del problema porque
puede llegar a evitar la reaparición en el cálculo de variables que previamente habı́an sido
eliminadas (su densidad relativa ha alcanzado el mı́nimo valor permitido). Este efecto, sin
embargo, no se produce generalmente debido a que nunca se alcanza la ası́ntota vertical de-
bido a las restricciones laterales inferiores (ρe ≥ ρmin ) que se establecen sobre las variables
de diseño.
Z p 1
σ
bVM p
GP = dΩ (4.19)
Ω σ
bmax
donde p es un parámetro que penaliza los picos de tensión y que, por lo tanto, debe tomar
el mayor valor posible sin introducir problemas numéricos debido a su alta no-linealidad.
El valor recomendado para esta función global es p ≈ 20.
En una lı́nea de trabajo similar, Duysinx y Sigmund [21] propusieron un modo distinto
de imponer restricciones globales en tensión a través de dos funciones. Por una parte, utiliza
la p-norma introduciendo un factor de relajación similar al presentado en la ecuación (4.17) y
una función denominada “p-mean”. Ambas funciones globales incorporan además un factor
que hace consistente el criterio de Von Mises con el modelo SIMP que se utiliza (Duysinx
y Bendsøe [20]). Estas funciones globales se definen como:
"N
e ∗ p #1/p
σ
X bVM ,e ε
max 0, η + ε − ≤ 1. (4.20a)
ρ eσb max ρe
e=1
" N e ∗ p #1/p
σ
1 X bVM ,e ε
max 0, η + ε − } ≤ 1. (4.20b)
Ne ρe σ
bmax ρe
e=1
m
1 X n o
lı́m ln exp µgj = max gj . (4.23)
µ→∞ µ j=1,...,m
j=1
Sin embargo, esta función tal y como se presenta en la ecuación (4.22) presenta pro-
blemas de escala debido a la dependencia del parámetro µ con respecto a las unidades
de medida de las restricciones locales. Este problema se soluciona normalizando estas res-
tricciones locales dividiendo cada contribución entre su tensión máxima admisible, lo que
elimina este problema de escala. De un modo similar también se puede relajar la función
incorporando el factor de relajación ϕj propuesto en (4.17) en la contribución de cada res-
tricción local a la función global. Una vez introducidas estas modificaciones, la ecuación
(4.22) puede reescribirse como:
Ne
" ! #
1 σe∗ − 1)
exp µ(b
1
X
GKS = ln − ln(Ne ) ≤ 0 (4.24)
µ µ
e=1
donde
b σ he
σ
be∗ =
σ , (4.25)
σ
bmax ϕe
siendo σeh la aproximación calculada del tensor de tensiones del material el punto central
del elemento e.
Tal y como se ha indicado anteriormente, el comportamiento de esta función global
depende fundamentalmente del parámetro µ. De acuerdo con la ecuación (4.23) lo ideal
serı́a tomar un valor de µ tan alto como sea posible. Sin embargo, valores muy altos de este
parámetro generan una función muy no-lineal y difı́cil de resolver con los métodos numéricos
habituales.
Será necesario, por lo tanto, realizar un análisis sobre ejemplos simplificados pero fiables
acerca del menor valor del parámetro µ que produce resultados adecuados y que aproxima
de forma suficientemente precisa el modelo con restricciones locales.
Para ello utilizamos un problema con 100 restricciones de tipo local, por ejemplo, sobre
el que imponemos un estado tensional conocido que nos permita evaluar la bondad de la
función global que se propone. Analizamos dos situaciones simplificadas que nos permitirán
comprobar el comportamiento de la formulación global y decidir los valores más adecuados
del parámetro de agregación µ. En el primer caso de análisis estudiamos un problema que
presenta un 50 % de restricciones activas y el otro 50 % restante inactivas que toman el valor
be∗ = 0.90. En la figura 4.7 se representa el valor de la restricción global de tensiones en
σ
be∗ de las restricciones activas. Dado que
función del parámetro µ para diferentes valores σ
Capı́tulo 4. Formulación del problema de optimización topológica 49
el estado tensional propuesto incumple las restricciones desde un punto de vista local la
restricción global también deberı́a estar violada (GKS > 0). De lo contrario, la formulación
que se propone no serı́a adecuada para resolver este problema. De acuerdo con esta idea,
tomaremos un valor de µ suficientemente elevado que nos garantice que la restricción global
se incumpla para este estado tensional. En el segundo caso se analiza una situación similar
en la que se impone que las restricciones locales tomen el valor de la tensión normalizada
be∗ = 0.90 cuando no están violadas y σ
σ be∗ = 1.10 cuando están violadas. En la figura 4.8
se representa el valor de GKS en función del parámetro µ para diferentes porcentajes de
restricciones violadas.
0,30
0,25
0,20 ^
s*
e
Restricción global (Gks)
1.30
0,15 1.25
1.20
1.15
0,10
1.10
1.05
0,05 1.02
1.00
0.98
0,00
0.95
-0,05
-0,10
0 5 10 15 20 25 30 35 40
Parámetro de agregación (m)
Figura 4.7: Función global de restricciones para distintos valores de µ con valores de tensión
crecientes
Los dos casos que se proponen para estimar el funcionamiento de la restricción global
pueden considerarse como representativos del problema planteado en esta tesis porque repro-
ducen configuraciones habituales del estado tensional de las soluciones óptimas obtenidas.
Como se puede observar en la figura 4.7, para un estado tensional del 50 % de restricciones
σe∗ ≤ 1.05) tendre-
activas si sólo permitimos un exceso en la tensión máxima de un 5 % (b
mos que utilizar valores del parámetro de penalización mayores de 20 (µ ≥ 20). Del mismo
modo, si el número de restricciones locales activas es menor del 50 % tendremos que utilizar
también valores de µ ≥ 20 para garantizar que las restricciones locales violadas no superen
en más de un 10 % la tensión máxima, tal y como se puede apreciar en la figura 4.8. Por lo
tanto, el valor mı́nimo recomendable del parámetro de agregación es µ = 20. Sin embargo,
es aconsejable utilizar valores mayores de µ (por ejemplo, µ = 40) para garantizar que el
estado tensional no presente restricciones locales fuertemente violadas dado que, en general,
50 Tesis Doctoral: Optimización topológica de estructuras
0,10
0,08
0,06 % Restr.
violadas
Restricción global (Gks) 0,04
90 %
0,02 80 %
70 %
0,00 60 %
50 %
40 %
-0,02
30 %
20 %
-0,04
10 %
-0,06
-0,08
0 5 10 15 20 25 30 35 40
Parámetro de agregación (m)
Figura 4.8: Función global de restricciones para distintos valores de µ con número de res-
tricciones violadas creciente
la no-linealidad introducida con µ = 40, por ejemplo, no limita excesivamente el buen fun-
cionamiento de los algoritmos de optimización. Sin embargo, si seguimos incrementando este
parámetro es posible que los algoritmos de optimización dejen de funcionar correctamente
debido a la alta no-linealidad de las restricciones.
Las restricciones en tensión de tipo local controlan fielmente la factibilidad del diseño
e imponen limitaciones realistas en el mismo pero producen un problema de optimización
muy complejo que requiere algoritmos de optimización muy eficientes. Además, estos plan-
teamientos requieren unas necesidades computacionales muy elevadas que limitan en gran
medida el tamaño de la malla de Elementos Finitos que se puede emplear. Este es el motivo
fundamental por el que es necesario plantear formas alternativas de considerar las restric-
ciones en tensión sin realizar un análisis a nivel local en cada elemento como, por ejemplo,
la función global propuesta en el apartado 4.6. Sin embargo, estas funciones globales son
altamente no-lineales y requieren en general, un número mayor de iteraciones para alcan-
zar soluciones aceptables. Además, cuando el número de variables de diseño es elevado la
función global puede no representar de forma adecuada las restricciones locales en las que
se basa, lo que puede conducir a soluciones óptimas inadecuadas.
En este apartado se aborda una nueva forma de imponer las restricciones en tensión
como resultado de aplicar las dos técnicas anteriores y que obtiene, por lo tanto, ventajas
Capı́tulo 4. Formulación del problema de optimización topológica 51
e inconvenientes de los dos modelos. Dado que el análisis de las restricciones en tensión
de todos los elementos de la malla supone un coste y una complejidad muy elevada, en
esta tesis doctoral se plantea una nueva metodologı́a que consiste en formar grupos de
elementos finitos que denominamos “bloques” (figura 4.9) y aplicar sobre cada uno de ellos
una restricción global como la que se propone en el apartado 4.6.
De este modo el número de restricciones totales de cada problema es igual al número
de bloques en que dividamos la malla de elementos finitos. Es obvio que este modelo incluye
también a las formulaciones presentadas en los apartados 4.5 y 4.6 si se decide utilizar un
número de bloques adecuado. En el caso de la formulación con restricciones locales (apar-
tado (4.5)) debemos tomar tantos bloques como elementos tenga la malla y si definimos un
único bloque con todos los elementos de la malla estaremos utilizando la formulación global
de las restricciones (apartado 4.6). Es obvio que un mayor número de bloques proporcio-
nará soluciones mejores porque el control sobre las tensiones es más estricto.
Una vez fijado el número de bloques a utilizar en el problema, el número de elementos
de la malla se distribuye de forma homogénea de modo que el número de elementos por
bloque sea, aproximadamente, el mismo para todos.
Esta formulación de las restricciones en tensión por bloques presenta las ventajas que
ofrece la formulación local porque establece un control más efectivo sobre las restricciones
en tensión. Por otra parte, debido al menor número de restricciones, también se consiguen
52 Tesis Doctoral: Optimización topológica de estructuras
hallar ρ = {ρe }, e = 1, . . . , Ne
que minimice F (ρ)
(4.26)
verificando GKS,b (ρ) ≤ 0, b = 1, . . . , Nb ,
ρmin ≤ ρe ≤ ρmax , e = 1, . . . , Ne
donde
1 σe∗ − 1) − 1 ln(N b ) ≤ 0
exp µ(b
X
GKS,b = ln e (4.27)
µ µ
e∈Bb
N
X df
H i ρi
df dρi
i=1
d
= ρ−1
k N
(4.28)
dρk X
Hi
i=1
df
siendo dρi las sensibilidades calculadas mediante los algoritmos de cálculo de estructuras y
Hi los pesos de ponderación calculados como:
(
rmin − dist(k, i), i ∈ Ne | dist(k, i) ≤ rmin
Hi = k = 1, . . . , Ne . (4.29)
0 i ∈ Ne | dist(k, i) > rmin
donde dist(k, i) es la distancia entre el punto central del elemento k y el punto central del
elemento i. De este modo si el radio rmin es muy pequeño apenas estaremos modificando
las sensibilidades. Por el contrario, si el radio rmin es excesivamente amplio todas las sen-
sibilidades tenderı́an a tomar el mismo valor dado que la influencia de la ponderación serı́a
muy importante con lo que las sensibilidades reales se verı́an fuertemente suavizadas.
Esta formulación presenta inconvenientes muy serios. Por una parte, precisa de coefi-
cientes empı́ricos que deben ser calibrados a partir de ejemplos experimentales para obtener
resultados adecuados. Además, la ponderación de las sensibilidades provoca que los diseños
finales presenten amplias zonas con densidades intermedias de material debido a la pérdida
de información debida al suavizado. La finura de la malla también es un factor a tener en
cuenta para decidir el valor de rmin más adecuado porque en mallas poco refinadas y con
valores elevados del radio mı́nimo es posible que la solución óptima no llegue a alcanzarse.
Capı́tulo 4. Formulación del problema de optimización topológica 55
Otra de las técnicas que también ha sido utilizada para evitar los fénomenos de dis-
posición en damero y de dependencia de la malla es la restricción local de los gradientes
de las variables (Petersson y Sigmund [86]) de modo que las variaciones de densidad entre
elementos próximos se realiza de forma suavizada. Habitualmente se imponen el doble de
restricciones que de elementos tiene la malla (una por cada eje cartesiano en dos dimensio-
nes). De este modo estas restricciones se pueden establecer como:
∂ρj
∂xi ≤ c, i = 1, 2 ; j = 1, . . . , m. (4.30)
Z Z
T V (ρ) = k∇ρk dΩ + |< ρ >| dΓJ (4.31)
Ω\ΓJ ΓJ
donde
[
Ω= Ωα (4.32)
α
estructura. Sin embargo, esta restricción global condiciona fuertemente la solución del pro-
blema dado que se si toma un valor bajo para el perı́metro es posible que no exista una
solución válida para el problema. Por el contrario, si se toma un valor demasiado elevado la
restricción del perı́metro deja de desempeñar la función para la que ha sido diseñada por-
que apenas restringe las soluciones posibles. La elección del valor máximo de la restricción
del perı́metro no es, en absoluto, trivial y requiere, generalmente, de un proceso previo de
calibrado mediante pruebas con distintos valores de la restricción (prueba y error).
Por este motivo otros autores proponen la incorporación de esta restricción del perı́me-
tro como un factor de penalización de la función objetivo (Burger y Stainko [10]). De este
modo, se evita tener que imponer de forma experimental un lı́mite superior para el valor
del perı́metro y además se le da una interpretación más acorde con la realidad al imponerlo
en la formulación como una penalización sobre la función objetivo.
Para el problema de optimización topológica que se propone en esta tesis la formulación
del perı́metro propuesto por Haber, et al. [34] queda ahora como:
Z
T V (ρ) = |< ρ >| dΓJ (4.33)
ΓJ
dado que para cada elemento se ha considerado que la densidad relativa es constante y,
por lo tanto, desaparece el primer término de la derecha de la expresión (4.31). A pesar de
esta simplificación esta formulación presenta una particularidad muy significativa debido
a la presencia de la función valor absoluto, que es continua en todo el dominio pero su
derivada no existe cuando la función toma el valor nulo. Para evitar esta singularidad se
puede admitir, desde un punto de vista práctico, que la derivada es nula en este punto
aunque esto no evite que el análisis de sensibilidad presente una discontinuidad que puede
perjudicar el correcto funcionamiento del algoritmo de optimización. Si se pretende utilizar
una formulación con derivadas continuas es aconsejable utilizar la función aproximada del
valor absoluto propuesta por Haber, et al [34], que viene dada por:
1
|< ρ >| ≈ (1 + 2ξ) < ρ >2 +ξ 2 2 − ξ,
(4.34)
siendo < ρ > el salto de densidad relativa entre dos elementos contiguos y ξ un factor que
debe aproximarse lo máximo posible a ξ = 0 para representar de forma adecuada la función
valor absoluto. Es importante destacar que esta formulación es, en la práctica, equivalente
al valor absoluto cuando se toman valores de ξ suficientemente pequeños (ξ < 0.1, por
ejemplo).
En los ejemplos de aplicación que se incluyen en esta tesis se ha utilizado, por simpli-
cidad, la formulación con el valor absoluto imponiendo que su derivada es nula en el origen.
Capı́tulo 4. Formulación del problema de optimización topológica 57
A pesar de ello se analiza de forma más general la formulación propuesta por Haber, et al.
[34] dado que la formulación con el valor absoluto se obtiene como un caso particular de
ésta y su comportamiento es muy similar para valores de ξ pequeños (figura 4.8).
1.0
0.9
0.8
0.7
x
0.6 0.00
<r>
0.01
0.5
0.10
0.4 0.50
0.3
0.2
0.1
0.0
-1.0 -0.8 -0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8 1.0
<r>
X 1
P (ρ) = (1 + 2ξ) < ρ >2 +ξ 2 2 − ξ LJ , (4.35)
ΓJ
siendo LJ la longitud de la frontera entre elementos (ΓJ ). Para problemas en tres dimen-
siones el término LJ corresponde a la superficie de la cara que define la frontera entre los
dos elementos que se están considerando.
Por lo tanto, la función objetivo modificada a partir de la original (4.4) incorporando
la penalización por perı́metro puede plantearse como:
Ne Z
X X 1
F = (ρi )1/p dΩi + η (1 + 2ξ) < ρ >2 +ξ 2 2 − ξ LJ , (4.36)
i=1 Ωi ΓJ
siendo η el factor de ponderación entre el peso de la estructura y el perı́metro de la misma.
4.9. Resumen
El problema de optimización topológica de estructuras que se propone en esta tesis
consiste en un planteamiento de mı́nimo coste con restricciones en tensión basado en el
58 Tesis Doctoral: Optimización topológica de estructuras
Capı́tulo 5
Algoritmos de optimización
5.1. Introducción
La resolución de los problemas de optimización topológica de estructuras es, en general,
muy complicada debido al elevado número de variables de diseño que presentan ası́ como
a la no-linealidad de la función objetivo y/o de las restricciones. Consecuentemente, los
algoritmos y modelos que se utilizan para resolver este tipo de planteamientos deben pro-
porcionar soluciones adecuadas con un coste computacional asumible. Ambos aspectos son
fundamentales porque es posible que algunos de los algoritmos habitualmente utilizados en
esta disciplina no proporcionen soluciones adecuadas para este problema o que las necesi-
dades computacionales que requieran sean inasumibles en la práctica.
Estos dos aspectos se acentúan en mayor medida en el problema que se presenta en
esta tesis dado que, además de utilizar un número elevado de variables de diseño, incorpora
una función objetivo no-lineal y un número elevado de restricciones en tensión altamente
no-lineales. Por lo tanto, será necesario estudiar los algoritmos empleados habitualmente
en la optimización de estructuras con la finalidad de determinar cuál es el más adecuado
para este problema en particular. Se han estudiado tres algoritmos fundamentales que han
sido ampliamente utilizados en la optimización de estructuras: un algoritmo basado en las
técnicas de Programación Lineal Secuencial (SLP) (Navarrina, et al. [60] y [63]), el Método
de las Ası́ntotas Móviles (MMA) desarrollado por Svanberg ([113], [114]) y un algoritmo
60 Tesis Doctoral: Optimización topológica de estructuras
ρk+1 = ρk + θk sk , (5.1)
Una vez calculada la dirección de modificación del diseño (sk ) es necesario calcular el
factor de avance más adecuado (θk ). Realizaremos una búsqueda unidireccional cuadrática
en la dirección obtenida previamente. Para ello planteamos el desarrollo en serie de Taylor
de segundo orden tanto de la función objetivo como de las restricciones. De este modo, se
pretenden evitar los fenómenos oscilatorios que se producen habitualmente en torno a la
solución, debido al error que se comete con la aproximación de primer orden, favoreciendo
la convergencia del algoritmo hacia el óptimo (Navarrina, et al. [63]).
Para calcular el factor de avance necesitamos conocer, por tanto, las derivadas de
segundo orden tanto de la función objetivo como de las restricciones. Dado que la dirección
de modificación del diseño es conocida podremos evitar el cálculo de las derivadas completas
de segundo orden realizando un cálculo direccional de estas derivadas en la dirección de
modificación del diseño. A partir de estas derivadas planteamos el desarrollo en serie de
Taylor de 2o orden de la función objetivo y de las restricciones como:
(θk )2
F (ρk+1 ) ≈ F (ρk ) + Ds F θk + Dss
2
F
ρk ρk 2
(5.5)
(θk )2
gj (ρk+1 ) ≈ gj (ρk ) + Ds gj θk + Dss
2
gj j = 1, . . . , m.
ρ k ρk 2
Una vez planteado el desarrollo en serie de Taylor de segundo orden procedemos a
calcular el factor de avance. Para ello, es necesario calcular el valor mı́nimo y máximo
que puede tomar de modo que no se incumplan las restricciones laterales de las variables de
64 Tesis Doctoral: Optimización topológica de estructuras
diseño. Una vez definidos estos lı́mites, el algoritmo comprueba el valor de la función objetivo
y de las restricciones en puntos equiespaciados suficientemente próximos (por ejemplo, 10−5 )
dentro del rango admisible de valores del factor de avance y selecciona el más adecuado,
que corresponderá a aquel que cumpla las restricciones y minimice la función objetivo.
Este algoritmo ha demostrado ser muy eficiente a pesar de que calcula el valor de
la función objetivo y de las restricciones de forma aproximada en un número de puntos,
generalmente, elevado.
n
!
X pkji k
qji
fjk (x) = rjk + + (5.6)
i=1
Uik − xi xi − Lki
siendo
(
(Uik − xki )2 ∂fj /∂xi si ∂fj /∂xi > 0
pkji =
0 si ∂fj /∂xi ≤ 0
( (5.7)
k 0 si ∂fj /∂xi ≥ 0
qji =
−(xki − Lki )2 ∂fj /∂xi si ∂fj /∂xi < 0
n
!
X pkji k
qji
rjk k
= fj (x ) − + (5.8)
i=1
Uik − xki xki − Lki
Capı́tulo 5. Algoritmos de optimización 65
m
[−gj (ρ)]−1
X
φ(ρ, r) = F (ρ) + r (5.11)
j=1
donde F (ρ) es la función objetivo del problema original y (gj (ρ) ≤ 0) son las restricciones
del problema original. El coeficiente r controla el efecto de las funciones barrera en cada
iteración penalizando en mayor o menor medida el efecto de las restricciones y m es el
número de restricciones de desigualdad. Para evitar problemas de escala entre los valores de
la función objetivo y los valores de las restricciones, se propone una formulación modificada
de la función barrera inversa que permite evitar o reducir los problemas de escala entre la
función objetivo y las restricciones del problema dado que sus valores numéricos pueden ser
muy diferentes dependiendo de la unidad de medida de cada una de las magnitudes. Por lo
tanto, la función objetivo modificada φ vendrı́a dada por:
m
[gj (ρ)]−1 ,
X
φ(ρ, r) = F (ρ) 1 − r (5.12)
j=1
donde gj son las restricciones y F (ρ) es la función objetivo a minimizar del problema
original. El parámetro de barrera r es siempre positivo y se define inicialmente con un valor
suficientemente elevado con el fin de evitar que las restricciones se incumplan. A medida
que el proceso de optimización avanza y la solución se aproxima al óptimo, el valor de r se
reduce con la finalidad de que la función barrera se ajuste en mayor medida a la función
objetivo evitando que las restricciones se incumplan (figura 5.1).
Para la resolución del problema resultante se utiliza el método de gradiente conjugado
propuesto por Fletcher [27]. Ası́, la dirección de modificación del diseño se obtiene como:
siendo
T
(k) ∇φ(k+1) ∇φ(k+1)
β = T y β (0) = 0, (5.14)
∇φ(k) ∇φ(k)
donde el vector ∇φ(k+1) es el vector de derivadas de la función barrera φ(ρ, r) con res-
pecto a las variables de diseño ρ en la iteración (k + 1). Además es habitual establecer un
Capı́tulo 5. Algoritmos de optimización 67
Figura 5.1: Efecto del parámetro r sobre la función barrera φ(ρ, r) en un problema 1D con
F = x y x∗ − x ≤ 0 (Fletcher [27]).
lı́mite superior del parámetro β para evitar fuertes oscilaciones de la solución que pueden
estar motivadas tanto por errores numéricos como por los efectos de la no-linealidad de
las restricciones y de la función objetivo. De este modo, se evita la detención del avance
de la solución ante estas dificultades y el fenómeno de zig-zag subyacente. En esta tesis se
propone como lı́mite superior para este parámetro βmax = 10. Para valores muy altos del
parámetro, esta limitación apenas tendrá efectos sobre el funcionamiento del algoritmo pero
si este parámetro es muy bajo el método del gradiente conjugado dejará de funcionar como
tal porque β quedará limitado externamente por βmax en un mayor número de ocasiones.
Con este planteamiento se consigue obtener una dirección de avance adecuada con tiem-
pos de cálculo muy reducidos. Por el contrario, el número de iteraciones que es necesario
realizar con este algoritmo es considerablemente superior al número de iteraciones que re-
quiere el algoritmo de Programación Lineal Secuencial o el Método de las Ası́ntotas Móviles.
A pesar de esto y debido a su reducido coste computacional es un algoritmo adecuado para
problemas con muy pocas restricciones.
Una vez obtenida la dirección de modificación del diseño, el factor de avance se deter-
mina del mismo modo que para el algoritmo de Programación Lineal Secuencial sin tener
en cuenta la función barrera. El factor de avance se determina con la función objetivo y la
restricción del problema original porque proporciona mejores resultados que la obtención
de este factor sobre la función barrera φ(ρ, r).
Del mismo modo que ocurrı́a en el algoritmo de Programación Lineal, hay que comple-
mentar este algoritmo principal con otros algoritmos que actúan en situaciones particulares.
68 Tesis Doctoral: Optimización topológica de estructuras
En este caso, y dado que la función barrera carece de sentido cuando la restricción está vio-
lada es necesario disponer de un algoritmo de entrada de nuevo a la región factible. Este
algoritmo sigue, del mismo modo que para el problema de Programación Lineal, la dirección
opuesta al gradiente de la restricción. En este caso, el cálculo de esta dirección de entrada a
la región factible es incluso más sencillo dado que el problema sólo presenta una restricción
en tensión. Por lo tanto, la dirección de modificación del diseño se obtiene en estos casos
como:
k dG
b ks
∆ρk ,
s =− (5.15)
dρ k
ρ
dG
siendo el vector de derivadas de la restricción global con respecto a las variables de
b ks
dρ
diseño.
Finalmente, será necesario normalizar esta dirección para continuar con el análisis de
sensibilidad direccional y para obtener el factor de avance.
En todo este planteamiento no se han incluido las restricciones laterales en la función
barrera dado que habitualmente no suponen una limitación importante para la obtención
del diseño si bien siempre entran a formar parte del mismo y en algunos casos pueden ser
determinantes y condicionar la solución final obtenida. Para el problema de optimización
que se plantea es fundamental incorporar en el proceso de obtención de la dirección las res-
tricciones laterales porque de lo contrario se producirán efectos indeseables que se explican
a continuación.
gran complejidad al problema. Simplemente, se modifica esta dirección s una vez que ha sido
calculada mediante el truncamiento de las componentes que incumplan los lı́mites laterales
de las variables de diseño. Por ejemplo, un problema con una única restricción en tensión
pasarı́a a tener 2Ne + 1 si se incorporan los lı́mites laterales de las variables de diseño, lo
que supone un coste adicional muy significativo.
Esta forma de truncar la dirección de modificación del diseño ha demostrado ser eficaz
en numerosas aplicaciones desarrolladas en el ámbito de la optimización porque general-
mente, en los problemas de optimización de dimensiones, las variables de diseño sólo están
limitadas inferiormente y normalmente no son determinantes, de modo que el algoritmo de
truncamiento funciona de forma adecuada evitando que el proceso se detenga debido a las
restricciones laterales.
Sin embargo, en la optimización topológica de estructuras este tratamiento de las res-
tricciones laterales ha demostrado ser muy peligroso dado que puede conducir a una falsa
convergencia del método de optimización cuando la solución aún está muy lejana del óptimo
real. Este hecho es muy importante porque condiciona fuertemente la utilización de métodos
de optimización que incorporen en su formulación las restricciones laterales de las variables
de diseño para que las soluciones óptimas obtenidas sean adecuadas.
De hecho, el efecto de las restricciones laterales en la formulación de optimización to-
pológica es aún más importante porque las variables de diseño presentan además un lı́mite
superior que alcanzan habitualmente y que, por lo tanto, debe ser considerado. La impor-
tancia de incorporar estas restricciones laterales superiores puede observarse fácilmente si,
por ejemplo, se realiza un estudio sobre una sección rectangular de 1 cm de espesor sometida
a un momento flector M tal y como se propone en la figura 5.3.
M 2c
σc = (5.16)
I
donde M es el momento flector, c es el canto total de la viga e I es el momento de inercia
con respecto al eje que pasa por la fibra neutra y sigue la dirección del momento flector
aplicado. De acuerdo con esta expresión el comportamiento estructural de esta sección
depende únicamente del momento de inercia, que varı́a con la densidad relativa del material
en cada punto de la sección, puesto que M y c se consideran constantes.
De acuerdo con el planteamiento del problema de optimización topológica se pretende
obtener una solución estructural que minimice el peso sin incumplir las restricciones en
tensión, lo que equivale, en este ejemplo, a maximizar el momento de inercia de la sección
reduciendo a su vez el material utilizado. Para ello es necesario colocar el material lo más
alejado posible de la fibra neutra. Por lo tanto, el algoritmo de optimización aumentará la
densidad relativa del elemento más alejado de la fibra neutra y reducirá la densidad relativa
de los elementos más cercanos.
En todo este desarrollo no se han utilizado en absoluto las restricciones laterales de
las variables de diseño. Sin embargo, es fácil observar que a partir de ciertos valores del
momento flector o para mallas de Elementos Finitos más refinadas el elemento más alejado
de la fibra neutra alcanzará el valor máximo ρ = 1. Si la situación persiste en la siguiente
iteración, la técnica para continuar optimizando la sección consistirá de nuevo en disponer de
material en el elemento más alejado, y reducir la densidad relativa de los restantes elementos
sin tener en cuenta la restricción lateral. Si ahora se aplica la técnica del truncamiento de
las componentes se anula el término que incrementa el valor de la densidad relativa del
elemento más alejado. Sin embargo, los restantes términos siguen reduciendo la densidad
relativa de los restantes elementos. Ante esta situación, el proceso de optimización se detiene
porque se reduce la capacidad portante de la sección y, en consecuencia, se excede el valor
máximo de la tensión en el elemento más alejado de la fibra neutra. Para poder reducir la
densidad relativa de los elementos más cercanos a la fibra neutra sin violar las restricciones
es necesario aumentar la densidad del elemento más alejado y viceversa.
Por el contrario, si el algoritmo incorpora las restricciones laterales en su formulación la
situación es distinta. En el momento en el que la densidad relativa del elemento más alejado
alcanza su valor máximo el algoritmo trata de seguir mejorando la respuesta estructural a
través de la inercia de la sección. Como en este caso no se puede aumentar el momento de
Capı́tulo 5. Algoritmos de optimización 71
De acuerdo con la ecuación (5.16) la tensión máxima que soportan los puntos centrales
de los elementos se consigue en la zona más alejada de la fibra neutra. Por lo tanto, la
tensión del elemento con densidad relativa ρ3 puede obtenerse como:
9M
σ= . (5.17)
4( 27
3 ρ1 + 37
3 ρ2 +
61
3 ρ3 )
27 M
− σmax ≤ 0, (5.18)
4(27ρ1 + 37ρ2 + 61ρ3 )
cuya frontera corresponde a la ecuación de un plano en R3 :
72 Tesis Doctoral: Optimización topológica de estructuras
27 M
− 27ρ1 − 37ρ2 − 61ρ3 ≤ 0. (5.19)
4 σmax
La función objetivo del problema consiste en minimizar el peso de modo que:
f = 3ρ1 + ρ2 + ρ3 (5.20)
Por lo tanto, si representamos ahora en tres dimensiones la región de diseño para este
27 M
problema tomando, por ejemplo, 4 σe = 105 cm3 podremos analizar el funcionamiento del
algoritmo de optimización y el efecto de las restricciones laterales (figura 5.4).
Figura 5.6: Solución sin incorporar las restricciones laterales en la dirección de avance
Por lo tanto, y a la vista del ejemplo que se acaba de exponer es imprescindible que
los algoritmos de optimización que se utilicen para resolver un problema de optimización
topológica de estructuras con restricciones en tensión como el que se propone en esta tesis
incorporen en su formulación las restricciones laterales de forma activa. El algoritmo de
Programación Lineal Secuencial que se desarrolla en esta tesis y el Método de las Ası́ntotas
Móviles (Svanberg [115]) incorporan de forma natural las restricciones laterales en su formu-
lación pero en el algoritmo de las funciones barrera es necesario imponerlas adicionalmente
si se pretende obtener soluciones adecuadas para este problema.
Figura 5.8: Refinamiento adaptativo de la malla de Elementos Finitos (Maute y Ramm [51])
Es obvio que estas técnicas de refinamiento están especialmente indicadas cuando las
76 Tesis Doctoral: Optimización topológica de estructuras
necesidades computacionales son muy elevadas. Por lo tanto, estas técnicas, aunque podrán
aplicarse en todas las formulaciones presentadas, reportan mayores ventajas computaciona-
les en problemas que utilizan la formulación local de las restricciones en tensión debido al
elevado número de restricciones y a la complejidad del mismo.
Por otra parte, también es muy importante tener en cuenta que la formulación de op-
timización topológica es dependiente de la malla a medida que aumenta el grado de discre-
tización espacial. Por lo tanto, también es necesario tener en cuenta que al eliminar partes
de la estructura se pueden estar retirando elementos fundamentales que pueden resultar
cruciales para la nueva solución obtenida con la malla refinada. Este hecho es, en general,
posible debido a esta dependencia de la malla pero, en la práctica, esta eliminación permite
reducir considerablemente el número de elementos presentes en la malla refinada además
de simplificar la complejidad de la estructura transformando complicadas configuraciones
resistentes con un elevado número de elementos estructurales (barras) en distribuciones de
material más sencillas y fácilmente realizables.
A pesar de esta mejor solución desde un punto de vista práctico es necesario desta-
car que la solución obtenida mediante el refinamiento propuesto está condicionada a las
soluciones que proporcionen las mallas iniciales más gruesas, de modo que la configuración
resistente viene condicionada por ellas. La resolución del problema con una malla suficien-
temente fina desde el principio conducirá a diseños ligeramente diferentes que en general
contendrán un mayor número de elementos resistentes.
La técnica de eliminación de elementos de la estructura que se emplea en esta tesis
se basa en un algoritmo que excluye de la malla aquellos elementos que presentan una
densidad relativa menor que un valor de referencia establecido. Se eliminarán, por tanto,
aquellos elementos cuya variable de diseño no supere un valor predefinido muy próximo al
lı́mite inferior de la densidad relativa. Si, como es habitual, el valor mı́nimo de la densidad
relativa es ρmin = 0.001, tomaremos un valor de referencia para la eliminación de los
elementos ligeramente superior (por ejemplo, ρref = 0.002). Este valor de referencia no
tiene una trascendencia significativa para la solución final porque el uso de uno u otro
factor dentro de los rangos aconsejables apenas produce cambios en la malla de elementos
finitos resultante.
Una vez eliminados los elementos con densidad relativa inferior a la de referencia se
puede proceder a subdividir cada uno de estos elementos en cuatro elementos del mismo
orden basados en la distribución anterior. Además la renumeración de esta malla también
se realiza en función de la discretización anterior intentando reducir el ancho de banda de
la matriz de rigidez resultante para que el cálculo de estructuras por Elementos Finitos
suponga el menor coste computacional posible.
Capı́tulo 5. Algoritmos de optimización 77
Figura 5.9: Malla original para el problema de una viga con carga descentrada (450 elemen-
tos)
Figura 5.11: Malla refinada por segunda vez eliminando elementos no necesarios (2352
elementos)
5.7. Resumen
Los problemas de optimización de estructuras requieren, en general, de técnicas es-
pecı́ficas para su resolución debido a la complejidad que presentan y a sus caracterı́sticas
particulares. El problema de optimización que se propone en esta tesis también presenta,
por tanto, caracterı́sticas particulares que motivan el uso de estos algoritmos especı́ficos.
Ası́, el número de variables de diseño y de restricciones del problema es muy elevado lo que
dificulta en gran medida la obtención de soluciones adecuadas y provoca que los tiempos
78 Tesis Doctoral: Optimización topológica de estructuras
de cálculo para obtenerlas sean también elevados. Además, también hay que considerar que
tanto la función objetivo como las restricciones que se proponen son, en general, altamente
no-lineales, lo que complica en mayor medida la resolución del problema.
De los algoritmos que habitualmente se usan en optimización topológica de estructuras,
en esta tesis se ha analizado el comportamiento de un algoritmo de Programación Lineal
Secuencial con Búsqueda Unidireccional Cuadrática, del Método de las Ası́ntotas Móvi-
les y de un algoritmo basado en la utilización de funciones barrera. Todos los algoritmos
que se proponen son adecuados para resolver problemas de optimización condicionada. Sin
embargo, de estos tres algoritmos el que mejores resultados proporciona para el problema
de optimización topológica de estructuras con restricciones en tensión es el algoritmo de
Programación Lineal Secuencial y, por ello, es el que se emplea para resolver los ejemplos
prácticos de aplicación.
Otro aspecto relevante del problema de optimización que se plantea reside en la imposi-
ción de restricciones laterales para las variables de diseño, tanto inferiores como superiores.
Este aspecto cobra vital importancia para este problema porque condiciona fuertemente el
comportamiento de los algoritmos de optimización, que deben incorporarlas en su formu-
lación para que los resultados obtenidos sean satisfactorios. De lo contrario, es posible que
las soluciones obtenidas disten considerablemente del diseño óptimo esperable.
Además de los algoritmos que se proponen para resolver el problema de optimización
también se pueden aplicar técnicas que mejoren la eficiencia de los planteamientos a través
del refinamiento y eliminación selectiva de elementos. De este modo se pueden resolver
problemas con una discretización del dominio más fina sin incrementar excesivamente la
complejidad y el coste computacional necesario. En esta tesis se propone una técnica de
eliminación selectiva que excluye de la malla de cálculo a aquellos elementos que no superan
un valor mı́nimo predefinido (cercano al lı́mite inferior) de las variables de diseño. Una vez
eliminados estos elementos se procede a refinar la malla dividiendo de forma equitativa cada
celda en cuatro nuevas celdas.
A continuación procedemos a desarrollar la metodologı́a especı́fica seguida en esta tesis
doctoral para obtener los análisis de sensibilidad que requieren los algoritmos de optimiza-
ción presentados en este capı́tulo.
79
Capı́tulo 6
Análisis de Sensibilidad
6.1. Introducción
hallar ρ = {ρi }, i = 1, . . . , n
que minimice F (ρ)
(6.1)
gj r oj , ρ ≤ 0,
verificando j = 1, . . . , m,
ρmin ≤ ρi ≤ ρmax , i = 1, . . . , n.
donde ρ son las variables de diseño, F es la función objetivo, gj son las restricciones y ρmin
80 Tesis Doctoral: Optimización topológica de estructuras
ρk+1 = ρk + θk sk , (6.2)
ρ
1
..
ρ= . , (6.3)
ρn
Definimos:
dP ∂P ∂P ∂P
= ∇P = ··· . (6.5)
dρ ∂ρ1 ∂ρ2 ∂ρn
Derivando de nuevo obtenemos la matriz Hessiana como:
∂ 2 Qj ∂ 2 Qj ∂ 2 Qj
∂ρ1 2 ∂ρ1 ∂ρ2 ··· ∂ρ1 ∂ρn
∂ 2 Qj ∂ 2 Qj ∂ 2 Qj
d dQj T
···
H(Qj ) = = ∂ρ2 ∂ρ1 ∂ρ2 2 ∂ρ2 ∂ρn , j = 1, . . . , m. (6.9)
dρ dρ .. .. .. ..
. . . .
∂ 2 Qj ∂ 2 Qj ∂ 2 Qj
···
∂ρn ∂ρ1 ∂ρn ∂ρ2 ∂ρn 2
dP dρ dP
Ds P = = s. (6.10)
dρ dθ dρ
82 Tesis Doctoral: Optimización topológica de estructuras
d dP T dρ
2
Dss P = s = sT H(P ) s. (6.11)
dρ dρ dθ
De un modo similar podemos obtener las derivadas direccionales de Q(ρ) como:
Ds Q1
..
dQ dρ dQ
Ds Q = . = = s, (6.12)
dρ dθ dρ
Ds Qm
y derivando de nuevo:
2
Dss Q1
..
2
Dss Q= . (6.13)
2
Dss Qm
siendo
d ∂Qj T dρ
2
Dss Qj = s = sT H(Qj )s, j = 1, . . . , m. (6.14)
dρ ∂ρ dθ
Sea g̃j (t(α), ρ) una restricción que depende de las variables de diseño y de una función
t que, a su vez, depende de los desplazamientos nodales de la estructura, tal que
gj (ρ) = g̃j (t(α), ρ) , (6.18)
α(ρ)
Capı́tulo 6. Análisis de Sensibilidad 85
donde
t(α) = tk (α) (6.19)
k=1,...,m
siendo m el número funciones t de que depende la restricción g˜j (por ejemplo, tensiones o
desplazamientos en puntos de la estructura).
De este modo podemos calcular ahora las derivadas de gj (ρ) como
dgj ∂g̃j dt dα ∂g̃j
= + , (6.20)
dρ ∂t t(α) dα
dρ ∂ρ t(α)
α(ρ)
α(ρ) α(ρ)
donde las derivadas de primer orden de los desplazamientos nodales se obtienen a partir de
la ecuación de estado.
Tal y como se ha presentado en el apartado 3.3.1 la ecuación de estado del Método de
los Elementos Finitos (3.15) se plantea mediante el sistema de ecuaciones:
Kα = f (6.21)
donde:
dα df dK
K = − α. (6.23)
dρ dρ dρ
Los sumandos del término independiente de este sistema de ecuaciones se obtienen a
partir de la formulación del modelo de Elementos Finitos propuesta en el capı́tulo 3. Ası́, a
partir de (3.17b), teniendo en cuenta que las fuerzas nodales debidas a cargas superficiales
exteriores no dependen (para este problema) de las variables de diseño, se deduce que
ZZZ
df k
= (ΦTk b − (LΦk )T D(Lup ))dΩ, (6.24)
dρe Ee
siendo
f= fk (6.25)
k=1,...,N
86 Tesis Doctoral: Optimización topológica de estructuras
Como se puede observar, la derivada propuesta en (6.26) se obtiene del mismo modo
que la matriz de rigidez elemental del problema de análisis estructural (3.17a) imponiendo
que la densidad relativa vale ρe = 1. Por lo tanto, la derivada de la matriz de rigidez se
obtiene ensamblando los términos propuestos en (3.17a) e imponiendo que ρe = 1 para
todos los elementos.
De acuerdo con (6.23), la matriz de rigidez resultante de resolver el problema estructu-
ral con el Método de los Elementos Finitos es la misma que se utiliza para obtener el análisis
de sensibilidad. De este modo, si resolvemos el sistema de ecuaciones mediante un algoritmo
de factorización para matrices simétricas y definidas positivas como el de Cholesky y alma-
cenamos las matrices resultantes, la resolución de nuevos sistemas de ecuaciones adicionales
como los que se requieren para el análisis de sensibilidad se reduce a actualizar el vector de
términos independientes y realizar las sustituciones hacia adelante y hacia atrás.
Otra alternativa para calcular el análisis de sensibilidad de primer orden de la matriz
de rigidez (K) consiste en utilizar los algoritmos de diferencias finitas como los que se pro-
ponen en el apartado 6.4.1. De este modo, no se evitan los inconvenientes desde el punto de
vista numérico que presentan estas técnicas pero se reduce considerablemente el coste com-
putacional porque, como ya se ha comentado, la matriz del sistema de ecuaciones resultante
coincide con la matriz de rigidez de la estructura. Este tipo de análisis que combinan el
desarrollo analı́tico con las aproximaciones numéricas se denominan por este motivo méto-
dos semi-analı́ticos de derivación. Sin embargo, a pesar de las ventajas computacionales
que ofrecen estos algoritmos frente a las aproximaciones en diferencias finitas tampoco se
Capı́tulo 6. Análisis de Sensibilidad 87
dgj
Ds gj = s. (6.27)
dρ
Ası́, teniendo en cuenta que el análisis de sensibilidad de primer orden completo de la
restricción gj se obtiene de acuerdo con (6.20),
∂g̃j dt ∂g̃j
Ds gj = Ds α + s (6.28)
∂t t(α) dα
∂ρ
α(ρ)
α(ρ)
K Ds α = Ds f − Ds K α. (6.29)
Como se puede observar, la matriz que define el sistema de ecuaciones a resolver coincide
con la matriz de rigidez del problema estructural y con la matriz del sistema utilizada en el
análisis de sensibilidad de primer orden completo. Por lo tanto, la resolución de este sistema
de ecuaciones se reduce a actualizar el vector de términos independientes y a aplicar las
sustituciones hacia adelante y hacia atrás.
Para obtener las derivadas segundas direccionales partimos de (6.28). Ası́,
2 d
Dss gj = (Ds gj ) s, (6.30)
dρ t(α)
α(ρ)
T T
2 d ∂g̃j dt dα d ∂g̃j
Dss gj = s s + s s. (6.31)
dρ ∂t t(α) dα
dρ dρ ∂ρ t(α)
α(ρ)
α(ρ) α(ρ)
2 g como:
Si se desarrollan las derivadas de los productos anteriores se puede obtener Dss j
T
∂ ∂g̃j T
∂ ∂g̃j
∂t ∂t t(α) t(α)
∂ρ ∂t " #
Ds t
α(ρ) α(ρ)
2 g = (D t)T
sT
Dss j s
+
s
T T
∂ ∂g̃j ∂ ∂g̃j
(6.32)
t(α) t(α)
∂t ∂ρ ∂ρ ∂ρ
α(ρ) α(ρ)
m
dtk T
∂g̃j dt 2
X ∂g̃j T d
+ Dss u + (Ds α) Ds α,
∂t t(α) dα
∂tk t(α) dα dα
α(ρ) k=1 α(ρ)
α(ρ) α(ρ)
2 2 2
K Dss α = Dss f − Dss K α − 2 Ds K Ds α. (6.34)
Por lo tanto, dado que la matriz del sistema coincide con la empleada para el cálculo
estructural y las condiciones de derivadas de desplazamientos prescritos se aplican sobre los
mismos nodos podemos obtener la solución del sistema de ecuaciones (6.34) calculando el
valor de los términos independientes y resolviendo los sistemas triangulares resultantes tras
la factorización.
2 g se puede obtener sin más que sustituir en (6.32) el valor de D 2 α
De este modo, Dss j ss
obtenido de acuerdo con (6.34).
Elementos Finitos utilizada) para obtener las derivadas de primer orden completas de las
restricciones. Además, es necesario almacenar las derivadas de primer orden completas de
los desplazamientos para poder calcular las derivadas de las restricciones que nos interesan.
Sin embargo, si se reordenan los algoritmos propuestos en el método de diferenciación direc-
ta es posible reducir el número de sistemas de ecuaciones que es necesario resolver ası́ como
evitar el almacenamiento de las derivadas de primer orden de los desplazamientos.
dα df dK
K = − α, (6.36)
dρ dρ dρ
podemos sustituir el término de derivadas de desplazamientos en (6.35) y plantear que
dgj ∂g̃j dt −1 df dK ∂g̃j
= K − α + . (6.37)
dρ ∂t t(α) dα
dρ dρ ∂ρ t(α)
α(ρ)
α(ρ) α(ρ)
con la que se utiliza en (6.21), de modo que la resolución se reduce a calcular el término
independiente y a aplicar las sustituciones hacia adelante y hacia atrás utilizando las ma-
trices triangulares y diagonal resultantes de factorizar la matriz del sistema por el método
de Cholesky.
∂ ∂g̃j T
T
∂ ∂g̃j
∂t ∂t ∂ρ ∂t
t(α) t(α) "
Ds t
#
α(ρ) α(ρ)
2 g (Ds t)T T
Dss = s +
j
∂ ∂g̃ T
∂
∂g̃j T
s
j
∂t ∂ρ ∂ρ ∂ρ
t(α) t(α)
α(ρ) α(ρ)
λTj 2 f 2 K
+ Dss − Dss α − 2 Ds K Ds α
m T
X ∂g̃j d dtk
+ (Ds α)T Ds α,
∂tk t(α) dα dα
k=1 α(ρ)
α(ρ)
(6.43)
donde Ds α se obtiene de acuerdo con (6.29).
Ası́, si substituimos (6.45) en las expresiones de las derivadas obtenidas en los apartados
6.4.2 y 6.4.3 podemos plantear que
Ne
X db
σe dσ e
Ds t = Ds α (6.46)
dσ e σb e (σe ) dα
e=1 σ e (α)
σ e (α)
y
T Ne
dσ e T db σe T
d dte X d
= +
dα dα dα dα dσ e
e=1 σ e (α)
Ne T T (6.47)
X dσ e d db
σe dσ e
+ ,
dα dσ e dσ e dα
e=1 σ e (α)
quedando, de este modo, planteadas todas las derivadas necesarias para las restricciones en
tensión.
Como se puede observar en todo el planteamiento anterior, es necesario desarrollar de
forma especı́fica las derivadas de la tensión de comparación y del tensor de tensiones para
obtener el análisis de sensibilidad de las restricciones en tensión que se proponen en esta
tesis doctoral. Por lo tanto, a continuación procedemos a obtener las derivadas de la tensión
de comparación de Von Mises y las derivadas del tensor de tensiones.
r h
1 i
σ
bVM = (σx − σy )2 + (σy − σz )2 + (σz − σx )2 + 6 τxy
2 + τ2 + τ2
yz zx (6.48)
2
92 Tesis Doctoral: Optimización topológica de estructuras
donde
σx
σy
σ
z
σ= (6.49)
τxy
τ
yz
τzx
son las componentes del tensor de tensiones σ en tres dimensiones en un punto en las
direcciones de los ejes (x, y, z). Las condiciones sobre el estado tensional que se imponen en
la NBE-EA 95 [53] para estructuras de acero son:
bVM ≤ σ
σ bmax , (6.50a)
σI ≤ 2 σ
bmax , si σ I , σ II , σ III > 0, (6.50b)
donde σ
bVM es la tensión de comparación, σ
bmax corresponde al lı́mite elástico del material y
σ I y σ III son la máxima y mı́nima tensión que soporta el material en ejes principales.
Si aplicamos este criterio a un problema bidimensional en tensión plana obtenemos que
q
σ
bVM = σx2 + σy2 − σx σy + 3τxy
2 (6.51)
y en ejes principales
q
σ
bVM = (σ I )2 + (σ II )2 − σ I σ II . (6.52)
bVM ≤ σ
σ bmax . (6.53)
∂b
σVM 2σx − σy
= (6.55a)
∂σx 2b
σVM
∂b
σVM 2σy − σx
= (6.55b)
∂σy 2b
σVM
∂b
σVM 6τxy
= (6.55c)
∂τxy 2b
σVM
(6.55d)
∂ ∂b
σVM ∂ ∂b
σVM ∂ ∂b
σVM
∂σx ∂σx ∂σx ∂σy ∂σx ∂τxy
T
d dbσVM ∂ ∂b
σVM ∂ ∂b
σVM ∂ ∂b
σVM
=
(6.56)
dσ dσ ∂σy ∂σx ∂σy ∂σy ∂σy ∂τxy
∂ ∂b σVM
∂
∂b
σVM
∂
∂b
σVM
∂τxy ∂σx ∂τxy ∂σy ∂τxy ∂τxy
de modo que:
3σy2 + 12τxy
2
−3σx σy − 6τxy −6τxy (2σx − σy )
4b 3
σVM 4b 3
σVM 4b 3
σVM
T
−3σ σ − 6τ 2
2
3σx2 + 12τxy
d dbσVM x y xy −6τxy (2σy − σx )
= (6.57)
dσ dσ 3 3 3
4bσVM 4b
σVM 4b
σVM
2 2
−6τxy (2σx − σy ) −6τxy (2σy − σx ) σVM − 9τxy
3b
4b 3
σVM 4b 3
σVM σ 3
bVM
N
X
o
σ(r ) = DLΦi (r o )αi , (6.59)
i=1
αi1
..
n o
α = αi y αi = . , (6.60)
i=1,...,N
αid
siendo d el número de dimensiones del problema. Para el problema de estudio en esta tesis
d = 2.
En consecuencia,
dσ 1
= DLΦi (r o )
,
dαi1 0
dσ o 0 (6.61)
= DLΦi (r ) ,
dαi2 1
i = 1, . . . , N
Φi (r o ) = φi (r o )I 2 , (6.62)
d dσ
= 0, ∀ i, j = 1, . . . , N y ∀ `, k = 1, 2 (6.63)
dαjk dαi`
Capı́tulo 6. Análisis de Sensibilidad 95
1 ( p1 −1)
Z
dF
= ρe γmat dΩe , e = 1, . . . , Ne (6.64)
dρe Ωe p
siendo p el factor de penalización de las densidades intermedias y γmat la densidad del
material.
e N
dF X ∂F
Ds F = s= se (6.65)
dρ ∂ρe
e=1
Ne
1 − p ( p1 −2)
X Z
2
Dss F = s2e ρ e γmat dΩe (6.68)
Ωe p2
e=1
X 1
P (ρ) = (1 + 2ξ)(ρj − ρk )2 + ξ 2 2 − ξ Li , (6.69)
i
siendo i cada una de las fronteras entre elementos o entre elementos y el borde de la malla
y (ρj − ρk ) el salto de densidad relativa que se produce entre los elementos adyacentes a
la frontera i. Es importante destacar que esta formulación también permite representar la
función valor absoluto de forma exacta cuando ξ = 0. Por lo tanto, el análisis de sensibili-
dad que se desarrolla a continuación también permite calcular las derivadas de la función
perı́metro cuando se utiliza la función valor absoluto.
El análisis de sensibilidad de primer orden de esta función perı́metro se obtiene como:
4
∂P X (1 + 2ξ)(ρe − ρk )
= p Li0 (6.70)
∂ρe 0 (1 + 2ξ)(ρ e − ρ k )2 + ξ2
i =1
siendo i0 cada una de las cuatro fronteras de los elementos cuadriláteros en dos dimensiones
y ρk la densidad relativa del elemento contiguo al elemento e en la frontera i0 . En tres
dimensiones esta suma habrı́a que extenderla a todas las caras de los elementos de la malla
y las longitudes Li0 serı́an en este caso las superficies de estas caras.
Las derivadas direccionales de primer orden se obtienen como
Ne 4
!
X X (1 + 2ξ)(ρe − ρk )
Ds P = p Li0 se (6.71)
e=1 i0 =1
(1 + 2ξ)(ρe − ρk )2 + ξ 2
siendo ρe cada una de las variables de diseño, i0 los lados del elemento e y ρk la densidad
relativa del elemento contiguo al elemento e en la frontera i0 .
En esta ecuación hay que tener en cuenta que para las fronteras de los elementos que
definen el contorno de la malla y, por tanto, no están en contacto con otros elementos, la
variable de diseño ρk toma el valor nulo. Por el contrario, si se resuelve un modelo en el que
se impone una condición de simetrı́a en el contorno, no deben de incluirse esas fronteras en
el cálculo del perı́metro de la estructura.
Las derivadas direccionales de segundo orden se desarrollan como
Ne X
"N " 4 ! # #
2
X e X (1 + 2ξ)(δeh − δkh )ξ 2
Dss P = 3 Li0 se sh . (6.72)
h=1 e=1 i0 =1 ((1 + 2ξ)(ρe − ρk )2 + ξ 2 ) 2
Capı́tulo 6. Análisis de Sensibilidad 97
q
σ
bVM,e = 2 + σ2 − σ σ
σx,e y,e x,e y,e + 3τxy,e (6.74)
y
σx,e
σe = σy,e (6.75)
τ
xy,e
98 Tesis Doctoral: Optimización topológica de estructuras
donde
dge dge
= (6.77)
dρ dρi i=1,...,Ne
dge ∂g̃e db
σVM,e dσ e −1 df dK ∂g̃e
= K − α + δie .
dρi ∂b
σVM,e σbvm,e (σe ) dσ e σe (α) dα
dρi dρi ∂ρi σbvm,e (σe )
σ (α) α(ρ) σ (α)
e α(ρ) e
α(ρ) α(ρ)
(6.78)
Si definimos ahora la variable adjunta, de acuerdo con (6.38), como:
∂g̃e db
σVM,e dσ e
λTe = K −1 , (6.79)
∂b
σVM,e σbvm,e (σe ) dσ e σe (α) dα
σ (α) α(ρ)
e α(ρ)
α(ρ)
las derivadas de primer orden completas vienen dadas por:
dge df dK ∂g̃e
= λTe − α + δie . (6.80)
dρi dρi dρi ∂ρi σbvm,e (σe )
σ (α)
e
α(ρ)
Los términos resultantes se obtienen a su vez, o bien derivando directamente la expre-
sión de la función de restricción o bien a través de las ecuaciones (6.54), (6.55) y (6.61).
Ası́,
∂g̃e
= ρqe , (6.81)
∂b
σVM,e
y
(
ρq−1
∂g̃e e bVM,e − σ
qσ bmax (−2ε + qϕe ) si i=e
= , (6.82)
∂ρi 0 si i 6= e
donde, tal y como se ha planteado en (4.17),
Capı́tulo 6. Análisis de Sensibilidad 99
ε
ϕe = 1 − ε + (6.83)
ρe
Una vez calculadas las derivadas de primer orden completas mediante el método de
la variable adjunta también se pueden calcular las derivadas direccionales de un modo
similar. Sin embargo, de acuerdo con (6.42) es necesario que se almacenen todas las variables
adjuntas de las restricciones para obtener las derivadas direccionales, lo que supone para
el problema de optimización topológica que se analiza un coste de almacenamiento muy
significativo. Además, tampoco podremos utilizar las derivadas de primer orden completas
para obtener las derivadas direccionales ya que los algoritmos de optimización que se utilizan
en esta tesis doctoral (por ejemplo, el Simplex) modifican esta información para obtener
la dirección de avance en cada iteración. Por otra parte, la duplicación de almacenamiento
para guardar este análisis de sensibilidad de primer orden completo sin modificaciones es
muy costosa en términos computacionales, lo que desaconseja su utilización en la práctica.
Otro motivo importante para realizar el análisis de sensibilidad direccional de forma
directa consiste en la total independencia de este desarrollo sobre el realizado para obtener
las derivadas completas de primer orden. De este modo podremos evitar el cálculo del
análisis de sensibilidad de primer orden de las restricciones que no nos interesen en cada
iteración. Ası́, sólo calcularemos las derivadas de primer orden de las restricciones activas en
cada iteración para obtener la dirección de avance mediante los algoritmos de optimización
propuestos en el capı́tulo (5), pero calcularemos las derivadas direccionales de todas las
restricciones para incorporarlas en el cálculo del factor de avance más adecuado.
Por todos estos motivos, el análisis de sensibilidad direccional se realiza en esta tesis
doctoral mediante el método de diferenciación directa. Por otra parte, este método de deri-
vación requiere la resolución de un sistema de ecuaciones adicional pero, como la matriz del
mismo coincide con la utilizada en el modelo estructural, este cálculo no supone un coste
adicional significativo frente al resto de operaciones realizadas para obtener el análisis de
sensibilidad de las restricciones.
Ası́, a partir del planteamiento de diferenciación directa propuesto en 6.4.2 y de 6.5 se
obtiene la derivada direccional Ds ge como:
∂g̃e db
σVM,e dσ e ∂g̃e
Ds ge = Ds α + se , (6.84)
∂b
σVM,e σbvm,e (σe ) dσ e σe (α) dα
∂ρe σbvm,e (σe )
σ (α) α(ρ) σ (α)
e α(ρ) e
α(ρ) α(ρ)
100 Tesis Doctoral: Optimización topológica de estructuras
∂ ∂g̃e ∂ ∂g̃e
∂b
σvm,e ∂b σvm,e ∂ρe ∂b σvm,e " #
2 g = [D σ
D s σ
b VM,e
Dss s bVM,e se ] +
e
∂
∂g̃e
∂
∂g̃e
σbvm,e (σe ) se
σ (α)
∂bσvm,e ∂ρe ∂ρe ∂ρe e
α(ρ)
∂g̃e db
σVM,e dσ e 2
+ Dss α+
∂b
σVM,e σbvm,e (σe ) dσ e σe (α) dα
σ (α) α(ρ)
e α(ρ)
α(ρ)
dσe T σVM,e T
∂g̃e T d db dσe
+ (Ds α) Ds α,
∂b
σVM,e σbvm,e (σe ) dα
dσ e dσ e dα
σ (α)
σ (α) α(ρ) e α(ρ)
e α(ρ)
α(ρ)
(6.85)
siendo
∂ ∂g̃e
= 0, (6.86a)
∂b
σVM,e ∂b
σVM,e
(
∂ ∂g̃e 1 si q = 1
= , (6.86b)
∂b
σVM,e ∂ρe 0 si q = 0
(
∂ ∂g̃e 1 si q = 1
= , (6.86c)
∂ρe ∂b σVM,e 0 si q = 0
(
0 si q = 1
∂ ∂g̃e
= (6.86d)
∂ρe ∂ρe σmax ρ2ε3
−b si q=0
e
!
σ
bVM,e
Ne µ ε −1
1 X σ
bmax (1 − ε + ρe ) 1
G̃KS = ln exp − ln(Ne ) ≤ 0, (6.89)
µ e=1
µ
de modo que
dGKS df dK ∂ G̃KS
= λT − α + , (6.90)
dρ dρ dρ ∂ρ σbvm,e (σe )
σ (α)
e
α(ρ)
siendo
Ne !T
X ∂ G̃KS db
σVM,e dσ e
KT λ = , (6.91)
∂b
σVM,e σbvm,e (σe ) dσ e σe (α) dα
e=1 σ (α) α(ρ)
e α(ρ)
α(ρ)
Si definimos como:
Ne
σe∗ − 1) ,
exp µ (b
X
S= (6.92)
e=1
donde
σ
bVM,e
σ̄e∗ = , (6.93)
σ
bmax ϕe σbvm,e (σe )
σ (α)
e
α(ρ)
102 Tesis Doctoral: Optimización topológica de estructuras
∗
∂ G̃KS 1 exp µ(bσe −1)
= (6.94)
∂b
σVM,e S σbmax ϕe
bVM,e ρε2
!
σ
∂ G̃KS
=
1 e σe∗ − 1)
exp µ (b (6.95)
∂ρe S bmax ϕ2e
σ
siendo
ε
ϕe = 1 − ε + . (6.96)
ρe
Ne !
X ∂ G̃KS db
σVM,e dσ e ∂ G̃KS
Ds GKS = Ds α + s (6.97)
∂b
σVM,e σbvm,e (σe ) dσ e σe (α) dα
∂ρ σbvm,e (σe )
e=1 σ (α) α(ρ) σ (α)
e α(ρ) e
α(ρ) α(ρ)
!T !T
∂ ∂ G̃KS ∂ ∂ G̃KS
∂σ
b VM ∂σb VM ∂ρ ∂σb VM " #
2 G
T T
Ds σ
b VM
Dss = (Ds σ
b VM ) s +
KS
!T !T s
∂ ∂ G̃KS ∂ ∂ G̃KS
σbvm,e (σe )
∂σ
b VM ∂ρ ∂ρ ∂ρ σe (α)
α(ρ)
Ne !
X ∂ G̃KS db
σVM,e dσ e 2
+ Dss α +
∂b
σVM,e σbvm,e (σe ) dσ e σe (α) dα
e=1 σ (α) α(ρ)
e α(ρ)
α(ρ)
Ne T T
X ∂ G̃KS T dσ e d db
σ VM,e dσ e
+ (Ds α) Ds α,
∂b
σVM,e σbvm,e (σe )
dα dσ e dσ e
dα
e=1 σ (α) α(ρ) σ (α) α(ρ)
e e
α(ρ) α(ρ)
(6.98)
siendo,
∗ ∗
!
∂ ∂ G̃KS 1 exp µ(σbk −1) exp µ(bσe −1)
= − 2 +
∂b
σVM,k ∂b
σVM,e S σ
bmax ϕk σbmax ϕe
∗
(6.99a)
1 µ exp µ(bσe −1)
+ δke 2
,
S σ bmax ϕ2e
! ∗ ∗
∂ ∂ G̃KS bVM,k exp µ(bσk −1) exp µ(bσe −1)
µε σ
= − +
∂ρk ∂b
σVM,e S2 ρ2k σ 2
bmax ϕ2k ϕe
∗
(6.99b)
ε exp µ(bσe −1) µ σ
bVM,e
+ δke +1 ,
S σbmax ρ2e ϕ2e σ bmax ϕe
! !
∂ ∂ G̃KS ∂ ∂ G̃KS
= , (6.99c)
∂b
σVM,e ∂ρk ∂ρk ∂b σVM,e
!
ε2
∂ ∂ G̃KS σ
bVM,e σe∗ −1) σ
bVM,k ∗
= − 2 2 exp µ(b
exp µ(bσk −1) +
∂ρk ∂ρe S σ
bmax ρ2e ϕ2e ρ2k ϕ2k
1 2εbσVM,e 1 − ρe ϕe ∗
+ δke exp µ(bσe −1) + (6.99d)
S σ bmax ρ4e ϕ3e
2
1 εσ bVM,e ∗
+ δke µ 2 2
exp µ(bσe −1)
S ρe σ
bmax ϕe
Los restantes términos que aparecen en (6.98) se obtienen directamente a partir de las
formulaciones generales que se han propuesto en los apartados 6.5 y 6.5.1.
104 Tesis Doctoral: Optimización topológica de estructuras
siendo
!
σ
bVM,e
µ ε −1
1 X σ
bmax (1 − ε + ρe ) 1
G̃KS,b = ln exp − ln(Neb ) ≤ 0, (6.102)
µ µ
e∈Bb
dGKS,b df dK ∂ G̃KS,b
= λTb − α + . (6.103)
dρ dρ dρ ∂ρ σbvm,e (σe )
σ (α)
e
α(ρ)
!T
X ∂ G̃KS,b db
σ ,e
dσ e
KT λ =
VM
, (6.104)
∂b
σVM,e σbvm,e (σe ) dσ e σe (α) dα
e∈Bb σ (α) α(ρ)
e α(ρ)
α(ρ)
Si definimos como:
Capı́tulo 6. Análisis de Sensibilidad 105
σe∗ − 1) ,
exp µ (b
X
Sb = (6.105)
e∈Bb
siendo
σ
bVM,e
be∗
σ = , (6.106)
σ
bmax ϕe σbvm,e (σe )
σ (α)
e
α(ρ)
∂ G̃KS,b σe∗ − 1)
1 exp µ (b
= con e ∈ Bb (6.107)
∂bσVM,e Sb σ
bmax ϕe
bVM,e ρε2
!
σ
1 e σe∗ − 1)
exp µ (b si e ∈ Bb
∂ G̃KS,b
S b bmax ϕ2e
σ
= (6.108)
∂ρe
0 si e∈
/ Bb
!
X ∂ G̃KS,b db
σVM,e dσ e ∂ G̃KS,b
Ds GKS,b = Ds α + s
∂bσVM,e σbvm,e (σe ) dσ e σe (α) dα
∂ρ σbvm,e (σe )
e∈Bb σ (α) α(ρ) σ (α)
e α(ρ) e
α(ρ) α(ρ)
(6.109)
donde Ds α se obtiene de acuerdo con (6.29) y los restantes términos ya han sido planteados
en (6.107) y (6.108).
El análisis de sensibilidad direccional de segundo orden se puede obtener de forma
análoga que para la formulación global a partir de (6.32), y teniendo en cuenta (6.63),
como:
106 Tesis Doctoral: Optimización topológica de estructuras
!T !T
∂ ∂ G̃KS,b ∂ ∂ G̃KS,b
b b
i b VM ∂ σ
∂σ b VM ∂ρ ∂ σb bVM " #
2
h
b T T
Ds σ b VM
Dss GKS,b = (Ds σb VM ) s +
!T !T s
∂ ∂ G̃KS,b ∂ ∂ G̃KS,b
σbvm,e (σe )
b
∂σb VM ∂ρ ∂ρ ∂ρ σe (α)
α(ρ)
!
X ∂ G̃KS,b db
σVM,e dσ e 2
+ Dss α+
∂b σVM,e σbvm,e (σe ) dσ e σe (α) dα
e∈Bb σ (α) α(ρ)
e α(ρ)
α(ρ)
T
σVM,e T
X ∂ G̃KS,b
T dσ e d db dσ e
+ (Ds α) Ds α,
∂b
σVM,e σbvm,e (σe ) dα
dσ e dσ e dα
σe (α)
e∈Bb σ (α) α(ρ) α(ρ)
e α(ρ)
α(ρ)
(6.110)
Las derivadas parciales de segundo orden de la función G̃KS se obtienen, al igual que
para la formulación global, a partir de (6.99a), (6.99b), (6.99c) y (6.99d); teniendo en cuenta
los elementos que pertenecen a cada bloque y que S pasa a ser ahora Sb .
N
" #
e
1 X 1 1
φ(ρ, r, rl ) = F (ρ) 1−r − rl + , (6.111)
GKS ρe − ρe,max ρe,min − ρe
e=1
Capı́tulo 6. Análisis de Sensibilidad 107
donde r y rl son los parámetros de barrera para la restricción global y las restricciones
laterales respectivamente.
De acuerdo con este planteamiento se desarrolla el análisis de sensibilidad de primer
orden completo como:
Ne
" #
dφ dF 1 X 1 1
= 1−r − rl + +
dρe dρe GKS ρe − ρe,max ρe,min − ρe
e=1 (6.112)
1 dGKS 1 1
+ F r 2 − rl − + ,
GKS dρe (ρe − ρe,max )2 (ρe,min − ρe )2
N
" #
e
1 X 1 1
Ds φ = Ds F 1−r − rl + +
GKS ρe − ρe,max ρe,min − ρe
e=1
(6.113)
Ne
" #
1 X se se
+F r 2 Ds GKS − rl − + ,
GKS (ρe − ρe,max )2 (ρe,min − ρe )2
e=1
Ne
" #
2 2 1 X 1 1
Dss φ = Dss F 1−r − rl + +
GKS ρe − ρe,max ρe,min − ρe
e=1
Ne
" #
1 X se se
+ 2Ds F r 2 Ds GKS − rl − + +
GKS (ρe − ρe,max )2 (ρe,min − ρe )2
e=1 (6.114)
1 2 1 2
+ F −r 3 (Ds GKS ) + r 2 Dss GKS +
2GKS GKS
" N #
rl X e
s2e s2e
+F + .
2 (ρe − ρe,max )3 (ρe,min − ρe )3
e=1
2 G
Los términos Ds GKS y Dss KS se pueden obtener directamente del análisis de sensi-
bilidad de la restricción global desarrollado en el apartado 6.8.
108 Tesis Doctoral: Optimización topológica de estructuras
6.11. Resumen
G. W. Leibniz (1646-1716)
Capı́tulo 7
debido al elevado número de operaciones que requieren. Además de utilizar técnicas y algo-
ritmos robustos que proporcionen resultados finales adecuados, es necesario prestar atención
a los aspectos computacionales. De lo contrario, los algoritmos utilizados pueden resultar
muy complejos y exigir capacidades de cálculo que no se alcanzan con las herramientas de
computación actuales.
Será necesario, por lo tanto, justificar todas las técnicas que se han propuesto a lo largo
de esta tesis para obtener la solución final del problema ası́ como prestar especial atención
a la forma de implementación numérica de estos algoritmos en las aplicaciones informáticas
de cálculo que se desarrollan.
2. Cálculo de estructuras por Elementos Finitos: Una vez establecidos todos los
parámetros y conocidos los valores de las variables de diseño se procede a realizar el
cálculo estructural. Para ello se utiliza el modelo de Elementos Finitos con densidad
relativa propuesto en el capı́tulo 3 y se obtienen los campos de desplazamientos y de
tensiones.
Una vez presentada toda la metodologı́a de optimización utilizada en esta tesis doctoral
es fundamental analizar las distintas fases del proceso desde un punto de vista computacional
con la finalidad de justificar la elección de estos algoritmos de cálculo y obtener mejoras en
la eficiencia de los mismos. En este sentido es muy importante analizar tanto la capacidad
de almacenamiento en memoria como el número de operaciones (tiempo de cálculo) que se
requiere en cada fase del proceso de optimización.
A continuación se realiza un análisis más especı́fico sobre estos aspectos para los algo-
ritmos más importantes y más costosos en términos computacionales de la metodologı́a de
optimización que se propone.
El primer paso para la obtención de todas las variables que requieren los algoritmos de
optimización presentados es la obtención del análisis de sensibilidad de la función objetivo.
Este cálculo no supone un coste computacional excesivo dado que la función objetivo
tiene una expresión matemática definida explı́citamente que, por lo tanto, podemos deri-
var directamente sin grandes dificultades. Además el almacenamiento de los vectores de
derivadas tampoco supone un coste elevado. De hecho, en la práctica, tanto el tiempo de
cálculo como las necesidades de almacenamiento pueden considerarse despreciables frente a
las requeridas por otros algoritmos y variables del problema.
En el caso de las derivadas completas de primer orden de la función objetivo el número
de operaciones requeridas es reducido y la capacidad de almacenamiento también dado que
sólo se necesita espacio en memoria para un vector cuya dimensión corresponde al número
de variables de diseño del problema.
Las derivadas direccionales de primer y segundo orden se obtienen también de forma
similar y apenas requieren de almacenamiento dado que son dos términos escalares.
Al contrario de lo que ocurre con las derivadas de la función objetivo, las derivadas de
primer orden de las restricciones sı́ que suponen un coste computacional muy elevado. De
hecho, pueden alcanzar porcentajes muy importantes del tiempo de cálculo total ası́ como
la práctica totalidad de las necesidades de almacenamiento (junto con la matriz de rigidez
de la estructura). Por este motivo analizamos de forma más especı́fica la metodologı́a de
análisis para mejorar su eficiencia en términos computacionales.
Tal y como se ha planteado en el capı́tulo 6 las derivadas de primer orden se obtienen
aplicando una técnica analı́tica de derivación mediante el método de la variable adjunta.
Esta metodologı́a de cálculo permite evitar el cálculo y el almacenamiento de las derivadas
de primer orden de los desplazamientos que se requieren con los algoritmos de diferenciación
directa para obtener el análisis de sensibilidad de primer orden de las restricciones en tensión.
El cálculo de estas derivadas de los desplazamientos nodales supone un coste muy elevado
tanto en tiempo de cálculo como en capacidad de almacenamiento. El elevado número de
operaciones a realizar y de tiempo de ejecución se debe a que es necesario resolver tantos
sistemas de ecuaciones como grados de libertad tiene la estructura. Del mismo modo, el
tamaño de la matriz que se requiere para almacenar las soluciones de estos sistemas de
ecuaciones es del orden del número de grados de libertad de la estructura por el número de
variables.
Capı́tulo 7. Metodologı́a de diseño óptimo e implementación numérica 119
Para hacernos una idea de lo que suponen estos valores analizamos un problema de
ejemplo y calculamos los recursos computacionales que se requieren. Para ello, definimos
una malla cuadrangular homogénea de 100 × 100 = 10000 elementos cuadrangulares se-
rendı́pitos de 8 nodos como las que se utilizarán en los ejemplos de esta tesis doctoral. Esta
malla presenta 60802 grados de libertad y con la formulación de optimización topológica de
estructuras que se propone establece 10000 variables de diseño. Esto supone el almacena-
miento de aproximadamente 6.08 108 términos para guardar la matriz de derivadas de los
desplazamientos. Si cada término se establece como una variable real con 8 bytes de preci-
sión, la matriz de derivadas de los desplazamientos requiere aproximadamente de 4.86 109
bytes (≈ 4.53 Gb) de memoria para poder almacenarla. Además, será necesario almacenar
la matriz de derivadas primeras de las restricciones que requiere ,en este caso, 8 108 bytes
(≈ 763 Mb) adicionales, lo que supone un total de 5.66 109 bytes (≈ 5.33 Gb) de memoria.
Si el problema dispone de 22500 elementos (150 × 150) este número asciende a la cantidad
de 24.51 109 + 4.05 109 = 28.56 109 bytes (≈ 26.6 Gb). Como se puede observar la necesidad
de almacenamiento presenta un crecimiento cuadrático con el número de elementos, lo que
en la práctica supone una limitación importante.
Por otra parte, el número de sistemas de ecuaciones que es necesario resolver en cada
caso también es muy elevado. Ası́, para el problema con 10000 elementos hay que resol-
ver, como máximo, 60802 sistemas de ecuaciones si se utiliza diferenciación directa. Esto
supone, en la práctica, un tiempo de cálculo superior a una hora en un ordenador personal
convencional (Pentium 4 a 2.4 GHz y 1.5 Gb de RAM).
Además de estos cálculos es necesario obtener a continuación las derivadas de las res-
tricciones con respecto a las variables de diseño, lo que supone un coste adicional importante
aunque menor que el necesario para las derivadas de desplazamientos.
Por este motivo el análisis de sensibilidad de primer orden se realiza por el método de la
variable adjunta. Con este método se consigue evitar el cálculo y el almacenamiento de las
derivadas de los desplazamientos de la estructura. Para ello, es necesario resolver un sistema
de ecuaciones que nos permite obtener el valor de la variable adjunta correspondiente a cada
restricción (ecuación (6.39)). Con este planteamiento será necesario resolver tantos sistemas
de ecuaciones como restricciones tiene el problema mientras que, con el método de diferen-
ciación directa, se resuelven tantos sistemas como grados de libertad tiene la estructura.
Además, el valor de la variable adjunta de cada problema se puede sobreescribir para cada
restricción dado que no se volverá a utilizar de nuevo, lo que supone un ahorro de memoria
de almacenamiento muy importante. Por lo tanto, con este planteamiento hay que resolver
un número mucho menor de sistemas de ecuaciones y la capacidad de almacenamiento que
se necesita es del orden de 763 Mb para el problema con 10000 elementos, lo que supone
120 Tesis Doctoral: Optimización topológica de estructuras
Una vez calculadas las derivadas completas de primer orden se puede calcular la direc-
ción de modificación del diseño. De este modo podemos plantear la obtención de derivadas
de orden superior de modo direccional tal y como se ha indicado en el capı́tulo 6.
Por lo tanto, en general podemos afirmar que este punto del cálculo no requiere unas
necesidades de computación tan elevadas como las derivadas completas de primer orden. De
hecho, se aplica el método de la diferenciación analı́tica directa porque no supone un coste
elevado y evita otros inconvenientes que presenta el método de la variable adjunta como la
necesidad de almacenar todas las variables adjuntas de todas las restricciones.
Con este método es necesario resolver dos sistemas de ecuaciones adicionales: uno para
las derivadas direccionales de primer orden y otro para las derivadas direccionales de segundo
orden. El método de la variable adjunta no necesita resolver estos sistemas de ecuaciones
pero, por el contrario, requiere el almacenamiento de las variables adjuntas intermedias de
todas las restricciones del problema, lo que en la práctica supone un coste de almacenamiento
mucho más restrictivo que la resolución de los dos sistemas de ecuaciones adicionales que
exige el análisis directo. Por otra parte, el almacenamiento en memoria también es muy
reducido porque sólo se necesita el almacenamiento de cuatro vectores: un par de vectores
Capı́tulo 7. Metodologı́a de diseño óptimo e implementación numérica 121
(de dimensión el número de grados de libertad de la estructura) que contengan las derivadas
direccionales de los desplazamientos nodales y otro par de vectores (de dimensión el número
de restricciones del problema) que almacenen las derivadas direccionales de primer y segundo
orden de las restricciones.
7.4.1. Introducción
incorpora unos costes intrı́nsecos al proceso de paralelización que en una parte importante
de los algoritmos serán incluso superiores a los necesarios para realizar el mismo cálculo
de forma secuencial con único procesador. Por lo tanto, para abordar el cálculo en paralelo
de los algoritmos de un programa informático es fundamental conocer y decidir qué partes
son susceptibles de paralelización y, lo más importante, en qué partes esta paralelización
será determinante y acelerará el proceso de cálculo de forma efectiva.
A pesar de las ventajas en tiempo de cálculo que puede ofrecer esta técnica es necesario
mencionar que la implementación de algoritmos en paralelo implica un coste considerable
de horas de programación. Por lo tanto, las técnicas de paralelización tienen especial interés
en aquellos programas en los que el ahorro en tiempo de cálculo vaya a ser muy significativo
y el número de simulaciones a realizar con el mismo sea muy elevado.
código que le indican al ordenador cómo distribuir el trabajo entre los distintos procesadores
de cálculo. Estas directivas se pueden incorporar fácilmente y sin apenas modificaciones en
un código de programación secuencial ya existente. Esta técnica es mucho menos versátil
en cuanto a la configuración de los equipos, pero permite realizar cálculos en paralelo con
relativamente poco esfuerzo y con resultados altamente satisfactorios cuando el número de
procesadores no es excesivamente elevado. Este método sólo es aplicable en aquellos equipos
que dispongan de varios procesadores en una misma unidad o nodo, o bien en equipos que
dispongan de procesadores de múltiples núcleos. En la actualidad existen configuraciones
que contemplan las dos alternativas conjuntamente incorporando varios procesadores en un
mismo nodo donde cada procesador a su vez dispone de varios núcleos de cálculo (2 ó 4
habitualmente). Este tipo de configuraciones también permiten la programación mediante
directivas OpenMP y corresponden al tipo de ordenador que se ha empleado para obtener
las soluciones que se presentarán en los ejemplos de aplicación del capı́tulo siguiente.
Las directivas OpenMP se utilizan generalmente como una técnica de “paralelización
a nivel de lazo”. Cuando las operaciones a realizar en cada iteración del lazo son inde-
pendientes (o pueden independizarse) se pueden repartir entre el número de procesadores
disponibles. De este modo, cada procesador ejecuta una porción del número total de itera-
ciones del lazo de forma completamente independiente, lo que supone un ahorro importante
de tiempo de CPU. También se pueden plantear otros niveles y tipos de paralelización
mediante directivas OpenMP, pero su implementación es más compleja y, en general, no
produce una aceleración tan efectiva del cálculo como la que produce la paralelización a
nivel de lazo.
Por otra parte, en los grades centros de supercomputación es habitual el uso, para
cálculo en paralelo, de varios nodos que a su vez contienen varios procesadores de múltiples
núcleos. En consecuencia, no es posible utilizar directivas OpenMP para programar en
paralelo debido a la existencia de varios nodos de cálculo. En estos casos, es necesario
utilizar, por ejemplo, las técnicas de paralelización MPI.
7.5. Resumen
En esta tesis doctoral se propone una metodologı́a especı́fica de análisis para resolver
problemas de optimización topológica de estructuras continuas de mı́nimo peso con res-
tricciones en tensión. Esta metodologı́a se ha desarrollado de forma especı́fica para este
problema atendiendo a sus caracterı́sticas particulares (número de variables del problema,
función objetivo, restricciones, ...). Todos los planteamientos desarrollados para resolver
cada una de las fases del proceso atendiendo al correcto funcionamiento de las mismas pa-
ra este problema e intentando reducir en la medida de lo posible el coste computacional
necesario para obtener su solución.
Por este motivo, se analizan especialmente los tres algoritmos más caros en términos
computacionales del modelo que se desarrolla: el cálculo estructural por Elementos Finitos,
la obtención de las sensibilidades y los algoritmos de optimización.
El método de los Elementos Finitos es una técnica perfectamente conocida y amplia-
mente desarrollada, de modo que una mejora de la eficiencia computacional es difı́cil de
alcanzar. Además, el cálculo estructural no supone un coste computacional excesivo en
comparación con el resto de algoritmos que componen la metodologı́a de optimización com-
pleta.
Por contra, el cálculo del análisis de sensibilidad sı́ que requiere un coste computacional
considerablemente mayor que el requerido para el cálculo estructural. En esta tesis doctoral
126 Tesis Doctoral: Optimización topológica de estructuras
se plantea una metodologı́a que combina dos técnicas analı́ticas de derivación con la fina-
lidad de reducir las necesidades computacionales. Ası́, para obtener las derivadas primeras
completas de las restricciones utilizamos una técnica de derivación mediante la variable
adjunta y para obtener las derivadas direccionales aplicamos una técnica de diferenciación
directa. De este modo se consigue un ahorro significativo tanto en tiempo de CPU como
en memoria de almacenamiento. Además esta técnica nos permite calcular solamente las
derivadas de aquellas restricciones que están activas en cada iteración. Por otra parte, el
análisis de sensibilidad de primer orden de las restricciones en tensión es susceptible de
ser calculado en ordenadores multiprocesador mediante directivas OpenMP en paralelo de
forma muy eficiente.
Finalmente, los algoritmos de optimización que se proponen, y especialmente el algorit-
mo de Programación Lineal Secuencial, también requieren unos recursos computacionales
muy elevados debido al gran número de operaciones que es necesario realizar.
Una vez presentada la metodologı́a completa que se propone en esta tesis doctoral para
la optimización topológica estructural, procederemos a resolver algunos ejemplos tanto para
verificar la validez del modelo como para demostrar su viabilidad en la resolución de casos
de interés práctico.
127
Capı́tulo 8
Ejemplos de aplicación
8.1. Introducción
En este capı́tulo se presentan diversos ejemplos de aplicación en problemas estructura-
les de interés en la ingenierı́a. Los ejemplos que se proponen son estructuras bidimensionales
en tensión plana y en elasticidad lineal. Las formulaciones propuestas se podrı́an aplicar a
problemas tridimensionales sin más que incorporar en el cálculo por Elementos Finitos y
en el análisis de sensibilidad los parámetros correspondientes para este tipo de problemas.
Todos las formulaciones de diseño óptimo que se han desarrollado en esta tesis son fácil-
mente extrapolables a problemas tridimensionales, aunque no se ha calculado ningún caso
debido al elevado coste computacional que requieren. Estas necesidades de cálculo se deben
fundamentalmente al considerable número de elementos, variables de diseño y restricciones
que es necesario utilizar para resolver estos problemas.
Los ejemplos que se muestran se han dividido en tres apartados fundamentales. En el
primero se analizan algunos casos habitualmente empleados en la optimización topológica
de estructuras con la finalidad de validar las formulaciones numéricas propuestas. En el
segundo apartado se analizan ejemplos prácticos con la finalidad de compararlos con las
soluciones propuestas por otros autores como Duysinx y Bendsøe [20] o Pereira, et al. [84]
que emplean tanto formulaciones de máxima rigidez como de mı́nimo peso con restricciones
en tensión. Además, también se incluyen en este apartado ejemplos que resuelven problemas
128 Tesis Doctoral: Optimización topológica de estructuras
habituales en ingenierı́a. Por último, en el tercer apartado se presentan las soluciones obte-
nidas combinando adecuadamente diferentes formulaciones para las restricciones en tensión
ası́ como técnicas de refinamiento de malla y eliminación selectiva de elementos. De este
modo se consiguen soluciones adecuadas reduciendo las necesidades computacionales de los
métodos empleados.
Tal y como se ha propuesto en el capı́tulo 3 el modelo de cálculo estructural es el
Método de los Elementos Finitos. El material utilizado en todos los ejemplos es acero y,
por ello, se utiliza el criterio de comparación de Von Mises para imponer las restricciones
en tensión. El análisis de este problema para otro tipo de materiales que no presenten el
mismo comportamiento a tracción que a compresión se puede realizar incorporando en el
cálculo de estructuras y en el análisis de sensibilidad un criterio de rotura adecuado. Ası́,
por ejemplo, Duysinx [19] propone el uso de otros criterios de comparación para materiales
con distinto lı́mite de rotura a tracción y a compresión. Sin embargo, este tipo de materiales
no son objeto de estudio en esta tesis porque no suponen una limitación para el problema
de optimización topológica que se propone.
Todos los ejemplos de aplicación parten de una solución inicial con todo el dominio
de la estructura lleno de material. Por otra parte, las soluciones iniciales del problema son,
generalmente, factibles. En caso contrario, el algoritmo de optimización se encargará de
obtener una solución factible del problema (siempre que ésta exista) antes de proceder a
optimizarla. Por lo tanto, es importante destacar que, al contrario de lo que ocurre con las
formulaciones de máxima rigidez, no se puede garantizar que todos los problemas de mı́nimo
peso que se planteen tengan solución porque cabe la posibilidad de que no exista debido a
las restricciones en tensión. Es decir, si se aplican unas cargas excesivas sobre el dominio
es posible que ninguna solución sea capaz de soportarlas. Este hecho encaja perfectamente
con la realidad y con los desarrollos habitualmente utilizados en el cálculo de estructuras.
En todos los ejemplos que se plantean se ha empleado un valor de densidad relativa
mı́nimo ρmin = 0.001 para evitar la singularidad de las matrices de rigidez de los elementos.
Este valor es el utilizado habitualmente por otros autores en sus trabajos de optimización
topológica de estructuras. A pesar de esto, pueden considerarse otros valores más pequeños
de la densidad relativa sin condicionar el funcionamiento de las técnicas propuestas.
Por otra parte, los parámetros requeridos por cada una de las formulaciones utilizadas
se han ido modificando a lo largo del proceso de optimización. Esto se debe a que el problema
planteado es, en general, no convexo y, por tanto, no se puede garantizar la obtención de
un óptimo global. Además, estos parámetros influyen en la no convexidad de la formulación
provocando que los algoritmos de optimización puedan detenerse en óptimos locales. Por
ello, los problemas se resuelven partiendo de valores que favorecen la convexidad de la
Capı́tulo 8. Ejemplos de aplicación 129
El primer ejemplo corresponde a una estructura de tipo arco con apoyos fijos en los
extremos y con desplazamientos horizontales coartados. Este ejemplo se estudia porque
su solución es conocida, lo que permite comprobar la validez de las formulaciones que se
proponen.
La figura 8.1 muestra un esquema con las dimensiones del dominio de este problema
ası́ como la posición de las cargas externas aplicadas. Además, se ha incluido el peso propio
de la estructura como una acción estructural. El dominio de la estructura se discretiza
mediante una malla regular de 144 × 54 = 7776 elementos cuadráticos de 8 nodos. El
espesor de la estructura es de 1 m.
La carga externa aplicada de 2.5 105 kN se ha distribuido sobre 6 elementos contiguos
para evitar fenómenos de concentración de tensiones. El material empleado en esta estruc-
tura es acero con una densidad de material γmat = 7650 kg/m3 , un módulo de Young
E = 2.1 105 MPa, un coeficiente de Poisson ν = 0.3 y un lı́mite elástico σ
bmax = 230 MPa.
Las figuras 8.2, 8.3, 8.4, 8.5, 8.6 y 8.7 representan la evolución de los diseños durante el
proceso de optimización ası́ como las soluciones finales obtenidas con las tres formulaciones
propuestas: local, global y por bloques. Como se puede observar la formulación global pro-
porciona una solución diferente a las otras dos formulaciones. Esta solución no corresponde
a la solución óptima de acuerdo con la experiencia ingenieril. Por lo tanto, la formulación
global no se comporta de forma adecuada en condiciones de compresión pura como la que se
obtiene en este caso. En general, este hecho se agudiza con el refinamiento de la malla debi-
do a que en el lı́mite el problema no tiene solución única y es necesario desarrollar técnicas
adicionales para controlar este efecto. Ası́, en ejemplos posteriores se analizará el efecto de
incorporar una penalización sobre el perı́metro de la estructura, lo que ha demostrado ser
muy eficaz para evitar estos problemas.
De todos modos y a pesar de no incorporar el efecto de la penalización sobre el perı́me-
tro, las formulaciones local y por bloques presentan soluciones mucho mejores con distribu-
ciones de material casi idénticas.
Del mismo modo, en las figuras 8.8, 8.9 y 8.10 se representa el estado tensional de
las soluciones obtenidas con las distintas formulaciones que se proponen. De acuerdo con
estas figuras se puede observar que la formulación local de las restricciones garantiza la
factibilidad de las restricciones en tensión para todos los elementos mientras que en el caso
de la formulación global las restricciones en tensión se incumplen ligeramente desde un
Capı́tulo 8. Ejemplos de aplicación 131
punto de vista local. En el caso de la formulación por bloques el estado tensional se asemeja
en mayor medida al obtenido con la formulación local que al obtenido con la formulación
global.
En la tabla 8.1 se recogen los parámetros más representativos del problema ası́ como
los aspectos más relevantes del proceso de optimización para las distintas formulaciones.
El parámetro de penalización p corresponde al exponente que se incorpora en la función
objetivo propuesta en la ecuación (4.4). Asimismo, el parámetro ε corresponde al factor de
relajación que se propone en las ecuaciones (4.16) y (4.17). El parámetro µ corresponde al
factor de agregación de la función global que se propone en la ecuación (4.22).
Como se puede observar, los tiempos de cálculo de la formulación local son superiores
en más de un orden de magnitud a los que necesitan tanto la formulación global como la
formulación por bloques.
Del mismo modo, la memoria de almacenamiento que se requiere se reduce esencial-
mente a la necesaria para la matriz de rigidez estructural en el caso de las formulaciones
con restricciones agregadas. Sin embargo, y como era de esperar, en la formulación local el
análisis de sensibilidad completo de primer orden requiere una capacidad de almacenamiento
mucho mayor que la matriz de rigidez de la estructura.
Por otra parte, el número de iteraciones del algoritmo de optimización empleado es
mucho menor en el caso de la formulación local debido a que la información del análisis de
sensibilidad es mucho más especı́fica que en el caso de las otras dos formulaciones. Esto se
debe al efecto de la agregación de las restricciones y a la alta no-linealidad de la función de
Kreisselmeier-Steinhauser empleada para agregar las restricciones.
Iteración 0 Iteración 20
Iteración 50 Iteración 80
Iteración 0 Iteración 40
Iteración 0 Iteración 40
Figura 8.6: Arco. Evolución de la solución obtenida con la formulación por bloques
Figura 8.7: Arco. Solución óptima obtenida con la formulación por bloques
Capı́tulo 8. Ejemplos de aplicación 135
Figura 8.10: Arco. Tensión normalizada obtenida con la formulación por bloques
136 Tesis Doctoral: Optimización topológica de estructuras
El ejemplo que aquı́ se estudia se ha utilizado como test para validar los algoritmos
desarrollados en esta tesis ya que la solución óptima para este problema es conocida y con-
siste en la utilización de dos barras casi rectilı́neas formando un arco, que trasladan la carga
aplicada hasta los apoyos. Esta solución es la esperable desde un punto de vista estructu-
ral y ha sido contrastada en otras aplicaciones del problema de optimización topológica de
máxima rigidez (Bendsøe [5]).
De acuerdo con los resultados que se obtienen en las figuras 8.3, 8.5 y 8.7, los plan-
teamientos local y por bloques de las restricciones proporcionan configuraciones resistentes
idénticas, si bien la formulación por bloques permite que las tensiones se incumplan ligera-
mente. Por el contrario, la solución que proporciona la formulación global no es adecuada
porque no consigue obtener la estructura en arco.
El modelo que proporciona una mejor solución es el de la formulación por bloques
porque obtiene la estructura resistente óptima y requiere un tiempo de cálculo mucho menor
que la local, tal y como se puede apreciar en la tabla 8.1. La formulación local de las
restricciones también proporciona la solución óptima del problema y garantiza la factibilidad
de todas las restricciones aunque el tiempo de cálculo que requiere hace que sea inviable su
aplicación en la práctica.
a 1 1
V = F a ln + (8.1)
ro P Q
0.06 1 1
3
V [m ] = 6 0.06 ln + = 5.61 10−6 m3 (8.2)
0.01 2.3 105 2.3 105
La figura 8.13 muestra la evolución de la solución hasta el óptimo (figura 8.14) para la
formulación local de las tensiones. La figura 8.15 representa, a su vez, el estado tensional del
diseño final optimizado. Las figuras 8.16 y 8.17 representan la evolución de la solución óptima
y la figura 8.18 muestra su estado tensional para la formulación global de las restricciones.
Las figuras 8.19 y 8.20 exponen la distribución óptima de material con el planteamiento
por bloques de las restricciones y su estado tensional se representa en la figura 8.21. Los
resultados obtenidos con las formulaciones propuestas en esta tesis doctoral (figuras 8.14,
8.17 y 8.20) pueden compararse con la solución teórica propuesta por Michell [52].
138 Tesis Doctoral: Optimización topológica de estructuras
De acuerdo con el estado tensional obtenido en cada caso se puede observar que la
formulación local garantiza la factibilidad de las restricciones en tensión para todos los
elementos mientras que, en el caso de la solución con la formulación global, las restricciones
en tensión locales no se cumplen de forma estricta, como era previsible. Sin embargo, las
restricciones que se incumplen exceden levemente el valor máximo de la tensión permitida.
En el caso del planteamiento por bloques, el estado tensional garantiza en mayor medida la
factibilidad de las restricciones que la formulación global.
En la tabla 8.2 se muestran los principales parámetros del problema ası́ como los
aspectos más significativos del proceso de optimización. Además, también se comparan
las soluciones obtenidas con la teórica de Michell [52].
Figura 8.11: Voladizo Michell. Solución teórica del problema (Michell [52])
Figura 8.12: Voladizo Michell. Planteamiento del problema de optimización (izqda.) y malla
de Elementos Finitos empleada en la resolución (derecha). Unidades en cm
Capı́tulo 8. Ejemplos de aplicación 139
Iteración 0 Iteración 30
Figura 8.13: Voladizo Michell. Evolución de la solución obtenida con la formulación local
140 Tesis Doctoral: Optimización topológica de estructuras
Figura 8.14: Voladizo Michell. Solución óptima obtenida con la formulación local
Figura 8.15: Voladizo Michell. Tensión normalizada de la solución obtenida con la formula-
ción local
Capı́tulo 8. Ejemplos de aplicación 141
Iteración 0 Iteración 50
Figura 8.16: Voladizo Michell. Evolución de la solución obtenida con la formulación global
142 Tesis Doctoral: Optimización topológica de estructuras
Figura 8.17: Voladizo Michell. Solución óptima obtenida con la formulación global
Figura 8.18: Voladizo Michell. Tensión normalizada de la solución obtenida con la formula-
ción global
Capı́tulo 8. Ejemplos de aplicación 143
Iteración 0 Iteración 50
Figura 8.19: Voladizo Michell. Evolución de la solución obtenida con la formulación por
bloques
144 Tesis Doctoral: Optimización topológica de estructuras
Figura 8.20: Voladizo Michell. Solución óptima obtenida con la formulación por bloques
Figura 8.21: Voladizo Michell. Tensión normalizada de la solución obtenida con la formula-
ción por bloques
Capı́tulo 8. Ejemplos de aplicación 145
En este ejemplo se pretende obtener el diseño óptimo de una viga en voladizo con un
apoyo completamente empotrado en su canto izquierdo y con una carga vertical aplicada
en la zona central del canto de la derecha. Las dimensiones del dominio utilizado y la
posición de las cargas externas aplicadas se representan en la figura 8.22. El peso propio de
la estructura también se ha incluido como una acción estructural.
El dominio de la estructura se discretiza mediante una malla regular de 120×60 = 7200
elementos cuadráticos de 8 nodos. El espesor de la estructura es de 0.2 m.
La carga externa aplicada de 2 103 kN se ha distribuido sobre el borde de 7 elementos
contiguos verticalmente para evitar fenómenos de concentración de tensiones.
El material empleado en esta estructura es acero con una densidad de material γmat =
7650 kg/m3 , un módulo de Young E = 2.1 105 MPa, un coeficiente de Poisson ν = 0.3 y un
lı́mite elástico σ
bmax = 230 MPa
Las figuras 8.23 y 8.24 representan la evolución de la solución óptima para este problema
con la formulación local de las restricciones y la figura 8.25 representa su estado tensional.
Las figuras 8.26 y 8.27 muestran la evolución y la solución óptima cuando se plantean las
restricciones en tensión desde el punto de vista global y la figura 8.28 muestra el estado
tensional. Del mismo modo, las figuras 8.29 y 8.30 muestran la evolución de la solución con
el planteamiento por bloques de las restricciones y la figura 8.31 representa el valor de las
tensiones para esta configuración.
Al igual que ocurre con el ejemplo de la viga en voladizo de Michell las soluciones
obtenidas presentan simetrı́a entre la parte inferior y la superior de la estructura debido
a que el comportamiento a tracción y a compresión es análogo y a que el modelo estruc-
tural empleado es lineal (no se han considerado no-linealidades como pandeo o grandes
desplazamientos).
Como se puede observar, la tipologı́a estructural es muy similar para los tres plan-
teamientos. Sin embargo, la formulación local es capaz de definir de forma más precisa la
ubicación de los elementos resistentes. Por otra parte, el número de elementos resistentes
que proporcionan en este caso las formulaciones con restricciones agregadas es elevado dado
que no se impone ninguna condición que limite este efecto. Por el contrario, si se impone
la penalización sobre el perı́metro propuesta en este trabajo, la solución óptima presenta
una distribución de material mucho más concentrada (figuras 8.32 y 8.33) reduciendo no-
tablemente el número de elementos resistentes. La figura 8.34 muestra el estado tensional
de la solución óptima del problema utilizando la restricción por bloques y con penalización
sobre el perı́metro. El grado de cumplimiento de las restricciones de la solución obtenida
Capı́tulo 8. Ejemplos de aplicación 147
es, en general, similar al obtenido sin penalizar el perı́metro ya que, como era previsible, las
restricciones locales no se garantizan estrictamente si bien sólo se incumplen ligeramente.
En la tabla 8.3 se recogen los aspectos más relevantes de todo el proceso de optimiza-
ción para las distintas formulaciones propuestas y se indican los parámetros utilizados para
la resolución de este problema. Los tiempos de cálculo necesarios para resolver el problema
con la formulación local son superiores en más de un orden de magnitud a los necesarios
con las formulaciones global o por bloques. Por otra parte, la necesidad de almacenamiento
en memoria de las formulaciones con restricciones agregadas también es mucho menor dado
que las derivadas de primer orden completas requieren mucha menos capacidad de almace-
namiento que la matriz de rigidez de la estructura. El peso de la estructura resultante es
similar para las tres formulaciones si bien la formulación global presenta un valor ligera-
mente menor debido a que en algunos elementos puede llegar a excederse la tensión máxima
permitida debido a la agregación de las restricciones. La solución con penalización sobre el
perı́metro (figura 8.33) también presenta un peso similar al obtenido sin penalización, lo
que indica que el peso de la estructura es muy poco sensible a modificaciones en la topologı́a
de la estructura. Esto motiva que la disposición y el número de barras que la componen
cambien ligeramente en función de la formulación empleada en cada caso, lo que dificulta
la obtención de una única tipologı́a estructural óptima.
Iteración 0 Iteración 20
Iteración 40 Iteración 60
Iteración 0 Iteración 50
Figura 8.28: Voladizo. Tensión normalizada de la solución obtenida con la formulación global
152 Tesis Doctoral: Optimización topológica de estructuras
Iteración 0 Iteración 70
Figura 8.29: Voladizo. Evolución de la solución obtenida con la formulación por bloques
Capı́tulo 8. Ejemplos de aplicación 153
Figura 8.30: Voladizo. Solución óptima obtenida con la formulación por bloques
Figura 8.31: Voladizo. Tensión normalizada de la solución obtenida con la formulación por
bloques
154 Tesis Doctoral: Optimización topológica de estructuras
Iteración 0 Iteración 70
Figura 8.32: Voladizo. Evolución de la solución obtenida con la formulación por bloques y
penalización sobre el perı́metro
Capı́tulo 8. Ejemplos de aplicación 155
Figura 8.33: Voladizo. Solución óptima obtenida con la formulación por bloques y penali-
zación sobre el perı́metro
Figura 8.34: Voladizo. Tensión normalizada de la solución obtenida con la formulación por
bloques y penalización sobre el perı́metro
156 Tesis Doctoral: Optimización topológica de estructuras
total. Esta diferencia en la cantidad de material a emplear provoca que las configuraciones
obtenidas sean diferentes. Este hecho realza la limitación que supone la imposición de una
restricción en volumen no justificada desde un punto de vista estructural estructural.
La formulación local proporciona un diseño en el que todas las restricciones locales se
cumplen estrictamente. Por el contrario, la formulación global y por bloques permiten que
algunas restricciones locales se incumplan ligeramente.
En la tabla 8.4 se indican los parámetros que se han utilizado para la resolución del
problema que se plantea ası́ como los aspectos más relevantes del proceso de optimización
para las distintas formulaciones utilizadas. En esta tabla se pueden comparar parámetros
muy importantes relativos a los tiempos de ejecución requeridos en cada caso o el número
de iteraciones necesarias del algoritmo de optimización. De acuerdo con esta tabla el tiempo
de cálculo necesario para obtener la solución óptima con la formulación local es casi dos
órdenes de magnitud mayor que para la formulación global. En el caso de la formulación por
bloques los requerimientos computacionales también son considerables dado que el número
de bloques empleado para este problema y el número de restricciones activas son elevados.
Por otra parte, el peso de la estructura es similar para los tres planteamientos, si bien la
formulación global proporciona valores menores debido al efecto de la agrupación de las
restricciones.
Figura 8.37: Viga MBB. Viga en la sección central del fuselaje del avión Airbus A380.
(www.diplomatie.gouv.fr/en/album.php3?id article=4375&debut image=2)
Figura 8.38: Viga MBB. Detalle de viga de fuselaje de Airbus A380. (Aviation Week &
Space Technology, 20 de noviembre de 2006, pág. 34)
160 Tesis Doctoral: Optimización topológica de estructuras
Iteración 0
Iteración 20
Iteración 50
Iteración 80
Figura 8.39: Viga MBB. Evolución de la solución obtenida con la formulación local
Capı́tulo 8. Ejemplos de aplicación 161
Iteración 120
Iteración 150
Figura 8.40: Viga MBB. Evolución de la solución obtenida con la formulación local (conti-
nuación)
Figura 8.41: Viga MBB. Solución óptima obtenida con la formulación local
Figura 8.42: Viga MBB. Tensión normalizada de la solución obtenida con la formulación
local
162 Tesis Doctoral: Optimización topológica de estructuras
Iteración 0
Iteración 50
Iteración 120
Iteración 200
Figura 8.43: Viga MBB. Evolución de la solución obtenida con la formulación global
Capı́tulo 8. Ejemplos de aplicación 163
Iteración 400
Iteración 600
Figura 8.44: Viga MBB. Evolución de la solución obtenida con la formulación global (con-
tinuación)
Figura 8.45: Viga MBB. Solución óptima obtenida con la formulación global
Figura 8.46: Viga MBB. Tensión normalizada de la solución obtenida con la formulación
global
164 Tesis Doctoral: Optimización topológica de estructuras
Iteración 0
Iteración 50
Iteración 200
Iteración 400
Figura 8.47: Viga MBB. Evolución de la solución obtenida con la formulación por bloques
Capı́tulo 8. Ejemplos de aplicación 165
Iteración 600
Iteración 800
Figura 8.48: Viga MBB. Evolución de la solución obtenida con la formulación por bloques
(continuación)
Figura 8.49: Viga MBB. Solución óptima obtenida con la formulación por bloques
Figura 8.50: Viga MBB. Tensión normalizada de la solución obtenida con la formulación
por bloques
166 Tesis Doctoral: Optimización topológica de estructuras
Este ejemplo se ha resuelto en esta tesis doctoral como una de las aplicaciones prácti-
cas más habituales de las formulaciones de optimización topológica de estructuras que se
proponen en la bibliografı́a. De este modo, podremos comparar los diseños obtenidos para
esta viga con los propuestos por otros autores como Bendsøe [5] o Duysinx y Bendsøe [20].
Los diseños que se obtienen con las tres formulaciones son esencialmente equivalentes para
este ejemplo porque presentan una configuración resistente y con un número de elemen-
tos estructurales (barras) muy similar. Además, con la formulación propuesta en esta tesis
doctoral se puede garantizar que la estructura final soportará las cargas a las que está some-
tida. Por otra parte, la distribución de material que proporciona la formulación de máxima
rigidez es diferente de la que se obtiene con los modelos de mı́nimo peso como los que se
proponen en esta tesis doctoral o como los que propone Duysinx y Bendsøe [20].
Tal y como se ha planteado anteriormente, las tres formulaciones que se desarrollan
en esta tesis producen soluciones estructurales adecuadas. Por lo tanto, el algoritmo de
resolución más adecuado será el que proporcione un mejor control sobre las restricciones en
tensión y que requiera un coste computacional menor. En este caso, tanto la formulación
global como por bloques requieren unas necesidades computacionales reducidas y controlan
de forma precisa los valores de las tensiones en todo el dominio.
Como se puede observar, las soluciones obtenidas con cualquiera de los métodos que se
proponen son mejores que las obtenidas por Duysinx incorporando restricciones en tensión
(figura 8.51) y que las obtenidas mediante planteamientos de máxima rigidez, sin necesidad
de utilizar técnicas de filtrado y suavizado para evitar disposiciones en damero.
Figura 8.51: Viga MBB. Solución de máxima rigidez de Duysinx y Bendsøe [20]
Capı́tulo 8. Ejemplos de aplicación 167
Tabla 8.4: Viga MBB. Resumen de los principales parámetros y necesidades computacionales
168 Tesis Doctoral: Optimización topológica de estructuras
de los elementos resistentes de las mismas, si bien estas diferencias no son muy significativas
en este caso. Sin embargo, si la fracción de volumen que se utiliza como restricción en el
modelo de máxima rigidez fuese diferente la solución también lo serı́a independientemente
de la carga aplicada, lo que es inexplicable desde un punto de vista estructural. En este
problema, por ejemplo, la restricción en la cantidad de material impone el uso de un 30 %
del volumen total mientras que los ejemplos que aquı́ se resuelven proporcionan diseños
optimizados que presentan en torno a un 14 %. Además, la formulación de máxima rigidez
no garantiza que la solución estructural obtenida soporte las cargas aplicadas.
En la tabla 8.5 se muestran los parámetros más importantes del problema ası́ como
los aspectos más relevantes del proceso de optimización para las distintas formulaciones
utilizadas. En esta tabla se pueden comparar parámetros muy importantes relativos a los
tiempos de cálculo requeridos en cada caso o el número de iteraciones empleadas por el
algoritmo de optimización.
En este ejemplo también es destacable que el tiempo de cálculo requerido por el plan-
teamiento con restricciones locales supera en más de un orden de magnitud los tiempos de
cálculo empleados por cualquiera de los dos modelos con restricciones agregadas. Además,
la memoria de cálculo necesaria también es mucho mayor que en el caso de las formulaciones
con restricciones agregadas debido fundamentalmente a la necesidad de almacenamiento del
análisis de sensibilidad completo de primer orden de las restricciones.
Iteración 0 Iteración 30
Iteración 0 Iteración 50
Iteración 0 Iteración 50
Figura 8.59: Viga en L. Evolución de la solución obtenida con la formulación por bloques
Capı́tulo 8. Ejemplos de aplicación 175
Figura 8.60: Viga en L. Solución óptima obtenida con la formulación por bloques
Figura 8.61: Viga en L. Tensión normalizada de la solución obtenida con la formulación por
bloques
176 Tesis Doctoral: Optimización topológica de estructuras
Figura 8.62: Viga en L. Solución óptima de máxima rigidez (Duysinx y Bendsøe [20])
ciona una solución con un número mayor de elementos resistentes pero garantiza el estado
tensional. De acuerdo con estos resultados parece más adecuado utilizar la formulación local
de las restricciones que los modelos con restricciones agregadas. Además, como se puede
observar en la tabla 8.5, el peso de las soluciones obtenidas con las tres formulaciones es
muy similar a pesar de que las distribuciones de material de las mismas son claramente
diferentes, lo que indica que la función objetivo apenas varı́a para distintas tipologı́as resis-
tentes. Consecuentemente, la obtención de la solución óptima más adecuada se vuelve más
complicada.
Este ejemplo corresponde a una estructura hiperestática formada por una viga continua
de dos vanos. La viga se encuentra apoyada en sus extremos y el centro. Los movimientos
horizontales están permitidos y se aplica una carga vertical de 6 103 kN en la parte central
del vano izquierdo (fig. 8.63) que se aplica de forma distribuida sobre dos elementos. El peso
propio de la estructura también se ha considerado en este caso como una acción estructural.
El dominio de la estructura se discretiza mediante una malla rectangular y regular de
200 × 20 = 4000 elementos cuadráticos de 8 nodos. El espesor de la estructura es de 0.30 m.
El material empleado en esta estructura es acero con una densidad de material γmat =
7650 kg/m3 , un módulo de Young E = 2.1 105 MPa, un coeficiente de Poisson ν = 0.3 y un
lı́mite elástico σ
bmax = 230 MPa
Las figuras 8.64 a 8.72 muestran el proceso evolutivo de la solución óptima ası́ como el
estado tensional para los distintos modelos que se proponen en esta tesis. Como se puede
observar en las soluciones obtenidas la distribución óptima de material es muy similar para
los tres planteamientos si bien la formulación global proporciona soluciones con un menor
número de elementos resistentes de forma natural. El estado tensional de la formulación
global no satisface estrictamente las restricciones desde un punto de vista local pero tampoco
permite que se excedan de forma importante.
En la tabla 8.6 se indican los aspectos más significativos del proceso de optimización
ası́ como los parámetros más importantes del problema para las distintas formulaciones
que se utilizan. En esta tabla se pueden analizar datos relativos a los tiempos de cálculo
utilizados en cada caso o el número de iteraciones del algoritmo de optimización.
Iteración 0
Iteración 30
Iteración 70
Iteración 120
Iteración 200
Iteración 300
Figura 8.64: Viga 2 vanos. Evolución de la solución obtenida con la formulación local
Figura 8.65: Viga 2 vanos. Solución óptima obtenida con la formulación local
Figura 8.66: Viga 2 vanos. Tensión normalizada de la solución obtenida con la formulación
local
180 Tesis Doctoral: Optimización topológica de estructuras
Iteración 0
Iteración 50
Iteración 200
Iteración 420
Iteración 640
Iteración 860
Figura 8.67: Viga 2 vanos. Evolución de la solución obtenida con la formulación global
Figura 8.68: Viga 2 vanos. Solución óptima obtenida con la formulación global
Figura 8.69: Viga 2 vanos. Tensión normalizada de la solución obtenida con la formulación
global
Capı́tulo 8. Ejemplos de aplicación 181
Iteración 0
Iteración 50
Iteración 200
Iteración 420
Iteración 640
Iteración 860
Figura 8.70: Viga 2 vanos. Evolución de la solución obtenida con la formulación por
bloques
Figura 8.71: Viga 2 vanos. Solución óptima obtenida con la formulación por bloques
Figura 8.72: Viga 2 vanos. Tensión normalizada de la solución obtenida con la formulación
por bloques
182 Tesis Doctoral: Optimización topológica de estructuras
Tabla 8.6: Viga 2 vanos. Resumen de los principales parámetros y aspectos computacionales
184 Tesis Doctoral: Optimización topológica de estructuras
Figura 8.73: Soporte en voladizo. Planteamiento del problema (unidades en cm) y malla de
elementos finitos utilizada
Iteración 0 Iteración 20
Figura 8.76: Soporte en voladizo. Solución óptima obtenida con la formulación local
Figura 8.77: Soporte en voladizo. Tensión normalizada de la solución obtenida con la for-
mulación local
188 Tesis Doctoral: Optimización topológica de estructuras
Iteración 0 Iteración 50
Figura 8.78: Soporte en voladizo. Evolución de la solución obtenida con la formulación global
Capı́tulo 8. Ejemplos de aplicación 189
Figura 8.79: Soporte en voladizo. Solución óptima obtenida con la formulación global
Figura 8.80: Soporte en voladizo. Tensión normalizada de la solución obtenida con la for-
mulación global
190 Tesis Doctoral: Optimización topológica de estructuras
Iteración 0 Iteración 50
Figura 8.81: Soporte en voladizo. Evolución de la solución obtenida con la formulación por
bloques
Capı́tulo 8. Ejemplos de aplicación 191
Figura 8.82: Soporte en voladizo. Solución óptima obtenida con la formulación por bloques
Figura 8.83: Soporte en voladizo. Tensión normalizada de la solución obtenida con la for-
mulación por bloques
192 Tesis Doctoral: Optimización topológica de estructuras
El problema del soporte en voladizo propuesto en este ejemplo es una estructura que
podrı́a corresponder al diseño resistente de un elemento de fijación como puede ser un
soporte de un motor o de cualquier otro tipo de dispositivo. Las dimensiones de la pieza
y la geometrı́a de la misma se han adaptado para que representen de forma adecuada las
condiciones habituales de este tipo de elementos resistentes.
Como se puede apreciar en las figuras 8.76, 8.79 y 8.82 las soluciones obtenidas con
los tres planteamientos proporcionan esquemas resistentes adecuados. La formulación local
de las restricciones proporciona una solución con un número de barras adecuado y una
geometrı́a perfectamente definida. Además, esta estructura resistente guarda cierta similitud
con la propuesta en el ejemplo del voladizo de Michell dado que parte de la estructura se
comporta del mismo modo que en este caso. Además, al igual que ocurrı́a con el ejemplo
del voladizo de Michell, el diseño final presenta una configuración simétrica debido a que el
modelo estructural es lineal y el material presenta un comportamiento análogo a tracción
y a compresión.
La solución obtenida con el análisis global de las restricciones también proporciona
una solución adecuada aunque el número de elementos resistentes es más reducido. La
formulación por bloques proporciona una distribución de material similar a la obtenida con
la restricción global pero, además de mejorar el estado tensional de la solución, presenta un
número mayor de barras.
Los diseños que se obtienen con la formulaciones propuestas en esta tesis doctoral
confirman que los esquemas resistentes iniciales utilizados en otras disciplinas como la opti-
mización de formas pueden ser erróneos y en consecuencia los diseños finales también lo son.
Este hecho se puede comprobar fácilmente en este problema dado que la solución mediante
optimización de formas fue propuesta por Zhang (figura 8.84). Como se puede comprobar
la distribución de elementos resistentes es diferente.
Por lo tanto, a partir de los resultados obtenidos se puede deducir que cualquiera
de los tres algoritmos propuestos produce una solución adecuada. Sin embargo, el diseño
obtenido mediante el planteamiento local no se considera viable debido a las necesidades
computacionales que requiere. El modelo más adecuado para este problema corresponde a
la aproximación por bloques porque proporciona una solución más refinada que la formula-
ción global, garantiza en mayor medida las restricciones en tensión y no requiere un coste
computacional excesivo.
Capı́tulo 8. Ejemplos de aplicación 193
Las técnicas y formulaciones que se utilizan en los ejemplos anteriores pueden a su vez
aplicarse de forma combinada de la forma que mejor convenga en cada caso. De acuerdo con
esta idea, pueden emplearse distintos planteamientos para cada fase del diseño y en función
del grado de refinamiento de la malla.
Si se tienen en cuenta las limitaciones en tiempo de cálculo que impone la formulación
local parece adecuado utilizar este método para obtener la solución más adecuada con una
malla no muy fina y ası́ conseguir una primera solución fiable en un tiempo de cálculo
razonable y luego refinar la malla con las técnicas que se han planteado en el capı́tulo 5. Las
sucesivas mallas refinadas pueden resolverse con cualquiera de los tres algoritmos propuestos
en función del número de elementos resultantes tras el remallado. Si las mallas presentan
un número de elementos reducido pueden resolverse con la aproximación local pero si el
número de elementos es elevado es necesario utilizar la formulación global o por bloques.
Además, los modelos que agregan las tensiones funcionan mejor con mallas refinadas dado
que el número de restricciones locales activas es mucho mayor que en las originales y, por
lo tanto, representa de forma más adecuada el modelo local.
Figura 8.85: Viga Michell. Planteamiento del problema (izqda.) y malla de elementos finitos
(dcha.). Unidades en cm
lución, los algoritmos que agregan las restricciones locales de tensión funcionarán de forma
más eficiente dado que el número de restricciones activas en las mallas refinadas es mucho
mayor que para las mallas originales. De este modo, las restricciones globales garantizan en
mayor medida el cumplimiento de las restricciones locales incluso si se utilizan valores más
pequeños del factor de agregación µ.
Por lo tanto, a partir de la solución de la figura 8.87 (arriba) podemos obtener una
malla refinada (figura 8.88) eliminando aquellos elementos que cumplen que ρe < 0.002.
Sobre esta malla refinada se puede aplicar el algoritmo de optimización que agrupa las
restricciones por bloques para evitar emplear unos tiempos de cálculo demasiado elevados.
De este modo se obtiene una solución más refinada tal y como se puede apreciar en la
figura 8.90 y con un número de variables de diseño más reducido.
Las distribuciones obtenidas se pueden comparar con las soluciones teóricas que propuso
Michell [52] para este problema, que indican que el volumen de material necesario para
soportar una carga F se obtiene como:
1 π 1 1
V = Fa + + (8.3)
2 4 P Q
siendo F la carga aplicada, 2a la luz de la viga, P el lı́mite elástico a tracción y Q el lı́mite
elástico a compresión.
196 Tesis Doctoral: Optimización topológica de estructuras
Iteración 0 Iteración 30
Figura 8.86: Viga Michell. Evolución de la solución obtenida con la formulación local
Capı́tulo 8. Ejemplos de aplicación 197
Figura 8.87: Viga Michell. Solución óptima (arriba) y tensión normalizada (abajo) obtenida
con la formulación local
198 Tesis Doctoral: Optimización topológica de estructuras
Figura 8.88: Viga Michell. Malla refinada eliminando los elementos con ρe < 0.002
Capı́tulo 8. Ejemplos de aplicación 199
Iteración 0 Iteración 30
Figura 8.89: Viga Michell. Evolución de la solución del problema remallado obtenida con la
formulación por bloques
200 Tesis Doctoral: Optimización topológica de estructuras
Figura 8.90: Viga Michell. Solución óptima del problema remallado obtenida con la formu-
lación por bloques
Figura 8.91: Viga Michell. Tensión normalizada del problema remallado obtenida con la
formulación por bloques
Capı́tulo 8. Ejemplos de aplicación 201
La obtención del diseño óptimo para el problema de la viga de Michell con carga
centrada también se ha utilizado de forma habitual como ejemplo de la validez de los
modelos de optimización topológica. Este problema se resuelve, además, para comprobar
la validez de la metodologı́a de refinamiento de malla que se propone porque se pueden
comparar las soluciones obtenidas ası́ como la cantidad de material utilizada con la teórica.
Esta comparativa se puede analizar en la tabla 8.8 y en las figuras 8.90 y 8.92.
Este ejemplo se ha resuelto con la aproximación local de las restricciones dado que
tanto el número de elementos de la malla original como de la refinada no es muy elevado, lo
que nos permite obtener el diseño óptimo en un tiempo de cálculo elevado pero asumible.
Además, también se ha incorporado la penalización por perı́metro de la función objetivo
obteniendo una distribución de material mejor definida aunque con un número menor de
elementos resistentes que los que se proponen en la solución teórica. Es importante destacar
que los diseños obtenidos mantienen la simetrı́a entre la parte superior e inferior de la
estructura debido a que el material es elástico y lineal y presenta el mismo comportamiento
a tracción que a compresión.
202 Tesis Doctoral: Optimización topológica de estructuras
F. Local F. L. Rem.
VIGA MICHELL (Fig. 8.87) (Fig. 8.90)
Número de elementos 1800 1688
Número de elementos 1800 1688
Número de iteraciones 406 404
Penalización (p) 2 2
Relajación (ε) 0.004 0.005
Peso final (kN) 2.02 10−3 2.16 10−3
Volumen obtenido (m3 ) 2.64 10−5 2.82 10−5
Volumen teórico (m3 ) 2.79 10−5 2.79 10−5
Tiempo de cálculo (s×103 ) 47.2 91.9
Memoria (Mb) 36.6 35.36
Tabla 8.8: Viga Michell. Resumen de los parámetros y aspectos computacionales más
importantes
Capı́tulo 8. Ejemplos de aplicación 203
Figura 8.93: Biela. Planteamiento del problema (unidades en cm) (izqda.) y malla de Ele-
mentos Finitos empleada para su resolución (dcha.)
Capı́tulo 8. Ejemplos de aplicación 205
que el dominio ahora se ajusta en mayor medida a la solución final es previsible que un
mayor número de restricciones se encuentren activas durante el proceso de optimización,
lo que garantiza que las restricciones globales que se utilizan representen de forma más
adecuada las restricciones locales. Por este motivo es posible reducir el valor del parámetro
de agregación (µ) sin disminuir de forma apreciable la eficacia de las restricciones globales.
Por tanto, si ahora se plantea la resolución del mismo problema eliminando los ele-
mentos con densidades relativas muy bajas (ρ < 0.005, por ejemplo) y dividiendo cada uno
de ellos en cuatro nuevos se obtiene una malla de 13600 elementos cuadráticos de 8 nodos
(figura 8.98) en vez de los 37640 (4×9410) que, teóricamente, serı́an necesarios.
En la figura 8.101 (izqda.) se representa la solución obtenida con la formulación por
bloques sobre la malla refinada sin imponer una penalización sobre el perı́metro de la estruc-
tura. Debido a esto, la distribución de material no se corresponde con la más intuitiva desde
un punto de vista ingenieril. Sin embargo, esta solución es correcta ya que ante solicitaciones
de compresión o de tracción pura, como ocurre en este caso, el problema no presenta una
única distribución óptima de material. El problema de optimización se reduce, en este caso,
a obtener la mı́nima sección transversal que soporte las cargas. Su ubicación no determina
de forma unı́voca la capacidad resistente ante esfuerzos de compresión o de tracción pura.
Para conseguir una distribución de material más compacta es necesario imponer la penali-
zación sobre el perı́metro. De este modo se consigue que los distintos elementos resistentes
a compresión pura obtenidos en la figura 8.101 (izqda.) se concentren en un único elemento
con la misma sección resistente, tal y como se puede apreciar en la figura 8.101 (centro).
Esta solución es la esperable desde un punto de vista ingenieril y muestra la validez de la
penalización sobre el perı́metro para obtener problemas bien planteados. El estado tensional
de esta solución se puede observar, a su vez, en la figura 8.101 (dcha.).
En la tabla 8.9 se muestran algunos de los parámetros más representativos de las
formulaciones que se proponen y los datos más relevantes en términos computacionales
(tiempo de cálculo y almacenamiento en memoria) con la finalidad de comparar los modelos
y las soluciones obtenidas con las distintas formulaciones y con las técnicas de refinamiento
y eliminación selectiva de elementos.
206 Tesis Doctoral: Optimización topológica de estructuras
Iteración 0 Iteración 30
Figura 8.94: Biela. Evolución de la solución obtenida con la formulación por bloques
Capı́tulo 8. Ejemplos de aplicación 207
Figura 8.95: Biela. Evolución de la solución obtenida con la formulación por bloques (con-
tinuación I)
208 Tesis Doctoral: Optimización topológica de estructuras
Figura 8.96: Biela. Evolución de la solución obtenida con la formulación por bloques (con-
tinuación II)
Capı́tulo 8. Ejemplos de aplicación 209
Figura 8.97: Biela. Solución óptima del problema obtenida con la formulación por bloques
(izqda.) y tensión normalizada (dcha.)
210 Tesis Doctoral: Optimización topológica de estructuras
Figura 8.98: Biela. Malla de Elementos Finitos refinada eliminando los elementos con ρ <
0.005
Capı́tulo 8. Ejemplos de aplicación 211
Figura 8.99: Biela. Evolución de la solución obtenida con la formulación por bloques con
penalización sobre el perı́metro
212 Tesis Doctoral: Optimización topológica de estructuras
Figura 8.100: Biela. Evolución de la solución obtenida con la formulación por bloques con
penalización sobre el perı́metro (continuación)
Capı́tulo 8. Ejemplos de aplicación 213
Figura 8.101: Biela. Solución óptima obtenida con la formulación por bloques sin penali-
zación en el perı́metro (izqda.), solución óptima obtenida con penalización en el perı́metro
(centro) y tensión normalizada (dcha.)
214 Tesis Doctoral: Optimización topológica de estructuras
F. Bloques F. B. Rem.
BIELA (Fig. 8.97) (Fig. 8.101)
Número de elementos 9410 13600
Número de restricciones 94 100
Número de iteraciones 425 334
Penalización (p) 2 2
Relajación (ε) 0.005 0.01
Agregación (µ) 40 20
Peso final (kN) 5.838 10−3 5.685 10−3
Tiempo de cálculo (s×103 ) 79.2 118.6
Memoria (Mb) 178.4 215.4
Tabla 8.9: Biela. Resumen de los parámetros y aspectos computacionales más importantes
216 Tesis Doctoral: Optimización topológica de estructuras
8.5. Conclusiones
tanto, es necesario utilizar o bien la aproximación global o bien la agrupación por bloques
de las restricciones para reducir el coste computacional. Tal y como se ha comprobado con los
ejemplos de aplicación práctica analizados la formulación global presenta, en algunos casos,
soluciones que no son adecuadas para una parte significativa de los problemas tratados. Por
este motivo, se propone la formulación por bloques de restricciones como la técnica más
fiable para resolver los problemas que se han planteado y en un tiempo de cálculo asumible.
Además, si el grado de discretización de las mallas utilizado aumenta la formulación local
pasará a requerir tiempos de cálculo mucho mayores y la formulación global tendrá que
representar todas las restricciones en tensión a través de una única función, lo que supone
dificultades e inestabilidades numéricas debido a la elevada no-linealidad de la misma. La
formulación por bloques es más versátil porque permite modificar el número de restricciones
a utilizar y, en consecuencia, el grado de control que se establece sobre las tensiones.
En los ejemplos que se han analizado en esta tesis se ha propuesto la utilización de
bloques de distintos tamaños en función del número de elementos del problema. La elección
del tamaño más adecuado de estos bloques responde en gran medida a las necesidades com-
putacionales que se requieren en cada caso y al grado de aproximación de las restricciones
locales exigido. Los ejemplos estudiados muestran que la utilización de bloques con menos
de 100 elementos produce resultados adecuados. Sin embargo, si se considera que el núme-
ro de elementos utilizados en la formulación global es mucho mayor, es previsible que el
número de elementos por bloque pueda aumentarse considerablemente. En los ejemplos que
se proponen en esta tesis se han utilizado, de forma aproximada, tantas restricciones (blo-
ques) como elementos se agrupan en cada bloque y los resultados obtenidos son altamente
satisfactorios.
218 Tesis Doctoral: Optimización topológica de estructuras
219
Capı́tulo 9
9.1.1. Resumen
En esta tesis doctoral se lleva a cabo el estudio del problema de optimización topológica
de estructuras continuas a través de planteamientos que minimizan el peso e imponen res-
tricciones sobre las tensiones máximas admisibles. La formulación que se propone es general
y permite a su vez utilizar restricciones adicionales de diferentes tipos ası́ como una función
objetivo diferente.
Esta formulación se desarrolla como alternativa a los planteamientos de máxima ri-
gidez que tradicionalmente se han utilizado para abordar este problema y ası́ evitar los
graves inconvenientes que presentan. El modelo desarrollado en esta tesis doctoral aborda
un problema, mucho más habitual en ingenierı́a que el de máxima rigidez, que consiste en el
diseño óptimo de mı́nimo peso o coste que soporta las restricciones estructurales impuestas,
normalmente, a través de leyes o normas.
Para plantear el problema se han desarrollado diferentes formulaciones que incorporan
el efecto de las restricciones. Un primer planteamiento del problema consiste en establecer
220 Tesis Doctoral: Optimización topológica de estructuras
una restricción en tensión en cada elemento de la malla elementos finitos. Este planteamiento
se denomina por este motivo formulación local de las restricciones. Otra de las metodologı́as
para imponer restricciones en tensión que se ha propuesto en esta tesis doctoral consiste
en la agrupación de todas las tensiones locales presentadas anteriormente a través de una
función global. Por este motivo este planteamiento se denomina habitualmente formulación
global. Asimismo también se propone en esta tesis doctoral el planteamiento de restricciones
sobre bloques de elementos. Para ello se utiliza la función global propuesta anteriormente
aplicada sobre un número predefinido de grupos de elementos en los que se divide la malla.
El problema estructural resultante se resuelve mediante el Método de los Elementos
Finitos para problemas bidimensionales en tensión plana. Sin embargo, todo el desarrollo
que se propone en esta tesis es fácilmente extrapolable a problemas en tres dimensiones sin
más que realizar el cálculo estructural y el análisis de sensibilidad correspondiente.
El problema de optimización se resuelve utilizando un algoritmo de Programación Li-
neal Secuencial (SLP) con búsqueda unidireccional cuadrática (QLS) para evitar los fenóme-
nos oscilatorios en torno a la solución.
• Presenta un planteamiento del problema de diseño óptimo mucho más realista que
minimiza el coste de la estructura bajo restricciones en tensión.
• Presenta una función objetivo que permite minimizar el coste de la estructura además
de penalizar la existencia de elementos de la malla con densidad relativa intermedia.
• Un planteamiento global de las restricciones que agrega el efecto de todas las restriccio-
nes locales mediante una única función que las representa: la función de Kreisselmeier-
Steinhausser.
• Estudiar nuevas fórmulas para establecer de forma más adecuada la función objetivo
y estudiar problemas con funciones objetivo distintas a la de mı́nimo peso o coste.
• Plantear el uso de nuevos métodos que reduzcan los efectos de dependencia de la malla
y proporcionen soluciones con un menor número de elementos resistentes que, por lo
tanto, serán más fáciles de construir en la práctica.
Apéndice A
Desarrollo de un algoritmo de
Programación Lineal Secuencial
A.1. Introducción
Hallar x = {xi }, i = 1, . . . , n
que minimice F (x)
(A.1)
verificando Gj (x) ≤ 0, i = 1, . . . , m
ρmin ≤ ρi ≤ ρmax , i = 1, . . . , n
donde x son las variables de diseño, F es la función objetivo del problema y Gj son las
restricciones que se imponen. El parámetro m corresponde al número de restricciones y el
parámetro n corresponde al número de variables de diseño del problema.
Las variables de diseño son aquellos parámetros (geometrı́a, propiedades del material...)
que se pueden modificar para obtener la configuración óptima. De modo similar, las cons-
tantes de diseño son los parámetros de la estructura que permanecen invariables y que, por
lo tanto, no entran a formar parte activa del proceso de optimización.
La función objetivo es el indicador del parámetro o caracterı́stica del problema (peso,
coste, rigidez...) que se pretende optimizar. En general, gran parte de los problemas de
optimización pretenden minimizar el valor de la función objetivo. De un modo similar, los
problemas de maximización se resuelven minimizando la función objetivo opuesta.
Las restricciones, como ya se ha indicado en la introducción, son las condiciones que
limitan el rango de validez de las variables de diseño y, por lo tanto, las posibles soluciones
finales. Un caso particular de restricciones son aquellas que se establecen directamente sobre
el valor de cada una de las variables de diseño limitando su valor (mı́nimo y/o máximo).
Este tipo de restricciones recibe el nombre de restricciones laterales y serán tratadas de
forma especial por sus caracterı́sticas particulares durante el proceso de optimización.
En la mayor parte de los problemas de optimización de estructuras las variables de di-
seño x son dimensiones de elementos (optimización de dimensiones), dimensiones geométri-
Apéndice A. Desarrollo de un algoritmo de Programación Lineal Secuencial 227
El algoritmo Simplex fue planteado originalmente por George B. Dantzig en 1947 para
la optimización de sistemas de logı́stica y distribución en los servicios militares estadouni-
denses (Dantzig [15]). Su funcionamiento se basa en el aprovechamiento de las propiedades
228 Tesis Doctoral: Optimización topológica de estructuras
f = −x1 − x2
(A.2)
g = −2x1 + x2 + 2 ≤ 0,
siendo f la función objetivo a minimizar, g la restricción y x1 , x2 las variables de diseño.
Además de esta restricción, el algoritmo incorpora de forma natural un lı́mite lateral
inferior que garantiza que las variables de diseño sean positivas.
La figura A.1 representa el problema de optimización planteado en (A.2). Como se
puede observar, la solución óptima corresponde a uno de los dos extremos del intervalo.
menor que el número de vértices del subespacio. Esta particularidad es la que provoca que
este algoritmo pueda aplicarse a problemas con un número elevado de restricciones y de
variables de diseño.
En general, los problemas de optimización que se pueden resolver con las técnicas de
Programación Lineal se plantean de forma general como:
minimizar cT x
sujeto a Ax = b, A:m×n (A.3)
0 ≤ xi ≤ ui , i = 1, . . . , n
minimizar cT x
sujeto a Ax = b, A:m×n (A.4)
li ≤ xi ≤ ui , i = 1, . . . , n
donde li y ui son los lı́mites inferiores y superiores, respectivamente, de las variables de
diseño (xi ). El lı́mite inferior se toma habitualmente como li = 0 para simplificar la formu-
lación.
Este problema de Programación Lineal presentado de forma compacta puede desarro-
llarse en forma matricial de acuerdo con una forma de presentación estándar (standard
form) que facilita la posterior aplicación del algoritmo Simplex. La forma estándar propues-
ta propuesta por Dantzig [15] es
x1 ≥ l1 , x2 ≥ l2 , ··· , xn ≥ ln , y
x1 ≤ u1 , x2 ≤ u2 , ··· , xn ≤ un .
que de forma simplificada escribiremos en la forma matricial:
variables del problema como sean necesarias para que el sistema quede determinado y se
minimice la función objetivo.
Ası́, durante todo este proceso el algoritmo de Programación Lineal se puede escribir
en su forma canónica como:
b − Ax
IxB = b b N, (A.7)
Por lo tanto, si partimos de una solución inicial válida dispondremos de una base de
variables dependientes (xB ) ası́ como de las variables independientes (xN ) del problema. A
partir de esta solución inicial, el algoritmo Simplex se encargará de encontrar la solución
que además de ser válida sea la óptima.
El proceso de obtención de una solución inicial válida puede resultar, en ocasiones,
incluso más complejo que la propia optimización. Por este motivo se propondrá un algoritmo
especı́fico basado también en el algoritmo Simplex para calcularla. De acuerdo con este
planteamiento de Programación Lineal se desarrolla, normalmente, en dos fases diferentes.
La fase I corresponde a la búsqueda de la solución básica inicial y la fase II corresponde al
proceso de optimización de esa solución una vez ha sido encontrada.
En esta parte del desarrollo supondremos que la solución inicial del problema ha sido
previamente calculada y, por lo tanto, nos centraremos ahora en la optimización de la
solución obtenida con el algoritmo de Programación Lineal (Simplex). Posteriormente, se
explicará una forma adecuada de obtenerla.
Debido al carácter lineal de la función objetivo y de las restricciones, la solución óptima
del problema corresponde a uno de los vértices de la región de diseño linealizada. Por lo
tanto, su valor se obtiene como resultado de la intersección de las restricciones. Para que
la solución al sistema de ecuaciones resultante de imponer las restricciones del problema
sea compatible y determinado, es necesario utilizar como incógnitas tantas variables como
restricciones tenga el problema y fijar el valor del resto de las variables siempre que el número
de variables de diseño sea mayor que el de restricciones. En caso contrario, aplicaremos estas
técnicas sobre el espacio dual.
Tal y como se ha planteado previamente, las variables que toman un valor predefinido
de antemano son las independientes (xN ) y las que se plantean como incógnita son las
variables independientes (xB ). La obtención de la solución óptima radicará en la correcta
elección de la base de variables dependientes ası́ como de los valores que tomen las variables
independientes. Por lo tanto, para proponer una solución mejorada a partir de una solución
inicial válida debemos seguir los siguientes pasos:
(
`∈L
s = argmin {cb` , −cbk } , con (A.8)
k∈U
donde L y U son los conjuntos de variables independientes que toman el valor de sus
restricciones laterales inferiores y superiores respectivamente. Es importante destacar
que para las variables dependientes del problema (xB ), los coeficientes ci toman el
valor nulo.
ci ≥ 0
b para i ∈ L (restricción lateral inferior) ó
(A.9)
ci ≤ 0
b para i ∈ U (restricción lateral superior).
• Una vez conocida la variable que entra es necesario determinar cual es la variable de-
pendiente que debe salir de la base. Seleccionaremos aquella que produce una mayor
reducción de la función objetivo sin incumplir las restricciones laterales de las varia-
bles. Por lo tanto, debemos tener en cuenta si la variable que entra en la base está en
el lı́mite superior (xs = us ) o en el lı́mite inferior (xs = ls ). Para ello definimos el
parámetro δ como
δ = 1 si xs = ls
(A.10)
δ = −1 si xs = us
• De este modo la variable independiente pasa a ser ahora dependiente y toma el valor
xs = xos + δ r, (A.11)
donde xos es el valor que toma la variable independiente xs antes de aplicar la trans-
formación de la base de variables básicas y
234 Tesis Doctoral: Optimización topológica de estructuras
r = argmin(θs , θl , θu )
θs = us − ls
xoij − lij
!
θl = min ,∞ ≥ 0 si δ b
ajs > 0, (A.12)
δb
ajs
uij − xoij
θu = min ,∞ ≥ 0 si δ b
ajs < 0,
−δb
ajs
xB = xoB − δ r b
a•s , (A.13)
siendo xoB el valor que toma la variable dependiente xB antes de aplicar la transfor-
mación de la base de variables básicas.
• En consecuencia, la variable dependiente (xB,j ) que sale de la base queda con el valor
de su restricción lateral inferior (lj ) cuando r se obtiene a partir de θl o con el valor de
la restricción lateral superior (uj ) cuando r se calcula mediante (θu ). Si r se define a
partir de θs , la base de variables básicas no cambia. Sólo cambia el valor de la variable
independiente xs de su lı́mite inferior (xs = ls ) al superior (xs = us ) o viceversa
dependiendo del valor que tome inicialmente.
El proceso finaliza cuando no hay ninguna variable independiente xB,j que cumpla las
condiciones establecidas en (A.9) porque ante esta situación no es posible encontrar una
nueva solución que reduzca la función objetivo. Tal y como ya se ha indicado previamente
la solución se obtiene a través de los términos independientes bj de la forma estándar para
el caso de las variables dependientes y de las restricciones laterales (bien sea la inferior o la
superior según corresponda) para las variables independientes.
se. En este caso se toman los coeficientes c0i = 1 para las variables auxiliares y c0i = 0 para
el resto de variables del problema modificado. El valor de c0i para las variables auxiliares
no es importante siempre que sea positivo, pero es necesario tomarlo de forma adecuada
para evitar problemas de escala. Los valores que aquı́ se indican han demostrado funcionar
adecuadamente en los ejemplos de diseño óptimo de estructuras analizados en esta tesis.
La forma estándar del nuevo problema puede escribirse como
óptima del problema artificial que corresponde a un planteamiento inicial válido sin variables
artificiales. Es decir, las variables artificiales habrán tomado todas el valor de su restricción
lateral yj = 0 y, por lo tanto, podrán ser eliminadas del problema.
Es importante destacar que el valor de la función objetivo f 0 también deberı́a modifi-
carse con el criterio establecido en (A.15). Sin embargo, no se realiza esta operación porque
el valor de la función objetivo artificial no tiene relevancia alguna en este método.
Una vez alcanzada la solución inicial básica, la función objetivo artificial debe retomar
los valores que aparecen en la ecuación (A.14) para garantizar que este proceso se ha reali-
zado de forma adecuada. De este modo, podemos reducir el problema artificial al problema
original con una solución inicial que no es la óptima pero que cumple las restricciones. Una
vez hallada la solución inicial se procede a optimizarla mediante el algoritmo Simplex tal y
como se ha explicado en la sección anterior.
k k dF k
F (x + ∆x ) ≈ F (x ) + ∆xk ,
dx
xk
k kdGj k (A.18)
Gj (x + ∆x ) ≈ Gj (x ) + ∆xk
dx
xk
j = 1, . . . , m
El problema ası́ planteado se ha convertido en un problema lineal que se podrá resolver
con las técnicas ya explicadas de Programación Matemática donde las variables de este
planteamiento son ahora las definidas en el vector ∆xk .
Por otra parte, de acuerdo con (A.1) el valor de Gj (xk+1 ) debe ser negativo y, por
tanto, podemos reescribir las restricciones como
n
X dGj
∆xki ≤ −Gj (xk ) j = 1, ..., m. (A.19)
dxi
i=1 xk
De acuerdo con la ecuación (A.18) el valor de F (xk + ∆xk ) se obtiene de forma aproxi-
mada sumándole al valor en la iteración k el término dF ∆xk . Por lo tanto, si queremos
dx
xk
reducir la función objetivo en cada iteración tendremos que minimizar el valor de este
término. La función objetivo para el problema linealizado será, en consecuencia:
∗ k dF k
F (x + ∆x ) = ∆xk . (A.20)
dx
xk
Es importante resaltar que no importa en este punto el valor exacto de la reducción de
la función objetivo. Sólo nos interesa calcular el vector ∆xk , que proporciona la dirección
de modificación del diseño que reduce lo máximo posible la función objetivo F ∗ (xk ).
Una vez hechas estas consideraciones, el problema linealizado ha generado un nuevo
planteamiento ((A.19) y (A.20)) más simple que el original y que resolveremos con las
técnicas de Programación Lineal que se proponen. Este problema puede considerarse de
forma directa ,tal y como se presenta en las ecuaciones (A.19) y (A.20), o bien normalizando
los gradientes tanto de la función objetivo como de las restricciones para evitar problemas
de escala entre variables, restricciones y función objetivo.
Por otra parte, se ha comprobado que aunque no se normalicen estos gradientes no se
producen inestabilidades computacionales para los problemas de optimización topológica
de estructuras que se han analizado en esta tesis. En general, se recomienda utilizar los
vectores normalizados para evitar posibles problemas de escala pero se podrı́a prescindir de
esta operación para reducir ligeramente el tiempo de cálculo del algoritmo de Programación
Lineal si no se observan inestabilidades en la solución.
Apéndice A. Desarrollo de un algoritmo de Programación Lineal Secuencial 239
Además de estas consideraciones, hay que tener en cuenta que el vector ∆xk que define
la dirección de modificación del diseño lleva asociadas restricciones laterales relacionadas
con las propias de las variables de diseño del problema de optimización original. Estas
restricciones laterales cambian, por tanto, en cada iteración ası́ como el resto de variables
que hemos obtenido tras linealizar el problema.
Por lo tanto, de acuerdo con (A.20), los coeficientes ci del problema de Programación
Lineal son los valores de las componentes
del vector de derivadas de la función objetivo con
respecto a las variables de diseño dF
dx en el problema real de optimización. Del mismo
xk
modo, de acuerdo con la ecuación (A.19), los valores de la matriz A son los correspondientes
(por filas) a los valores de las componentes
de las derivadas de cada restricción con respecto
dGj
a las variables de diseño reales dxi .
x k
bi = xi − li
x i = 1, . . . , n. (A.21)
240 Tesis Doctoral: Optimización topológica de estructuras
n
P
g11 g12 ··· g1n −G1 − li g1i
i
n
P
g21 g22 ··· g2n −G2 − li g2i
i
.. .. .. .. .. (A.22)
. . . . .
P n
gm1 gm2 · · · gmn −Gm − li gmi .
i
f1 f2 ··· fn F
bi = ui − li
u i = 1, . . . , n. (A.23)
lo tanto, en las restricciones en las que esto ocurra, las variables de holgura que se añadan
(que siempre son positivas) deberán aparecer restando en vez de sumando.
Una vez aclarada esta salvedad tremendamente importante, podemos reescribir A.19
como
n n
k
X X dGj
−Gj (x ) − li gji = xki ± hj j = 1, . . . , m (A.24)
dρi
i=1 i=1 xk
donde hj son las variables de holgura añadidas para transformar las inecuaciones en ecua-
ciones de igualdad. Por lo tanto, el problema puede escribirse ahora como:
n
P
g11 g12 ··· g1n ±1 0 ··· 0 −G1 − li g1i
i
n
P
g21 g22 ··· g2n 0 ±1 · · · 0 −G2 − li g2i
i
.. .. .. .. .. .. .. .. .. (A.25)
. . . . . . . . .
P n
gm1 gm2 · · · gmn 0 0 ··· ±1 −Gm − li gmi .
i
f1 f2 ··· fn 0 0 ··· 0 F
n
P
g11 g12 ··· g1n ±1 0 ··· 0 1 0 ··· 0 −G1 − li g1i
i
n
P
g21 g22 ··· g2n 0 ±1 · · · 0 0 1 ··· 0 −G2 − li g2i
i
.. .. .. .. .. .. .. .. .. .. .. .. ..
. . . . . . . . . . . . . (A.26)
P n
gm1 gm2 · · · gmn 0 0 ··· ±1 0 0 · · · 1 −Gm − li gmi .
i
Este problema tal y como está planteado tampoco presenta una solución básica inicial
sencilla. Sin embargo, si conseguimos transformar la función objetivo auxiliar de modo que
los términos correspondientes a las variables artificiales se anulen podremos formar una base
de variables básicas con las variables artificiales y el resto de variables del problema serán
variables no básicas. Esto se consigue realizando las operaciones propuestas en la ecuación
(A.16). Esta modificación se puede reescribir, por lo tanto, como:
n
P
g11 ··· g1n ±1 · · · 0 1 ··· 0 −G1 − li g1i
i
.. .. .. .. .. .. .. .. .. ..
. . . . . . . . . .
n
(A.27)
P
gm1 ··· gmn 0 ··· ±1 0 · · · 1 −Gm − li gmi .
i
f1 ··· fn 0 ··· 0 0 ··· 0 F∗
m m
F0
P P
− gj1 · · · − gjn ∓1 · · · ∓1 0 · · · 0
j=1 j=1
Con este planteamiento ya deberı́amos haber encontrado una solución básica inicial con
ayuda de las variables artificiales. Ahora sólo falta optimizar este problema para eliminar
las variables artificiales y ası́ disponer de una solución inicial básica con la que continuar el
proceso de optimización como se propone en el apartado A.3.2.
Una vez resuelto el problema anterior es necesario recuperar los valores de las variables
de diseño. Las variables que quedan dentro de la base de variables dependientes toman el
valor del término correspondiente del vector b y las variables independientes toman el valor
del lı́mite inferior o del lı́mite superior de las mismas según corresponda en cada caso. Por
último, sólo queda deshacer la traslación de las variables realizada en (A.21) sumándole al
valor de cada variable el valor del lı́mite inferior de la misma. Por otra parte, el vector de
modificación del diseño x debe ser normalizado para continuar con todo el proceso de cálculo
Apéndice A. Desarrollo de un algoritmo de Programación Lineal Secuencial 243
• En primer lugar hay que destacar que, de acuerdo con (A.26), será necesario almacenar
una matriz que contenga los coeficientes relativos a las derivadas de las restricciones
del problema. Esta parte es la que supone una mayor capacidad de almacenamiento
de datos porque en problemas con un número elevado de variables de diseño y de
restricciones esta matriz adquiere dimensiones muy importantes (m×n). Además, esta
matriz será, en general, una matriz llena porque no es de esperar que las derivadas
sean nulas. De hecho, aunque alguna de estas derivadas fuese nula para un problema
dado, en otro caso cualquiera no tendrı́a porque ocurrir esto y, por tanto, no podemos
actuar para reducir la capacidad de almacenamiento en este sentido, al menos en
problemas de optimización topológica de estructuras con restricciones en tensión. Una
forma de reducir, en parte, el coste de almacenamiento y de cálculo es incorporar en
el proceso solamente aquellas restricciones que están realmente próximas a su lı́mite
(restricciones activas) y no considerar, en esa iteración, las que están muy alejadas.
De este modo, dado que en la configuración óptima no tienen porqué estar todas las
restricciones activas, conseguiremos trabajar con matrices más pequeñas sin perjudicar
el resultado final del algoritmo.
• Por otra parte, el problema propuesto en la forma estándar en (A.26) tiene ciertas
peculiaridades en la parte que se refiere tanto a variables de holgura como a variables
artificiales. Los bloques de matriz en forma estándar correspondiente a estos dos ti-
pos de variables son diagonales. El bloque correspondiente a las variables de holgura
está formado por 1 o −1 dependiendo del signo de los términos independientes resul-
tantes (bj ≥ 0 o bj ≤ 0). En el caso de las variables artificiales la matriz corresponde
a una matriz identidad Im . Además, se puede comprobar fácilmente en el ejemplo
resuelto en el apartado A.6 que esta configuración diagonal se mantiene invariable a
lo largo de todo el proceso de optimización. Simplemente hay que llevar a cabo unas
transformaciones en la forma de almacenar los datos de forma muy sencilla y que
apenas supone un incremento del coste computacional. Por lo tanto, no será necesario
almacenar matrices completas ni para las variables de holgura ni para las variables
artificiales, lo que supone un ahorro importante en memoria de almacenamiento de
datos.
Apéndice A. Desarrollo de un algoritmo de Programación Lineal Secuencial 245
• Por otra parte, también tendremos que almacenar de alguna forma la base de variables
dependientes e independientes. Para ello, se ha empleado una identificación de estas
variables a través de números enteros que apenas suponen un incremento en la capaci-
dad de almacenamiento. Del mismo modo, en el caso de las variables independientes,
habrá que almacenar su valor a través del lı́mite lateral en que se encuentren. Este
proceso puede realizarse con variables lógicas que tampoco suponen un incremento de
capacidad de almacenamiento importante.
A.5. Recapitulación
En este trabajo, nos hemos planteado la resolución de problemas de optimización con un
número elevado de variables de diseño y de restricciones no lineales y con función objetivo no
lineal. Para ello, se ha propuesto un algoritmo basado en la aplicación iterativa de técnicas
de Programación Lineal Secuencial a partir de aproximaciones lineales tanto de la función
objetivo como de las restricciones que se resuelven con técnicas de Programación Lineal en
cada iteración.
A pesar de resolver de forma iterativa un problema linealizado el algoritmo finalmente
no requiere de un número excesivo de pasos para alcanzar la solución óptima. No obstante,
este algoritmo necesita unos requerimientos computacionales muy importantes (tanto de
tiempo de computación como de almacenamiento de datos) debido al elevado número de
variables y de restricciones.
El algoritmo que se propone utiliza la información que aportan las derivadas de primer
orden tanto de las variables de diseño como de las restricciones para hallar el óptimo, aunque
los cálculos necesarios puedan ser muy costosos cuando el problema tiene muchas variables
de diseño y muchas restricciones.
Este algoritmo permite considerar todo tipo de restricciones, tanto de igualdad como
de desigualdad, si bien para los problemas de optimización de estructuras que se proponen
lo más habitual es plantear únicamente restricciones de desigualdad (gj ≤ 0).
Además, también se contempla la posibilidad de que las variables de diseño puedan
tomar valores negativos, lo que proporciona una mayor generalidad y un mayor rango de
aplicación a problemas reales.
El algoritmo funciona especialmente bien cuando el problema de optimización está fuer-
temente condicionado, es decir, presenta un número considerable de restricciones frente al
número de variables. Por otra parte, cuando el número de restricciones es menor tampo-
Apéndice A. Desarrollo de un algoritmo de Programación Lineal Secuencial 247
−1 ≤ x1 ≤ 2
−2 ≤ x2 ≤ 3 (A.28)
2x1 + x2 ≤ 5
−x1 − x2 ≤ 1. (A.29)
x1 + 3x2 = f. (A.30)
2 1 5
−1 −1 1 (A.31)
1 3 f
248 Tesis Doctoral: Optimización topológica de estructuras
Una vez planteado el problema en su forma estándar tenemos que tener en cuenta que
las restricciones laterales del problema real no corresponden con las que establece el algo-
ritmo de Programación Lineal para su funcionamiento. Para ello realizaremos la traslación
de las variables tal y como se propone en (A.21) y (A.22) de modo que las restricciones
laterales de las variables de diseño quedarı́an ahora como:
0 ≤ x1 ≤ 3
(A.32)
0 ≤ x2 ≤ 5
Por lo tanto, el problema propuesto puede escribirse ahora en la forma estándar como:
2 1 9
−1 −1 −2 (A.33)
1 3 f∗
Sin embargo, en el anterior planteamiento no hemos considerado las restricciones en
Apéndice A. Desarrollo de un algoritmo de Programación Lineal Secuencial 249
x1 x2 x3 x4
2 1 1 0 9
(A.34)
−1 −1 0 1 −2
1 3 0 0 f∗
x1 x2 x3 x4
2 1 1 0 1 0 9
(A.35)
1 1 0 −1 0 1 2
1 3 0 0 0 0 f∗
El problema resultante sı́ que presenta una base inicial de variables dependientes e
independientes porque todas las variables auxiliares pasan a ser ahora variables básicas y
el resto de variables son no básicas y toman el valor nulo por estar en su lı́mite inferior. A
partir del problema presentado en (A.35) podemos proceder a imponer la función objetivo
auxiliar y a buscar la solución inicial válida tal y como se propone a continuación.
En primer lugar operamos con la función objetivo auxiliar, de acuerdo con (A.27), para
conseguir que los términos de las variables auxiliares sean nulos.
x1 x2 x3 x4 y1 y2
2 1 1 0 1 0 9
1 1 0 −1 0 1 2
1 3 0 0 0 0 f∗
0 0 0 0 1 1 f0
xB,1 xB,2
(A.36)
2 1 1 0 1 0 9
1 1 0 −1 0 1 2
1 3 0 0 0 0 f∗
−3 −2 −1 1 0 0 f0
l l xB,1 xB,2
A partir de este planteamiento buscamos la variable que entrará en la base de variables
básicas siguiendo el criterio establecido en (A.8). Por lo tanto, en este caso entra en la base
de variables dependientes x1 y sale la segunda variable auxiliar, de modo que se obtiene:
Apéndice A. Desarrollo de un algoritmo de Programación Lineal Secuencial 251
0 −1 1 2 1 −2 5
1 1 0 −1 0 1 2
0 2 0 1 0 −1 f∗ (A.37)
0 1 −1 −2 0 3 f0
xB,2 l xB,1 θl = 2
2 1 1 0 1 0 3
−1 −1 0 1 0 −1 1
1 3 0 0 0 0 f∗ (A.38)
−2 −1 −1 0 0 1 f0
u l xB,2 xB,1 θu = 1
Una vez obtenida esta solución ahora debe entrar en la base de variables dependientes
x2 y salir, en consecuencia, la primera variable auxiliar.
2 1 1 0 1 0 3
1 0 1 1 1 −1 4
−5 0 −3 0 −3 0 f∗ (A.39)
0 0 0 0 1 1 f0
u xB,1 xB,2 θl = 3
Tal y como se puede observar la función objetivo auxiliar presenta ahora la misma
configuración que al inicio del problema, pero ahora ya disponemos de una base inicial de
variables y, por lo tanto, podremos eliminar las variables auxiliares ya que ahora no forman
parte del problema.
Una vez hallado el óptimo en la ecuación (A.39) se puede deducir fácilmente que la
solución básica inicial es el vector (x1 , x2 , x3 , x4 ) = (3, 3, 0, 4) que corresponde con el punto
geométrico (3,3). En la figura A.3 se puede apreciar que el punto calculado es uno de los
vértices de la región de diseño.
Por lo tanto, ahora podemos olvidarnos de las variables auxiliares y optimizar el pro-
blema resultante con el algoritmo Simplex propuesto.
252
Si ahora eliminamos las variables auxiliares del problema podemos plantear la forma
estándar como:
x1 x2 x3 x4
2 1 1 0 3
1 0 1 1 4 (A.40)
−5 0 −3 0 f∗
u xB,1 xB,2
De acuerdo con este planteamiento ahora debe entrar en la base de variables básicas
x3 y, en consecuencia, salir x2 , que tomará ahora el valor de su lı́mite lateral inferior.
2 1 1 0 3
−1 −1 0 1 1
(A.41)
1 3 0 0 f∗
u l xB,1 xB,2 θl = 3
Dado que el planteamiento anterior no cumple las condiciones del óptimo debemos
seguir modificando la base de variables dependendientes. En este caso, entrará la variable
x1 y saldrá la variable x4 .
0 −1 1 2 5
1 1 0 −1 2
(A.42)
0 2 0 1 f∗
xB,2 l xB,1 θl = 1
En este momento ya se ha alcanzado el óptimo porque se cumple lo establecido en
la ecuación (A.9). Por lo tanto, el óptimo corresponde al vector de variables de diseño
(x1 , x2 ) = (2, 0), que corresponde al vértice (2,0) de la figura A.3. Como se puede comprobar
gráficamente, el punto hallado es el óptimo.
Por último, deshacemos la traslación de acuerdo con la ecuación (A.23) y obtenemos
el vector de variables de diseño del problema original como (x1 , x2 ) = (1, −2) que minimiza
la función objetivo. Puede observarse fácilmente en la figura A.2 que la solución óptima
corresponde al punto calculado. Es importante resaltar también que, en este caso, las va-
riables de diseño finales toman valores negativos, lo que es muy habitual en problemas de
optimización. Si, por el contrario, el algoritmo no permite que las variables tomen valores
negativos el óptimo hallado podrı́a no ser el óptimo real.
253
Bibliografı́a
[1] Alexandrov O. y Santosa F., A topology preserving Level Set Method por shape opti-
mization, Journal of Computational Physics, 204:121–130, 2004.
[2] Allaire G., Jouve F., Maillot H., Topology optimization for minimum stress design with
the homogenization method, Structural and Multidisciplinary Optimization, 28:87–98,
2004.
[3] Bendsøe M. P. y Kikuchi N., Generating optimal topologies in structural design using
a homogenization method, Computer Methods in Applied Mechanics and Engineering,
71:197–224, 1988.
[4] Bendsøe M. P., Optimal shape design as a material distribution problem, Structural
Optimization, 1:193–202, 1989.
[5] Bendsøe M. P., Optimization of Structural Topology, Shape, and Material, Springer-
Verlag, 1995.
[7] Bendsøe M. P., Sigmund O., Material interpolation schemes in topology optimization,
Archive of Applied Mechanics, 69:635–654, 1999.
[8] Box G. E. P., Evolutionary operation: A method for increasing industrial productivity.
Journal of the Royal Statistical Society, 6(2):81–101, 1957.
[9] Bruyneel M. y Duysinx P., Note on topology optimization of continuum structures in-
cluding self-weight, Structural and Multidisciplinary Optimization, 29(4):245–256, 2005.
254
[10] Burger M., Stainko R., Phase-Field Relaxation of Topology Optimization with Local
Stress Constraints, IUTAM Symposium on Topology Design Optimization of Structures,
Machines and Materials, Rungsted, Dinamarca, 2005.
[11] Colominas I., Navarrina F. y Casteleiro M., Minimum weight with stress constraints
topology optimization, Proceedings de la VIII International Conference on Computer
Aided Optimum Design of Structures, Detroit, USA, 2003.
[12] Cheng G. D. y Jiang Z., Study on topology optimization with stress constraints, En-
gineering Optimization, 20:129–148, 1992.
[13] Cheng G. D. y Guo X., ε-relaxed approach in structural topology optimization, Struc-
tural Optimization, 13:258–266, 1997.
[14] Choi, K. K. y Kim, N. H., Structural sensitivity analysis and optimization, Springer,
2005.
[16] Dantzig G. B. y Thapa M. N., Linear programming. II: Theory and extensions,
Springer-Verlag, New York, 2003.
[17] Dı́az A. y Sigmund O., Checkerboard patterns in layout optimization, Structural Op-
timization, 10:40–45, 1995.
[18] Duysinx P., Optimisation Topologique: du Milieu Continu a la Structure Elastique, PhD
Thesis, Université de Liegè, Liegè, Bélgica 1996.
[19] Duysinx P., Topology optimization with different stress limits in tension and compres-
sion, International report: Robotics and Automation, Institute of Mechanics, University
of Liege, Liege, Bélgica, 1998.
[20] Duysinx P. y Bendsøe M. P., Topology optimization of continuum structures with local
stress constraints, International Journal of Numerical Methods in Engineering, 43:1453–
1478, 1998.
[21] Duysinx P. y Sigmund O., New Developments in Handling Stress Constraints in Opti-
mal Material Distributions, 7th AIAA/USAF/NASA/ISSMO Symposium on Multidis-
ciplinary Design Optimization, Saint Louis, Missouri, USA, 1998.
255
[23] Eschenauer H. A. y Schumacher A., Bubble Method: a special strategy for finding best
possible initial designs. Proceedings of the ASME Design Technical Conference - 19 th
Design Automotion Conference, Albuquerque, Nuevo México, 65–2:437–443, 1993.
[24] Eschenauer H. A., Kobelev V. V. y Schumacher A., Bubble method for topology and
shape optimization of structures, Structural Optimization, 8:42–51, 1994.
[25] Eschenauer H.A. y Schumacher A., Simultaneous Shape and Topology Optimization
of Structures, Proc. on First World Congress of Structural and Multidisciplinary Op-
timization (WCSMO1), (eds. Olhoff N., Rozvany G. I. N.), Pergamon, pp. 177–184,
1995.
[26] Eschenauer H. A., Olhoff N., Topology optimization of continuum structures: A review,
Applied Mechanics Review, 54:331–389, 2001.
[27] Fletcher R., Practical Methods of Optimization, Wiley, Scotland, UK, 2000.
[28] Fogel I. J., Owens A. J., Walsh M. J., Artificial intelligence through simmulated evolu-
tion, Wiley, Nueva York, USA, 1966.
[29] Friedman G. J., Digital simulation of an evolutionary process. General Systems Year-
book, 4:171–184, 1959.
[31] Guo X. y Cheng G., ε-continuation approach for truss topology optimization, Procee-
dings 3rd World Congress of Structural and Multidisciplinary Optimization (WCSMO3)
Keneth, E.; Kevin, H.; Eliot, W. (Eds.), 2:437-–439, Buffalo, USA, 1999.
[32] Haber R. B., Jog C. S. y Bendsøe M. P., Variable-topology shape optimization with a
control on perimeter, Advance in design automotion, 69:261–272, 1994.
[33] Haber R. B., Jog C. S. y Bendsøe M. P., The perimeter method: a new approach to
variable-topology shape optimization, Structural and Multidisciplinary Optimization (N.
Olhoff y G. I. N. Rozvany eds.), WCSMO-1, Elsevier Science, Oxford, 153–160, 1995.
256
[34] Haber R. B., Bendsøe M. P. y Jog C. S., A new approach to variable-topology shape
design using a constraint on perimeter, Structural Optimization, 12:35–45, 1996.
[35] Haung, E. J., Choi, K. K., Komkov V. Design sensitivity analysis of structural systems,
Academic Press, 1986.
[37] Hughes, T. J. R., The finite element method: linear static and dynamic finite element
analysis, Dover Publishers, 2000.
[38] Kirsch U., On singular topologies in optimum structural design, Structural Optimiza-
tion, 2:133–142, 1990.
[40] Klein B., Direct use of extremal principles in solving certain optimization problems in-
volving inequalities, ORSA journal on computing Operations Research Society of Ame-
rica, 3:168–175, 1955.
[41] Kohn R. V. y Strang G., Optimal design and relaxation of variational problems, Com-
munications on Pure and Applied Mathematics, 39:1–25 (Part I), 139–182 (Part II),
353–377 (Part III), 1986.
[43] Lewinski T., Zhou M. y Rozvany G.I.N., Extended Exact Least-weight Truss Layouts–
Part I: Cantilever with a Horizontal Axis of Symmetry, International Journal of Mecha-
nical Sciences, 36(5), 375–398, 1994.
[44] Lewinski T., Zhou M. y Rozvany G.I.N., Extended Exact Least-weight Truss Layouts–
Part II: Unsymmetric Cantilevers, International Journal of Mechanical Sciences, 36(5),
399–419, 1994.
[45] Liang Q. Q., Xie Y. M. y Steven G. P., Optimal selection of topologies for the minimum-
weight design of continuum structures with stress constraints, Journal of Mechanical
257
[47] Liu J. S., Parks G. T. y Clarkson P. J., Methamorfic development: a new topology
optimization method for continuum structures, Structural and Multidisciplinary Opti-
mization, 20:288–300, 2000.
[48] Lurie K., Cherkaev A., Effective characteristics of composite materials and the optimal
design of structural elements, Uspekhi. Mekh., 123(2):91–100, 1997.
[49] Ma Z.D., Kikuchi N. y Cheng H. C., Toplogical design for vibrating structures, Com-
puter methods in applied mechanics and engieering, 121:259–280, 1995.
[52] Michell A. G. M., The limit of economy of material in frame structures, Philosophical
Magazine, 8(6):589–597, 1904.
[54] Mlejnek H. P., Schirrmacher R., An engineer´s approach to optimal material distribu-
tion and shape finding, Computational Methods in Applied Mechanics and Engineering,
106:1–26, 1993.
[56] Muı́ños I., Colominas I., Navarrina F. y Casteleiro M., Una formulación de mı́nimo
peso con restricciones en tensión para la optimización topológica de estructuras, Métodos
Numéricos en Ingenierı́a y Ciencias Aplicadas, Oñate E., Zárate F., Ayala G., Botello
S. & Moreles M.A. (Eds.), CIMNE, Barcelona, pp. 399–408, 2002.
258
[57] Muı́ños I., Colominas I., Navarrina F. y Casteleiro M., A minimum weight with stress
constraints FEM approach for topology structural optimization problems, Proceedings
del V World Congress on Computational Mechanics,Viena, Austria, 2002.
[58] Murat F., Tartar L., Calcul des variations e homogénéisation, Les Méthodes de l’ Ho-
mogénéisation Théorie et Applications en Physique Coll. Dir. Etudes et Recherches EDF,
57:319–369, 1985.
[59] Navarrina F., Una metodologı́a general para optimización estructural en diseño asistido
por ordenador, Tesis Doctoral, Universidad Politécnica de Cataluña, Barcelona, 1987.
[60] Navarrina F. y Casteleiro M., A general methodologycal analysis for optimum design,
International Journal of Numerical Methods in Engineering, 31:85–111, 1991.
[61] Navarrina F., López S., Colominas I., Bendito E. y Casteleiro M., High Order Shape
Design Sensitivity: An Unified Approach, Computational Mechanics: New Trends and
Applications (CD-ROM), Parte VI: “Inverse Problems and Optimization”, Sección 4:
“Shape Sensitivity”, Idelsohn S.R., Oñate E., Dvorkin E. (Eds.); Centro Internacional
de Métodos Numéricos en Ingenierı́a CIMNE, Barcelona, España, 1998.
[62] Navarrina F., López S., Colominas I., Bendito E. y Casteleiro M., High order shape
design sensitivity: A unified approach, Computer Methods in Applied Mechanics and
Engineering, 188:681–696, 2000.
[63] Navarrina F., Tarrech R., Colominas I., Mosqueira G., Gómez-Calviño J. y Casteleiro
M., An efficient MP algorithm for structural shape optimization problems, Computer
Aided Optimum Design of Structures VII, Hernández S. y Brebbia C.A. (Eds.), WIT
Press, Southampton, pp. 247–256, 2001.
[64] Navarrina T., Tarrech R., Colominas I., Mosqueira G., Gómez-Calviño J. y Castelei-
ro M., Efficient structural shape optimization: using directional high order sensitivity
analysis to improve MP algorithms, Proceedings del 6th US National Congress on Com-
putational Mechanics, Dearborn, USA,2001.
[65] Navarrina F., Colominas I., Juanes R., Bendito E. y Casteleiro M., A unified approach
for high order sensitivity analysis, Computer Aided Optimum Design of Structures VII,
327–336, Hernández S., Brebbia C.A. (Eds.); WIT Press, Southampton, Reino Unido,
2001.
[66] Navarrina F., Muı́ños I., Colominas I. y Casteleiro M., Optimización Topológica de
Estructuras: Una formulación de mı́nimo peso con restricciones en tensión. Métodos
259
[67] Navarrina F., Muı́ños I., Colominas I. y Casteleiro M., Topology Optimization of Struc-
tures: A minimum weight FEM approach, Proceedings del II Congreso Internacional de
Métodos Numéricos en Ingenierı́a y Ciencias Aplicadas (en CD-ROM), Guanajuato,
México, 2002.
[68] Navarrina F., Muı́ños I., Colominas I. y Casteleiro M., Topology optimization of struc-
tures: A minimum weight approach with stress constraints, Proceedings del 7th US Na-
tional Congress on Computational Mechanics, Albuquerque, USA, 2003.
[69] Navarrina, F., Muı́ños, I., Colominas, Casteleiro, M., Topology Optimization of struc-
tures: A minimum weight approach with stress constraints, Advances in Engineering
Software, 36:599–606, 2005.
[70] Novotny A. A., Feijóo R. A. y Taroco E., Topological Sensitivity Analysis for Three-
dimensional Linear Elasticity Problem, Proceedings of the VI World Congress of Struc-
tural and Multidisciplinary Optimization (WCSMO6), Rio de Janeiro, Brasil, 2005.
[71] Olhoff N., Eschenauer H. A., On optimum topology design in mechanics, Proceedings of
the European Conference on Computational Mechanics, ECCM’99, Ed. W. Wunderlich,
TUM, Munich, Alemania, 1999.
[72] Oñate E.,Cálculo de Estructuras por el Método de Elementos Finitos: Análisis estático
y lineal, Segunda edición, CIMNE, Barcelona, 1995.
[73] Parı́s J., Muı́ños I., Navarrina F., Colominas I. y Casteleiro M., A minimum weight
FEM formulation for Structural Topological Optimization with local stress constraints,
Proceedings of the VI World Congress of Structural and Multidisciplinary Optimization
(WCSMO6), Rio de Janeiro, Brasil, 2005.
[74] Parı́s J., Navarrina F., Colominas I. y Casteleiro M., Una nueva formulación de ele-
mentos finitos para la optimización topológica de estructuras basada en la minimización
del peso con restricciones en tensión, Proceedings del Congreso de Métodos Numéricos
en Ingenierı́a 2005, Granada, España, 2005.
[75] Parı́s J., Navarrina F., Colominas I. y Casteleiro M., A minimum weight FEM formu-
lation for Structural Topological Optimization with stress constraints, Proceedings del
VII World Congress on Computational Mechanics, Los Ángeles, USA, 2006.
260
[76] Parı́s J., Navarrina F., Colominas I. y Casteleiro M., Optimización topológica de es-
tructuras: una formulación de mı́nimo peso con restricciones en tensión, Proceedings
del 7o Simposio Internacional de Estructuras, Geotecnia y Materiales de Construcción,
Santa Clara, Cuba, 2006.
[77] Parı́s J., Casteleiro M., Navarrina F. y Colominas I., Topology optimization of struc-
tures with local and global stress constraints, Proceedings of International Conference
on Computational & Experimental Engineering and Sciences (ICEES’07), Miami, USA,
2007.
[78] Parı́s J., Navarrina F., Colominas I. y Casteleiro M., Global versus local statement of
stress constraints in topology optimization of continuum structures, Computer Aided
Optimum Design of Structures X, Hernández S. y Brebbia C.A. (Eds.), WIT Press,
Southampton, UK, pp. 13–23, 2007.
[79] Parı́s J., Navarrina F., Colominas I. y Casteleiro M., Block aggregation of stress cons-
traints in topology optimization of structures, Computer Aided Optimum Design of
Structures X, Hernández S. y Brebbia C.A. (Eds.), WIT Press, Southampton, UK, pp.
25–34, 2007.
[80] Parı́s J., Navarrina F., Colominas I. y Casteleiro M., Agrupación de restricciones en
tensión por bloques en optimización topológica de estructuras continuas, Proceedings del
Congresso de Métodos Numéricos em Engenharia (CMNE 2007), Porto, Portugal, 2007.
[81] Park Y. K., Extensions of optimal layout design using the homogeneization method,
PhD Thesis, University of Michigan, Ann Arbor, 1995.
[82] Park K. S. y Youn S.K., Globally Convergent Topology Optimization unisng Level
Set Method, Proceedings of the VI World Congress of Structural and Multidisciplinary
Optimization (WCSMO6), Rio de Janeiro, Brasil, 2005.
[88] Ramm E., Maute E. y Schwarz S., Adaptive topology and shape optimization, Compu-
tational Mechanics: New trends and applications, Proceedings of the IV-World Confe-
rence on Computational Mechanics, Idelshon S., Oñate E. & Dvorkin E. (Eds.), CIMNE,
Barcelona, España, 1998.
[89] Ramm E., Schwarz S., Kemmler R., Advances in structural optimization including
nonlinear mechanics, Proc. of the European Congress on Computational Methods in
Applied Sciences and Engineering [ECCOMAS 2000], Barcelona: ECCOMAS, 2000.
[90] Rechenberg I., Cybernetic Solution Path of an Experimental Problem, Ministry of Avia-
tion, Royal Aircraft Establishment, Reino Unido, 1965.
[91] Rossow H. P., Taylor J.E., A finite element method for the optimal design of variable
thickness sheets, AIAA Journal, 11:1566–1569, 1973.
[92] Rozvany G.I.N., Exact analytical solutions for some popular benchmark problems in to-
pology optimization, Structural and Multidisciplinary Optimization, 15(1):42–48, 1997.
[93] Schmit, L. A., Structural design by systematic synthesis, Proceedings of the Second
ASCE Conference on Electronic Computation, 105–122, Pittsburgh, Pennsylvania, USA,
1960.
[94] Sethian J. A., Wiegmann A., Structural Boundary Design Via Level Set and Immersed
Iterface Methods.Journal of Computational Physics, 163:489–528, 2000.
[96] Sigmund O., Design of material structures using topology optimization, DCAMM Re-
port S.69, Ph. D. Thesis, Department of Solid Mechanics, DTU, Lyngby, Denmark,
1994.
262
[97] Sigmund O., Materials with prescribed constitutive parameters: an inverse homogeni-
zation problem, International Journal of Solids and Structures, 31(17):2313–2329, 1994.
[98] Sigmund O. y Torquato S., Composites with extremal thermal expansion coefficients,
Applied Physics Letters, 69(21):3203–3205, 1996.
[99] Sigmund O., On the design of compliant mechanisms using topology optimization,
Mechanics Based Design of Structures and Machines, 25:493–524, 1997.
[102] Sigmund O. y Torquato S., Design of smart composite materials using topology opti-
mization, Smart Materials and Structures, 8:365–379, 1999.
[103] Sigund O., A 99 line topology optimization code written in Matlab, Structural and
Multidisciplinary Optimization, 21:120–127, 2001.
[104] Sigmund O., Pedersen P., Pedersen C. B. W. y Buhl T., The TOPOPT homepage,
www.topopt.dtu.dk, 2001
[105] Silva E. C. N., Nishiwaki S. y Kikuchi N., Design of piezoelectric transducers using
topology optimization, Proceedings of the IV-World Conference on Computational Me-
chanics, Editores: S. Idelshon, E. Oñate,E. Dvorkin; CIMNE Publi, Barcelona; publicado
en Computational Mechanics: New Trends and Applications, 1998.
[106] Stainko R., An Adaptive Multilevel Approach to the Minimal Compliance Problem
in Topology Optimization,
[107] Stainko R. y Burguer M., A one shot approach to topology optimization with local
stress constraints, Proceedings of IUTAM-Symposium 2005 on Topology Design Opti-
mization of Structures, Machines and Materials, publicado en Solid Mechanics and its
Applications, 137:181–184, 2006.
[108] Stolpe M. y Svanberg K., On the trajectories of the epsilon-relaxation approach for
stress-constrained truss topology optimization, Structural and Multidisciplinary Opti-
mization, 21 (2):140–151, 2001.
263
[109] Stolpe M., On Models and Methods for Global Optimization of Structural Topology
PhD Thesis, Department of MAthematics, Royal Institute of Technology, Estocolmo,
Suecia, 2003.
[110] Stolpe M. y Stidsen T., A hierarchical method for discrete structural topology de-
sign problems with local stress and displacement constraints, International Journal for
Numerical Methods in Engineering, 69(5):1060–1084, 2007.
[111] Sui Y. K., Peng X. R., Feng J. L. y Ye H. L., ICM Method of Topology Optimization
for Continuum Structure with Globalization of Stress Constraints, Proceedings of the VI
World Congress of Structural and Multidisciplinary Optimization (WCSMO6), Rio de
Janeiro, Brasil, 2005.
[112] Suzuki K. y Kikuchi N., A Homogeneization Method for Shape and Topology Op-
timization. Computer Methods in Applied Mechanics and Engineering, 93(3):291–318,
1991.
[113] Svanberg K., The Method of Moving Asymptotes - A New Method for Structural
Optimization, International Journal for Numerical Methods in Engineering, 24:359–
373, 1987.
[114] Svanberg K., The Method of Moving Asymptotes (MMA) with some Extensions,
Optimization of Large Structural Systems (Rozvany, G.I.N., Ed.) Vol. I, 231:567–578,
1993.
[115] Svanberg K., The MMA for modeling and solving optimization problems, Proceedings
3rd World Congress of Structural and Multidisciplinary Optimization (WCSMO3) Ke-
neth, E.; Kevin, H.; Eliot, W. (Eds.), Buffalo, USA, 1999.
[116] Tanskanen P., The evolutionary structural optimization method: theoretical aspects,
Computer Methods in Applied Mechanics and Engineering, 191:5485–5498, 2002.
[117] Wang M. Y., Wang X. M. y Guo D., A level set method for structural topology
optimization, Computer Methods in Applied Mechanics and Engineering, 192:227–246,
2003.
[118] Wang M. Y. y Wei P., Topology Optimization with Level Set Method Incorporating
Topological Derivative, Proceedings of the VI World Congress of Structural and Multi-
disciplinary Optimization (WCSMO6), Rio de Janeiro, Brasil, 2005.
264
[119] Werme M. and Svanberg K., A hierarchical neighbourhood search method for stress-
constrained topology optimization, Proceedings of the VI World Congress of Structural
and Multidisciplinary Optimization (WCSMO6), Rio de Janeiro, Brasil, 2005.
[120] Xie Y. M. y Steven G. P., A simple evolutionary procedure for structural optimization,
Computers and Structures, 49(5):885–896, 1993
[123] Youn S. K. y Park S. H., A study on the shape extraction process in the structural
topology optimization using homogenized material, Computers & Structures, 62(3):527–
538, 1997.
[124] Zhang W.H., Calcul des Sensibilités et Optimisation de Forme par la Méthode des
Eléments Finis, Tesis Doctoral, Universidad de Liège, Bégica, 1991.