João Paulo Ramos Cortina
Resumo
Com cenários ambientais e operacionais cada vez mais hostis, o projeto de estruturas offshore requer progressivamente o uso de métodos numéricos sofisticados, capazes de representar as não-linearidades envolvidas na análise dinâmica. A combinação de modelos refinados, longas simulações estocásticas no domínio do tempo e análises de muitos cenários de carregamento ambiental resulta em elevado custo computacional, e muito tempo dispendido na etapa da verificação de fadiga, por exemplo. Recentemente metodologias híbridas que combinam a análise de elementos finitos (AEF) com redes neurais artificiais (RN) têm apresentado resultados promissores na redução do tempo computacional demandado, e mantendo acurácia adequada em relação à AEF. Este trabalho apresenta a aplicação de um método híbrido AEF-RN em análises dinâmicas de risers metálicos para avaliação de fadiga. Dois risers são analisados: um numa configuração catenária (SCR) e outro em lazy wave (SLWR), sendo o primeiro conectado a uma plataforma semi-submersível e o outro a um FPSO. A partir de uma série temporal curta da resposta estrutural (trações e momentos) fornecida pela AEF, redes neurais são treinadas para predizer o restante da resposta em função dos movimentos impostos pelo flutuante no topo da estrutura. Com os esforços globais preditos, a série temporal de tensão em vários pontos da seção transversal do duto é obtida, os ciclos de tensão são contados e os danos anuais finais são determinados. As regiões avaliadas são o topo e a touch-down zone (TDZ) do SCR e topo do SLWR.
Abstract
With increasingly harsh environmental and operational conditions, the design of offshore structures requires progressively use of sophisticated numerical methods, able to represent the nonlinearities involved in dynamic analysis. The combination of refined models, long stochastic simulations in time domain and analysis of many environmental loading cases results in high computational cost, and much time spent on the step of fatigue verification, for example. Recently, hybrid methodologies that combines the finite element analysis (FEA) with artificial neural networks (ANN) have presented promising results in reduction of computational time demanded, and maintaining adequate accuracy in relation to the FEA. This work presents the application of a hybrid method FEA-ANN in dynamic analysis of steel risers for fatigue analysis. Two risers are evaluated: one in a catenary configuration (SCR) and another in a lazy wave (SLWR), the first is connected on a semi-submersible platform and the other on a FPSO. From a short time series structural response (tension and moments) obtained by FEA, neural networks are trained to predict the remaining response as a function of the prescribed movements imposed by the floater on the top of the structure. With the predicted global loads, the stress time series in several points of the pipe cross section are obtained, the stress cycles are counted and the final annual damages are determined. The regions analyzed are the top and the touch-down zone (TDZ) of the SCR and the top of the SLWR.
