Otimização paramétrica robusta multiobjetivo aplicada em suspensão veicular

• Ano de defesa: 2021
• Autor(a) principal: Grotti, Ewerton
• Orientador(a): Gomes, Herbert Martins
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Otimização multiobjetivo; Suspensão mecânica; Veículos
• Palavras-chave em Inglês: Robust optimization; Quantum particle swarm optimization; Vehicle suspension; Uncertainty
• Link de acesso: http://hdl.handle.net/10183/224331

A presente dissertação aplica uma metodologia de otimização robusta multiobjetivo ao problema da otimização de parâmetros da suspensão de um modelo numérico de meio carro com 5 graus de liberdade. A fim de aumentar o conforto do motorista do veículo sem prejudicar a dirigibilidade, a função objetivo escolhida foi a aceleração rms ponderada conforme a norma ISO 2631 (1997) com restrição no espaço de trabalho da suspensão. A otimização robusta é baseada em uma abordagem probabilística, mais completa do que aquela baseada em intervalos. A solução é comparada com uma otimização determinística, que não leva em consideração as incertezas. O estudo leva em conta diferentes aproximações presentes na literatura para a média e desvio padrão da função e da restrição, comparando os benefícios e prejuízos dos métodos. A solução gerada pela otimização robusta multiobjetivo escolhida resulta em uma média de aceleração rms ponderada de 0,205 /ଶ, contra 0,183 /ଶ da otimização determinística. Estas soluções, robusta e determinística, representam uma redução de 85,25% e 86,82% da aceleração da configuração de referência, respectivamente. No entanto, a probabilidade de falha calculada a partir do método de Monte Carlo com 25000 amostras mostrou que a otimização robusta permaneceu dentro do intervalo de segurança aceitável do espaço de trabalho da suspensão que foi estipulado em 10%, com apenas 8,69% de chance de falha da restrição, contra 66,23% de chance de falha para a solução determinística.