APPLICATION OF NEURAL NETWORKS IN TIME-DOMAIN FATIGUE ANALYSIS OF FIXED PLATFORM JACKETS
Documento
Informações da Dissertação
Título
APPLICATION OF NEURAL NETWORKS IN TIME-DOMAIN FATIGUE ANALYSIS OF FIXED PLATFORM JACKETS
Autor
Ryan Rodrigues Moreira Resende da Silva
Resumo
Esta dissertação apresenta uma metodologia híbrida que combina análises por elementos finitos e redes neurais artificiais para prever a resposta à fadiga de plataformas fixas submetidas à ação das ondas. Uma rede do tipo Long Short-Term Memory foi treinada com um conjunto reduzido de simulações no domínio do tempo, permitindo uma redução significativa do esforço computacional sem comprometer a precisão das estimativas de vida à fadiga. A metodologia foi validada em estudos de caso envolvendo um monoestaca e uma plataforma do tipo jaqueta, nos quais as redes treinadas reproduziram com sucesso o comportamento estrutural não linear e forneceram resultados consistentes com simulações completas. Embora a seleção de estados de mar representativos mantenha certo caráter empírico, a abordagem proposta mostrou-se robusta e eficiente, evidenciando seu potencial como uma ferramenta valiosa para aprimorar práticas de avaliação de fadiga e apoiar a gestão segura e econômica de estruturas offshore.
Abstract
This dissertation presents a hybrid methodology that combines finite element analysis and artificial neural networks to predict the fatigue response of fixed offshore platforms under wave loading. A Long Short-Term Memory network was trained with a reduced set of timedomain simulations, allowing for a significant reduction in computational effort while preserving the accuracy of fatigue life estimates. The methodology was validated through case studies on a monopile and a jacket platform, in which the trained networks successfully reproduced nonlinear structural responses and provided results consistent with full simulations. Although the selection of representative sea states retains a degree of empiricism, the proposed approach proved robust and efficient, demonstrating its potential as a valuable tool for improving fatigue assessment practices and supporting the safe and economical management of offshore structures.
Ano
2025
Orientadores
Luis Volnei Sudati Sagrilo