Aplicação do otimizador Quick Group Search com algoritmo de congregação passiva na otimização das forças dos cabos de ponte estaiada em ponte concluída

Por que pontes mais retas importam

As pontes estaiadas modernas estão entre as obras de infraestrutura mais impressionantes do planeta. Mas por trás de suas linhas elegantes existe um equilíbrio delicado: se as forças nos cabos não forem ajustadas corretamente, as torres podem inclinar-se, o tabuleiro pode ceder e tensões internas podem reduzir a vida útil da ponte. Este artigo explora um novo método computacional para “retomar” as forças nos cabos de uma grande travessia fluvial chinesa de modo que suas torres fiquem mais retas e sua laje mais nivelada, sem alterar o desenho visível.

Como as pontes estaiadas mantêm sua forma

Em uma ponte estaiada, dezenas ou até centenas de cabos de aço se abrem a partir de torres altas para sustentar o tabuleiro. Sob o próprio peso da ponte, os engenheiros buscam que a estrutura final atenda a uma regra prática simples: “torres retas e vigas niveladas”. Na prática, isso significa limitar o deslocamento lateral no topo das torres, evitar que a estrada afunde entre os apoios e impedir dobras excessivas na laje. Métodos de cálculo tradicionais podem atender alguns desses objetivos, mas frequentemente ignoram as tensões nas torres ou exigem que os engenheiros ajustem as forças dos cabos por tentativa e erro — um processo lento para estruturas tão complexas.

Ensinando um enxame computacional a ajustar os cabos

Os autores recorrem a uma família de métodos de busca inspirados em enxames animais para enfrentar esse problema de ajuste de forma mais direta. Eles combinam uma ferramenta de engenharia padrão — uma “matriz de influência” que indica como cada cabo afeta o deslocamento das torres, a deflexão do tabuleiro e a flexão na viga principal — com uma rotina de busca avançada chamada Quick Group Search Optimizer com Congregação Passiva (QGSOPC). Em termos simples, o computador trata cada padrão possível de forças nos cabos como um indivíduo em um bando. Alguns indivíduos “exploram” novas combinações, outros “seguem” a melhor solução atual e outros vagueiam para evitar que o grupo fique preso em um ótimo local. A matriz de influência permite que o programa preveja rapidamente como qualquer padrão de forças experimental mudará a forma e as tensões de toda a ponte.

Aplicando o método em uma ponte gigante real

Para testar a abordagem, os pesquisadores a aplicaram a uma ponte estaiada de cinco vãos e duas torres sobre o rio Xijiang, em Guangdong, China, com 208 cabos e um vão principal de 580 metros. Construíram um modelo computacional detalhado da ponte usando software estrutural padrão e então permitiram que apenas 26 pares representativos de cabos variassem, refletindo a simetria da ponte. A tarefa do algoritmo de busca era encontrar forças nos cabos que, sob peso permanente isoladamente, reduzissem o deslocamento lateral no topo das torres, a flecha vertical do tabuleiro e a flexão máxima na viga principal. Ao mesmo tempo, tinha de manter as forças dos cabos dentro de limites seguros e evitar saltos bruscos entre cabos vizinhos, que poderiam criar pontos fracos locais.

Quanto mais reta e mais lisa a ponte ficou

Os ganhos com o novo método foram notáveis. Em comparação com o projeto original, as forças otimizadas encontradas pelo QGSOPC reduziram o deslocamento lateral no topo das torres em cerca de 84%, de 84,1 milímetros para apenas 13,6 milímetros — transformando essencialmente uma inclinação perceptível em um deslocamento quase imperceptível. A flecha máxima da estrada sob seu próprio peso caiu cerca de 42% e a flexão máxima na viga principal diminuiu 11%. Para comparação, um parente mais simples do algoritmo, chamado Group Search Optimizer (GSO), melhorou levemente a flecha do tabuleiro, mas na verdade piorou a inclinação das torres e aumentou a flexão na viga. No conjunto, uma pontuação combinada medindo os três efeitos caiu 40,7% com o QGSOPC, contra 40,3% com o GSO, mostrando que o método mais novo fornece uma solução mais equilibrada e estruturalmente favorável.

O que as mudanças significam na prática

As forças de cabo otimizadas são geralmente maiores do que as especificadas originalmente, às vezes em até 60% para cabos individuais, mas ainda bem abaixo de seus limites de resistência. Isso pode exigir macacos mais fortes e planejamento cuidadoso durante a construção, mas não exige torres mais grossas nem um tabuleiro mais pesado, e as verificações de segurança permanecem satisfeitas. O estudo também observa que seus resultados se aplicam à ponte concluída sob seu próprio peso; efeitos de longo prazo, como fluência do concreto, relaxamento do aço, variações de temperatura e carregamento por tráfego ficam para trabalhos futuros, assim como comparações diretas com outros métodos de busca populares, como algoritmos genéticos e enxames de partículas.

Pontes mais simples por meio de sintonia inteligente

Para não especialistas, a conclusão é que computadores agora podem “afinar” pontes estaiadas de forma muito semelhante a um músico que afina um violão — ajustando sutilmente as tensões até que todo o sistema se comporte conforme desejado. A abordagem QGSOPC ajuda engenheiros a encontrar padrões de forças nos cabos que mantêm torres eretas, tabuleiros nivelados e tensões internas mais equilibradas, tudo dentro de limites realistas de construção e segurança. À medida que esse tipo de otimização inteligente for ampliado para incluir tempo, temperatura e tráfego, promete pontes icônicas mais confiáveis e duradouras sem alterar fundamentalmente sua aparência — apenas o equilíbrio invisível de forças que as sustenta.

Citação: Qin, G., Wang, L., Wu, Z. et al. Application of quick group search optimizer with passive congregation algorithm in cable force optimization of completed bridge of cable-stayed bridge. Sci Rep 16, 12770 (2026). https://doi.org/10.1038/s41598-026-42581-1

Palavras-chave: ponte estaiada, otimização das forças dos cabos, inteligência de enxame, engenharia estrutural, análise por elementos finitos