Recentemente, o processo de conversão de energia através do uso de materiais piezelétricos tem se destacado. Com o objetivo de obter a melhor performance do dispositivo de conversão de energia, este trabalho apresenta a aplicação e desenvolvi- mento de técnicas de otimização que, através da otimização de múltiplos parârnetros (multiparâmetros) do sistema, obtenha a maior potência de saída do conversor. A teoria de viga de Euler-Bernouli foi utilizada na modelagem do acoplamento eletromecânico de estruturas tipo viga cantilever parcialmente recobertas com material piezelétrico, com massa concentrada na extremidade livre, e excitadas harrnonicamente pela base. O modelo foi, então verificado, através de testes experimentais. Múltiplos parâmetros do sistema foram ajustados empregando-se diferentes técnicas de otimização: método SQP (do inglês, Sequential Quadratic Program), Algoritmos Genéticos (GA, do inglês Genetic Algorithms), e um método de otimização desenvolvido nesse trabalho nomeado como "Busca Extensiva Modificada"(MES, sigla do inglês Modified Extensive Search), que se baseia na variação dos parâmetros do sistema (ou das variáveis de projeto) a fim de se encontrar, através de um trabalho modificado de busca, a melhor configuração que otimize a função objetivo analisada. Outro método de otimização implementado no presente trabalho é o método de programação estocástica (ou probabilística), no qual são tratados parâmetros aleatórios do sistema. Uma comparação entre as técnicas de otimização foi realizada para as conexões em série e paralelo das camadas piezelétricas e para 5 diferentes faixas de frequência, envolvendo uma variação de 5 a 80 Hz. Ademais, uma discussão sobre os efeitos de incertezas paramétricas na dinâmica do conversar de energia foi realizada utilizando o método de Simulações de Monte Carlo (MCS, sigla do inglês Monte Carlo Simulationsi. Os resultados das simulações numéricas revelaram um melhor desempenho apresentado pelo método MES quando comparado com os métodos SQP e GA. Ainda, os resultados da otimização estocástica reforçaram a importância de se levar em conta incertezas nos parâmetros de projeto do sistema de conversão de energia, uma vez que pequenas variações em alguns parâmetros de projeto podem causar variações significantes no potência elétrica de saída, o que sugere fortemente que incertezas sejam levadas em conta no projeto de um conversar de energia.

In the past years considerable research efforts have been dedicated to the develop- ment ofharvesting ambient structural vibration signals through piezoelectric materiais. Aimed to reach the best performance of the harvester in terms power generation, this work presents the study and development of optirnization techniques where multiparameters of the system are adjust to obtain the maximum output power. Euler-Bernoulli beam theory is employed in developing an electromechanical model of a bimorph harvester carrying a tip mass and driven frorn its base by a single frequency harrnonic motion. The model was then validated through experimental tests. Then, multiparameters are adjusted by employing different optimization strategies: Sequential Quadratic Programming (SQP), Genetic Algorithms (GA) and a proposed method called Modified Extensive Search (MES) that is based in the parameters variation in order to reach, through a modified search scheme, the best configuration for the harvester. Another classical optimization technique implemented in the present work is the Stochastic Programming Method in which stochastic variations are introduced in some key parameters. A comparison among the optimization techniques was performed for the series and parallel connection of the piezoelectric layers and for 5 different operation frequency ranges, from 5 to 80 Hz. Additionally, a comprehensive discussion on the effects of aleatory uncertainties on the dynamics of the harvester was performed using the well known Monte Carlo Simulation (MCS) method. Results from the numerical simulations revealed that the superior performance of the MES method compared to the SQP and GA methods. Additionally the results obtained frorn the stochastic programming approach reinforce the importance of accounting for uncertainties in the design of energy harvesting systems since small variations in some design parameters can cause a significant variation in the output electrical power, what strangly suggests that uncertainties must be accounted for in the design of energy harvesting systems.