Localización de defectos en hueso cortical empleando el método de

Revista de la Facultad de Ingeniería U.C.V., Vol. 31, N° 1, pp. 355-373, 2016
doi:10.21311/002.31.1.16
Localización de defectos en hueso cortical empleando el método de
los elementos de contorno y algoritmos genéticos.
David Ojeda1, Eduardo Divo2, Alain Kassab3, Miguel Cerrolaza4
1
Departamento de Diseño Mecánico y Automatización, Facultad de Ingeniería, Universidad
de Carabobo, Naguanagua, Venezuela, [email protected]
2
Department of Engineering Technology, University of Central Florida, Orlando, FL, USA,
[email protected]
3
Dep. of Mechanical, Materials, and Aerospace Engineering, University of Central Florida,
Orlando, FL, USA, [email protected]
4
Instituto Nacional de Bioingeniería, Universidad Central de Venezuela, Caracas, Venezuela,
[email protected]
Resumen
Se presenta una solución eficiente para la detección de cavidades en hueso cortical a partir
de una técnica de superposición de cargas puntuales empleando el método de elementos de
contorno. Se muestran dos ejemplos donde se logra la detección de una cavidad a partir de
una imagen tomográfica de un hueso cortical, validándose la solución a partir de resultados
numéricos experimentales usando el Método de los Elementos de Contorno.
Palabras claves: Método de los elementos de contorno (MEC); detección de defectos;
algoritmos genéticos.
Locating defects in cortical bone using the boundary element method and genetic
algorithms.
ABSTRACT
An efficient solution for cavity detection in cortical bone, using a point load superposition
technique employing the boundary element method is presented in this paper. Two
examples where the cavity is located using a TAC is presented. Results of cavity presence
problems simulated using numerical experiments validate the approach in cortical bone with
a single cavity.
355
Revista de la Facultad de Ingeniería U.C.V., Vol. 31, N° 1, pp. 355-373, 2016
Keywords: Cortical bone; boundary element method (BEM); defect detection; genetic
algorithms.
1. Introducción
Se presenta la resolución de un problema de ensayo no destructivo de materiales que
permite la localización de una cavidad en una sección transversal de hueso cortical
perteneciente a un fémur humano, empleando el método de los elementos de contorno y
algoritmos genéticos. Se utiliza un método de superposición singular de cargas puntuales
para resolver el problema geométrico inverso permitiendo simular, de manera eficiente, la
presencia de cavidades internas (Ojeda et al 2007a; Gámez et al 2007).
Para determinar el campo de variables que se obtienen de las entradas, en un problema
directo se especifica: a. La ecuación que rige el campo variable, b. Las propiedades físicas,
c. Las condiciones de contorno, d. Las condiciones iniciales y e. La geometría del sistema.
Por el contrario en un problema inverso, que es el caso de esta publicación, se especifica:
(1) parte de las condiciones anteriormente
numeradas (a, b, c, d, e) y (2) una condición especificada (conocida como la condición
expuesta del contorno). La razón de resolver un problema inverso es encontrar alguna
condición desconocida numerada de la (a) a la (e) en un problema directo. Normalmente en
un problema inverso, las condiciones especificadas se obtienen de alguna medición interna
del campo de variables a través de algún sensor (Divo et al 2000, 2004; Ulrich et al 1996;
Kassab et al 1994; Kassab et al 1995) o, como el caso de esta investigación, por medio del
resultado de un análisis numérico.
El método de los elementos de contorno (MEC), por su propia naturaleza, ofrece la
alternativa perfecta (Ojeda et al 2007c; Gámez et al 2007; Divo et al 2000, 2004; Ulrich et
al 1996; Kassab et al 1994; Kassab et al 1995; Cerrolaza et al 2000; Müller et al 2001;
Annicchiarico et al 2002; Annicchiarico et al 2004; Annicchiarico et al 2005; Martínez et al
2006) para la resolución de este tipo de problemas debido a que no requiere discretización
del dominio ni regeneración completa del mallado así como la de su geometría (Brebbia y
Domínguez et al 1989; Kane 1994).
356
Revista de la Facultad de Ingeniería U.C.V., Vol. 31, N° 1, pp. 355-373, 2016
En este artículo se determinaron las características de las cavidades encontradas en una
sección transversal de la diáfisis de fémur, mediante el desarrollo de un método de
superposición de singularidades (Ojeda et al 2007a, 2007b, 2007c; Gámez et al 2007).
Este método propone una solución para la localización de cavidades o tumores en zonas
cercanas a la presencia de un dispositivo metálico, como un clavo, fijador externo o placa,
que produzca brillo cuando se realice una tomografía axial computarizada o rayos X.
2. PROBLEMA DIRECTO Y MEC EN ELASTICIDAD
La solución de problemas directos en elastostática provee el campo de los desplazamientos
dentro del sistema de ecuaciones de gobierno, las condiciones de contorno y el sistema
geométrico. El campo de los desplazamientos para un medio isótropo, homogéneo y
linealmente elástico sujeto a una distribución de fuerzas internas o de campo bi es regida
por la ecuación de Navier:
(1)
donde ui y uj representan los campos de desplazamientos,  es la relación de Poisson y  es
el módulo de rigidez. En un problema directo, la solución de esta ecuación, normalmente, es
posible cuando se prescriben correctamente dos posibles tipos de condiciones de borde:
(2)
donde, la sobrebarra denota una cantidad especificada, ti es el campo de tracciones y nj es
el vector normal unitario hacia afuera del dominio  rodeado por el contorno  = u  t. El
campo de esfuerzos ij está definido como:
(3)
Con el campo de deformaciones relativas eij como:
357
Revista de la Facultad de Ingeniería U.C.V., Vol. 31, N° 1, pp. 355-373, 2016
(4)
La técnica del método de los elementos de contorno consiste en transformar las ecuaciones
que describen el comportamiento de la variable en el interior y en el contorno del dominio,
en ecuaciones integrales referidas solamente al contorno y encontrar la solución numérica
de estas ecuaciones. De manera tal, que todas las aproximaciones numéricas se efectúan
para valores en el contorno, trayendo como consecuencia la reducción de la dimensionalidad
del problema (Inglessis y Cerrolaza 2003). En una formulación del método de elementos de
contorno basada en la ecuación integral de Somigliana, queda planteada una relación
integral entre la deformación
en un punto de colocación “ p” y las deformaciones ui y
tracciones ti en todo el contorno . Adicionalmente, las fuerzas de campo bi, permanecen
relacionadas a través de una integral de dominio , como sigue:
(5)
donde, Gij y Hij son las soluciones fundamentales de desplazamientos y tracciones,
respectivamente, y
si p
 y
es una constante geométrica, tal que:
si p
si p

;
 en el caso de un contorno suave (Brebbia y Domínguez,
1989; Kane, J., 1994).
Estableciendo que el campo de fuerzas internas bi está constituido únicamente por cargas
puntuales (Ojeda et al 2007b), tal que:
(6)
donde NL es el número de cargas puntuales,
es la intensidad de cada carga l y
es la función de Dirac ubicada en el punto de impacto de cada carga
.
Utilizando las propiedades de la función de Dirac, el último término de la ecuación integral
(5) se reduce a:
358
Revista de la Facultad de Ingeniería U.C.V., Vol. 31, N° 1, pp. 355-373, 2016
(7)
donde
es la solución fundamental de desplazamiento evaluada en el punto de impacto
de cada carga xl. Esta substitución permite reducir, de manera simple, la ecuación integral
(7) a integrales de contorno como:
(8)
De igual forma se puede definir una ecuación integral de contorno que relaciona el campo
de esfuerzos
en un punto de colocación p como:
(9)
donde los términos
y
son las soluciones fundamentales de esfuerzos. Esta
ecuación integral de contorno se puede emplear para calcular el esfuerzo
en cualquier
punto p del dominio  e incluso se puede llevar al contorno pero se deben utilizar métodos
especiales de integración ya que el término
se vuelve hipersingular cuando se integra
sobre el punto de colocación p.
Discretizando la ecuación integral de contorno de desplazamientos (9) utilizando NE
elementos de contorno con NN nodos independientes en cada elemento, se obtiene el
siguiente arreglo matricial:
[H]{u}=[G]{t}+{q}
(10)
donde las matrices [H] y [G], de dimensiones NN, contienen los coeficientes de influencia
que relacionan los desplazamientos {u} y tracciones {t} en el contorno (Brebbia y
Domínguez, 1989; Kane, J., 1994). Donde N = dNENN, d es el número de dimensiones
espaciales (2 o 3), NE es el número de elementos y NN es el número de nodos. Lo más
359
Revista de la Facultad de Ingeniería U.C.V., Vol. 31, N° 1, pp. 355-373, 2016
resaltante de este desarrollo es el hecho que todos los efectos generados por las cargas
puntuales quedan remitidos al vector {q}, lo que esencialmente permite alegar que si de
alguna forma se logra simular la presencia de una cavidad utilizando un conjunto de cargas
puntuales, entonces no se necesitaría re-discretizar el contorno en cada paso de un
eventual proceso de optimización para la detección de esta cavidad ya que
su efecto
simplemente estaría afectando al sistema algebraico con la suma de un vector {q}
conocido.
A la relación de coeficientes (10) se introducen las condiciones de borde
y
para
arreglar el sistema algebraico en la forma:
[A]{x} ={b}+{q}
(11)
donde el vector {x} contiene los valores nodales desconocidos de {u} y {t} en donde no
fueron prescritas condiciones de borde (Brebbia y Domínguez, 1989; Kane, J., 1994). La
solución de este sistema sigue métodos estándar. Cabe destacar que para esta investigación
se emplearon solo elementos de contorno cuadráticos discontinuos iso-paramétricos, donde
tanto la geometría como las cantidades de campo {u} y {t} son aproximadas utilizando
funciones de forma cuadráticas pero los nodos de las cantidades de campo se ubican dentro
del elemento un 12.5%, (Divo et al 2000, 2004; Ulrich et al 1996; Kassab et al 1994;
Kassab et al 1995) y no en los puntos extremos del elemento como es el caso de los nodos
geométricos. Una de las ventajas para el uso de este tipo de nodo es para evitar las
singularidades en las esquinas (Brebbia y Domínguez, 1989).
3. MÉTODO DE OPTIMIZACIÓN: ALGORITMOS GENÉTICOS (AGs)
Tres características resaltantes que definen a los algoritmos genéticos (AGs) de otros
algoritmos evolutivos: (1) representación binaria de la solución, (2) la proporcionalidad del
método de selección, y (3) mutación y cruce como método primario para producir
variaciones. En general, las propiedades de un organismo se describen como una serie de
genes (variables de diseño) en un cromosoma. Por lo tanto, si se trata de simular la
naturaleza usando un computador, se debe codificar el diseño de las variables de una
manera conveniente. Se adoptará un modelo haploide usando un modelo de vector binario
que simule un cromosoma sencillo (Ojeda et al 2007a, 2007b, 2007c; Gámez et al 2007;
Divo et al 2000, 2004). Se determina la longitud del vector por el número y precisión
requerida de cada variable de diseño. Cada variable de diseño es limitada entre un valor
360
Revista de la Facultad de Ingeniería U.C.V., Vol. 31, N° 1, pp. 355-373, 2016
máximo y mínimo. Adicionalmente, se establece la precisión de la variable de diseño
asignando un número de bits por variable. La información contenida en la cadena de
vectores que compone el cromosoma caracteriza a cada individuo en su población. Además,
cada individuo, dependiendo de su diseño, posee una aptitud o capacidad de supervivencia.
El proceso de optimización comienza con la suposición aleatoria de un grupo de posibles
soluciones denominadas población que contienen un tamaño inicial o número de individuos.
Cada
individuo
se
define
por
la
combinación
de
parámetros
y se representa como una
cadena binaria o cromosoma, ver figura 1. Ya que los AGs están planteados para maximizar
y no minimizar, se puede formular una función de aptitud, Z (Ojeda et al 2007a), como el
inverso de la función objetivo S como:
(12)
Esta función de aptitud Z se evalúa para cada individuo en la población actual definiendo
que tan apto es este individuo para la supervivencia. En cada iteración de los AGs se realiza
una operación de selección, cruce y mutación para actualizar el arreglo de la población. La
selección se realiza para determinar pares de individuos que cruzarán su material genético
para producir un descendiente para la nueva generación. Este operador selecciona
aleatoriamente a la pareja de individuos, sin embargo, esta aleatoriedad es proporcionada
con el nivel de aptitud de cada individuo para garantizar que los individuos más aptos
tendrán más probabilidad de transmitir su carga genética a la nueva generación.
Adicionalmente, un operador de mutación aleatorio afecta la información obtenida al cruzar
el material genético de los individuos. Este paso es importante para un mejoramiento
continuo de las generaciones. Una serie de parámetros son fijados inicialmente en los AGs y
determinan y afectan la eficiencia del proceso de optimización.
361
Revista de la Facultad de Ingeniería U.C.V., Vol. 31, N° 1, pp. 355-373, 2016
Los parámetros que controlan el proceso de optimización son el número de parámetros por
individuos o variables de optimización, el número de bits por parámetro o longitud de los
cromosomas que define cada individuo, el número de individuos o tamaño de la población
por generación, el número de hijos por cada cruce, la probabilidad de cruce y la
probabilidad de mutación. Los operadores de los AGs se aplican generación tras generación
hasta satisfacer un criterio de convergencia o hasta alcanzar un número máximo de
generaciones. Una vez que el tamaño de la población sea fijada, el algoritmo inicializa todos
los cromosomas. Esta operación se lleva a cabo aleatoriamente. Después de inicializar la
población, se realiza una evaluación de la aptitud de cada individuo computando la función
de aptitud. Teniendo los valores de la función de aptitud para cada individuo, el proceso de
selección puede comenzarse. La probabilidad de selección de cada individuo es calculada
utilizando la relación mostrada en la ecuación 13.
(13)
donde TP es el tamaño de la población, i es el miembro i de la población y Zi es la aptitud
del miembro i de la población. Se genera una ruleta de peso en la cual a cada miembro se le
asigna una porción de la rueda en proporción a su probabilidad de selección. La ruleta es
girada tantas veces como hayan individuos en la población para producir el número
adecuado de descendientes. Acá algunos cromosomas serán seleccionados más de una vez
y los mejores cromosomas tendrán más oportunidades de transmitir su material genético a
la nueva generación. El cruce y mutación ocurren una vez que se haya aplicado la selección
para garantizar la diversidad genética en la población de la nueva generación. Una vez
estimadas las cargas puntuales mediante el proceso de optimización de los AGs, un nuevo
proceso de optimización se inicializa y lleva a cabo para ubicar la línea o contorno de cero
tracciones al rededor de las cargas. Este segundo proceso de optimización se realiza
utilizando los AGs con las mismas propiedades de la etapa anterior pero con una nueva
función (Ojeda et al 2007a) de aptitud tal como:
(14)
362
Revista de la Facultad de Ingeniería U.C.V., Vol. 31, N° 1, pp. 355-373, 2016
La optimización de esta función de aptitud utilizando los AGs da como resultado la ubicación
y forma final aproximada de la superficie de la cavidad en cuestión.
4. METODOLOGÍA
Para la localización de la cavidad, primero se somete el hueso a cargas externas de tracción
o compresión. Se miden los desplazamientos en el contorno y se introducen en el programa
de algoritmos genéticos de acuerdo al esquema mostrado en la figura 2. Puede observarse
que el procedimiento lee los desplazamientos a partir de un archivo, posteriormente
distribuye las cargas puntuales que simulan la presencia de cavidad en el dominio. Carga la
función evaluación e inicia la evaluación de la primera función objetivo (ecuación 12) hasta
obtener un valor menor a un error fijado previamente (). Una vez concluido esto, se
continúa con el siguiente paso que corresponde a la determinación de la forma de la
cavidad. Para ello se carga la segunda función objetivo (ecuación 14) para determinar las
tracciones cero, concluyendo con la ubicación y forma del defecto.
363
Revista de la Facultad de Ingeniería U.C.V., Vol. 31, N° 1, pp. 355-373, 2016
364
Revista de la Facultad de Ingeniería U.C.V., Vol. 31, N° 1, pp. 355-373, 2016
5. VALIDACIÓN NUMÉRICA
Los resultados numéricos de problemas directos en 2D con cavidades usando el MEC ofrecen
una alternativa para generar las condiciones de contorno en el exterior de la superficie que
servirá para validar el programa. Se usan elementos de contorno discontinuos y cuadráticos
en todos los casos.
La figura 3.a muestra un primer ejemplo. Corresponde a una sección transversal de un
hueso cortical perteneciente a un fémur de una persona adulta. Las dimensiones en
promedio son 0,04 m de diámetro externo y diámetro interno de 0,0254 m. Posee una
cavidad elíptica rotada 45º, cuyos ejes mayor y menor son 0,0045 m y 0,0026 m,
respectivamente. En la figura 3.b se observa la discretización de la sección con 128
elementos (80 en los lados y 48 para la sección interna). Las condiciones de borde
establecidas en el modelo se observa en la figura 3.c. El hueso está empotrado en uno de
los lados y tiene una carga de compresión de 100 MPa distribuida en el resto de los lados.
Un segundo ejemplo se muestra en la figura 4.a. Las dimensiones del hueso similares al
ejemplo 1, con la diferencia de que la cavidad es circular con un diámetro aproximado de
0,002 m. Se observa en la mitad de la sección un empotramiento y la otra mitad una
carga distribuida perpendicular al hueso de 10 MPa. En la figura 4.b se muestra la
discretización del hueso similar al ejemplo 1. Las figuras 5.a y 5.b muestran los
desplazamientos para ambos ejemplos, usando problemas directos y MEC. Estos valores
serán usados para validar el proceso de simulación (Ojeda, D., et al 2007a, 2007b, 2007c;
Gámez, B., et al 2007).
365
Revista de la Facultad de Ingeniería U.C.V., Vol. 31, N° 1, pp. 355-373, 2016
Después de resolver el problema inverso para el ejemplo 1, se observa en las figuras 6.a y
6.b, los resultados de la evolución de las cargas puntuales desde la primera generación
hasta lograr una convergencia, detectando finalmente la ubicación de la cavidad. Esta
convergencia es alcanzada por la primera función objetivo (ecuación 12) después de 1000
generaciones del AGs. Posteriormente se obtiene la convergencia de la segunda función
366
Revista de la Facultad de Ingeniería U.C.V., Vol. 31, N° 1, pp. 355-373, 2016
objetivo (ecuación 14) después de 50 generaciones, permitiendo obtener la forma de la
cavidad. La evolución de las dos funciones objetivos para el ejemplo 1 se muestran en las
figuras 7.a y 7.b.
367
Revista de la Facultad de Ingeniería U.C.V., Vol. 31, N° 1, pp. 355-373, 2016
Similar ocurre con el ejemplo 2. En las figuras 8.a y 8.b se observa el movimiento de las
cargas puntuales, localizando la cavidad, hasta alcanzar la convergencia en 500
generaciones del AGs. La forma de la cavidad se obtiene después de 20 generaciones de
AGs. La evolución de las dos funciones objetivos se observa en las figuras 9.a y 9.b.
368
Revista de la Facultad de Ingeniería U.C.V., Vol. 31, N° 1, pp. 355-373, 2016
369
Revista de la Facultad de Ingeniería U.C.V., Vol. 31, N° 1, pp. 355-373, 2016
370
Revista de la Facultad de Ingeniería U.C.V., Vol. 31, N° 1, pp. 355-373, 2016
6. CONCLUSIONES
Se ha propuesto un método superposición singular de cargas puntuales para la solución de
problemas geométricos inversos que localiza de manera eficiente las cavidades en
problemas que involucra una configuración geométrica irregular como lo es la sección
transversal de la diáfisis de hueso de fémur. Se ha integrado el método de los AGs como
herramienta de optimización con el MEC, validando la precisión de la solución con una
cavidad simple de forma circular y una elíptica, sometido a dos diferentes arreglos de cargas
de compresión. Los resultados numéricos han provenido de los problemas directos haciendo
uso del MEC, aprovechando la ventaja de que con el mismo no se requiere remallado en el
interior del dominio; lo que ha permitido la reducción del tiempo computacional.
7. AGRADECIMIENTOS
Los autores quieren expresar su más sincero agradecimiento a la Universidad de Carabobo
(Venezuela), University of Central Florida (USA) e Instituto Nacional de Bioingeniería
(Venezuela) por el financiamiento y apoyo institucional para el desarrollo de esta
investigación.
8. REFERENCIAS BIBLIOGRÁFICAS
1. Annicchiarico W., Cerrolaza M., (2004). “ A 3D boundary element optimization approach
based on genetic algorithms and surface modelling” , Eng. Anal. With Bound. Elem, Vol.
28(11), pp. 1351-1361.
2. Annicchiarico W., Cerrolaza M., (2002). “ An Evolutionary Approach for the Shape
Optimization of General Boundary Elements Models” . Electronic Journal of Boundary
Elements, Vol.2.
3. Annicchiarico W., Martínez G., Cerrolaza M., (2005) “ Boundary elements and -spline
modelling for medical applications” , J. of App. Math. Mod. Vol. 31(2), p.p. 194 – 208.
4. Brebbia C.A., Dominguez J., (1989). “ Boundary element, An introductory course” .
Computational mechanics Publ., Boston, co-published with McGraw-Hill, New York. pp. 134250
371
Revista de la Facultad de Ingeniería U.C.V., Vol. 31, N° 1, pp. 355-373, 2016
5. Cerrolaza M., Annicchiarico W. and Martinez M., (2000). “ Optimization of 2D boundary
element models using -splines and genetic algorithms” , Engineering Anal. with Bound.
Elem, 24(5): 427-440.
6. Divo E.A., Kassab A.J., Rodríguez F., (2004). “ An efficient singular superposition
technique for cavity detection and shape optimization” . Numerical Heat Transfer, Part B,
46: 1 - 30, Copyright Taylor & Francis Inc.
7. Divo E.A., Kassab A.J., Rodríguez F., (2000).“ Characterization of space dependent
thermal conductivity with a BEM-Based genetic algorithm” . Institute for Computational
Engineering, University of Central Florida, Orlando, Florida, 32816-2450, Numerical Heat
Transfer, Part A: Applications, Vol. 37, No. 8, pp 845 - 877.
8. Gámez, B., Ojeda, D., Divo, E., Kassab, A., Cerrolaza, M. (2007). “ Cavity detection and
crack analysis in biomechanics using BEM” , Proceeding of IX International Conference on
Computational Plasticity COMPLAS IX. E. Oñate and D. R. J. Owen (Eds) Ó CIMNE,
Barcelona.
9. Inglessis P., Cerrolaza M. (2003). Una introducción al método de los elementos de
contorno en ingeniería y ciencias aplicadas. CDCH-UCV, Caracas, Venezuela
10. Kassab A.J., Moslehy F.A., Daryapurkar A.B., (1994). “ Nondestructive detection of
cavities by an inverse elastostatics boundary element method” . J. Engineering Analysis
with Boundary Elements 13. 45 - 55.
11. Kassab A.J., Moslehy F.A., Ulrich T.W., (1995). “ Inverse boundary element solution for
locating subsurface cavities in thermal and elastostatic problems” . In Proc. IABEM-95,
Computational Mechanics '95, Hawaii, July 30-August 3 (ed. Atluri, Yagawa and Cruse), pp.
3024-3029, Springer, Berlin.
12. Kane J.H. (1994). “ Boundary element analysis in engineering continuum mechanics” .
Prentice Hall, Englewood Cliffs, New Jersey 07632.
13. Martínez G. and Cerrolaza M., (2006). “ A bone adaptation integrated approach using
BEM” , J. Eng. Anal. With Bound. Elem. 30, 107-115.
372
Revista de la Facultad de Ingeniería U.C.V., Vol. 31, N° 1, pp. 355-373, 2016
14. Müller-Karger C., González C., Aliabadi M.H. and Cerrolaza M., (2001). “ Three
dimensional BEM and FEM stress analysis of the human tibia under pathological
conditions” , J. of Comp. Mod. In Eng. and Sciences, 2(1): 1-13.
15. Ojeda, D., Divo, E., Kassab, A. Cerrolaza, M., (2007a). “ Cavity detection in
biomechanics by an inverse evolutionary point load bem technique” . Inverse Problems,
Design and Optimization Symposium (IPDO-2007), Miami, Florida. USA.
16. Ojeda, D., Divo, E., Kassab, A., Cerrolaza, M., (2007b).
“ Superposición de
singularidades para similar la presencia de cavidades en problemas de elastostática usando
el método de los elementos de contorno” . In Press, Acta Científica Venezolana. IVIC,
Caracas, Venezuela.
17. Ojeda, D., Gámez, B., Divo, E., Kassab, A. and Cerrolaza, M., (2007c). “ Singular
superposition elastostatic BEM/GA algorithm for cavity detection” , Brebbia, C. and Popov,
V. (eds), Boundary elements and other mesh reduction methods XXIX, pp. 313 – 322, WIT
Press, UK.
18. Ulrich T.W., Moslehy F.A. Kassab A.J., (1996). “ A BEM based pattern search solution
for a class of inverse elastostatic problems” . Int. J. Solids Structures, Vol. 33, No. 15, pp.
2123-2131.
373