بهینه‌سازی ژنتیکی محاسبات سخت در مقابل محاسبات نرم برای مدل‌سازی میراگر MR و ارائه یک مدل شبه استاتیکی وارون‌پذیر

doi
10.22060/ceej.2015.562
چکیده

برای بیان رفتار غیرخطی میراگرهای MR بعنوان ابزارهای تثبیت شده‌ی نیمه فعال در کنترل ارتعاشات، مدل‌های مختلفی ارائه شده که در دو عرصه محاسبات سخت و نرم قابل دسته‌بندی‌ هستند. اما تنها برخی قادرند از ویژگی‌های هیستریک و بشدت دینامیکی میراگرهای MR بصورت مستقیم و معکوس، که یک خصیصه‌ی اصلی کنترلی است، بخوبی تقلید کنند؛ بطور دقیق‌تر، انتخاب یک مدل باکیفیت و معکوس پذیر نقش مهمی در کنترل نیمه‌ فعال ایفا میکند، که تا کنون بصورت خاص مورد توجه قرار نگرفته است. ازینرو در این پژوهش ابتدا تعدادی از بهترین مدل‌های ارئه شده‌ی محاسبات سخت (پارامتری) میراگر MR انتخاب و توسط بهینه‌سازی ژنتیکی تحت شرایط برابر شناسایی میشوند. دوم، بوسیله‌ی روش‌های محاسبات نرم دو مدل فازی- ژنتیک و عصبی- فازی ساخته میشوند. سپس یک مدل شبه استاتیکی ارائه شده، که بر خلاف مدل‌های دینامیکی دقیق کنونی، بدون معادله‌ دیفرانسیل و وارون‌پذیر است. سرانجام، تمامی مدل‌ها در معرض زلزله‌های فیلترشده‌ی ایرانی و خارجی مقایسه میشوند. در کلیه مراحل، داده‌های آزمایشگاهی با بکارگیری یک برنامه‌ی معیار مجهز به میراگرهای بزرگ مقیاس MR ارائه‌شده توسط انجمن مهندسین عمران آمریکا (ASCE)، تولید میشوند. مقایسه‌ها دو نتیجه بهمراه دارند: مدل‌ فازی- ژنتیکی دقیق‌تر از مدل‌های محاسبات سخت است و مدل ارائه‌شده موثرتر از مدل‌های دینامیکی عمل میکند، زیرا نه‌تنها دارای دقت مطلوب و سرعت بمراتب بالاتر بوده، بلکه بسادگی وارون‌پذیر است.