فهرست نشریات علمی دسترسی آزاد ایران

در این پژوهش، یک چارچوب بهینه‌سازی چندهدفه مبتنی بر الگوریتم ژنتیک توسعه‌یافته برای طراحی قاب‌های فولادی دهانه‌بلند مجهز به سیستم مهاربندی چندطبقه با آرایش Y ارائه شده است. برخلاف مطالعات پیشین که عمدتاً بر بهینه‌سازی تک‌هدفه یا پارامترهای محدود تمرکز داشته‌اند، در این تحقیق یک نسخه تطبیقی از NSGA-II با مکانیزم جریمه هوشمند و راهبرد نخبه‌گرایی به کار گرفته شده است تا به‌صورت هم‌زمان وزن سازه، بیشینه دریفت نسبی طبقات و زاویه بهینه مهاربندها بهینه شوند. فرایند بهینه‌سازی در محیط MATLAB توسعه‌یافته و تحلیل‌های غیرخطی با استفاده از OpenSees به‌صورت خودکار با الگوریتم کوپل شده‌اند. به‌منظور ارزیابی کارایی روش پیشنهادی، دو قاب فولادی دهانه‌بلند با سیستم مهاربندی چندطبقه Y تحت تحلیل تاریخچه زمانی غیرخطی مطابق ضوابط لرزه‌ای AISC و ASCE بررسی شدند. متغیرهای طراحی شامل تعداد طبقات مهاربندی، ارتفاع هر طبقه و زاویه اتصال مهاربندها در نظر گرفته شد و جبهه پارتوی پاسخ‌ها برای تصمیم‌گیری مهندسی استخراج گردید. نتایج نشان داد چارچوب پیشنهادی قادر است کاهش وزن سازه را در بازه ۱۲ تا ۲۱ درصد نسبت به طرح اولیه فراهم کند، درحالی‌که قیود عملکردی لرزه‌ای به طور کامل ارضا شده‌اند. همچنین زاویه‌های بهینه مهاربند عمدتاً در محدوده عملکردی حدود ۳۷ تا ۵۲ درجه به دست آمد. یافته‌های این تحقیق نشان می‌دهد که به‌کارگیری الگوریتم ژنتیک چندهدفه تطبیقی همراه با بهینه‌سازی هم‌زمان پارامترهای هندسی و مقطعی می‌تواند به طراحی‌های سبک‌تر، کاراتر و منطبق با ملاحظات معماری در قاب‌های فولادی دهانه‌بلند منجر شود. چارچوب ارائه‌شده قابلیت توسعه برای سایر سیستم‌های مهاربندی و کاربرد در طراحی مبتنی بر عملکرد در مناطق لرزه‌خیز را دارا است.