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

نوع مقاله : مقاله پژوهشی

نویسندگان

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.

کلیدواژه‌ها


عنوان مقاله [English]

Genetic Optimizing of Hard Computing vs Soft Computing for MR Damper Modeling and Proposing an Invertible Pseudo Static Model

نویسندگان [English]

  • B. Mehrkian
  • A. Bahar
  • A. Chaibakhsh
چکیده [English]

To describe nonlinear behavior of MR dampers as established semi-active devices employed to control vibrations, various models have been proposed which could be classified in hard and soft computing fields. However, only some could mimic hysteretic and highly dynamic characteristics of MR dampers appropriately directly and inversely which is a principle control attribute; more precisely, choosing a qualified invertible model plays a prominent role in a semi-active control, which has not come into sharp focus so far.  Thus in this article, first, some best-proposed hard computing (parametric) MR damper models are chosen and identified by genetic optimization under the same conditions. Second, two fuzzy-genetic and neuro-fuzzy models using soft computing techniques are constructed. Then a pseudo static model is proposed, which unlike to accurate dynamic models, have no differential equations and is invertible. Finally, all models subjected to filtered Iranian and foreign earthquakes would be compared. During all phases, experimental data is generated utilizing a benchmark program equipped with large-scale MR dampers, which is proposed by American Society of Civil Engineering (ASCE). Comparisons bring two results: the fuzzy-genetic model is more precise than hard computing ones; and the proposed model performs more effectively than dynamic ones, as it not only demonstrates desirable accuracy and much higher rate, but could easily be inverted.

کلیدواژه‌ها [English]

  • MR Damper Models
  • Benchmark Program
  • optimization
  • GA
  • Fuzzy
  • Pseudo Static
  • Earthquake
  • Comparison