بخشی از مقاله
چکیده
امروزه بزرگترین چالش مهندسی سازه، طراحی بهینه سازهها در برابر بارهای ناشی از زمین لرزه و بادهای شدید است. محدودیتهای روشهای سنتی طراحی سازهها منجر به بکارگیری و استفاده از فناوری سازههای هوشمند شده است. از اینرو، کاربرد سیستمهای کنترل فعال بهینه در سازههای هوشمند به طور چشمگیری افزایش یافته است. برای پیادهسازی این سیستمهای کنترل، الگوریتمهای مختلفی مورد استفاده قرار گرفتهاند.
همچنین، تحقیقات متعددی به کنترل پاسخ ساختمانهای برشی چند درجه آزادی با استفاده از تاندون فعال پرداختهاند. از دیدگاه ریاضی، این مسأله به صورت یک مسأله بهینهسازی طبقهبندی شده است که کنترل فعال بهینه لحظهای - IOAC - تابع هدف آن است. در این راستا، شاخص عملکرد بهینهی لحظهای، یک هماهنگی دوسویه بین کاهش پاسخ سازهای و کمینهسازی نیروی کنترلی مورد نیاز، برقرار میکند. در این مقاله، برای بهبود نسخه اصلی تکنیک بهینهسازی ازدحام ذرات، نظریه آشوب با بکارگیری نگاشت دایره مورد استفاده قرار گرفته است.
الگوریتم حاصله برای تعیین نیروی بهینه سیستم تاندون فعال استفاده شده است. به منظور شبیهسازی عددی، یک ساختمان برشی سه طبقه مورد بررسی قرار گرفته است تا کارایی و کفایت روش پیشنهادی تعیین شود. ساختمان مذکور، قبلا در نوشتههای فنی با روشهای دیگر کنترل شده است. بررسی نتایج و مقایسه آن با سایر روشها نشان میدهد که با استفاده از نگاشت دایره در الگوریتم بهینهسازی ازدحام ذرات، پاسخهای سازه به میزان قابل توجهی کاهش یافته است. این تحقیق، نشان میدهد که استفاده از نظریه آشوب، کارایی کنترل فعال بهینه را افزایش میدهد.
-1 مقدمه
یکی از کاربردهای مهم کنترل در مهندسی عمران، کنترل فعال سازههایی است که در معرض بارهای ناشی از زلزله و بادهای شدید قرار دارند. در کنار سایر روشهای کنترل، بویژه کنترل نیمه فعال سازهها - Kerboua et al. 2014 - ، ایده کنترل فعال در حوزههای مختلف مهندسی از قبیل هوا و فضا، مکانیک و مهندسی برق، جایگاه ویژهای برای خود باز کرده است - Block et al. .1997, Oliveira et al. 2009, Wu et al. 2004 - مفهوم کنترل پاسخ لرزه ای سازه در دهه 1950 میلادی توسط محققان ژاپنی Kobori و Minai ابداع شد .
- Kobori et al. 1960 - طی سه دهه اخیر، اثبات عدم کارایی طراحیهای سنتی، منجر به بکارگیری و استفاده از فناوری سازههای هوشمند در سازههای عمرانی شده است. یک سازه هوشمند بارهای دینامیکی محیط را بوسیله سنسورها حس کرده و رفتار خود را در هرزمان به گونه ای تغییر میدهد که بتواند در برابر نیروهای دینامیکی خارجی مقاومت کند . - Fisco et al. 2011 - کنترلگر با ایجاد سیگنالهای لازم، بر اساس یک الگوریتم از پیش تعیینشده، محرکها را به کار میاندازد تا پاسخهای سازه را با توجه به تغییرات محیط به مقدار مطلوب نزدیک کند.
از اینرو برای پیادهسازی یک کنترلگر به یک الگوریتم کنترل نیاز است. از جمله این الگوریتمها میتوان به - Dyke et al. H2 - Jabbari et al. 1995 - 1996 - H، کنترل هوشمند مبتنی بر منطق فازی، شبکه های عصبی - Cho et al. 2005 - و الگوریتمهای ژنتیک - Li et al. 2002, Kim et al. 2007 - اشاره کرد. در طراحی یک سیستم کنترل فعال، قانون کنترل باید به هدف کنترل دست یابد.
هدف کنترل میتواند مینیمم کردن پاسخ سازهای با حداقل انرژی کنترل یا نیروی کنترل باشد. یک شاخص عملکرد در این حالت برای یافتن هماهنگی بین نیاز کاهش پاسخ سازه با کمترین نیروی کنترل اعمالی، مورد استفاده قرار می گیرد. در این مقاله، شاخص عملکرد لحظهای وابسته به زمان JP - t - به عنوان شاخص عملکرد معیار بهینهسازی در نظر گرفته شده است.
یکی از آخرین تکنیکهای بهینهسازی که برای کنترل فعال سازهها مورد استفاده قرار گرفته است، روشهای بهینهسازی کلی مانند GA میباشد . - Ghanbarpor et al. 2006 - هنگامی که سیستم، یک تابع هدف با وابستگی بالا - یعنی پارامترهای بهینهسازی شدیدا به هم وابستهاند - و یا تعداد پارامترهای بهینهسازی زیاد، دارد؛ کارایی این روش برای دستیابی به جواب بهینه کلی کاهش یافته و فرآیند شبیهسازی بسیار وقتگیر خواهد شد . - Shayeghi et al. 2009 - برای غلبه بر این موانع، PSO به عنوان ابزاری برای کنترل ارتعاشات سازه و به حداقل رساندن پاسخهای سازهای پیشنهاد میشود.
PSO یک روش بهینهسازی تکاملی مبتنی بر جمعیت است که عملکرد قابل قبولی در حل مسائل پیچیده از خود نشان داده است . - Altinoz et al. 2010 - همچنین برای حل مسائل گسسته، غیرخطی، چند وجهی و مشتق ناپذیر روشی مناسب و قابل اعتماد است PSO . - Shi et al. 1998, Cheng et al. 2007 - از قابلیتهای جستجوی موضعی و کلی برای یافتن بهینه استفاده میکند.
کافیست تابع هدف تعیین و حدود پارامترهای بهینگی مشخص شود. در هر گام زمانی، با تعیین مقدار تابع هدف بدست آمده از موقعیت فعلی و مقایسه آن با مقدار ناشی از موقعیت قبلی، جستجو برای یافتن جواب در فضای مسأله انجام میشود. علیرغم کارایی PSO در یافتن بهینه کلی، یکی از نقاط ضعف اساسی این روش، گرفتار شدن در مینیممهای موضعی است.
در این مقاله، کنترل سازه با تاندون فعال به عنوان یک مسأله بهینه سازی فرمولبندی شده و نیروی کنترلی اعمالی از طرف کنترلگر به سازه در هر لحظه، با مینیمم کردن تابع سازگاری مبتنی بر IOAC با بکارگیری جستجوی آشوبناک با استفاده از نگاشت دایره در الگوریتم بهینهسازی ازدحام ذرات تعیین می شود؛ به گونهای که پاسخ تغییرمکان سازه در تراز طبقات، حداکثر کاهش را داشته باشد. کارایی روش پیشنهادی برای ساختمان برشی سه طبقه، تحت زلزلههای السنترو، کالیفرنیا و نورثریج مورد ارزیابی قرار گرفته است.
-2 کنترل فعال ساختمان برشی چند درجه آزادی
• مدل سازه ای
برای تحلیل لرزهای سازههای بزرگ، سادهسازیهایی انجام میگیرد. یکی از این روشها، مدلسازی به صورت ساختمان برشی است. با این فرض، درجات آزادی سازه کاهش یافته و سهولت فرآیند تحلیل لرزهای را در بر خواهد داشت. در واقع ساختمانهای برشی از سادهترین انواع سیستمهای چند درجه آزادی هستند.
· معادلات حاکم
براساس فرضیات بکار رفته در مدلسازی ساختمان برشی، میتوان این گونه سازهها را به صورت طرهای با جرمهای متمرکز در تراز طبقات نشان داد.
-3 روشهای بهینه سازی برای کنترل فعال
• الگوریتم بهینه سازی ازدحام ذرات
بهینه سازی ازدحام ذرات - PSO - یک الگوریتم تکاملی مبتنی بر جمعیت میباشد. این الگوریتم، در سال 1995 توسط کندی و ابرهات بر اساس رفتار اجتماعی موجودات زنده از قبیل پرندگان و ماهیها طراحی شده است . - Kennedy et al. 1995 - البته قبل از آن در حدود سال 1927 کارل فانفریش کشف کرد که زنبورها در بازگشت به کندو علاوه بر شهد و گرده با خود اطلاعاات نیز میآورند.
لیکن او مدلی که بیانگر استراتژی جستجو باشد، را پیشنهاد نداده است . - Maurice, 2006 - بهینهسازی ازدحام ذرات، یک الگوریتم بهینهسازی کلی اکتشافی است که به طور گستردهای در مسائل بهینهسازی پیوسته و گسسته بکار برده شده است. PSO ویژگیها و مشخصههای محاسبات تکاملی را از خود بروز می دهد، یعنی اولا با یک جمعیت تصادفی از راهحلها شروع میشود، ثانیا مقدار مطلوب با بهروزرسانی نسلها جستجو میشود و ثالثا در گامهای بعدی، نسلهای قبلی بهروزرسانی میشود . - Hu et al. 2002 -
در این روش، راهحلهای بالقوه، ذرات نامیده میشوند که در یک فضای پیوسته -Dبعدی حرکت کرده و مقدار بهینه کلی - فراگیر - را جستجو میکنند. هر ذره در PSO، مسیر مختصات خود را در فضای مسأله که مربوط به بهترین راهحل بدست آمده - شایستگی - قبلی میباشد، حفظ میکند. این مقدار با pbest نمایش داده میشود. از طرف دیگر، بهترین مقدار کلی که gbest نامیده میشود، موقعیتی است که یکی از ذرات جمعیت قبلا به آن دست یافته است. هر ذره، مسیر خود را بر اساس تجربه خود و نیز سایر ذرات انتخاب میکند. به این معنی که بهترین موقعیت مربوط به خود ذره - pbest - و بهترین موقعیت کلی مربوط به جمعیت - gbest - که قبلا ذخیره شدهاند، برای بهروز رسانی سرعت ذرات مورد استفاده قرار میگیرند.
