بخشی از مقاله
خلاصه
در این مقاله، به یک روش کنترل فعال براي ساختمان محک که مجهز به محرك فعال است پرداخته می شود. از یک کنترلر منطق فازي براي کنترل سازه در طول مدت زلزله استفاده می شود. عدم نیاز به مدل دقیق ریاضی، افزایش مقاومت در برابر عدم قطعیت ها از جمله مزایاي کنترل فازي می باشد. اما عدم توانایی بیان کامل دانش انسانی به صورت قوانین فازي و بهینه نبودن کنترلر طراحی شده از مشکلات طراحی سیستم هاي فازي هستند. لذا از ترکیب سیستم هاي فازي و الگوریتم هاي تکاملی براي حل این مشکلات استفاده می شود.
1. مقدمه
به طور کلی ساختمان ها قابلیت میرایی بسیار کمی دارند. براي اتلاف انرژي زلزله و کاهش ارتعاشات سازها و در نتیجهي آن کاهش ضررات مالی و جانی، وسایل کنترلی در سازه ها به کار رفته اند. از سیستمهاي کنترل فعال میتوان براي کاهش پاسخ سازهها در برابر ارتعاشات داخلی و خارجی نظیر ارتعاش دستگاه ها، زلزله یا باد استفاده نمود.
در مهندسی عمران سازههایی که در آنها کنترل سازه، به صورت فعال انجام شده باشد بسیار کمتر از سازه هایی است که در آن ها کنترل سازه به صورت غیر فعال انجام گرفته است. در طراحی سیستمهاي سازهاي با کنترل فعال قادر خواهیم بود سیستم را طوري طراحی کنیم که سازه بر اساس یک رفتار مشخص و تعریف شده اي پاسخ دهد. این ابزارها از پاسخ اندازه گیري شده سازه براي تولید نیروي کنترلی مورد نظر استفاده میکند.
کنترلر هاي فازي، کنترلرهاي غیر خطی با ساختار خاص میباشند که کاربردهاي موفقیت آمیزي از تئوري فازي را در مسائل عملی ارائه مینمایند. این کنترلرها با به کار گیري تئوري فازي، رفتاري شبیه به آنچه، انسان خبره به هنگام کنترل سیستم انجام میدهد، نشان میدهند.کنترلر فازي برخلاف کنترلرهاي کلاسیک، بدون نیاز به مدل ریاضی از سیستم، با استفاده از تجربیات افراد خبره که در قالب قوانین اگر- آنگاه فازي بیان میشوند، به کنترل سیستم میپردازند. یکی از معایب اصلی کنترلرهاي فازي، عدم توانایی یادگیري آن ها میباشد که باعث مورد استفاده قرار گرفتن دانش و تجربه افراد کارشناس و متخصص در قالب پایگاه اطلاعات در این کنترلرها میشود. به منظور رفع این مشکل و اتوماتیک کردن طراحی کنترلرهاي فازي، میتوان از یک پروسه یادگیري استفاده کرد.
روش هاي مختلفی بر اساس قابلیت یادگیري در کنترلرهاي فازي مطرح شده است. این نوع کنترلرها، علاوه بر قابلیت تصمیم گیري به طریقه فازي، قابلیت ایجاد یا بهبود قوانین کنترلی را بر اساس اطلاعات گذشته خود دارند. یکی از روشهاي مؤثر براي طراحی کنترلرهاي فازي، استفاده از الگوریتم هاي ژنتیکی میباشد.الگوریتم هاي ژنتیکی با الهام گیري از تئوري تکامل، به جستجوي کنترلر فازي مناسب که بتواند معیارهاي طراحی را ارضا کند، میپردازند.
2. سیستم هاي ژنتیک فازي
. کنترل فازي یک روش کنترل بر اساس منطق فازي است. در حقیقت اگر منطق فازي را به طور ساده " محاسبه با کلمات به جاي اعداد " بنامیم، کنترل فازي را میتوان " کنترل با جملات به جاي معادلات " نامید.
یک سیستم فازي داراي اجزاء و پارامترهاي مختلفی است. هدف از طراحی یک سیستم فازي تعیین این اجزاء و پارامترها است، به طوري که سیستم حاصل هم داراي دقت عددي بالایی باشد و هم خاصیت تفسیرپذیري آن حفظ شود. پارامترهاي یک سیستم فازي به چهار گروه تقسیم می شود.
گروه اول پارامترهاي منطقی سیستم فازي هستند. این گروه شامل شکل توابع عضویت و روابطی هستند که براي عملگرهاي فازي AND، OR، استدلال، جمع قوانین و غیر فازي کردن مورد استفاده قرار می گیرند. گروه دوم پارامترهاي ساختاري سیستم و عمدتاً مربوط به اندازه و بزرگی سیستم فازي هستند. این ها شامل تعداد توابع عضویت و تعداد قوانین فازي می باشند.
سومین گروه، پارامترهاي ارتباطی و مربوط به توپولوژي سیستم فازي هستند که شامل مقدمه، نتیجه و وزن قوانین فازي می شوند. بالاخره چهارمین گروه از پارامترهاي سیستم فازي پارامترهاي عملگري یعنی پارامترهاي که ارتباط بین مقادیر عددي و مقادیر فازي متغیرها را برقرار می نمایند و در واقع همان توابع عضویت سیستم فازي می باشند.
در طراحی مستقیم سیستم هاي فازي کلیه این اجزاء و پارامترها باید توسط طراح انتخاب و تعیین شوند. انجام این کار نیاز به دانش کافی از رفتار سیستم و تخصص و تجربه کافی و گاهی هم نیاز به سعی و خطا دارد. استفاده از روش مستقیم در سیستم هاي پیچیده و بزرگ که دانش کافی از آنها در اختیار نمی باشد و یا فضاي مسئله و تعداد پارامترها زیاد هستند مشکل گاهی غیر ممکن خواهد بود. براي طراحی و مدلسازي سیستم هاي فازي در مسائل پیچیده و بزرگ، استفاده از روشهاي مدلسازي خودکار مورد توجه قرار گرفته است. در این روشها نیز پارامترهاي منطقی سیستم فازي که خصوصیات کلی آن را تعیین می کنند توسط طراح انتخاب می شود. سایر پارامترهاي سیستم فازي را می توان از طریق روشهاي محاسباتی تعیین و یا جستجو کرد.
الگوریتم هاي تکاملی توانایی جستجو در فضاهاي بزرگ و پیچیده را دارا هستند. این الگوریتم ها توانایی خود را در جستجوي پاسخ بهینه در زمینه هاي مختلف نشان داده اند. مدلسازي فازي را می توان یک مسئله بهینه سازي در نظر گرفت که تابع هدف آن رفتار سیستم و فضاي جستجو، پارامترهاي سیستم فازي هستند.
شکل 1سیستم ژنتیک فازي
شکل 1 اجزا اصلی یک سیستم ژنتیک فازي را نشان می دهد. سیستم فازي که خود از سه بخش فازي کردن، موتور استنتاج و غیرفازي کردن تشکیل شده است در مرکز این سیستم قرار دارد. رفتار سیستم فازي براساس یک معیار رفتاري ارزیابی شده و به عنوان تابع شایستگی در اختیار الگوریتم ژنتیک قرار می گیرد. اعضاي جمعیت الگوریتم ژنتیک در این سیستم پارامترهاي سیستم فازي هستند که در یک روند تکاملی بهینه می شوند.
بسته به معیارهاي مختلف از جمله، اطلاعات و دانش موجود از سیستم، تعداد پارامترها، دسترسی و کامل بودن داده هاي ورودي و خروجی، از الگوریتمهاي ژنتیک به شکلهاي مختلف می توان براي تعیین پارامترهاي سیستم فازي استفاده کرد. پارامترهاي منطقی سیستم فازي معمولاً توسط طراح انتخاب می شوند. اما سه گروه دیگر از پارامترهاي سیستم فازي را می توان با استفاده از الگوریتم هاي ژنتیک تعیین نمود
3. مدل سازي
به منظور ارزیابی کنترلر معرفی شده در این مقاله از یک سازه محک غیر خطی که براي بررسی کنترل سازه ها در مقابل زلزله معرفی شدهاند استفاده کرد.[3] این سازه براي منطقه لس آنجلس کالیفرنیا طراحی شده و ضوابط طراحی زلزله در آن رعایت شده است. شکل 2 نمایشگر سازه مورد استفاده می باشد. براي کنترل سازه از محرك هاي فعال استفاده شده است. براي این منظور در هر طبقه از سازه، دو عدد محرك فعال نصب شدهاند این محركها با یک کنترلر ژنتیک فازي کنترل می شوند. اندازه این محرکها محدود به تولید نیروي کنترلی 1000 کیلونیوتن می باشد.
شکل 2 سازه محک
از سه سنسور براي اندازه گیري شتاب بهره برده شده است که در طبقه اول، دوم و سوم سازه قرار گرفته است. در طراحی کنترلر فازي از دو متغیر ورودي، که هر یک داراي هفت تابع عضویت می باشد و یک متغیر خروجی که داراي یازده متغیر خروجی است استفاده شده است. کنترلر فازي در برنامه سیمولینک پیاده سازي شده است. نویسنده ها از شتاب دو طبقه مجاور به عنوان ورودي بلوك کنترلر فازي در برنامه سیمولینک به کار بردهاند.
پارامترهاي کنترل کننده فازي توسط الگوریتم ژنتیک تعیین می شوند. معیار تعیین این پارامترها توسط الگوریتم ژنتیک، کمینه کردن شاخص خسارت در سازه است. براي این منظور از شاخص خسارت پارك و انگ استفاده شده است.
براي تعیین پارامترها و به عبارت دیگر آموزش کنترل کننده فازي از سه روش می توان استفاده نمود. در روش اول توابع عضویت متغییرهاي ورودي و خروجی انتخاب شده و قوانین فازي توسط الگوریتم ژنتیک آموزش داده شده اند. در روش دوم علاوه بر پارامترهاي بخش نتیجه قوانین تعدادي از پارامترهاي توابع عضویت متغیرهاي ورودي و خروجی هم توسط الگوریتم ژنتیک تعیین شده اند. در آخرین روش با انتخاب یک الگوي مشخص براي قوانین فازي، به طور همزمان پارامترهاي بخش مقدمه و نتیجه قوانین و پارامترهاي توابع عضویت توسط الگوریتم ژنتیک آموزش داده شده اند. که در این مقاله از روش سوم براي آموزش کنترل کننده فازي بهره برده شده است.
تابع شایستگی الگوریتم ژنتیک بر مبناي کمینه کردن شاخص خسارت پارك و انگ در سازه تعیین شده است. براي ارزیابی شایستگی هر عضو ابتدا با مشخص بودن پارامترهاي قوانین فازي، کنترل کننده فازي طراحی می شود. به دنبال آن سازه تحت اثر زلزله ال سنترو قرار داده شده و در پایان مدت زلزله، شاخص خسارت یک طبقه از سازه ارزیابی می شود.
این شاخص به صورت نسبت خسارت سازه در حالت کنترل شده به کنترل نشده تعیین شده و از آن براي تعیین شایستگی عضوها استفاده شده است. براي آموزش کنترلرها زلزله ال سنترو با شدت 1,5 برابر مورد استفاده قرار گرفته است. شکل 3 فرآیند طراحی کنترلر فازي را توسط الگوریتم ژنتیک نشان می دهد. در این شکل محور عمودي نسبت شاخص خسارت سازه در حالت کنترل شده به کنترل نشده و محور افقی شماره هر نسل از جمعیت را نشان می دهد.
