|
|
مهندسی عمران مدرس، جلد ۱۶، شماره ۴، صفحات ۱۰۹-۱۲۲
|
|
|
| عنوان فارسی |
پارامترهای بهینه میراگر جرمی تنظیم شده برای سازه‌های بلند به کمک شبکه‌های‌عصبی مصنوعی |
|
| چکیده فارسی مقاله |
میراگرهای جرمی تنظیم شده، TMD نوعی از جاذب‌های انرژی هستند که اگر پارامترهای فرکانس و میرایی آن‌ها به‌خوبی تنظیم شوند می‌توانند ارتعاشات سازه‌ها را کاهش دهند. برای شناسایی این پارامترها روابط تحلیلی و تجربی بسیاری ارائه شده است، که هر یک از این روابط با ساده سازی‌هایی در سازه و بارگذاری آن بدست آمده است. در این مقاله از شیوه‌ای جدید برای بدست آوردن این پارامترها استفاده شده است. ابتدا سازه‌هایی با تعداد طبقات مختلف (8 تا 80 طبقه) در محیط کد نویسی متلب ایجاد شده‌اند. پس از دست‌یابی به ماتریس‌های سختی، میرایی و جرم این سازه‌ها، برنامه وارد محیط سیمولینک می‌شود، و سازه همراه با TMD در محدوده تقریبی پارامترهای بهینه، تحت زلزله‌های مختلف قرار می‌گیرد. در نهایت پارامترهای مناسب برای بیشترین کاهش در جابجایی سازه، شناسایی می‌شوند. سپس با داشتن آمار کامل از سازه‌ها با ارتفاع‌های مختلف، کار آموزش شبکه عصبی آغاز می‌شود. به این ترتیب شبکه عصبی مورد نظر پس از آموزش دیدن می‌تواند با دریافت ورودی‌هایی همچون فرکانس و نسبت جرمی TMD، مقادیری همچون فرکانس و میرایی TMD را به‌عنوان خروجی ارائه کند. با استفاده از این روش مشاهده شده است که خطاهای موجود در فرکانس و میرایی بهینه TMD، نسبت به روابط تجربی دن‌‌هارتوگ کاهش قابل ملاحظه‌ای داشته است. بنابراین استفاده از نتایج این شیوه می‌تواند به عنوان پارامترهای بهینه TMD، با اطمینان بیشتری مورد استفاده قرار گیرد. در پایان، این مقادیر با روابط ارائه شده توسط دن هارتوگ روی یک ساختمان بلند مرتبه مقایسه شده است. |
|
| کلیدواژه‌های فارسی مقاله |
|
|
| عنوان انگلیسی |
Optimal Parameters of Tuned Mass Damper for Tall Buildings by neural networks |
|
| چکیده انگلیسی مقاله |
There are a variety of tools like vibration absorbers to reduce the vibration of structures by dissipating imposed energy. Tuned mass Damper is a vibration system with a mass and spring, that usually installed on the top of a structure. Tuned mass dampers are kind of absorbers that could reduce vibrations if the parameters of frequency and damping are well tuned. There are many analytical and empirical relations to identify these parameters obtained by structure simplification and loading. The paper demonstrates that neural networks can be used effectively for the identification optimal parameters of tuned mass dampers.In this paper, a new method is proposed to determine these parameters. For this purpose, several buildings with a number of different stories (8 to 80) are first created in MATLAB code. After obtaining the stiffness, damping and mass matrix of the structures, the program enters the Simulink environment and then structure with TMD tuned in the approximate range of optimal parameters is analyzed under different earthquakes. These ground motion records, including two near field and two far field records that suggested by the International Association of Structural control are used. To increase the number of data used to train artificial neural network and reduce uncertainty, in addition to the records mentioned, four other earthquake was considered. The TMD Mass, damping coefficient and frequencies is assumed as the design variables of the controller; and the objective is set as the reduction of the maximum displacement of the building. In the end, the parameters for the maximum reduction in lateral displacement of structures are identified. Then neural network training begins to have a complete database of structures with different stories. The number of hidden layer neural network are ten, and the number of layer's output are two considered. To train the neural network of Six hundred and forty-four date has been used. Of these numbers, the Seventy percents are share of training data, and fifteen percents are share of Validation data, and fifteen percents are share of test data. Accordingly, the neural network after training can evaluate frequency and damping ratio of TMD based on input such as frequency and TMD mass ratio. Using this method, it has been observed that errors in the frequency and damping optimum TMD have been reduced particularly compared to empirical relations of Den Hartog. This reduces the errors caused by factors not considered in relation to the various reasons. For example, these factors maybe not yet identify, or because of the complexity of behavior have been simplified. However, using a neural network without fully understanding the parameters influencing the behavior of TMD exists, these factors indirectly to predict the behavior of TMD considered. So the results of this method can be used to optimize the parameters of TMD, to be used with greater confidence. Finally, these values are compared with those provided by Den Hartog in a high-rise building. The results showed that for the building, parameters provided by neural network approximately 1 percent of the actual value of the optimal values is different. |
|
| کلیدواژه‌های انگلیسی مقاله |
Tuned mass damper, Optimum TMD parameters, Neural networks |
|
| نویسندگان مقاله |
میثم رمضانی |
دانشجوی کارشناسی ارشد، دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)
سید مهدی زهرایی | seyed mehdi
دانشیار، دانشکده عمران دانشگاه تهران، تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)
|
|
| نشانی اینترنتی |
http://mcej.modares.ac.ir/article_15681_4d5823656f44c1c2503061f933ce6c1d.pdf |
| فایل مقاله |
اشکال در دسترسی به فایل - ./files/site1/rds_journals/1242/article-1242-225276.pdf |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
|
| نوع مقاله منتشر شده |
|
|
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|