طراحی کنترل کننده ترکیبی فازی-عصبی تطبیقی و تناسبی-انتگرالی-مشتقی برای کاهش ارتعاشات سازه در برابر زلزله

در این مقاله یک روش جدید مبتنی بر ترکیب سیستم استنتاج فازیعصبی تطبیقی و کنترل کننده تناسبی انتگرالیمشتقی جهت کاهش ارتعاشات سازه ارائه شده است. الگوریتم کنترلی پیشنهادی علاوه بر دارا بودن ویژگی‌های کنترل‌کننده کلاسیک تناسبیانتگرالیمشتقی، از ماهیت تطبیقی شبکه عصبی و استنتاجی منطق فازی جهت استخراج توابع عضویت مناسب با توجه به دامنه ارتعاشات سازه نیز بهره می‌برد. به منظور تنظیم کنترل‌کننده پیشنهادی، و نیز برای شناسایی پارامترهای سازه آزمایشگاهی از الگوریتم بهینه‌سازی نهنگ استفاده شده است. با در نظر گرفتن داده‌های واقعی شتاب زمین مربوط به چهار زلزله مشهور عملکرد کنترل‌کننده پیشنهادی بر روی یک سازه چهار طبقه بررسی شده است، سپس نتایج به دست آمده از شبیه‌سازی با کنترل‌کننده‌های مرسوم از قبیل کنترل‌کننده فازی به تنهایی و روش کنترلی مبتنی بر سیستم استنتاج فازیعصبی تطبیقی مقایسه شده است. با توجه به نتایج به دست آمده از شبیه‌سازی، روش پیشنهادی دارای عملکرد بهتری نسبت به سایر کنترل‌کننده‌های طراحی شده در کاهش جابه‌جایی و شتاب طبقات می‌باشد. همچنین، نتایج نشان دهنده کاهش بیشینه شتاب لرزش طبقات سازه با استفاده از روش کنترل پیشنهادی نسبت به دو روش متداول کنترل فازی و کنترل استنتاج فازیعصبی تطبیقی به میزان 2/ 36 برای زلزله اِل سنترو، 4/ 35 برای زلزله نورثریج، 7/ 27 برای زلزله آتن و مقدار 5/ 22 درصد برای زلزله مکزیکوسیتی می‌باشد.

Design of a Hybrid Adaptive Neuro-Fuzzy Inference System Proportional–Integral– Derivative Controller for Vibration Mitigation of a Structure against Earthquake

This paper proposes a new hybrid controller based on combining adaptive neurofuzzy inference system method and proportional–integral–derivative controller, for vibration mitigation of structural system. The proposed controller although has the proportional–integral–derivative controller features, create a fuzzy inference system that has fewer bugs and errors than neural networks in calculations. The whale optimization algorithm is used for optimum tuning of the proposed method and also for identification of parameters related to the experimental structure. Considering four wellknown earthquake real data the performance of the proposed controller is evaluated. Then the results are compared with two other controllers namely, fuzzy logic control and adaptive neurofuzzy inference system, which are designed for a fourdegree of freedom building. The simulation results show that the proposed controller performs better than other strategies which are developed. The results obtained from the simulation show the better performance of the suggested method than the other control methods in reducing the displacement and acceleration of all floors. The results show that the maximum acceleration related to the building’s floors while using proposed method has improvement of 36.3% for the El Centro, 35.4% for the Northridge, 27.7% for the Athens and 22.5% for the Mexico City earthquakes regarding fuzzy control and adaptive neurofuzzy inference system control.