به فرمان آوری قاب های دو بعدی با شبکه ی عصبی سازگارشونده

یکی از دغدغه‌های همیشگی مهندسان عمران، کم کردن پاسخ‌های سازه در برابر بارهای پویای ناشی از زمین لرزه، برای جلوگیری از فاجعه‌های انسانی یا زیان های اقتصادی سنگین بوده است. دانشمندان در دو دهه‌ی پیشین، پژوهش‌های فراوانی در این باره انجام داده اند. نگره‌های کنترل پیشرفته به طور گسترده و موفقیت آمیز در سامانه‌های مهندسی برق اجرا گردیده اند. در این سال ها، پژوهش های فراوانی درباره ی کاربرد این روش ها در مهندسی عمران، انجام شده است. در این پژوهش ها، بسیاری از ابزارها و فرآیندهای کنترلی برای کاهش پاسخ‌های پویای سازه به کار رفته استکمینه کردن پاسخ سازه در برابر نوسان زمین با بهره جویی از دو محرک، هدف این مقاله است. رابطه‌ی میان نیروی کنترلی محرک ها را نویسندگان به گونه‌ای بر قرار می‌کنند که نیروی وارد در مد یکم سازه صفر گردد. سپس، برای کمینه کردن پاسخ‌ها از فن بهینه سازی ارثی بهره جویی خواهد شد. ساختار کنترلی که در این مقاله به کار می‌رود، از گونه‌ی حلقه‌ی بسته است. همچنین، از شبکه‌ی عصبی سازگار شونده برای پیش بینی شتاب زمین بهره جویی می‌گردد. نویسندگان، شبکه‌ی عصبی را بر می‌گزینند که با تغییر در شمار نرون‌های‌ لایه‌ها در هنگام زمین لرزه توانایی سازگاری با تغییر شتاب زمین را دارا باشد. برای افزایش سرعت همگرایی شبکه‌ی عصبی، وزن‌های گام پیشین برای آغاز آموزش در گام بعد به کار می‌روند. تجربه‌های عددی گسترده بر روی زمین‌ لرزه‌ها و نیز سازه‌های فراوان، نشان می‌دهد که روش پیشنهادی بسیار موثر است. با افزایش بلندی سازه، شتاب در برخی طبقه‌ها افزایش می یابد ولی هم چنان این فن توانایی زیادی در کاهش تغییرمکان‌های نسبی سازه دارد. به سخن دیگر، کاستی فن پیشنهادی در این پژوهش را می‌توان در به فرمان آوری رفتار سازه های بلند دانست. بنابراین، گستره‌ی کاربرد این روش، کنترل رفتار سازه‌های کوتاه و میان مرتبه است.

Active control of plane frames by compatible neural network

Controlling the behavior of frame building is very common these days. This goal is achieved by changing the structural behaviors through applying forces to the frames. Recently, extensive studies have been carried out in the field of structural control related to the earthquakes. All studies conducted in this area can be divided into two groups. The first category is devoted to the control devices. Since accuracy and sensitivity of required equipment play an important role, some industries are trying to build better and more robust instruments. The key subject of the second group of researchers is developing new control algorithms. These approaches need some innovations. The purpose of this study is to minimize the structural response against earthquake utilizing two actuators. The purpose of this study is to minimize the structural response against earthquake utilizing two actuators. The relationship between the control forces of the actuators was so arranged that the first mode force becomes zero. In order to minimize the structural responses, the genetic algorithm was used. The controlling system, which is exploited in this paper, is a closed circle. In addition, the neural network was employed to predict the earth acceleration. The authors selected a kind of the neural network to have compatibility with earthquake acceleration variation. To achieve this, the number of the neurons in layers should be varied. The comprehensive experimental numerical results for a variety of earthquakes and structures indicated that the suggested method is very effective. However, the present study drawback is in decreasing the responses of tall frames.