بهینه‌سازی جداگر آونگی اصطکاکی سه‌گانه با استفاده از روش کریجینگ به عنوان مدل جایگزین تحت زلزله‌ی ال‌سنترو

جداگر آونگی اصطکاکی سه‌گانه نوعی از جداگرهای انطباق‌پذیر است که می‌تواند در برابر زلزله‌های متفاوت سختی و میرایی متغیری از خود نشان دهد. بنابراین نیاز به بهینه سازی پارامترهای موثر این جداگر برای دستیابی به عملکرد مطلوب قابل توجه است. در این تحقیق، از الگوریتم استراتژی تکاملی انطباق ماتریس کوواریانس برای بهینه سازی پارامترهای موثر جداگر آونگی اصطکاکی سه‌گانه به منظور کمینه کردن حداکثر جابجایی نسبی بین طبقات و شتاب سقف در دو فرآیند بهینه سازی مجزا استفاده شده است. از آنجایی که بهینه سازی مدل های پیچیده از نظر محاسباتی زمان بر است، جایگزینی پاسخ های واقعی مدل اجزای محدود با مدل های جایگزین مقرون به صرفه منجر به صرفه جویی در زمان می شود. در این مقاله، تحلیل سازه با استفاده از یک مدل غیرخطی پیاده‌سازی شده در نرم‌افزار opensees انجام می‌شود که فرآیند بهینه‌سازی را زمان‌بر و از نظر محاسباتی گران می‌کند. برای پرداختن به این چالش، مدل کریجینگ به عنوان جایگزینی برای محاسبات تحلیل المان محدود لازم برای محاسبه پاسخ‌ها، یعنی حداکثر جابجایی نسبی بین طبقات و شتاب سقف، استفاده شده است. نتایج بهینه‌سازی با استفاده از ترکیب الگوریتم cma-es و مدل جایگزین با بهینه‌سازی با استفاده از الگوریتم ژنتیک مقایسه گردیده است. یافته ها نشان می دهد که با استفاده از مدل کریجینگ به عنوان مدل جایگزین برای بهینه سازی، جابجایی نسبی بین طبقات را تا 66.39 درصد و شتاب سقف را 12.28 درصد کاهش یافنه است. علاوه بر این، هزینه های محاسباتی نیز بیش از 84٪ کاهش می یابد.

optimization of triple-friction pendulum isolator using kriging as a surrogate model under el centro earthquake

the triple friction pendulum isolator is adaptable and can exhibit variable stiffness and damping in response to different earthquakes. therefore, the need to optimize the effective parameters of this isolator to achieve the desired performance is significant. in this research, the covariance matrix adaptation evolution strategy (cma-es) algorithm is used to optimize the effective parameters of the triple friction pendulum isolator to minimize the maximum relative displacement between floors and the roof acceleration in two separate optimization processes. as optimizing complex models is computationally intensive and time-consuming, substituting the actual responses of the finite element model with cost-effective surrogate models results in significant time savings. in this article, structural analysis is performed using a nonlinear model implemented in opensees software, making the structural optimization process time-consuming and computationally expensive. to address this challenge, the kriging model is employed as a surrogate to replace the finite element analysis computations necessary to calculate the responses, i.e., minimizing the maximum relative displacement between floors and the roof acceleration. the optimization results using the combination of the cma-es algorithm and the surrogate model are compared with optimization using the genetic algorithm. the findings reveal that utilizing the surrogate model for optimization reduces relative displacement between floors by 66.39% and roof acceleration by 12.28%. additionally, computational costs are reduced by over 84%.