طراحی کنترل‌کننده عصبی- فازی تطبیقی آنلاین برای تضعیف پاسخ های لرزه ای سازه بنچمارک 20 طبقه

در این مطالعه به طراحی یک کنترل کننده تطبیقی قوی و آنلاین در سیستم کنترلی فعال کابلی، جهت غلبه بر ارتعاشات لرزه ای در ساختمان های چندطبقه ای پرداخته می شود. در این پژوهش یک کنترل کننده عصبی- فازی تطبیقی نوع 2 جدید پیشنهاد شده که در تمام پارامترهای سیستم نامشخص در نظر گرفته می شود. از شبکه ی عصبی پیشخور چندلایه برای استخراج ژاکوبین و تخمین مدل سیستم سازه ایاستفاده می شود. سپس، مدل تخمین زده شده بر روی کنترل کننده به صورت آنلاین اعمال می شود. برای تنظیم نیروی کنترلی اعمال شده به سیستم کابلی و دستیابی به اهداف کنترلی، پارامترهای کنترل کننده به طور تطبیقی با استفاده از فیلتر کالمن توسعه یافته و الگوریتم پسانتشار خطا آموزش داده می شوند. در این روش از یک کنترل کننده pid نیز استفاده شده که منجر به استحکام و پایداری سیستم کنترل کننده پیشنهادی در برابر ارتعاشات لرزه ای می شود. همچنین جهت نشان دادن برتری سیستم کنترل کننده پیشنهادی از یک کنترل کننده تطبیقی ساده و آنلاین نیز استفاده می شود. این کنترل کننده که به عنوان مدل مرجع ضمنی است از فیلتر کالمن توسعه یافته برای تنظیم آنلاین پارامترهای کنترل کننده به عنوان یک نوآوری جدید استفاده می شود. در این تحقیق عملکرد هر دو کنترل کننده تحت تحریکات لرزه ای میدان دور و میدان نزدیک گسل بررسی می شود. بر اساس نتایج عددی به دست آمده، کنترل کننده عصبی- فازی تطبیقی نوع 2 در به حداقل رساندن پاسخ های لرزه ای سازه در هنگام زلزله و رسیدن به اهداف کنترلی زمانی که ویژگی های پارامتری سازه تغییر می کند، در مورد نسبت دریفت بین طبقه ای تا 21 درصد بهتر از کنترل کننده تطبیقی ساده آنلاین عمل می کند.

online adaptive neuro-fuzzy controller design to attenuate the seismic responses in a 20-story benchmark structure

in the present research, design of a strong and online adaptive controller in the active cable control system is discussed to overcome the earthquake vibrations of multi-story buildings. considering all variables as unknown, this study introduces a new type 2 adaptive neuro-fuzzy controller. using the mlp neural network (multi-layer perceptrons), jacobian and the structural system estimation are extracted. this estimated structural system model is implemented into the online controller system in the next step. adaptive controllers are tuned using a post-propagation algorithm and extended kalman filter and are thus able to control and tune the controllers and the cable system. in this method, a pid controller is also used, which increases the strength and stability of the adaptive neural-fuzzy controller system two against earthquake vibrations. the superiority of the proposed controller system over an online simple adaptive controller is also demonstrated. this controller is utilized as an implicit reference model. in this proposed method, extended kalman filter is innovatively used to tune online controllers. in this research, the performance of both controllers is investigated under the far and near fault field pressures. based on the numerical results, the adaptive neural-fuzzy controller performs about 21% better than the online simple adaptive controller in minimizing the seismic responses of the structure during an earthquake and reaching the control criteria when the parametric characteristics of the structure change.