Multi-objective Optimization of Semi-active Control of Seismically Exited Buildings Using Variable Damper and Genetic Algorithms

ميراگرهاي با سيال لزج) ميراگرهاي ويسكوز) به‌عنوان زيرمجموعه‌اي از سيستم‌هاي كنترل، قابليت خود را در كاهش ارتعاش ساختمان‌هاي بلند نشان داده‌اند. در اين مقاله، بهينه‌سازي چند هدفه متغيرهاي طراحي اين گروه از ميراگرها با رويكرد نيمه فعال در كاهش ارتعاش ساختمان‌هاي بلند، با استفاده از الگوريتم‌هاي ژنتيكي مورد مطالعه قرار گرفته است. به‌عنوان مثال عددي، مطالعه دو ساختمان 7 و 18 طبقه كه به‌صورت قاب‌هاي سه‌بعدي با كف صلب مدل شده‌اند ارايه شده است. معادلات ديناميكي هر مدل سازه‌اي تحت شتاب نگاشت‌هاي لرزه‌اي به‌همراه ميراگرهاي سيال نيمه فعال، در فضاي حالت نوشته شده و با انتخاب تغييرمكان طبقه آخر، برش پايه و غيره، به‌عنوان توابع هدف، بهينه‌سازي پارامترهاي طراحي مورد بررسي قرار گرفته‌اند. توابع هدف مذكور،جهت بهينه‌سازي چند منظوره به دسته‌هاي سه‌تايي تقسيم بندي و با استفاده از الگوريتم‌هاي ژنتيكي جواب‌هاي بهينه پارتو، تعيين شده‌اند. در اين حالت، هر جواب بهينه پارتو، در واقع يك پيكربندي معين از تعدادي ميراگردر مكان‌هاي مشخص از سازه خواهد بود. در اين مطالعه، الگوريتم ژنتيكي NSGA-II مورد استفاده قرار گرفته است

Semi-active fluid viscous dampers as a subset of control systems have shown their ability to reduce seismic responses of tall buildings. In this paper, multi-objective optimization of the performance of this group of dampers in reducing the seismic responses of buildings is studied using multi-objective genetic algorithms. For numerical example, the 7 and 18 stories buildings are chosen and modeled as 3D frames. The equation of motion for each building subjected to earthquake accelerations is written in presence of semi-active fluid dampers and resolved in state-space. The optimal number and position of dampers are considered as decision variables while the structural responses such as displacement of top floor, base shear and etc. are considered as the objective functions to be minimized. The objective functions are taken part in multi-objective optimization as a group of three functions. The goal is finding so called Pareto-optimal solutions which are non-dominated to each other. It can optimize whole objectives as best as possible, simultaneously. In this case, any Pareto-optimal solution will be a certain configuration of some dampers in specific places of the structure. In this study, a fast and elitist non-dominated sorting genetic algorithm (NSGA-II) has been used.