كنترل فعال‌سازه‌هاي غير خطي تحت اثر زلزله‌هاي Near-Field با استفاده از منطق فازي

Neural Network Controller for Nonlinear Benchmark Structures Subjected to Near- Field Ground Motions

مطالعات زمين‌شناسي حاكي از آن است كه اكثر شهرهاي بزرگ دنيا درنزديك يا روي گسل ساخته شده‌اند. بنابراين احتمال وقوع زلزله از نوع Near-Field در اين شهرها بسيار بالا مي‌باشد.زلزله‌هاي Near-Field اخير نظير زلزله‌هاي Northridge و Kobe و Chi-Chi و تركيه (Izmit و Koceili) آسيب‌هاي بسياري را به سازه‌ها وارد كرده و باعث از دست رفتن زندگي بسياري از مردم شده است. مشخصات اصلي حركت زمين در زلزله Near-Field، شتاب حداكثر بالا و پالس سرعت با يك مولفه با پريود بلندنظير تغيير مكان بزرگ مي‌باشد.در اين مقاله كاربرد ايده كنترل فعال براي كاهش اثرات ناشي از زلزله‌هاي Near-Field در سازه‌هاي مبناي غير خطي (Benchmark) نسل سوم بررسي شده است. در اين راستا از منطق فازي براي طراحي الگوريتم كنترل فعال استفاده شده است. نبود اطمينان كافي در اطلاعات ورودي ارتعاشات باد يا زلزله و ارتعاشات سازه از حس‌گرها، به طرز بسيار ساده‌تري در تيوري كنترل فازي در مقايسه با تيوري كلاسيك كنترل مورد بحث قرار مي‌گيرد. به عبارت ديگر مهمترين مزيت كنترل‌گر فازي استحكام ذاتي و توانايي بررسي رفتار غير خطي سازه‌ها مي‌باشد. علاوه از آن تمامي كنترل‌گر فازي به سادگي مي‌تواند در داخل يك تراشه فازي (Fuzzy Chip) گنجانده شود كه اين امر عكس‌العمل سريع و توانايي تغذيه آسان را باعث مي‌شود. منطق فازي استفاده شده در اين مقاله مستقيماً از اطلاعات Crisp بدست آمده از تعدادي حسگر استفاده مي‌كند. اين اطلاعات در طي پروسه Fuzzification به متغيرهاي زبان فازي يا توابع عضويت تغيير مي‌يابند. تعداد حسگرهايي كه در سيستم از آنها استفاده مي‌شود، بستگي به مقدار متغيرهاي ورودي كنترل‌گر دارد.از يك كنترل‌گر منطق فازي خودآموز، SOFLC (self- organizing) براي تعيين حافظه مشترك فازي و membership استفاده مي‌شود. SOFLC به كار رفته در اين مقاله داراي رويه كنترلي است كه مي‌تواند با توجه به پروسه كنترل و اطلاعات ورودي شرايط محيطي تغيير كند.با در نظر گرفتن يك مدل هيستيريك دو شاخه‌اي براي تعيين محل مفاصل پلاستيك و نقاط جاري شدن تحليل غير خطي گام به گام با استفاده از روش نيومارك- بتا (Newmark-B) انجام شده است. كارايي الگوريتم كنترل فعال طراحي شده در اين مقاله با استفاده از چند ركورد Near-Field هفده ملاك ارزيابي در مقايسه با روش LQG نشان داده شده است. ملاك‌هاي ارزيابي به كار رفته به چهار دسته پاسخ‌هاي سازه‌اي، خرابي سازه‌اي، ابزار كنترل و نيازهاي استراژي كنترل تقسيم مي‌شوند.

Recent near- field earthquakes, such as Northridge, Kobe, Chi- Chi, and Turkey (Koceili and Izmit) earthquakes, have resulted severe damages to civil infrastucres, in addition to loss of lives. Hence, the mitigation of damages to urban areas due to near- field earthquakes is an important subject with significant social and economical impact. The strong ground motions from near- field earthquakes are characterized by high peak acceleration and a pulse type large amplitude velocity as well as a large displacement. Such Kind of motions Show strong directivity effects which makes fault normal component much larger than fault parallel component. This paper focuses on the third generation benchmark control problems for nonlinear buildings against near- field earthquake. The benchmark study focuses on three typical steel structures, 3-, 9-, and 20 – story buildings. A bilinear hysteretic model is used model the nonlinear behavior of structures. In paper, the application of the active control Scheme on the 3-, 9-, and 20- Story benchmark buildings is investigated, Where the control algorithm is achieved by a neural network controller. A neuro controller is trained based on a reduced- order linear design model, and then it is used to control a nonlinear evaluation model. In training the controller, a sensitivity evaluation scheme is used and weights are updated by minimizing a cost function. Absolute acceleration directly measured from sensors are used as the feedback signals for the controller. Net only is the current step acceleration, but delay signals of sensor readings, used to enhance the training capability. The performance of the controller is validated through the computer simulation on MATLAB. The Netmark- B method, is used to solve the incremental equations of motion. In order to evaluate proposed control strategies, seven near- field records are selected. The evaluation criteria are divided into four categories: building responses, building damage, control devices, and control strategy requirements.