بهينه‌سازي ژنتيكي محاسبات سخت در مقابل محاسبات نرم براي مدل‌سازي ميراگر MR و ارايه يك مدل شبه استاتيكي وارون‌پذير

Genetic Optimizing of Hard Computing vs Soft Computing for MR Damper Modeling and Proposing an Invertible Pseudo Static Model

براي بيان رفتار غيرخطي ميراگرهاي MR بعنوان ابزارهاي تثبيت شده‌ي نيمه فعال در كنترل ارتعاشات، مدل‌هاي مختلفي ارايه شده كه در دو عرصه محاسبات سخت و نرم قابل دسته‌بندي‌ هستند. اما تنها برخي قادرند از ويژگي‌هاي هيستريك و بشدت ديناميكي ميراگرهاي MR بصورت مستقيم و معكوس، كه يك خصيصه‌ي اصلي كنترلي است، بخوبي تقليد كنند؛ بطور دقيق‌تر، انتخاب يك مدل باكيفيت و معكوس پذير نقش مهمي در كنترل نيمه‌ فعال ايفا ميكند، كه تا كنون بصورت خاص مورد توجه قرار نگرفته است. ازينرو در اين پژوهش ابتدا تعدادي از بهترين مدل‌هاي اريه شده‌ي محاسبات سخت (پارامتري) ميراگر MR انتخاب و توسط بهينه‌سازي ژنتيكي تحت شرايط برابر شناسايي ميشوند. دوم، بوسيله‌ي روش‌هاي محاسبات نرم دو مدل فازي- ژنتيك و عصبي- فازي ساخته ميشوند. سپس يك مدل شبه استاتيكي ارايه شده، كه بر خلاف مدل‌هاي ديناميكي دقيق كنوني، بدون معادله‌ ديفرانسيل و وارون‌پذير است. سرانجام، تمامي مدل‌ها در معرض زلزله‌هاي فيلترشده‌ي ايراني و خارجي مقايسه ميشوند. در كليه مراحل، داده‌هاي آزمايشگاهي با بكارگيري يك برنامه‌ي معيار مجهز به ميراگرهاي بزرگ مقياس MR ارايه‌شده توسط انجمن مهندسين عمران آمريكا (ASCE)، توليد ميشوند. مقايسه‌ها دو نتيجه بهمراه دارند: مدل‌ فازي- ژنتيكي دقيق‌تر از مدل‌هاي محاسبات سخت است و مدل ارايه‌شده موثرتر از مدل‌هاي ديناميكي عمل ميكند، زيرا نه‌تنها داراي دقت مطلوب و سرعت بمراتب بالاتر بوده، بلكه بسادگي وارون‌پذير است.

To describe nonlinear behavior of MR dampers as established semi-active devices employed to control vibrations, various models have been proposed which could be classified in hard and soft computing fields. However, only some could mimic hysteretic and highly dynamic characteristics of MR dampers appropriately directly and inversely which is a principle control attribute; more precisely, choosing a qualified invertible model plays a prominent role in a semi-active control, which has not come into sharp focus so far. Thus in this article, first, some best-proposed hard computing (parametric) MR damper models are chosen and identified by genetic optimization under the same conditions. Second, two fuzzy-genetic and neuro-fuzzy models using soft computing techniques are constructed. Then a pseudo static model is proposed, which unlike to accurate dynamic models, have no differential equations and is invertible. Finally, all models subjected to filtered Iranian and foreign earthquakes would be compared. During all phases, experimental data is generated utilizing a benchmark program equipped with large-scale MR dampers, which is proposed by American Society of Civil Engineering (ASCE). Comparisons bring two results: the fuzzy-genetic model is more precise than hard computing ones; and the proposed model performs more effectively than dynamic ones, as it not only demonstrates desirable accuracy and much higher rate, but could easily be inverted.