بررسی تأثیر ضرایب وزنی تابع هدف بر کارایی الگوریتم ژنتیک در کنترل فعال سازه‌ها

مهندسی عمران فردوسی

مقاله 1، دوره 36، شماره 4، دی 1402، صفحه 1-20   

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.22067/jfcei.2023.77364.1159

نویسندگان

علی بنایی؛ جواد علامتیان^* ؛ رضا ضیاتوحیدی

گروه عمران، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران.

چکیده

در سال‌های اخیر، استفاده از روش­های جستجوی عددی هوشمند در کنترل فعال سازه مورد توجه پژوهشگران قرار گرفته است. الگوریتم ژنتیک یکی از این شیوه‌ها است که بر پایه الگوهای فرگشت طبیعی می­باشد. در اینجا، از الگوریتم ژنتیک برای کمینه­ کردن تابع هدف مقید سازه و تعیین نیروهای کنترلی مناسب استفاده می­گردد. با متصل کردن حسگر به درجه­های آزادی سازه، مقدار جابه­جایی گره­ها در هر گام زمانی پایش می‌شوند و الگوریتم ژنتیک با بهره­گیری از تابع هدف مقید و حل معادله دینامیکی سازه، مقدار نیروهای کنترلی مناسب را تعیین می­کند. انتخاب تابع هدف مقید متناسب با شرایط سازه، اثر زیادی بر کارایی کنترل فعال دارد. این تابع از ترکیب محدودیت‌های سازه و ضرایب وزنی پنداشته شده برای هر محدودیت، به ­دست می‌آید. سپس، ضرایب وزنی از شیوه‌های بهینه­سازی محاسبه می­شوند. چنین فرایندی به یک شیوه نوین برای کنترل فعال با استفاده از الگوریتم ژنتیک منجر می­شود. کارایی و دقت الگوریتم پیشنهادی با کنترل نوسان‌های چندین سازه بررسی می­گردد. نتایج حاصل از مدل‌سازی خطی نشان می­دهند استفاده از روش کنترل فعال پیشنهادی با استفاده از الگوریتم ژنتیک با ضرایب وزنی متغیر قادر است تا جابه­جایی­های سازه را در مقابل بار زلزله به میزان مناسبی کاهش دهد. جابه­جایی‌های سازه با استفاده از این شیوه نسبت به حالت بدون کنترل حدود 79 درصد و نسبت به روش الگوریتم ژنتیک با ضرایب وزنی ثابت حدود 36 درصد در حالت خطی کاهش دارد. همچنین نتایج در مدل‌سازی غیرخطی سازه، بهبودی را به میزان 45 درصد به‌صورت میانگین نشان می­دهد.

کلیدواژه‌ها

الگوریتم ژنتیک؛ تحلیل عددی؛ ضرایب وزنی؛ کنترل فعال

مراجع

 [1]  R. Karami-Mohammadi, M. Mirtaheri, M. Salkhordeh, E. Mosaffa, G. Mahdavi, and M. A. Hariri-Ardebili, “ Seismic mitigation of substation cable connected equipment using friction pendulum systems,” Struct. eng. Mech, vol. 72, pp. 785-796, 2019.

[2]   H. Tzou, H.-J. Lee, and S. Arnold, “Smart materials, precision sensors/actuators, smart structures, and structronic systems,” Mechanics of Advanced Materials and Structures, vol. 11, pp. 367-393, 2004.

[3]   J. N. Yang, “Instantaneous optimal control for linear, nonlinear and hysteretic structures-stable controllers,” 1991.

[4]   F. Jabbari, W. Schmitendorf, and J. Yang, “H∞ control for seismic-excited buildings with acceleration feedback,” Journal of Engineering Mechanics, vol. 121, pp. 994-1002, 1995.

[5]   J. Yang and C. K. Soh, “Structural optimization by genetic algorithms with tournament selection,” Journal of Computing in Civil Engineering, vol. 11, pp. 195-200, 1997.

[6]   J. H. Holland, “Outline for a logical theory of adaptive systems,” Journal of the ACM (JACM), vol. 9, pp. 297-314, 1962.

[7]   D. E. Goldberg, “Genetic Algorithm in Search, Optimization and Machine Learning, Addison,” W esley Publishing Company, R eading, MA, vol. 1, pp. 9, 1989.

[8]   M. R. Safizadeh and I. Z. Darus, “Optimal location of sensor for active vibration control of flexible square plate,” in Information Sciences Signal Processing and their Applications (ISSPA), 2010 10^th International Conference on, pp. 393-396, 2010.

[9]   Y.-J. Cha, A. K. Agrawal, Y. Kim, and A. M. Raich, “Multi-objective genetic algorithms for cost-effective distributions of actuators and sensors in large structures,” , vol. 39, pp. 7822-7833, 2012.

[10] Y. J. Cha, A. Raich, L. Barroso, and A. Agrawal, “Optimal placement of active control devices and sensors in frame structures using multi‐objective genetic algorithms,” Structural Control and Health Monitoring, vol. 20, pp. 16-44, 2013.

[11] J. Hale and A. Daraji, “Optimal placement of sensors and actuators for active vibration reduction Expert Systems with Applications of a flexible structure using a genetic algorithm based on modified Hinfinity,” Journal of Physics: Conference Series, pp. 012036, 2012.

[12] A. H. Daraji, J. M. Hale, and J. Ye, “New methodology for optimal placement of piezoelectric sensor/actuator pairs for active vibration control of flexible structures,” Journal of Vibration and Acoustics, vol. 140, 2018.

[13] X. Zhang, A. Takezawa, and Z. Kang, “Topology optimization of piezoelectric smart structures for minimum energy consumption under active control,” Structural and Multidisciplinary Optimization, vol. 58, pp. 185-199, 2018.

[14] A. Banaei and J. Alamatian, “New genetic algorithm for structural active control by considering the effect of time delay,” Journal of Vibration and Control, pp. 10775.46320933467,2020.

[15] G. R. Beddoe, and S. Petrovic, “Selecting and weighting features using a genetic algorithm in a case-based reasoning approach to personnel rostering,” European Journal of Operational Research, vol. 175, pp. 649-671, 2006.

[16] B. Dutta, S. D. Dao, L. Martínez, and M. Goh, “An evolutionary strategic weight manipulation approach for multi-attribute decision making: TOPSIS method,” International Journal of Approximate Reasoning, vol. 129, pp. 64-83, 2021.

[17] P. Gancarski and A. Blansche, “Darwinian, Lamarckian, and Baldwinian (Co) Evolutionary Approaches for Feature Weighting in $ K $-means-Based Algorithms,” IEEE transactions on evolutionary computation, vol. 12, pp. 617-629, 2008.

[18] J. Holland, “Book: Adaptation in Natural and Artificial Systems: An Introductory Analysis with Applications to Biology”, Control, and Artificial Intelligence, 1975.

[19] S. Forrest, “Genetic algorithms- Principles of natural selection applied to computation,” Science, vol. 261, pp. 872-878, 1993.

[20] R. Clough and J. Penzien, "Dynamics of Structures. McGraw Hill, New York., 1993.

[21] F. Lobo, C. F. Lima and Z. Michalewicz, “Parameter setting in evolutionary algorithms,” Springer Science & Business Media, vol. 54: 2007.

[22] S. Mazzoni, F. McKenna, M. H. Scott, and G. L. Fenves, “OpenSees command language manual,”Pacific earthquake engineering research (PEER) center, vol. 264, pp. 137-158, 2006.

[23] F. C. Filippou, E. P. Popov, and V. V. Bertero, “Effects of bond deterioration on hysteretic behavior of reinforced concrete joints,” 1983.

[24] M. H. M. Yassin, Nonlinear analysis of prestressed concrete structures under monotonic and cyclic loads: University of California, Berkeley, 1994.

[25]  W. L. A. de Oliveira, S. De Nardin, A. L. H. de Cresce El, and M. K. El Debs, “Evaluation of passive confinement in CFT columns,” Journal of Constructional Steel Research, vol. 66, pp. 487-495, 2010.