بهبود لرزه ای سیستم های جداساز توسط میراگرMRبا استفاده از الگوریتم های کنترل نیمه فعال

Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 801

This Paper With 8 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

NCCE08_0790

تاریخ نمایه سازی: 5 مهر 1393

Abstract:

سیستم های جداسازی لرزه ای به عنوان یکی از وسایل موثر برای حفاظت سازه ها در برابر تحریکات لرزه ای پذیرفته شده اند . یکی از مشکلات جداسازهای لرزه ای مقدار زیاد جابجایی در تراز جداساز می باشد. برای کاهش جابه جایی جداساز ها می توان از میراگر های غیر فعال استفادهنمود . مشاهده می شود که با اضافه کردن میراگر های غیر فعال به سیستم جداسازی لرزه ای , جابه جایی پایه کاهش پیدا می کند ولی نیرو هایسازه ، جابه جایی نسبی طبقات و شتاب طبقات سازه افزایش می یابد . برای حل این مساله می توان از سیستم کنترل فعال یا کنترل نیمه فعال در تراز جداساز استفاده نمود . در این مقاله , از روش کنترل نیمه فعال با استفاده از میراگر MR استفاده می شود . ولتاژ میراگر MR توسط شبکه عصبی موجک تعیین می گردد . شبکه عصبی موجک یکی از روش های کنترل هوشمند است که در مقابل روش های کنترل کلاسیک از توانمندی هایینظیر قابلیت پرداختن به مسایل غیر خطی و پیچیده ، انطباق پذیری و مقاوم بودن به خطا ها و عدم قطعیت بر خوردار است . برای آموزش کنترلرعصبی موجک از الگوریتم ژنتیک استفاده می شود نتایج عددی نشان می دهد که با مقایسه با حالت کنترل غیر فعال , کنترل نیمه فعال پیشنهادی می تواند شتاب طبقات ، برش پایه و جابه جایی نسبی طبقات را کاهش زیادی بدهد و در مقابل جابه جایی پایه کمی افزایش می یابد

Authors

سعید تقی زاده

دانشجو دکتری دانشگاه فردوسی مشهد

عباس کرم الدین

استادیار دانشگاه فردوسی مشهد

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • منها ج، م . ب .)1731(، " مبا نی شبکه ...
  • صا لح نا مبخش، م . (1384)، "شبکه ها ی ...
  • Naeim, F. and Kelly, J. (1999), " Design of seismic ...
  • Lin, P.Y. , Roschke, P.N. , Loh, C.H. and Cheng, ...
  • Lee, H.J. , Yang, G. , Jung, H.J. _ Spencer, ...
  • Hwang, J.S. , Min, K.W. , Lee, S.H. and Kim, ...
  • Zhou, X. , Anil, K. , Agrawal, J. and Yang, ...
  • Narasimhan, S. , Nagarajaiah, S. , Gavin, H. and Johnson, ...
  • Nagarajaiah, S. and Narasimhan, S. (2006), "Smart base isolated benchmark ...
  • Erkus, B. and Johnson, E. (2006), "Smart base isolated benchmark ...
  • Narasimhan, S. , Nagarajaiah, S. and Johnson, E.A. (2008), "Smart ...
  • Adeli, H. and Kim, H. (2004), " Wavelet-hybrid feedback-least mean ...
  • Kim, H. and Adeli, H. (2005), " Wavelet hybrid feedback-LM5 ...
  • Jiang, X. and Adeli, H. (2008), "Dynamic fizzy wavelet neuroemulato ...
  • Jiang, X. and Adeli, H. (200 8), "Neuro-genetic algorithm for ...
  • Adeli, H. , ASCE1, F. and Jiang, X. (2006), " ...
  • Zhou, Z. and Adeli, H. (2003), _ _ T ime-frequency ...
  • Pham, D.T. and Karaboga, D. (2000), "Intelligent Optimisation Techniques: Genetic ...
  • نمایش کامل مراجع