پیدا کردن محل قرار گیری جداگرهای سازهای با استفاده از الگوریتم پرواز پرندگان اصلاح شده

Publish Year: 1389
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,169

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:

NCSEG01_016

تاریخ نمایه سازی: 5 مرداد 1389

Abstract:

از سالهای گذشته مهندسین تمایل به مقاوم سازی سازهها در برابر زلزله و باد داشتهاند. یکی از جدید ترین روشها برای مقاوم سازی سازهها سیستم های جداسازلرزهای میباشد. تحقیقات جدیدی که بر روی سیستمهای جداساز لرزهای هوشمند انجام شده است، باعث کاهش جابجایی نسبی طبقه اول نسبت به بستر میشود، که این روش شتاب وارد به سازه را افزایش نمیدهد. برای پیدا کردن مکان بهینه جداگرها روشهای بهینه سازی متفاوتی وجود دارد. در این تحقیق با توسعه در رابطه اصلی و پارامترهای روش پروازپرندگان سعی در بهبود سرعت همگرایی آن شده است. سپس نمودار تعداد ذرات- تعداد مجهولات ارائه شده که مناسب برای فضاهای گسسته میباشد. با استفاده از این نمودار میتوان تعداد ذرات مناسب برای همگرایی سریع و دقیق را پیدا کرد. در انتها به بررسی سازهای دوبعدی پرداخته و تحت زلزلههای مختلف، با استفاده از الگوریتمهای ارائه شده مکان بهینه جداگرهای لرزهای مشخص شدهاند.

Authors

فریدون امیری

دانشکده مهندسی عمران دانشگاه علم و صنعت ایران، نارمک، تهران، ایران

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 :
  • Hyun-Su Kia, Paul N. Roschke(2005)." Design of fuzzy logic controller ...
  • Hall JF, Heaton TH, Halling MW, Wald DJ. Near-source ground ...
  • Heaton TH, Hall JF, Wald DJ, Halling MW. Response of ...
  • R.E. Perez _ , K. Behdinan . Particle SWarm approach ...
  • Goldberg D. Genetic algorithms in search, optimization, and machine learning. ...
  • Dorigo M, Maniezzo V, Colorni A. The ant system: optimization ...
  • Eberhart R, Kennedy J. New optimizer using particle swarm theory. ...
  • _ Hu X, Eberhart R, Shi Y. Engineering optimization with ...
  • Shi Y, Eberhart RC Empirical study of particle SWarm optimization. ...
  • W. H. Tang, S. He, Q. H. Wu, ZJ. Richardson ...
  • Maurice Clere , Partticle Swarm Optimization , 2005, p. 38-37. ...
  • نمایش کامل مراجع