پیوندهای مفید
آمار
| تعداد نشریات | 7 |
| تعداد شماره‌ها | 399 |
| تعداد مقالات | 5,389 |
| تعداد مشاهده مقاله | 5,288,038 |
| تعداد دریافت فایل اصل مقاله | 4,882,776 |
کنترل سازه‌‌های جداشده هوشمند غیرخطی با استفاده از کنترلکننده بهینه PID تطبیقی مبتنی بر شبکه عصبی | ||
| نشریه مهندسی عمران امیرکبیر | ||
| مقاله 8، دوره 55، شماره 8، آبان 1402، صفحه 1661-1676 اصل مقاله (1.44 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22060/ceej.2023.21765.7819 | ||
| نویسندگان | ||
| عباسعلی زمانی1؛ صادق اعتدالی* 2 | ||
| 1گروه مهندسی برق، دانشگاه فنی و حرفه‌ای، تهران، ایران | ||
| 2گروه مهندسی عمران، دانشگاه صنعتی بیرجند، بیرجند، ایران | ||
| چکیده | ||
| هدف مقاله حاضر پیشنهاد یک رهیافت کنترل تطبیقی از کنترلکننده PID موسوم به کنترلکننده ANN-OPID است به‌طوری‌که با بهرهگیری هم‌‌زمان از مزیت‌‌های کنترلکننده کلاسیک PID و شبکه‌‌های عصبی قادر باشد با توجه به تغییرات نوع زلزله، نسبت به کنترلکننده بهینه PID با ضرایب ثابت، عملکرد لرزهای بهتری را فراهم نماید. در این رهیافت با استفاده از تخمین دینامیک سیستم سازه‌ای به‌وسیله بلوک شبکه عصبی، پارامترهای کنترلکننده PID به‌صورت تطبیقی تنظیم میشود. ارزیابی عملکرد لرزهای کنترلکننده پیشنهادی در مقایسه با کنترلکننده بهینه متداول PID برای یک سازه 8 طبقه هوشمند جداشده در پایه در معرض زلزله‌های مختلف نزدیک و دور از گسل مقایسه شده است. به‌طور میانگین، نتایج به‌دست‌آمده برای سازه موردمطالعه در معرض شش زلزله نشان می‌‌دهند که کنترلکننده TLBO-PID منجر به کاهش 24% و 25% بیشینه جابه‌جایی تراز جداساز و جذر میانگین مربعات آن، افزایش 24% و 11% بیشینه شتاب و جذر میانگین مربعات آن در طبقات روسازه و افزایش 6% و 6% بیشینه جابه‌جایی نسبی و جذر میانگین مربعات آن در طبقات روسازه شده است. بااین‌حال رهیافت کنترلکننده پیشنهادی ANN-OPID سبب کاهش 35% و 33% بیشینه جابه‌جایی تراز جداساز و جذر میانگین مربعات آن، کاهش 9% و 7% بیشینه شتاب و جذر میانگین مربعات آن در طبقات روسازه و کاهش 5% و 6% بیشینه جابه‌جایی نسبی و جذر میانگین مربعات آن در طبقات روسازه شده است؛ بنابراین کنترلکننده پیشنهادی ANN-OPID ضمن کاهش چشمگیر جابه‌جایی تراز جداساز، شتاب و جابه‌جایی نسبی طبقات روسازه را نیز کاهش می‌‌دهد، درحالی‌که که کاهش جابه‌جایی تراز جداساز درنتیجه بهرهگیری از کنترلکننده TLBO-PID به هزینه افزایش شتاب و جابه‌جایی نسبی طبقات روسازه حاصل میشود. | ||
| کلیدواژه‌ها | ||
| کنترل سازه؛ جداسازی لرزهای؛ طرح کنترل بهینه؛ شبکه عصبی؛ کنترلکننده PID؛ کنترلکننده بهینه PID تطبیقی | ||
| موضوعات | ||
| بهینه سازی؛ جداگرها؛ کنترل سازه | ||
| عنوان مقاله [English] | ||
| Control of smart non-linear base-isolated structures using optimal adaptive neural network-based PID controller | ||
| نویسندگان [English] | ||
| Abbas-Ali Zamani1؛ Sadegh Etedali2 | ||
| 1Department of Electrical Engineering, Technical and Vocational University (TVU), Tehran, Iran | ||
| 2Department of Civil Engineering, Birjand University of Technology, Birjand, Iran | ||
| چکیده [English] | ||
| This paper aims to propose an adaptive control approach for the PID controller known as ANN-OPID controller with simultaneous use of the advantages of the classical PID controller and neural networks so that it can provide better seismic performance than the optimal PID controller tuned by the teaching–learning-based optimization (TLBO) algorithm. In this approach, the structural dynamic is estimated using a neural network block and hence the parameters of the PID controller are adjusted adaptively. The seismic performance evaluation of the proposed controller is compared with the conventional optimal PID controller for an 8-story smart base-isolated structure subjected to various near-field and far-field earthquakes. Overall, the results obtained for the studied structure subjected to six earthquakes show that the TLBO-PID controller leads to a reduction of 24% and 25% in the maximum base displacement and its root mean square (RMS), an increase of 24% and 11% in the maximum acceleration and its RMS of superstructure floors and an increase of 6% and 6% in the maximum drift and its RMS of superstructure floors. However, the proposed ANN-OPID controller approach causes a reduction of 35% and 33% in the maximum base displacement and its RMS, a reduction of 9% and 7% in the maximum superstructure acceleration and its RMS, and a reduction of 5% and 6% in the maximum drift and its RMS of superstructure floors. Consequently, the proposed ANN-OPID controller can give a simultaneous reduction of the base displacement, acceleration, and drift of superstructure floors, while the TLBO-PID controller reduces the base displacement at the cost of an increase in acceleration and drift of superstructure floors. | ||
| کلیدواژه‌ها [English] | ||
| Structural control, seismic isolation, optimal control scheme, neural network, PID controller, adaptive optimal PID controller | ||
|
سایر فایل های مرتبط با مقاله
|
||
| مراجع | ||
|
[1] F. Naeim, J.M. Kelly, Design of seismic isolated structures: from theory to practice, John Wiley & Sons, (1999). [2] H.J. Lee, G. Yang, H.J. Jung, B.F. Spencer, I.W. Lee, Semi‐active neurocontrol of a base‐isolated benchmark structure. Structural Control and Health Monitoring, 13(2‐3) (2006) 682-692. [3] S. Nagarajaiah, S. Sahasrabudhe, Seismic response control of smart sliding isolated buildings using variable stiffness systems: an experimental and numerical study. Earthquake engineering & structural dynamics, 35(2) (2006) 177-197. [4] M. Ramezani, M.S. Labafzadeh, Passive and semi-active vibration control of base-isolated structure under blast loading at medium to long distances, Amirkabir Journal of Civil Engineering, 54(2) (2022) 435-456. [5] M. Seify Asghshahr, S. Rafiei, Seismic Response of Base-isolated Dual-system Reinforced Concrete Buildings at a Near-fault Site, Amirkabir Journal of Civil Engineering, 54(4) (2022) 1607-1630. [6] R. Guclu, Sliding mode and PID control of a structural system against earthquake. Mathematical and Computer Modelling, 44(1-2) (2006) 210-217. [7] N. Aguirre, F. Ikhouane, J. Rodellar, Proportional-plus-integral semiactive control using magnetorheological dampers, Journal of Sound and Vibration, 330(10) (2011) 2185-2200. [8] S.M. Nigdeli, M.H. Boduroğlu, Active tendon control of torsionally irregular structures under near‐fault ground motion excitation, Computer‐Aided Civil and Infrastructure Engineering, 28(9) (2013) 718-736. [9] S.M. Nigdeli, Effect of feedback on PID controlled active structures under earthquake excitations. Earthquakes and Structures, 6(2) (2014) 217-235. [10] S. Etedali, S. Tavakoli, M.R. Sohrabi, Design of a decoupled PID controller via MOCS for seismic control of smart structures. Earthquakes and Structures, 10(5) (2016) 1067-1087. [11] M. Arif Şen, M. Tinkir, M. Kalyoncu, Optimisation of a PID controller for a two-floor structure under earthquake excitation based on the bees algorithm. Journal of Low Frequency Noise, Vibration and Active Control, 37(1) (2018) 107-127. [12] S. Etedali, A new modified independent modal space control approach toward control of seismic-excited structures, Bulletin of Earthquake Engineering, 15(10) (2017) 4215-4243. [13] M. Shahi, M.R. Sohrabi, S. Etedali, Seismic control of high-rise buildings equipped with ATMD including soil-structure interaction effects, Journal of Earthquake and Tsunami, 12(03) (2018) 1850010. [14] J.P. Zand, J. Sabouri, J. Katebi, M. Nouri, A new time-domain robust anti-windup PID control scheme for vibration suppression of building structure, Engineering Structures, 244 (2021) 112819. [15] S. Etedali, M.R. Sohrabi, S. Tavakoli, Optimal PD/PID control of smart base isolated buildings equipped with piezoelectric friction dampers. Earthquake Engineering and Engineering Vibration, 12(1) (2013) 39-54. [16] S. Etedali, Sensitivity analysis on optimal PID controller for nonlinear smart base-isolated structures. International Journal of Structural Stability and Dynamics, 19(07) (2019) 1950080. [17] A.A. Zamani, S. Tavakoli, S. Etedali, Control of piezoelectric friction dampers in smart base-isolated structures using self-tuning and adaptive fuzzy proportional–derivative controllers. Journal of Intelligent Material Systems and Structures, 28(10) (2017) 1287-1302. [18] A.A. Zamani, S. Tavakoli, S. Etedali, J. Sadeghi, Adaptive fractional order fuzzy proportional–integral–derivative control of smart base-isolated structures equipped with magnetorheological dampers. Journal of Intelligent Material Systems and Structures, 29(5) (2018) 830-844. [19] A.A. Zamani, S. Tavakoli, S. Etedali, J. Sadeghi, Online tuning of fractional order fuzzy PID controller in smart seismic isolated structures. Bulletin of Earthquake Engineering, 16(7) (2018) 3153-3170. [20] D. Ma, , M. Song, P. Yu, J. Li, Research of RBF-PID control in maglev system, Symmetry, 12(11) (2020) 1780. [21] Y. Zhong, X. Huang, P. Meng, F. Li, PSO-RBF neural network PID control algorithm of electric gas pressure regulator, In Abstract and Applied Analysis, Hindawi 2014 (2014). [22] S. Etedali, A.A. Zamani, Semi-active control of nonlinear smart base-isolated structures using MR damper: sensitivity and reliability analyses. Smart Materials and Structures, 31(6) (2022) 065021. [23] R.V. Rao, V.J. Savsani, D.P. Vakharia, Teaching–learning-based optimization: a novel method for constrained mechanical design optimization problems, Computer-aided design, 43(3) (2011) 303-315. [24] S. Nagarajaiah, S. Narasimhan, Seismic control of smart base isolated buildings with new semiactive variable damper, Earthquake Engineering & Structural Dynamics, 36(6) (2007) 729-749. [25] A.N. Sharkawy, Principle of neural network and its main types, Journal of Advances in Applied & Computational Mathematics, 7 (2020) 8-19. [26] H. Yu, T. Xie, S. Paszczyñski, B.M. Wilamowski, Advantages of radial basis function networks for dynamic system design, IEEE Transactions on Industrial Electronics, 58(12) (2011) 5438-5450. [27] P. Jeatrakul, K.W. Wong, Comparing the performance of different neural networks for binary classification problems, In 2009 Eighth International Symposium on Natural Language Processing, (2009) 111-115. [28] Applied Technology Council, Quantification of building seismic performance factors, US Department of Homeland Security, FEMA, (2009). | ||
|
آمار تعداد مشاهده مقاله: 403 تعداد دریافت فایل اصل مقاله: 399 |
||
