کاربرد نظریه ماشین های یاخته ای و هوش مصنوعی در تحلیل دینامیکی و طرح بهینه سازه ها در برابر زلزله

ایده پردازش موازی امکان استفاده از الگوریتم های جدید در مسائل بهینه سازی سازه ها را میسر کرده است. تحلیل و طراحی هم زمان روش مناسب بهینه سازی بوده که میتواند با استفاده از روش پردازش موازی به طور موثری ارتقاء پیدا کند. ماشین های یاخته ای یک مورد خاص از شبکه ماشینها به حساب می آید که در آن گراف به شکل منظم و روش به هنگام سازی به صورت هم زمان می باشد. هر سلول دارای یک مقدار یا مجموعه ای از مقادیر می باشد که در طی فرایند تکرار این مقادیر به هنگام سازی می شود. مجموعه سلول هایی که برای به هنگام سازی مقدار یک سلول در نظر گرفته می شوند کاملا وابسته به مسئله و نوع رفتاری است که مدل سازی آن مدنظر هست. یکی از دلایل عمده بسط نظریه ماشین های یاخته ای در مسائل مربوط به دینامیک سازه ها، امکان بهره گیری از قابلیت های منحصر به فرد این نظریه برای بهینه سازی سیستم های دینامیکی می باشد. در این تحقیق این نظریه در بحث تحلیل دینامیکی تاریخچه زمانی سازه ها وارد گردیده است و با توجه به کارایی مناسب آن در حل محلی معادلات تعادل، سازه های چند درجه آزادی به چندین سازه تک درجه آزادی تبدیل شده، آنها را تحلیل کرده و از روی نتایج آنها شبکه عصبی را آموزش داده ایم که قابلیت برآورد پاسخ سیستم های تک درجه آزادی دیگر را در مقابل همان شتاب نگاشت دارا است. با یکبار آموزش یک شبکه برای شتاب نگاشت خاص می توان نتایج آن را در تحلیل انواع سازه ها، مستقل از نوع رفتار آن به کار برد و تاریخچه زمانی پاسخ سازه تک درجه آزادی را بدست آورده و در پی آن پاسخ کل سیستم محاسبه می شود. پس از آن بهینه سازی سازه که در آن فرایند تحلیل به دفعات اتفاق می افتد با سرعت محاسبات بالا صورت می گیرد. دقت نتایج تحلیل و سرعت بالای آن حکایت از به وجود آمدن الگوریتم هایی مناسب برای پردازش موازی دینامیکی دارد. از طرف دیگر انجام تحلیل دینامیکی یک سیستم چند درجه آزادی با حل یک سری معادله تک درجه آزادی فارغ از خطی یا غیر خطی بودن سیستم نوید بخش افقی جدید در زمینه کاربرد شبکه های عصبی مصنوعی در بهینه سازی سیستم های دینامیکی می باشد.