بهسازی لرزه ای سازه های فلزی با استفاده از میراگر جرمی تنظیم شده (tmd)

ساختمانهای موجود که با استفاده از آیین نامه های قبلی طراحی شده اند اغلب با در نظر گرفتن آیین نامه های جدید در شرایط مختلف احتمال آسیب دیدن داشته و نیاز به بهسازی دارند. میراگر جرمی تنظیم شده (tmd) که یکی از سیستم های کنترل غیر فعال سازه ها بشمار می رود با جذب و استهلاک درصدی از انرژی ورودی به سازه، شرایط ایمن و پایداری را نسبت به ساختمانهای مشابه فراهم می کند. در مورد طراحی tmd در سازه های خطی یکسری روابط ریاضی موجود می باشد که طی مطالعاتی از سوی برخی محققین ارائه شده است ولی در سازه های غیر خطی رابطه ریاضی مشخصی جهت بهینه یابی پارامترهای tmd موجود نمی باشد بهمین دلیل برای بهینه یابی این پارامترها از روشهای عددی استفاده می شود. طولانی بودن مدت زمان مورد نیاز جهت تحلیل تاریخچه زمانی غیر خطی مدلهای سازه ای کامل تیر وستون از یکطرف و نیاز روشهای عددی به اجراهای متعدد در هر گام از طرف دیگر باعث شده که استفاده از روشهای عددی بسیار وقت گیر و یا در مواردی غیرممکن گردد. بطوریکه مطالعات موجود در خصوص سازه غیرخطی مجهز به tmd ، برروی مدل های ساده شده برشی فقط تحت اثر یک زلزله خاص صورت گرفته اند. پارامترهای بهینه شده برای یک زلزله بدلیل وابستگی پاسخ های بدست آمده از تحلیل تاریخچه زمانی غیرخطی به محتوای فرکانسی زلزله وارده، ممکن است بهنگام تاثیر دیگر زلزله ها نه تنها عملکرد سازه را بهتر نکند بلکه موجب بدتر شدن آن نیز گردد. از طرفی بر اساس آیین نامه های طراحی و بهسازی، در بهینه یابی پارامترهای tmd بایستی پاسخها براساس حداکثر پاسخ حاصل از سه زلزله قوی و یا متوسط پاسخ های حاصل از هفت زلزله سازگار با شرایط زمین ساختی منطقه کمینه گردد. در این تحقیق با استفاده از تکنیک شبکه عصبی مصنوعی جهت دستیابی سریع به پاسخ تحلیل های الگوریتم ژنتیک این مشکل برطرف شده است. سازه مورد مطالعه، قاب خمشی دوبعدی ساختمان 9 طبقه می باشد که با استفاده از نرم افزار opensees مدلسازی کامل تیر و ستون می شود. رکوردهای مورد مطالعه، 20 رکورد متناسب با شرایط زمین ساختی منطقه سازه مذکور می باشد. سازه مجهز به مجموعه انتخابی از پارامترهای tmd، تحلیل تاریخچه زمانی غیرخطی می شود و سپس با استفاده از پاسخهای ثبت شده و با استفاده از جعبه ابزار شبکه عصبی مصنوعی تابع بنیادی شعاعی (rbf) موجود در نرم افزار matlab ، برای تک تک زلزله ها یک شبکه عصبی مجزا آموزش داده می شود و با استفاده ازالگوریتم ژنتیک متصل به شبکه های عصبی مذکور نسبت به یافتن مقادیر بهینه پارامترهای tmd با چهار روش زیر اقدام می گردد که عبارتند از : 1-کمینه سازی حداکثر پاسخ حاصل از قویترین زلزله 2-کمینه سازی حداکثر پاسخ حاصل از سه زلزله قوی 3-کمینه سازی متوسط پاسخ حاصل از هفت زلزله قوی 4-کمینه سازی متوسط پاسخ حاصل از تمامی بیست زلزله. پس از یافتن مقادیر بهینه پارامترهای tmd نسبت به بهسازی لرزه ای سازه مذکور با روش تحلیل دینامیکی غیر خطی بر اساس دستورالعمل نشریه بهسازی لرزه ای و آیین نامه fema356 اقدام می شود.