بهینه سازی ژنتیکی محاسبات سخت در مقابل محاسبات نرم برای مدل سازی میراگر MR و ارائه یک مدل شبه استاتیکی وارون پذیر

برای بیان رفتار غیرخطی میراگرهای MR بعنوان ابزارهای تثبیت شده ی نیمه فعال در کنترل ارتعاشات، مدل های مختلفی ارائه شده که در دو عرصه محاسبات سخت و نرم قابل دسته بندی هستند. اما تنها برخی قادرند از ویژگی های هیستریک و بشدت دینامیکی میراگرهای MR بصورت مستقیم و معکوس، که یک خصیصه ی اصلی کنترلی است، بخوبی تقلید کنند؛ بطور دقیق تر، انتخاب یک مدل باکیفیت و معکوس پذیر نقش مهمی در کنترل نیمه فعال ایفا میکند، که تا کنون بصورت خاص مورد توجه قرار نگرفته است. ازینرو در این پژوهش ابتدا تعدادی از بهترین مدل های ارئه شده ی محاسبات سخت (پارامتری) میراگر MR انتخاب و توسط بهینه سازی ژنتیکی تحت شرایط برابر شناسایی میشوند. دوم، بوسیله ی روش های محاسبات نرم دو مدل فازی- ژنتیک و عصبی- فازی ساخته میشوند. سپس یک مدل شبه استاتیکی ارائه شده، که بر خلاف مدل های دینامیکی دقیق کنونی، بدون معادله دیفرانسیل و وارون پذیر است. سرانجام، تمامی مدل ها در معرض زلزله های فیلترشده ی ایرانی و خارجی مقایسه میشوند. در کلیه مراحل، داده های آزمایشگاهی با بکارگیری یک برنامه ی معیار مجهز به میراگرهای بزرگ مقیاس MR ارائه شده توسط انجمن مهندسین عمران آمریکا (ASCE)، تولید میشوند. مقایسه ها دو نتیجه بهمراه دارند: مدل فازی- ژنتیکی دقیق تر از مدل های محاسبات سخت است و مدل ارائه شده موثرتر از مدل های دینامیکی عمل میکند، زیرا نه تنها دارای دقت مطلوب و سرعت بمراتب بالاتر بوده، بلکه بسادگی وارون پذیر است.