بهینه یابی کنترل فعال سازه ها با روش الگوریتم ژنتیک

پایان نامه
  • وزارت علوم، تحقیقات و فناوری - دانشگاه علم و صنعت ایران - دانشکده مهندسی عمران
  • نویسنده علی ملکی
  • استاد راهنما فریدون امینی
  • تعداد صفحات: ۱۵ صفحه ی اول
  • سال انتشار 1383
چکیده

بهینه یابی تعداد و موقعیت کنترل کننده ها یکی از مهمترین مسایل در کنترل سازه ها می باشد با توجه به ماهیت سازه ها نمی توان کنترل گرها را در هر محل دلخواه قرار داد و به علت مسایلی از قبیل هزینه زیاد کنترل گرها و نیز فضای زیادی که آنها اشغال می کنند باید تعداد آنها را محدود کرد با توجه به این مساله در این مقاله از الگوریتم ژنتیک به عنوان الگوریتم قدرتمند جهت بهینه یابی تعداد و موقعیت کنترل کننده استفاده شده است. روش تخصیص قطب جهت آنالیز پاسخ سازه تحت کنترل باکار رفته است. در نهایت چند مثال عددی آورده شده که با توجه به شاخص های مورد نظر جواب های بهینه مشخص شده و این جوابها با روشهای دیگر بهینه یابی مقایسه شده اند نتایج حاصل بیانگر ان است که بهینه یابی مکان کنترل کننده ها بیش از تعداد آنها در عملکرد کنترلی تاثیر دارد همچنین الگوریتم ژنتیک به عنوان یک الگوریتم قدرتمند توانایی زیادی در بهینه یابی محل و تعداد کنترل کننده ها دارد و با سرعت بیشتر و زمان کمتر نسبت به روشهای دیگر بهینه یابی به جوابهای مناسبی دست پیدا می کند بعلاوه انخاب معیار عملکردی تاثیر بسیار زیادی در جواب بهینه دارد

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

کنترل فعال سازه ها با استفاده از روش انرژی

In this paper a new approach to formulation of active control of structures based on energy concepts and use of Linear Quadratic Regulator (LQR) has been proposed. The suggested method eliminates the trial and error procedure in finding appropriate gain matrices in active control of structures. In this method the gain matrix is obtained by considering the energy of the structure and it remains ...

متن کامل

طراحی سیستم کنترلی ANFIS با روش بهینه سازی الگوریتم ژنتیک جهت کنترل ارتعاشات تیر

یکی از ملاحظات مهم در طراحی سازه‌ها، تحلیل ارتعاشات سازه و کنترل آن می‌باشد. از این‌رو نحوه کنترل و فرونشاندن ارتعاشات، یکی از مسائل مهم در طراحی سازه‌ها می‌باشد.همچنین وابستگی بین خواص مکانیکی و الکتریکی مواد پیزوالکتریک باعث شده تا استفاده از این مواد به عنوان حسگر و عملگر برای کنترل پاسخ سازه ها بسیار مناسب باشد. در کار حاضر از سیستم استنتاج فازی عصبی تطبیقی به همراه روش بهینه سازی ژنتیک است...

متن کامل

بهینه یابی در کنترل فعال سازه ها با استفاده از روش شبکه های عصبی مصنوعی

در این تحقیق روش جدیدی برای بهینه یابی نیروهای کنترل و تعداد کنترل گرها در یک سیستم کنترل حلقه باز-بسته ارائه شده است. در مواردی که تعداد محدودی کنترل گر در بعضی از طبقات یک سازه بکار برده می شوند تعیین بهترین آرایش و موقعیت بهینه آنها در طبقات بطوریکه منجر به بیشترین بهره وری با صرف کمترین مقدار انرژی گردد حایز اهمیت خواهد بود. در مطالعه حاضر بررسی تعداد سازه برشی تحت اثر تحریکات لرزه ای مختلف...

15 صفحه اول

بهینه سازی اندازه و شکل سازه های خرپا با روش بهینه سازی الگوریتم مثلث بهینه گر

در این مقاله روش بهینه سازی فراابتکاری جدید تحت عنوان الگوریتم مثلث بهینه گر برای پایین آوردن وزن سازه های خرپا ارائه شده است. این روش از مثلث الهام گرفته است. در این روش بردار اولیه متغیرهای طراحی بعنوان قاعده مثلث (سطر اول) در نظر گرفته می شوند. سپس توابع هدف محاسبه و بهترین و بدترین پاسخ مشخص می شوند. بدترین پاسخ از جمعیت حذف می گردد و بقیه جمعیت با بازیابی سطر دوم را تشکیل می دهند. این عمل ...

متن کامل

طراحی بهینه سازه های فضاکار مبتنی بر نظریه قابلیت اطمینان با استفاده از الگوریتم ژنتیک

بهینه سازی سازه­ها بر اساس نظریه قابلیت اطمینان، با توجه به طبیعت تصادفی پارامترهای سازه­ای از قبیل خواص مصالح، بارهای خارجی، ابعاد هندسی و غیره مورد توجه ویژه­ای قرار گرفته است. به کمک نظریه قابلیت اطمینان سیستم­های سازه­ای، می­توان عدم قطعیت­های ناشی از طبیعت آماری پارامترهای سازه­ای را به صورت روابط ریاضی درآورد. متعاقباً، می­توان ملاحظات ایمنی و عملکرد را به طور کمی وارد روند طراحی نمود. در ...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه علم و صنعت ایران - دانشکده مهندسی عمران

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023