基于机器学习的随机地震作用下超弹性可恢复摩擦隔震建筑多目标优化设计

《Advances in Engineering Software》:Machine learning-based multi-objective optimal design of superelastic resilient friction base isolated building under stochastic earthquake

【字体: 大 中 小 】 时间:2026年09月23日 来源:Advances in Engineering Software 6.3

编辑推荐:

   **摘要** - 提出了一种新型超弹性韧性摩擦隔震支座(SR-FBI)。 - 采用多目标优化(MOO)方法最小化楼层加速度均方根值和隔震器位移均方根值。 - 与韧性摩擦隔震支座(R-FBI)相比,SR-FBI在降低摩擦需求的同时提供更优异的抗震响应控制效果。 - 基于机器学

  **摘要**- 提出了一种新型超弹性韧性摩擦隔震支座(SR-FBI)。- 采用多目标优化(MOO)方法最小化楼层加速度均方根值和隔震器位移均方根值。- 与韧性摩擦隔震支座(R-FBI)相比,SR-FBI在降低摩擦需求的同时提供更优异的抗震响应控制效果。- 基于机器学习的随机地震荷载下最优设计与响应预测模型。**引言**基础隔震(BI)是一种在地震多发地区广泛应用的主要被动控制装置,用于转移和耗散结构中的地震能量。这通过增加结构的基本振动周期来实现,允许结构发生侧向运动,同时利用滞回效应耗散地震能量[[1]、[2]、[3]]。Etedali等人比较了纯摩擦BI和韧性摩擦BI(R-FBI)系统相对于固定基底结构的抗震性能,观察到低摩擦系数有效地减小了R-FBI系统的底层位移,并在地震后恢复了初始位置[4]。正如先前研究所报道的,R-FBI通过扁平环层之间的摩擦提供阻尼,并通过中央和外围橡胶核心的弹性特性提供韧性[5]。Su等人将法国电力公司(EDF)隔震支座的行为与R-FBI系统相结合,开发了滑动式R-FBI系统,发现该系统能有效最小化峰值加速度响应,同时避免基座产生过大位移[6]。然而,上述研究揭示了隔震系统中存在显著的损伤和残余变形问题,且传统R-FBI系统的性能令人存疑。因此,开发先进的R-FBI系统对于提升传统BI系统的性能至关重要。在这方面,形状记忆合金(SMA)等独特材料因其卓越性能而在结构工程中获得了显著认可,这些特性包括因滞回行为带来的高阻尼能力、在大变形后卓越的重新居中能力、较低的弹性模量、高耐久性、优异的耐腐蚀和耐火性能[[7]、[8]、[9]]。SMA由于奥氏体相和马氏体相之间可逆的转变——这种转变由温度变化或施加应力驱动——展现出超弹性效应(SE)和形状记忆效应(SME)[10]。Ozbulut等人的另一项研究对SMA在抗震控制中的应用进行了全面评估,重点关注其SME和SE行为,以增强建筑物和桥梁在地震荷载下的性能[11]。此外,其他先前研究讨论了SMA在结构构件加固和修复方面的应用范围,以及其在上预应力技术中的应用,并作为阻尼器和隔震支座等抗震装置的核心部件[12]。在这些应用中,基于SMA的BI系统利用SE效应来限制地震力、增强阻尼,并提供重新居中特性,以最小化隔震结构的累积损伤[13]。众多研究者探讨了SMA在BI系统发展中的贡献[[14]、[15]、[16]、[17]、[18]]。Ozbulut等人的研究表明,橡胶基BI系统在近断层地震作用下能有效降低桥梁的抗震脆弱性,但结合滑动支座与SMA装置的混合系统性能更优[19]。Gur和Mishra研究了与SMA约束件集成的摩擦系统(SMA-PF),旨在优化BI的性能和位移控制。该研究通过真实地震动数据验证,表明支座位移减小且隔震器效率提高[20]。另一项研究评估随机响应(使用非线性振动分析),Gur等人[21]研究了在随机地震作用下SMA基BI系统的性能,并确定了SMA的最优预应力强度,该强度可最小化上部结构加速度并提高隔震效率[21]。在后续研究中,已分析和比较了配备超弹性-摩擦BI(S-FBI)系统的桥梁与其他系统(如铅芯橡胶支座LRB、摩擦摆支座FPS和R-FBI)在近断层地震下的性能。这些研究表明,S-FBI能有效减小桥面位移并防止支座永久变形,而FPS和R-FBI则能最小化峰值加速度和基底剪力[22]。近年来,抗震隔震系统持续发展,旨在提高结构韧性和长期性能。高阻尼橡胶支座的研究表明,除了实现对滞回响应的精确预测外,所选择的力学模型在制造变异和实际设计约束下也保持可靠[23]。其他研究开发了三-dimensional隔震系统,集成负刚度装置,证明了通过自适应被动控制同时减小水平和垂直地震响应的潜力,从而增强了隔震结构的整体韧性[24]。所提出的SR-FBI系统将超弹性NiTi SMA钢丝的自居中能力(最小化BI的残余位移)与BI摩擦组件提供的能量耗散相结合,以提高抗震性能。近期研究表明,SMA基础混合BI系统取得了显著进展,尤其是对传统弹性体支座如LRB[[25]、[26]、[27]]和包括PF和FPS的摩擦系统[[28]、[29]、[30]]的改进。然而,以往研究尚未确定SR-FBI系统在随机或真实地震条件下的最优设计或性能。此外,其最优设计和最优响应的预测模型也存在不足。因此,为弥补这一空白,本研究优化了SR-FBI系统的设计参数,并将其抗震性能与R-FBI系统进行比较评估。最优性能通过多目标优化(MOO)框架内的随机非线性振动分析进行评估。此外,开发了基于机器学习的回归模型,以预测SR-FBI系统的最优设计参数和最优响应。所得最优解(响应)使用25条记录的近断层地震地震动数据进行验证。据作者所知,这是首次将基于机器学习的回归建模与MOO相结合,以获得随机地震激励下SR-FBI系统的最优设计和最优响应。结果进一步表明,所提出的SR-FBI系统通过同时减小楼层加速度均方根值(RTFA)和隔震器位移均方根值(RID),比R-FBI系统提供更优异的随机振动控制效果。这种综合框架在以往的SMA基R-F隔震(即SR-FBI)研究中尚未见报道。**章节摘要****隔震支座(BI)系统的建模与建模**本节说明了R-FBI和SR-FBI系统的典型设置和结构布置。此外,还深入探讨了两种BI系统的力-位移行为,重点关注其能量耗散能力(EDC)和恢复力机制。特别关注超弹性SMA钢丝在提高隔震器抗震激励下性能的贡献。图1展示了两种系统(即R-FBI和SR-FBI)的力学模型。这些模型……**随机分析的数值实现**本节介绍了地震运动的随机模型和用于响应评估的随机运动方程,以及相关响应分析结果。过去研究中,地震模型和响应被视为高斯、平稳和零均值过程[32,41],本文亦采用此方法。有关模拟的更多细节如下所述。**优化框架与预测模型**本节说明了在多目标优化(MOO)策略下,对随机地震作用下R-FBI和SR-FBI系统的最优设计方法,该方法可共同降低建筑物和隔震系统的响应。此外,已确定某些输入参数对隔震器设计至关重要。最后,提出了开发BI系统最优设计及最优响应预测模型的框架,采用了不同的机器学习(ML)方法……**结果与讨论**本节讨论了优化研究的结果,展示了输入参数对R-FBI和SR-FBI系统最优设计的影响,以及RTFA和RID响应的最优值。此外,还呈现了预测方程最优设计和最优响应的模型常数。随后,利用BI设计的预测模型,确定了BI的最优设计参数,并用于非线性响应时程分析(NLRTHA)……**结论**本研究探索了一种基于机器学习的回归方法,并与MOO相结合,以评估新型SR-FBI系统的最优设计,旨在减轻随机地震激励对建筑物的影响。优化过程通过定制权重因子战略性地平衡了相互冲突的目标,以最小化RTFA和RID响应。研究中发现,将SMA钢丝纳入传统R-FBI系统中,所提出的SR-FBI系统有效地减小了隔震器……**CRediT作者贡献声明****Mohammad Yasir Mohammad Hasan Shaikh:** 撰写——审稿与编辑,撰写——原稿撰写,可视化,验证,软件,方法论,调查,形式分析,数据整理,概念化。**Gaurav Kumar:** 撰写——原稿撰写,可视化,验证,软件,方法论,调查,形式分析,数据整理。**Sourav Gur:** 撰写——审稿与编辑,可视化,监督,软件,资源,方法论,调查,资金获取,形式分析……
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号