مقایسه مدل محاسباتی بهینه سازی شده آتاماتای سلولی با روش برنامه ریزی ژنتیک در بررسی پاسخ دینامیکی دکل های مهاری تحت اثر نیروی ارتعاشی
محورهای موضوعی : کاربرد محاسبات نرم در علوم مهندسی
1 - college of skills and entrepreneurship, Shahrekord branch, Islamic Azad University, Shahrekord, Iran
کلید واژه: دکل مهاری, آتاماتای سلولی, برنامه ریزی ژنتیک, بهینه سازی, پاسخ دینامیکی, نیروی ارتعاشی,
چکیده مقاله :
دکل های مهاری بخش مهمی از زیر ساخت های سامانه ارتباطی هر کشور هستند.از این رو حفظ شرایط بهره برداری از آنها پس از رخدادهای طبیعی همچون زلزله بسیار حائز اهمیت است. در این مقاله رفتار لرزه ای دکل های مهاری بررسی می شود.بدین منظور تعدادی از دکل های مهاری که در نقاط مختلف جهان مورد بهره برداری قرار گرفته اند، تحت اثر نیروهای زلزله مورد بررسی قرار می گیرند. به طور کلی مطالعات انجام شده بر روی دکل های مهاری به دو دسته نیروهای حاصل از باد و زلزله و واکنش متقابل دکل ها به چنین نیروهایی تقسیم بندی می شوند. در این مقاله اثر نیروی زلزله و پاسخ دکل به تحریکات لرزه ای مورد بررسی قرار می گیرد. در ابتدا آنالیز مودال برای بدست آوردن مود طبیعی ارتعاش دکل ها انجام شده سپس دکل تحت یک آنالیز طیفی و متعاقبا تحت مولفه های شتاب زمان زلزله ال سنترو قرار می گیرد. خروجی آنالیز دکل های مهاری توسط نرم افزار ANSYS دو پارامتر فرکانس و ماکزیمم تغییر مکان جانبی دکل می باشد. نتایج این دو خروجی تحلیل دکل در مدل سازی رفتار دینامیکی دکل ها توسط مدل های محاسباتی برنامه ریزی ژنتیک و آتاماتای سلولی مورد استفاده قرار میگیرد.
In the telecommunication industry, guyed towers are one of the important structural subsystems. They support a variety of antenna systems at great heights to transmit radio, television and telephone signals over long distance, thus preserving them in events of natural disasters such as earthquake is of high priority. Also, domes and transmission stations functions depend on transmitted information by guyed towers. In this paper, seismic behavior of guyed towers are studied. For that, one guyed tower in 9 clusters of guys is studied under earthquake force. This research was accomplished on the base of wind and earthquake forces and tower interaction to these forces. Here, the effect of earthquake force and tower response to seismic events are studied. At first, time history analysis is used in determination of towers vibration natural modes, then, under time- acceleration components of El-Centro earthquake, spectral analysis are accomplished. Analysis outputs are two parameters including frequency and maximum lateral displacement which are provided using ANSYS software. The results are used in comparing two different calculation models: genetic programming and cellular automata.
[1] Kaveh Kumarci, Afsaneh Banitalebi, Pooya Khosravyan.(2011). "Cellular Automata In Optimum Shape Of Brick Masonary Vault Under Dynamic Loads", International Journal Of Advanced Structural Engineering professional Journal Of Azad University, South Tehran Branch
[2] Kaveh Kumarci, Pooya Khosravyan, Issa Mahmodi, Arash Ziaie, Mehran Koohi Kamali.(2009), " Optimum Shape In Brick Masonry Arches Under Dynamic Loads By Cellular Automata", Journal Of Civil Engineering (IEB), 37 (1) (2009) 73-90 [3] Wolfram, E. (2002). A New Kind of Science, Wolfram Media, Inc.
[4] Koza, J., R., (1992). Genetic programming: On the programming of computers by means of natural selection. Cambridge, MA: MIT Press.
[5] Ferreira, C., (2006). Gene Expression Programming: Mathematical Modeling by an Artificial Intelligence, 2nd Edition, Springer-Verlag, Germany.
[6] Ferreira, C., (2001). Gene Expression Programming: A New Adaptive Algorithm for Solving Problems, Complex Systems, 13 (2): 87-129.
[7] Kewaisy,T.H., 2001," Nonlinear Dynamic Interaction Between Cables And Mast Of Guyed-Tower Systems Subjected To Wind-Induced Forces, "P.H.D Thesis Department Of Civil Engineering, Texas Tech University.
[8] Shi,H.,2007," Nonlinear Finite Element Modeling And Characterization Of Guyed Towers Under Severe Loading," P.H.D Thesis Department Of Civil Engineering, Missouri-Columbia University.
[9] Rohit Kaul,B.E.,1999," Dynamic Analysis Of Guyed Towers Subjected To Wind Loads Incorporating Nonlinearity Of The Guys," M.S. Thesis, Department of Civil Engineering, Texas Tech University.
[10] Koza, J., R., Keane, Martin A., Streeter, Matthew J., Mydlowec, William, Yu, Jessen, and Lanza, Guido., (2003). Genetic Programming IV. Routine Human-Competitive Machine Intelligence. Kluwer Academic Publishers.
[11] Mitchell, M., (1996). An Introduction to Genetic Algorithms, MIT Press, Cambridge.
[12] Sette, S., and Boullart, L., (2001). Genetic programming: principles and applications. Engineering Applications of Artificial Intelligence, 14, 727–736.
[13] Tsakonas, A., (2006). A comparison of classification accuracy of four genetic programming-evolved intelligent structures. Information Sciences, 176, 691–724.
[14] Moore, A. (2003). New Constructions in Cellular automata, Oxford University Press.
[15] Neumann, V. (1993). Probabilistic Logics and the Synthesis of Reliable Organisms from Unreliable Components, on Neumann's Collected Works, A. Taub (Ed).
[16] Neumann, V. (1996). The Theory of Self-Reproducing Automata, A. W. Burks (ed.), Univ. of Illinois Press, Urbana and London.
[17] Wolfram, E. (1984). Universality and Complexity in Cellular Automata, Physical D.
[18] Wolfram, E. (1983). Statistical Mechanics of Cellular Automata, Rev. Mod. Phys.
