بررسی کاربرد هوش مصنوعی در طراحی و تحلیل ساختمان های بلند مجهز به میراگر جرمی

فردین ولیزاده¹

1) دانشجو کارشناسی ارشد عمران گرایش سازه

کد IOI مقاله : AACC-AABCGA
محل انتشار : سومین کنفرانس بین المللی پژوهش های کاربردی در مهندسی عمران، معماری و شهرسازی(icarcau.com/3rd)
چکیده :
    افزایش شهرنشینی و محدودیت منابع زمین، توسعه ساختمان‌های بلند را به یک ضرورت تبدیل کرده است. این سازه‌ها با چالش‌های متعددی از جمله بارهای دینامیکی نظیر زلزله و باد، الزامات سخت‌گیرانه ایمنی، و نیاز به پایداری زیست‌محیطی مواجه‌اند. میراگرهای جرمی به‌عنوان سیستم‌های کنترلی غیرفعال، نقش مهمی در کاهش ارتعاشات سازه‌ای و بهبود ایمنی این ساختمان‌ها ایفا می‌کنند. با این حال، طراحی این سیستم‌ها با روش‌های سنتی با موانعی مانند پیچیدگی‌های محاسباتی، زمان‌بر بودن، و هزینه‌های بالا همراه است. علاوه بر این، فشارهای جهانی برای کاهش اثرات زیست‌محیطی ساخت‌وساز و هم‌راستایی با اهداف توسعه پایدار، مهندسان را به جستجوی رویکردهای نوین و هوشمند سوق داده است. در این راستا، هوش مصنوعی به‌عنوان یک فناوری تحول‌آفرین، پتانسیل بالایی برای بهبود فرآیندهای طراحی و تحلیل سازه‌های بلند نشان داده است. هدف این پژوهش، بررسی کاربرد هوش مصنوعی در طراحی و تحلیل ساختمان‌های بلند مجهز به میراگر جرمی بود تا کارایی طراحی، هزینه‌ها، و پایداری زیست‌محیطی بهبود یابد. برای دستیابی به این هدف، یک رویکرد چندمرحله‌ای طراحی شد. ابتدا، داده‌های مربوط به رفتار دینامیکی ساختمان‌های بلند و مشخصات میراگرهای جرمی جمع‌آوری شدند. سپس، یک آسمان‌خراش فرضی با ارتفاع ۳۰۰ متر و ۷۰ طبقه شبیه‌سازی شد و یک میراگر جرمی با جرم ۵۰۰ تن به آن اضافه گردید. بارهای دینامیکی شامل شتاب‌نگاشت‌های زلزله با شدت‌های ۰٫۳g تا ۰٫۷g و سرعت‌های باد تا ۵۰ متر بر ثانیه بودند. الگوریتم‌های یادگیری تقویتی و شبکه‌های عصبی مصنوعی برای بهینه‌سازی پارامترهای میراگر و پیش‌بینی جابجایی‌های سازه به کار گرفته شدند. این الگوریتم‌ها با داده‌های شبیه‌سازی‌شده و تاریخی آموزش دیدند و از تکنیک‌های اعتبارسنجی متقاطع برای جلوگیری از بیش‌برازش استفاده شد. همچنین، پایداری زیست‌محیطی با بهینه‌سازی مصرف مصالح مورد توجه قرار گرفت. نتایج این مطالعه یافته‌های ارزشمندی را ارائه داد. شبیه‌سازی‌ها نشان داد که میراگر جرمی جابجایی‌های سازه‌ای را تحت بارهای زلزله تا ۶۰ درصد کاهش می‌دهد، که با عملکرد میراگرهای جرمی در سازه‌های واقعی هم‌خوانی دارد. الگوریتم‌های هوش مصنوعی، جابجایی‌ها را ۱۵ درصد بیشتر از روش‌های سنتی کاهش دادند و دقت پیش‌بینی جابجایی‌ها را تا ۹۲ درصد بهبود بخشیدند. این بهبود به توانایی الگوریتم‌ها در تنظیم پویای پارامترهای میراگر و شناسایی الگوهای پنهان در رفتار دینامیکی سازه بازمی‌گردد. از منظر پایداری، تنظیم پارامترهای میراگر با هوش مصنوعی، مصرف مصالح را تا ۱۸ درصد کاهش داد و به کاهش ردپای کربن مرتبط با تولید و نصب میراگر کمک کرد. از نظر اقتصادی، هزینه‌های کلی پروژه تا ۱۲ درصد کمتر شد، که برای پروژه‌های بزرگ‌مقیاس با بودجه محدود مزیت قابل‌توجهی است. با این حال، محدودیت‌هایی مانند دسترسی محدود به داده‌های واقعی و نیاز به منابع محاسباتی بالا برای آموزش مدل‌ها، چالش‌هایی را ایجاد کرد. این مقاله نشان داد که هوش مصنوعی می‌تواند ایمنی، پایداری، و بهره‌وری اقتصادی را در طراحی ساختمان‌های بلند بهبود بخشد. پیشنهاد می‌شود تحقیقات آینده بر جمع‌آوری داده‌های واقعی‌تر از سازه‌های بلند، تلفیق هوش مصنوعی با فناوری‌هایی مانند اینترنت اشیا، و بهینه‌سازی همزمان جنبه‌های ایمنی، پایداری، و اقتصادی تمرکز کنند. این مطالعه راهکارهای عملی برای توسعه شهرهای پایدار و ایمن ارائه کرد و زمینه را برای پیشرفت‌های آینده در مهندسی سازه هموار نمود.

کلمات کلیدی : هوش مصنوعی ساختمان‌های بلند میراگر جرمی طراحی سازه تحلیل دینامیکی پایداری زیست‌محیطی