Parameter optimization, shaking table test, and intelligent response prediction of adjacent structures connected by viscous dampers

تخيل مبنيين شاهقين يقفان جنباً إلى جنب في مدينة مزدحمة. عندما تبدأ الأرض بالاهتزاز أثناء زلزال، لا تكتفي هذه المباني بالتأرجح فحسب؛ بل ترقص على إيقاعاتها الفريدة الخاصة. فإذا كان أحد المبنيين طويلاً وصلباً بينما جاره أقصر وأكثر مرونة، فقد يتحركان بشكل غير متزامن. يشبه هذا تماماً راقصين يحاولان التحرك معاً ولكن يطأ أحدهما على قدم الآخر، مما قد يؤدي إلى اصطدام مؤلم أو "تخبط" (pounding) يلحق الضرر بكلا الهيكلين. لقد عرف المهندسون منذ زمن طويل أن إضافة ممتص صدمات — مثل مخمد سيارة ضخم وعالي التقنية — بين المبنيين يمكن أن يساعدهما على التحرك بانسجام وامتصاص طاقة الاهتزاز. لكن الجزء الصعب هنا هو تحديد مكان وضع هذه المخمدات بدقة ومدى قوتها المطلوبة، وهي لغز هائل. فإذا أخطأت في التقدير، فقد لا تساعد هذه المخمدات على الإطلاق، أو قد تجعل الوضع أسوأ. هذا هو التحدي الذي يواجه الباحثين: كيف يتم ضبط هذه "ممتصات الصدمات الزلزالية" بشكل مثالي لتبقى المباني المجاورة آمنة ومستقرة أثناء الزلزال.

في هذه الدراسة، قرر فريق من الباحثين من جامعة فوتشو حل هذا اللغز باستخدام مزيج من الرياضيات الحاسوبية فائقة الذكاء، والتجارب الفيزيائية، والذكاء الاصطناعي. بدأوا ببناء توأم رقمي لبرجين متجاورين — أحدهما بارتفاع 15 طابقاً والآخر بارتفاع 7 طوابق — واستخدموا "خوارزمية جينية" (فكر فيها كعملية تطور رقمي تجرب آلاف الإعدادات العشوائية للمخمدات وتحتفظ فقط بالأفضل منها) لإيجاد الوصفة المثالية. واكتشفوا أن وضع المخمدات في طوابق محددة وضبط قوتها يمكن أن يقلل بشكل كبير من اهتزاز المباني. وللتأكد من أن رياضيات الحاسوب الخاصة بهم ليست مجرد خيال، قاموا ببناء نموذج مصغر بمقياس 1/20 لهذه الأبراج واختبروه على طاولة اهتزاز عملاقة في المختبر. كانت النتائج واعدة: تصرف النموذج الواقعي تماماً كما توقع الحاسوب، حيث أدى إضافة المخمدات إلى تقليل اهتزاز قمة البرج الرئيسي بنسبة تصل إلى 35% وقمة البرج الأصغر بنسبة تقارب 49%.

لكن الباحثين لم يتوقفوا عند هذا الحد. فقد أدركوا أن تشغيل محاكاة حاسوبية معقدة في كل مرة يضرب فيها زلزال جديد هو أمر بطيء جداً لحالات الطوارئ في العالم الحقيقي. لذا، قاموا بتعليم "دماغ حاسوبي ذكي" (شبكة عصبية) التنبؤ بكيفية استجابة المباني في لمح البصر. ومن خلال تغذية هذا الذكاء الاصطناعي بآلاف السيناريوهات من تجاربهم، أنشأوا نموذجاً يمكنه تخمين أقصى قدر من الاهتزاز والتأرجح للمباني بدقة تزيد عن 92%، وبشكل فوري تقريباً. يشير عملهم إلى أن استخدام مخمدات متعددة في أماكن مختلفة يعمل بشكل أفضل من استخدام واحد فقط، وأن هذا المزيج الذكي من التحسين، والاختبار الفيزيائي، والتنبؤ بالذكاء الاصطناعي يوفر طريقة جديدة وقوية للحفاظ على سلامة مدننا واستقرارها عندما تبدأ الأرض في الحركة.

التطور الرقمي والاختبار الفيزيائي

تعامل الباحثون مع مشكلة ربط مبنيين مختلفين في الحجم (هيكل رئيسي بارتفاع 15 طابقاً وهيكل فرعي بارتفاع 7 طوابق) باستخدام مخمدات لزوجية. كانوا يعلمون أن مجرد التخمين حول مكان وضع المخمدات ليس كافياً. بدلاً من ذلك، بنوا نظاماً متطوراً يجمع بين برنامج MATLAB (برنامج رياضي) وSAP2000 (برنامج هندسة إنشائية). استخدموا خوارزمية جينية (GA)، والتي تعمل بشكل يشبه الانتقاء الطبيعي. تخيل حاسوباً يولد آلاف الأفكار العشوائية لمكان وضع المخمدات ومدى قوتها. ثم "يختبر" هذه الأفكار في عالم افتراضي. الأفكاء التي تعمل بشكل أفضل — أي التي تقلل الاهتزاز أكثر — يتم الاحتفاظ بها و"تزويجها" معاً لإنشاء أفكار أفضل للجولة التالية. تتكرر هذه العملية حتى يجد الحاسوب الإعداد الأفضل على الإطلاق.

لقد اختبروا سيناريوهين رئيسيين:

1. ASVD-1: نظام يحتوي على مجموعة واحدة من المخمدات.
2. ASVD-2: نظام يحتوي على مجموعتين من المخمدات موضوعتين في مواقع مختلفة.

حدد الحاسوب أنه بالنسبة للأبراج المحددة التي درسوها، كان أفضل موقع للمخمد الواحد هو في الطابق السابع، بينما تضمن أفضل إعداد للمخمدين وضع أحدهما في الطابق الأول والآخر في الطابق السابع. وتفاوتت "القوة" المثالية (معامل التخميد) بناءً على نوع الزلزال، حيث تراوحت بين 260 نيوترون ثانية/مم إلى 340 نيوترون ثانية/مم.

الهزة في العالم الحقيقي

لإثبات أن حاسوبهم لا يحلم، قام الفريق ببناء نموذج فيزيائي. لقد صنعوا برجاً رئيسياً بارتفاع 15 طابقاً وهيكلاً فرعياً بارتفاع 7 طوابق باستخدام جدران قص خرسانية دقيقة وإطارات نحاسية، بمقياس مصغر يمثل 1/20 من حجم المبنى الحقيقي. وضعوا هذا النموذج على طاولة اهتزاز ضخمة قادرة على محاكاة الزلازل الحقيقية. واختبروا النموذج باستخدام ثلاثة سجلات زلزالية شهيرة: El Centro، وSan Fernando، وSHW2.

كانت النتائج من طاولة الاهتزاز نجاحاً كبيراً. تصرف النموذج الفيزيائي بشكل مطابق لتوقعات الحاسوب بشكل مذهل؛ حيث كانت "ترددات الاهتزاز" الطبيعية للنموذج الحقيقي أقل بنسبة 5% من نموذج الحاسوب، وكانت استجابات الاهتزاز الفعلية (مدى حركة الطوابق) ضمن نطاق 10% من المحاكاة. منح هذا الباحثين ثقة عالية في أن طريقة التحسين الرقمي لديهم موثوقة.

وعندما قارنوا المباني المزودة بمخمدات بالمباني غير المزودة، كانت التحسينات واضحة:

• تحت زلزال El Centro: قلل نظام المخمد الواحد (ASVD-1) من إزاحة قمة البرج الرئيسي بنسبة 27.33% ومن التسارع بنسبة 24.01%. أما نظام المخمد المزدوج (ASVD-2) فقد حقق نتائج أفضل، حيث قلل الإزاحة بنسبة 35.69% والتسارع بنسبة 26.98%. وشهد البرج الأصغر مكاسب أكبر، حيث انخفضت الإزاحة بنسبة تقارب 49% مع إعداد المخمد المزدوج.
• تحت زلزال San Fernando: قلل نظام المخمد المزدوج إزاحة البرج الرئيسي بنسبة 47.68% والتسارع بنسبة 19.14%.
• تحت زلزال SHW2: قلل نظام المخمد المزدوج إزاحة البرج الرئيسي بنسبة 22.19% والتسارع بنسبة 20.03%.

أظهرت البيانات باستمرار أن ASVD-2 (إعداد المخمد المزدوج) كان الفائز. فقد وفر تحكماً أفضل في كل من الهيكل الرئيسي والهيكل الفرعي مقارنة بنظام المخمد الواحد، مما يشير إلى أن توزيع المخمدات على طوابق مختلفة يساعد المباني على العمل معاً بفعالية أكبر لمواجهة الاهتزاز.

البلورة السحرية: التنبؤ بالذكاء الاصطناعي

بينما وجدت الخوارزمية الجينية أفضل الإعدادات، فإن تشغيل تلك المحاكاة المعقدة في كل مرة يظهر فيها سيناريو زلزال جديد هو أمر يستغرق وقتاً طويلاً. ولتسريع العملية، بنى الباحثون شبكة عصبية من نوع SSA-BP. فكر في هذا كـ "بلورة سحرية" مدربة على البيانات المستمدة من تجاربهم ومحاكاتهم.

لقد غدوا هذا النموذج من الذكاء الاصطناعي بمجموعة بيانات ضخمة تحتوي على 100 سجل زلزالي مختلف (بما في ذلك الموجات بعيدة المدى، وقريبة المدى، والموجات النبضية) وإعدادات مختلفة للمخمدات. تعلم الذكال الاصطناعي التنبؤ بأربع نتائج رئيسية:

1. أقصى إزاحة للهيكل الرئيسي (MSD).
2. أقصى تسارع للهيكل الرئيسي (MSA).
3. أقصى إزاحة للهيكل الفرعي (SD).
4. أقصى تسارع للهيكل الفرسي (SA).

كانت النتائج مبهرة. حقق نموذج الذكاء الاصطناعي معامل تحديد (R²) أكبر من 0.92 لجميع النتائج الأربعة في كل من بيانات التدريب والاختبار. وباللغة البسيطة، هذا يعني أن تنبؤات الذكاء الاصطناعي كانت قريبة جداً من النتائج الفعلية، مع وجود خطأ ضئيل للغاية. على سبيل المثال، كان متوسط الخطأ المئوي المطلق (MAPE) للتنبؤ بتسارع الهيكل الرئيسي حوالي 8-9%. يشير هذا إلى أنه في المستقبل، يمكن للمهندسين استخدام أداة الذكاء الاصط هذه للتنبؤ فوراً بمدى فعالية نظام المخمدات دون الحاجة إلى تشغيل ساعات من عمليات المحاكة الحاسوبية الثقيلة.

الخلاصة

تشير هذه الدراسة إلى أن ربط المباني المتجاورة بمخمدات لزوجية هو وسيلة فعالة للغاية لتقليل أضرار الزلازل، بشرط وضع المخمدات وضبطها بشكل صحيح. وجد الباحثون أن استخدام خوارزمية جينية لتحسين مواقع وقوة المخمدات يعمل بشكل جيد، وأن استخدام مخمدين في مواقع استراتيجية (مثل الطابقين الأول والسابع في نموذجهم) يتفوق على استخدام مخمد واحد فقط. وقد تحققوا من هذه النتائج من خلال اختبارات طاولة الاهتزاز في العالم الحقيقي، مؤكدين أن نماذجهم الحاسوبية دقيقة. وأخيراً، أظهروا أن نموذج الذكاء الاصطناعي يمكنه التعلم من هذه النتائج للتنبؤ باستجابات الزلازل المستقبلية بسرعة ودقة، مما يقدم أداة واعدة لتخطيط مدن أكثر أماناً ومرونة.