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

Imaginez deux hauts bâtiments debout, juste l'un à côté de l'autre, dans une ville bondée. Lorsque le sol commence à trembler lors d'un séisme, ces bâtiments ne se contentent pas de se balancer ; ils dansent selon leurs propres rythmes uniques. Si un bâtiment est haut et rigide tandis que son voisin est plus court et plus flexible, ils pourraient osciller en décalage. C'est un peu comme deux danseurs essayant de bouger ensemble mais qui se marchent sur les pieds, ce qui peut mener à une collision douloureuse ou un « choc » (pounding) qui endommage les deux structures. Les ingénieurs savent depuis longtemps qu'ajouter un amortisseur — comme un gigantesque amortisseur de voiture de haute technologie — entre les bâtiments peut aider à les faire bouger en harmonie et à absorber l'énergie des secousses. Mais voici la partie délicate : déterminer exactement où placer ces amortisseurs et quelle doit être leur force est un casse-tête colossal. Si vous faites une erreur de calcul, les amortisseurs pourraient ne pas aider du tout, ou pourraient même aggraver la situation. C'est le défi auquel les chercheurs sont confrontés : comment régler parfaitement ces « amortisseurs sismiques » pour que les bâtiments voisins restent sûrs et stables pendant une secousse.

Dans cette étude, une équipe de chercheurs de l'Université de Fuzhou a décidé de résoudre ce casse-tête en utilisant un mélange de mathématiques informatiques ultra-intelligentes, d'expériences physiques et d'intelligence artificielle. Ils ont commencé par construire un jumeau numérique de deux tours adjacentes — l'une de 15 étages et l'autre de 7 étages — et ont utilisé un « algorithme génétique » (pensez à un processus d'évolution numérique qui teste des milliers de configurations aléatoires d'amortisseurs et ne conserve que les meilleures) pour trouver la recette parfaite. Ils ont découvert que le placement des amortisseurs à des étages spécifiques et le réglage de leur force pouvaient réduire considérablement les secousses des bâtiments. Pour s'assurer que leurs mathématiques informatiques n'étaient pas qu'un pur fantasme, ils ont construit un modèle miniature, à l'échelle 1/20e de ces tours, et l'ont testé sur une table vibrante géante dans un laboratoire. Les résultats étaient prometteurs : le modèle réel se comportait presque exactement comme l'avait prédit l'ordinateur, et l'ajout d'amortisseurs a réduit les secousses du sommet de la tour principale de 35 % et du sommet de la plus petite tour de près de 49 %.

Mais les chercheurs ne se sont pas arrêtés là. Ils ont réalisé que lancer une simulation informatique complexe à chaque fois qu'un nouveau séisme survient est trop lent pour les urgences du monde réel. Ils ont donc appris à un cerveau informatique « intelligent » (un réseau de neurones) à prédire la réaction des bâtiments en un clin d'œil. En nourrissant l'IA avec des milliers de scénarios issus de leurs expériences, ils ont créé un modèle capable de deviner le tremblement et l'oscillation maximaux des bâtiments avec une précision de plus de 92 %, presque instantanément. Leur travail suggère que l'utilisation de plusieurs amortisseurs à différents endroits fonctionne mieux qu'un seul, et que cette combinaison intelligente d'optimisation, de tests physiques et de prédiction par l'IA offre une nouvelle façon puissante de garder nos villes sûres lorsque le sol se met à bouger.

L'évolution numérique et le test physique

Les chercheurs ont abordé le problème de la connexion de deux bâtiments de tailles différentes (une structure principale de 15 étages et une sous-structure de 7 étages) avec des amortisseurs visqueux. Ils savaient que le simple fait de deviner où placer les amortisseurs ne suffisait pas. Au lieu de cela, ils ont construit un système sophistiqué combinant MATLAB (un logiciel mathématique) avec SAP2000 (un programme d'ingénierie structurelle). Ils ont utilisé un Algorithme Génétique (AG), qui fonctionne un peu comme la sélection naturelle. Imaginez un ordinateur qui génère des milliers d'idées aléatoires sur l'emplacement des amortisseurs et leur force. Il « teste » ensuite ces idées dans un monde virtuel. Les idées qui fonctionnent le mieux — c'est-à-dire celles qui réduisent le plus les secousses — sont conservées et « se reproduisent » ensemble pour créer des idées encore meilleures pour le tour suivant. Ce processus se répète jusqu'à ce que l'ordinateur trouve la configuration absolument optimale.

Ils ont testé deux scénarios principaux :

1. ASVD-1 : Un système avec un seul ensemble d'amortisseurs.
2. ASVD-2 : Un système avec deux ensembles d'amortisseurs placés à des endroits différents.

L'ordinateur a déterminé que pour les tours spécifiques qu'ils étudiaient, le meilleur emplacement pour un amortisseur unique était au 7ème étage, tandis que la meilleure configuration à deux amortisseurs consistait à les placer au 1er et au 7ème étage. La « force » optimale (coefficient d'amortissement) variait selon le type de séisme, allant de 260 Ns/mm à 340 Ns/mm.

Le grand remue-ménage du monde réel

Pour prouver que leur ordinateur ne faisait pas que rêver, l'équipe a construit un modèle physique. Ils ont construit une tour principale de 15 étages et une sous-structure de 7 étages en utilisant des parois de cisaillement en micro-béton et des cadres en cuivre, à l'échelle 1/20e de la taille d'un vrai bâtiment. Ils ont placé ce modèle sur une énorme table vibrante capable de simuler de vrais séismes. Ils ont testé le modèle avec trois enregistrements de séismes célèbres : El Centro, San Fernando et SHW2.

Les résultats de la table vibrante ont été un succès majeur. Le comportement du modèle physique correspondait incroyablement bien aux prédictions de l'ordinateur. Les « fréquences de vibration » naturelles du modèle réel présentaient moins de 5 % de différence avec le modèle informatique, et les réponses réelles aux secousses (l'amplitude du mouvement des étages) étaient à moins de 10 % de la simulation. Cela a donné aux chercheurs une grande confiance dans la fiabilité de leur méthode d'optimisation numérique.

Lorsqu'ils ont comparé les bâtiments amortis aux bâtiments non amortis, les améliorations étaient claires :

• Sous le séisme d'El Centro : Le système à amortisseur unique (ASVD-1) a réduit le déplacement du sommet de la tour principale de 27,33 % et l'accélération de 24,01 %. Le système à double amortisseur (ASVD-2) a fait encore mieux, réduisant le déplacement de 35,69 % et l'accélération de 26,98 %. La plus petite tour a connu des gains encore plus importants, le déplacement chutant de près de 49 % avec la configuration à double amortisseur.
• Sous le séisme de San Fernando : Le système à double amortisseur a réduit le déplacement de la tour principale de 47,68 % et l'accélération de 19,14 %.
• Sous le séisme SHW2 : Le système à double amortisseur a réduit le déplacement de la tour principale de 22,19 % et l'accélération de 20,03 %.

Les données ont systématiquement montré que l'ASVD-2 (la configuration à deux amortisseurs) était la gagnante. Elle offrait un meilleur contrôle sur la structure principale et la sous-structure que la configuration à un seul amortisseur, suggérant que la répartition des amortisseurs sur différents étages aide les bâtiments à travailler ensemble plus efficacement pour lutter contre les secousses.

La boule de cristal : La prédiction par l'IA

Bien que l'algorithme génétique ait trouvé les meilleurs réglages, lancer ces simulations complexes à chaque fois qu'un nouveau scénario de séisme survient est chronophage. Pour accélérer le processus, les chercheurs ont construit un réseau neuronal SSA-BP. Considérez cela comme une « boule de cristal » entraînée sur les données de leurs expériences et simulations.

Ils ont alimenté ce modèle d'IA avec un ensemble massif de données contenant 100 enregistrements de séismes différents (incluant des ondes de champ lointain, de champ proche et des ondes impulsionnelles) ainsi que diverses configurations d'amortisseurs. L'IA a appris à prédire quatre résultats clés :

1. Le déplacement maximal de la structure principale (MSD).
2. L'accélération maximale de la structure principale (MSA).
3. Le déplacement maximal de la sous-structure (SD).
4. L'accélération maximale de la sous-structure (SA).

Les résultats étaient impressionnants. Le modèle d'IA a atteint un coefficient de détermination (R²) supérieur à 0,92 pour les quatre résultats, tant sur les données d'entraînement que de test. En clair, cela signifie que les prédictions de l'IA étaient extrêmement proches des résultats réels, avec très peu d'erreurs. Par exemple, l'erreur moyenne absolue en pourcentage (MAPE) pour la prédiction de l'accélération de la structure principale était d'environ 8 à 9 %. Cela suggère qu'à l'avenir, les ingénieurs pourraient utiliser cet outil d'IA pour prédire instantanément l'efficacité d'un système d'amortissement sans avoir besoin d'exécuter des heures de lourdes simulations informatiques.

L'essentiel à retenir

Cette étude suggère que connecter des bâtiments adjacents avec des amortisseurs visqueux est un moyen très efficace de réduire les dommages causés par les séismes, à condition que les amortisseurs soient placés et réglés correctement. Les chercheurs ont découvert que l'utilisation d'un algorithme génétique pour optimiser l'emplacement et la force des amortisseurs fonctionne bien, et que l'utilisation de deux amortisseurs à des endroits stratégiques (comme au 1er et au 7ème étage dans leur modèle) est supérieure à l'utilisation d'un seul. Ils ont vérifié ces conclusions par des tests réels sur table vibrante, confirmant que leurs modèles informatiques sont précis. Enfin, ils ont démontré qu'un modèle d'IA peut apprendre de ces résultats pour prédire rapidement et avec précision les réponses futures aux séismes, offrant un outil prometteur pour une planification urbaine plus sûre et plus résiliente.