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

想象一下，在拥挤的城市中，两座高大的建筑紧挨着矗立。当地面因地震开始震动时，这些建筑并不仅仅是摇晃，它们还跳着各自独特的节奏之舞。如果一座建筑又高又硬，而它的邻居较矮且较灵活，它们可能会发生不同步的摆动。这有点像两个舞者试图同步移动，却踩到了彼此的脚趾，这可能导致痛苦的碰撞或“撞击”（pounding），从而损坏两座结构。工程师们早已知道，在建筑之间添加减震器——就像在两座建筑之间安装一个巨大的、高科技的汽车减震器——可以帮助它们和谐地运动并吸收震动能量。但棘手的部分在于：弄清楚究竟要把这些减震器放在哪里以及需要多强的强度，是一个巨大的谜题。如果你猜错了，减震器可能根本不起作用，甚至可能让情况变得更糟。这就是研究人员面临的挑战：如何完美地调节这些“地震减震器”，使相邻的建筑在地震期间保持安全和稳定。

在这项研究中，来自福州大学的一个研究小组决定利用一种结合了超级智能计算机数学、物理实验和人工智能的方法来解开这个谜题。他们首先构建了两座相邻塔楼的数字孪生体——一座15层高，另一座7层高，并使用了一种“遗传算法”（可以将其想象为一个数字进化过程，它尝试数千种随机的减震器设置，并只保留其中最好的一个）来寻找完美的配方。他们发现，将减震器放置在特定的楼层并调节其强度，可以显著减少建筑物的摇晃。为了确保他们的计算机数学不仅仅是幻想，他们建造了一个1/20比例的微缩模型，并在实验室的大型振动台上进行了测试。结果非常理想：现实世界的模型表现得几乎与计算机预测的一模一样，而且添加减震器后，主塔顶部的摇晃减少了高达35%，较小塔楼顶部的摇晃减少了近49%。

但研究人员并没有止步于此。他们意识到，每当发生新的地震时，运行复杂的计算机模拟速度太慢，无法应对现实世界的紧急情况。因此，他们训练了一个“智能”计算机大脑（神经网络），使其能够瞬间预测建筑物的反应。通过向这个AI喂入成千上千种来自他们实验的场景，他们创建了一个能够以超过92%的准确率几乎即时预测建筑物最大摇晃和摆动程度的模型。他们的工作表明，在不同位置使用多个减震器比只使用一个效果更好，而这种结合了优化、物理测试和AI预测的智能组合，为我们在地面震动时保护城市安全提供了一种强大的新方法。

数字进化与物理测试

研究人员着手解决如何用粘性减震器连接两个不同规模建筑（一座15层的“主结构”和一座7层的“子结构”）的问题。他们知道，仅仅靠猜测减震器的位置是不够的。相反，他们构建了一个结合了MATLAB（一种数学软件）和SAP2000（一种结构工程程序）的高级系统。他们使用了一种遗传算法（GA），其工作原理类似于自然选择。想象一下，一台计算机生成了数千个关于减震器放置位置和强度的随机想法，然后它会在虚拟世界中“测试”这些想法。表现最好的想法——即能最大限度减少摇晃的想法——会被保留并进行“杂交”，以产生下一轮更好的想法。这个过程不断重复，直到计算机找到绝对最佳的设置。

他们测试了两个主要方案：

1. ASVD-1： 包含一组减震器的系统。
2. ASVD-2： 包含两组位于不同位置的减震器的系统。

计算机确定，对于他们研究的特定塔楼，最佳的单减震器位置是在第7层，而最佳的双减震器设置是将它们分别放置在第1层和第7层。最优的“强度”（阻尼系数）根据地震类型的不同而变化，范围在260 Ns/mm 到 340 Ns/mm 之间。

现实世界的震动

为了证明他们的计算机不是在做梦，团队建造了一个物理模型。他们使用微型混凝土剪力墙和铜框架构建了一个15层的主塔和一座7层的子结构，比例缩减至真实建筑的1/20。他们将该模型放置在一个能够模拟真实地震的巨大振动台上。他们使用三种著名的地震记录对模型进行了测试：El Centro、San Fernando 和 SHW2。

振动台的测试结果取得了巨大的成功。物理模型的行为与计算机的预测吻合得非常好。真实模型的“振动频率”与计算机模型的误差小于5%，而实际的震动响应（即楼层移动的程度）与模拟结果的偏差在10%以内。这让研究人员对他们的数字优化方法具有高度信心。

当他们比较有减震和无减震的建筑时，改进是非常明显的：

• 在 El Centro 地震下： 单减震器系统（ASVD-1）将主塔顶部的位移降低了27.33%，加速度降低了24.01%。双减震器系统（ASVD-2）表现更佳，将位移降低了35.69%，加速度降低了26.98%。较小的塔楼受益更大，在双减震器设置下，位移下降了近49%。
• 在 San Fernando 地震下： 双减震器系统将主塔的位移降低了47.68%，加速度降低了19.14%。
• 在 SHW2 地震下： 双减震器系统将主塔的位移降低了22.19%，加速度降低了20.03%。

数据一致表明，**ASVD-2（双减震器设置）**是最终的赢家。它对主结构和子结构的控制都优于单减震器设置，这表明将减震器分散布置在不同楼层有助于建筑更有效地协同对抗震动。

预知未来的“水晶球”：AI 预测

虽然遗传算法找到了最佳设置，但每当出现新的地震场景时，运行那些复杂的模拟过程非常耗时。为了提高速度，研究人员构建了一个 SSA-BP 神经网络。你可以把它看作是一个基于其实验和模拟数据训练出来的“水晶球”。

他们向这个 AI 模型输入了一个包含100种不同地震记录（包括远场、近场和脉冲波）以及各种减震器设置的海量数据集。AI 学习了预测四个关键结果的任务：

1. 主结构的最大位移 (MSD)。
2. 主结构的最大加速度 (MSA)。
3. 子结构的最大位移 (SD)。
4. 子结构的最大加速度 (SA)。

结果令人印象深刻。AI 模型在训练和测试数据上，对所有四种结果的决定系数（R²）均大于 0.92。用通俗的话说，这意味着 AI 的预测与实际结果极其接近，误差非常小。例如，预测主结构加速度的平均绝对百分比误差 (MAPE) 约为 8-9%。这表明，未来工程师可以使用这个 AI 工具，无需运行数小时的繁重计算机模拟，即可瞬间预测减震系统的运作效果。

总结

这项研究表明，通过正确放置和调节粘性减震器来连接相邻建筑，是减少地震破坏的一种非常有效的方法。研究人员发现，使用遗传算法来优化减震器的位置和强度效果很好，并且使用两个位于战略位置的减震器（例如在他们的模型中位于第1层和第7层）比仅使用一个效果更优。他们通过真实的振动台测试验证了这些发现，确认了他们的计算机模型是准确的。最后，他们展示了 AI 模型可以从这些结果中学习，从而快速且准确地预测未来的地震响应，为更安全、更具韧性的城市规划提供了一个充满前景的工具。