Seismic control of tall buildings using vertically distributed multiple tuned mass dampers
Notice bibliographique
Résumé
Summary Tuned mass damper (TMD) is a seismic vibration control device used to reduce wind and seismic vibrations of structures. Although TMD is attractive to many researchers due to its simplicity, optimizing its parameters and positions is very challenging. The sensitivity of TMD to structure's frequency changes is among its weaknesses and if parameters of this system are not optimally tuned, the efficiency of this system decreases. To solve this problem, multiple tuned mass dampers (MTMDs) have been proposed. In this research, in order to study and compare single tuned mass damper (STMD) with MTMDs vertically distributed according to modal analysis, a 20‐story building is used. The structure is analyzed in OpenSees under seven ground motions with a peak ground acceleration (PGA) of 1.0 g. To optimize TMD parameters, particle swarm optimization (PSO) algorithm is used and the results are compared to those obtained from Den Hartog's approach. To be able to use PSO algorithm and optimize TMD design parameters, Matlab and OpenSees are linked together. In this paper, more than one vibration mode is used to tune and distribute dampers to overcome higher mode effects in high‐rise buildings. The results showed that depending on their different layouts and different optimization methods used, MTMDs reduce the average maximum responses of the structure by up to 12.1%. This is while STMD is able to reduce maximum responses of the structure by 4.3%.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».