Ottimizzazione bayesiana basata su machine learning di smorzatori inerter tarati per il miglioramento del controllo della risposta sismica in strutture isolate alla base ad alta altezza

Perché è importante mantenere in piedi gli edifici alti

Le città moderne fanno sempre più affidamento su edifici molto alti che devono rimanere sicuri e utilizzabili anche dopo forti terremoti. Gli ingegneri impiegano già cuscinetti scorrevoli e smorzatori speciali per permettere alle torri di oscillare senza collassare, ma questi sistemi possono avere difficoltà con alcuni tipi di scuotimenti potenti e di lunga durata che si verificano vicino a faglie importanti. Questo articolo esplora una nuova combinazione di dispositivi meccanici e ottimizzazione in stile machine learning per consentire a edifici alti isolati alla base di affrontare i terremoti in modo più dolce, con movimenti e accelerazioni ridotte agli ultimi piani, dove persone e attrezzature sono più vulnerabili.

Un modo più intelligente per calmare un edificio che trema

Lo studio si concentra su edifici alti che già poggiano su sistemi di isolamento alla base—strati flessibili che disaccoppiano la struttura dal terreno. Sebbene l’isolamento riduca notevolmente le forze, fa anche muovere l’intero edificio con un’oscillazione lunga e lenta. In caso di terremoti lontani questo funziona bene, ma vicino a una faglia grandi impulsi del moto del suolo possono comunque spingere questi sistemi alti e flessibili verso spostamenti fastidiosi o addirittura dannosi. Per aiutare, gli autori usano un dispositivo chiamato smorzatore inerter tarato. A differenza di un tradizionale tuned mass damper che si basa su una massa pesante, un inerter sfrutta ingranaggi e parti rotanti per creare un forte effetto inerziale senza aggiungere molto peso reale all’edificio. Applicato allo strato di isolamento, resiste ai cambiamenti rapidi di moto e contribuisce ad assorbire l’energia sismica.

Lasciare che gli algoritmi cerchino le impostazioni migliori

Per sfruttare al massimo questo smorzatore è necessario scegliere correttamente i suoi “manopole”: quanto è rigido, quanto oppone resistenza al moto (smorzamento) e quanto dovrebbe essere forte il suo effetto di massa apparente. Invece di regolare questi parametri a mano con formule semplificate, gli autori ricorrono all’ottimizzazione bayesiana, un ramo del machine learning pensato per cercare buone soluzioni quando ogni prova è costosa. Costruiscono un modello probabilistico che collega le impostazioni dello smorzatore a quanto si muove l’edificio sotto scuotimenti simili a terremoti. L’ottimizzatore propone nuove combinazioni di impostazioni, concentrandosi su quelle promettenti ma ancora incerte, e converge gradualmente sulla configurazione che dà il più piccolo spostamento laterale medio, tenendo conto del contenuto in frequenza realistico dei diversi tipi di terremoto.

Testare l’idea su torri virtuali alte

Usando modelli numerici dettagliati, i ricercatori applicano questo approccio a edifici isolati alla base di 30, 40 e 50 piani. Espongono queste torri virtuali a tre famiglie di scuotimenti: moti da faglia distante, moti da faglia prossima senza grandi impulsi, e moti da faglia prossima con pronunciate pulsazioni a lungo periodo, particolarmente pericolose per strutture alte e flessibili. Per ciascun caso l’algoritmo esplora frequenza e livelli di smorzamento dello smorzatore per diverse scelte del rapporto di massa apparente. Valuta quindi quanto lo smorzatore inerter tarato riduce lo spostamento tipico (quadratico medio) alla base e ai piani superiori, così come le accelerazioni di picco al tetto, e confronta i risultati con quelli di sistemi più noti come i tuned mass damper e le varianti potenziate con inerter.

Quanto si può realmente ridurre il moto

I progetti ottimizzati mostrano benefici sostanziali. Per edifici isolati alla base di 30 e 40 piani, lo smorzatore inerter tarato riduce tipicamente lo spostamento quadratico medio di circa 20–25% in caso di terremoti lontani e di tipo prossimo senza impulsi, e di circa 10–18% per i moti più severi di tipo a impulso. Le accelerazioni di picco agli ultimi piani diminuiscono fino al 22,8%, superando i prestazioni dei conventionali tuned mass damper e dei sistemi con inerter precedentemente studiati. I risultati rivelano anche tendenze chiare: una massa apparente maggiore nello smorzatore migliora la dissipazione di energia ma richiede una taratura attenta, le strutture isolate con lunghi periodi ottengono i maggiori vantaggi, e il tipo di moto del suolo influenza fortemente le impostazioni ideali.

Dove funziona meglio — e dove non basta

Lo studio conclude che uno smorzatore inerter tarato ottimizzato mediante ottimizzazione bayesiana è un modo pratico ed efficiente per aumentare la resilienza sismica di edifici isolati alla base di altezza media e alta (circa 30–40 piani), fornendo agli ingegneri indicazioni basate sui dati per selezionare i parametri del dispositivo in diversi ambienti sismici. Per torri molto più alte, tuttavia, i modi di vibrazione superiori diventano più importanti e un singolo dispositivo alla base non può controllare completamente tutti i moti complessi. Gli autori osservano che i loro modelli semplificano l’edificio per enfatizzare il modo dominante di oscillazione e considerano l’inerter come un dispositivo lineare ideale, quindi il comportamento nel mondo reale sarà in parte più complesso. Anche così, il loro lavoro mostra come la combinazione di componenti meccanici avanzati con strumenti di ottimizzazione probabilistica possa ridurre in modo significativo il moto negli edifici alti, indicando la direzione per progetti futuri che distribuiscano tali dispositivi lungo l’altezza di strutture ultraalte.

Citazione: Huang, S., Zhu, K. Machine learning-based Bayesian optimization of tuned inerter dampers for enhanced seismic response control in high-rise base-isolated structures. Sci Rep 16, 13216 (2026). https://doi.org/10.1038/s41598-026-42732-4

Parole chiave: controllo delle vibrazioni sismiche, edifici alti isolati alla base, smorzatore inerter tarato, ottimizzazione bayesiana, moti del suolo prossimi alla faglia