Bayesiansk optimering med maskininlärning av avstämda inerter-dämpare för förbättrad seismisk responskontroll i höghus med grundisolering

Varför det är viktigt att hålla höga byggnader stående

Moderna städer förlitar sig i allt högre grad på mycket höga byggnader som måste förbli säkra och användbara även efter kraftiga jordbävningar. Ingenjörer använder redan särskilda glidlager och dämpare för att låta torn svänga utan att kollapsa, men dessa system kan få problem vid vissa typer av kraftig, långvarig skakning som uppstår nära stora förkastningar. Denna artikel undersöker en ny kombination av mekaniska anordningar och optimering i maskininlärningsstil för att få höghus med grundisolering att klara jordbävningar smidigare, med mindre rörelse och mindre acceleration på översta våningarna där människor och utrustning är mest sårbara.

En smartare metod för att lugna en skakande byggnad

Studien fokuserar på höghus som redan står på grundisoleringssystem—flexibla lager som kopplar bort konstruktionen från marken. Medan isolering i hög grad minskar krafterna gör den också att hela byggnaden rör sig med en långsam, utdragen gungning. Vid avlägsna jordbävningar fungerar detta väl, men nära en förkastning kan stora pulser i markrörelsen ändå driva dessa höga, flexibla system till obekväma eller till och med skadliga förskjutningar. För att hjälpa till använder författarna en anordning kallad avstämd inerter-dämpare. Till skillnad från en traditionell avstämd massesdämpare som förlitar sig på en tung massa använder en inerter smart växling och roterande delar för att skapa en stark tröghetseffekt utan att lägga till mycket verklig vikt i byggnaden. Fäst vid isoleringslagret motstår den snabba rörelseförändringar och hjälper till att absorbera seismisk energi.

Låta algoritmer leta upp de bästa inställningarna

För att få ut det mesta av denna dämpare måste dess ”vridreglage” väljas korrekt: hur styv den är, hur mycket den dämpar rörelse och hur stark dess upplevda masseffekt ska vara. Istället för att ställa in dessa för hand med förenklade formler vänder sig författarna till Bayesiansk optimering, en gren av maskininlärning som är avsedd att söka efter bra lösningar när varje försök är kostsamt. De bygger en probabilistisk modell som kopplar dämparens inställningar till hur mycket byggnaden rör sig under jordbävningsliknande skakningar. Optimeraren föreslår nya kombinationer av inställningar, med fokus på dem som är lovande men ännu osäkra, och konvergerar gradvis mot den konfiguration som ger minsta genomsnittliga sidoförskjutning, samtidigt som den tar hänsyn till realistiskt frekvensinnehåll för olika jordbävningstyper.

Testa idén på virtuella höga torn

Genom detaljerade numeriska modeller tillämpar forskarna detta ramverk på grundisolerade byggnader med 30, 40 och 50 våningar. De utsätter dessa virtuella torn för tre familjer av skakningar: avlägsna förkastningsrörelser, nära-förkastningsrörelser utan starka pulser och nära-förkastningsrörelser med uttalade långperiodiska pulser, vilka är särskilt farliga för höga flexibla strukturer. För varje fall söker algoritmen över dämparens frekvens och dämpningsnivåer för flera val av upplevd masskvot. Den utvärderar sedan hur mycket den avstämda inerter-dämparen reducerar typisk (medelkvadratisk) förskjutning vid basen och på översta våningarna, samt toppaccelerationen i taket, och jämför resultaten med mer bekanta system såsom avstämda massdämpare och tidigare studerade inerter-förstärkta varianter.

Hur mycket skakning som verkligen kan minskas

De optimerade konstruktionerna visar betydande fördelar. För 30- och 40-vånings grundisolerade byggnader minskar den avstämda inerter-dämparen typiskt medelkvadratisk förskjutning med omkring 20–25 % vid avlägsna och icke-pulsande nära-förkastningsjordbävningar, och med ungefär 10–18 % vid de mer allvarliga pulsartade rörelserna. Toppaccelerationerna i de översta våningarna sjunker med upp till 22,8 %, vilket överträffar konventionella avstämda massdämpare och tidigare studerade inerter-baserade system. Resultaten visar också tydliga trender: starkare upplevd massa i dämparen förbättrar energidissipation men kräver noggrann avstämning, långperiodiska isolerade strukturer ger störst nytta, och typen av markrörelse påverkar starkt de idealiska inställningarna.

Var det fungerar bäst — och där det inte gör det

Studien drar slutsatsen att en Bayesiansk-optimerad avstämd inerter-dämpare är ett praktiskt och effektivt sätt att öka jordbävningsresiliensen hos medel- till höga byggnader (ungefär 30–40 våningar) med grundisolering, och ger ingenjörer datadrivet stöd för hur man väljer enhetsparametrar för olika seismiska miljöer. För mycket höga torn blir däremot högre vibrationsmoder viktigare, och en enda enhet vid basen kan inte fullt ut kontrollera alla komplexa rörelser. Författarna noterar att deras modeller förenklar byggnaden för att betona den dominerande svängningsmoden och behandlar inertern som en ideal linjär enhet, så verkligt beteende kommer att vara något mer komplicerat. Ändå visar deras arbete hur kombinationen av avancerad mekanisk hårdvara och probabilistiska optimeringsverktyg kan minska skakningar i höga byggnader i betydande grad, och pekar mot framtida konstruktioner som fördelar sådana enheter över höjden i ultrahöga strukturer.

Citering: 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

Nyckelord: seismisk vibrationskontroll, grundisolerade höghus, avstämd inerter-dämpare, Bayesiansk optimering, jordrörelser nära förkastningar