Clear Sky Science · zh

在近断层脉冲状地震作用下基底隔震多层结构中调谐惯性阻尼器的智能混合优化

· 返回目录

为什么保护建筑免受近震很重要

许多现代医院、桥梁和高层办公楼都安装了能在地震时让建筑“漂浮”的特殊装置。这些基底隔震系统可以大幅降低建筑内部的震动,但当强震非常接近断层发生时,隔震层仍可能产生很大的位移,导致接缝、管线甚至邻近构筑物受到威胁。本文探讨了一种更智能的方式来微调一种先进的振动阻尼器,使得采用隔震的建筑在这些强烈、脉冲状地震中保持更高的安全性。

Figure 1
Figure 1.

一种应对地震的新型辅助装置

传统的调谐质量阻尼器通过附加一个在主结构运动相反方向摆动或滑动的重物来平抑振动。调谐惯性阻尼器在不增加大质量体的情况下实现类似效果:它们采用机械装置产生与相对加速度成比例的力,从而有效“放大”惯性。当这种装置安装在建筑的隔震层时,可以同时减小横向漂移和内部振动。然而,其性能对三项调谐参数非常敏感——它们提供的视在质量、调谐频率以及阻尼强度——当地震运动来自近断层并带有强烈、长周期脉冲时,这些选择尤其棘手。

为何近断层脉冲如此具有挑战性

在大型断层附近记录到的地面运动常表现为单一的大速度脉冲,携带大量能量并集中在相对较长的周期上,这恰好与隔震结构的天然摆动周期相近。当脉冲周期与隔震体系对齐时,尽管加速度并不大,整个建筑仍可能猛然移动数十厘米。传统设计方法往往假定一种简化的“白噪声”式地震震动,将能量分散到多个频率,无法捕捉这种脉冲行为。因此,基于这些假设调谐的阻尼器在远震条件下可能表现良好,但在近断层破裂时效能大幅下降。

将智能搜索与学习模式相结合

作者提出了一个智能混合优化框架,将两种基于种群的搜索方法——遗传算法和粒子群优化——与一个在150多条真实和模拟的近断层记录上训练的前馈神经网络相结合。神经网络首先根据隔震周期以及预期地震的强度和脉冲周期等特征预测有前景的阻尼器设置。那些近似最优的初始猜测用于初始化搜索,随后算法进一步探索和优化设置,以平衡三项目标:限制平均基底漂移、抑制峰值基底位移以及降低楼层加速度。与依赖粗略震动假设的方法不同,该框架使用一种基于物理的地震频谱描述,并直接校准于实际记录的近断层运动。

Figure 2
Figure 2.

智能调谐带来的改进幅度

为了验证方法的有效性,研究者将其应用于三个基准建筑——五层、十层和十五层高——每栋在基底配备隔震装置和调谐惯性阻尼器。研究团队用42个记录的地震记录驱动这些模型,将记录分为远震、近震但无强脉冲以及具有明显脉冲的近震,并进行了详细的时程模拟。对于强烈的脉冲型事件,经脉冲优化的阻尼器将平均基底位移最多降低约四分之一、峰值基底漂移降低超过五分之一,峰值楼层加速度也约降低五分之一,相较于传统设计有显著改善。收益在低层和中层建筑中最为明显,因为首模摆动占主导;即便相对适中的视在质量比也能带来大部分好处,而更大尺寸的装置则呈现边际递减。

对实际建筑的意义

从非专业读者的角度看,核心信息是并非所有地震都是相同的,保护建筑的装置必须针对这些差异进行调谐。通过以物理洞见为导向的数据驱动学习,本研究展示了如何选择阻尼器设置,专门应对近断层产生的长周期、强脉冲,同时不牺牲在常见震动下的性能。其结果为在关键结构的隔震层中设计紧凑的机械“减震器”提供了实用方案,有助于在最接近且最具破坏性的地震发生时将位移和内部震动控制在更安全的范围内。

引用: Li, J., Duan, L., Zhou, Q. et al. Intelligent hybrid optimization of tuned inerter dampers in base-isolated multi-storey structures under near-fault pulse-like ground motions. Sci Rep 16, 10051 (2026). https://doi.org/10.1038/s41598-026-40831-w

关键词: 地震隔震, 调谐惯性阻尼器, 近断层地震, 结构振动控制, 混合优化