Identificación de sistemas estructurales histeréticos usando algoritmos de optimización multi-objetivo

Abstract

La mayoría de la literatura referente a la estimación de parámetros de los modelos de histéresis de tipo Bouc-Wen por medio de algoritmos evolutivos no solo usa una función objetivo única (el error cuadrático medio entre los desplazamientos conocidos y los estimados), sino que también considera el modelo original de histéresis de Bouc-Wen (sin degradación y sin pinching) en el proceso de identificación. En esta Tesis se presenta una metodología novedosa para la estimación de los parámetros del modelo de histéresis de Bouc-Wen-Baber-Noori. La metodología está basada en un algoritmo evolutivo para optimización multi-objetivo, llamado NSGA-II [34]; por lo tanto, un conjunto de funciones objetivo es empleado en vez de una función objetivo única. Esta metodología no solo minimiza la diferencia entre los desplazamientos medidos en el laboratorio y los estimados, sino que también minimiza la diferencia entre la energía disipada experimental y la estimada con el modelo. La metodología propuesta identifica el sistema estructural y permite la observación de la multi-modalidad del modelo de histéresis de BWBN. El desempeño del algoritmo es evaluado usando datos simulados y reales.

Abstract: Most of the published literature concerned with the parameter estimation of the Bouc-Wen model of hysteresis via evolutionary algorithms not only uses a single objective function (the mean square error between the known displacements and the estimated ones) but also considers the original Bouc-Wen model of hysteresis (without degradation and pinching) in the identification process. In this thesis, a novel method for the identification of the parameters of the Bouc-Wen-Baber-Noori (BWBN) model of hysteresis is presented. The methodology is based on a multi-objective evolutionary optimization algorithm called NSGA-II [34]; therefore, a set of objective functions is employed instead of a single objective function. The methodology minimizes not only the difference between the measured displacements at the laboratory and the estimated ones, but also minimizes the difference between the experimental dissipated energy and the estimated one. The proposed methodology identifies the structural system and allows the observation of multi-modality of the BWBN model of hysteresis. The performance of the algorithm is evaluated using simulated and real data.