Faculté de l'environnement naturel, architectural et construit ENAC, Section de génie civil, Institut de structures IS (Laboratoire d'informatique et de mécanique appliquées à la construction IMAC)

Performance enhancement of active structures during service lives

Domer, Bernd ; Smith, Ian (Dir.)

Thèse sciences Ecole polytechnique fédérale de Lausanne EPFL : 2003 ; no 2750.

Ajouter à la liste personnelle
    Summary
    This thesis describes a successful application of advanced computational methods to tasks in the field of active structural control. The control-task involves finding good control movements for a highly coupled, non-linear structure. It is demonstrated how these methods improve the accuracy of the analytical model. Also, stochastic search techniques are compared for the same task. Furthermore, the performance of the system can be enhanced during service life by storing, retrieving and adapting good solutions. The structure studied, a Tensegrity, is a special type of cable structure. Tensegrities stimulate the imagination of artists, researchers and engineers. Varying the amount of selftress changes structural shape as well as the load-bearing capacity. They offer unique applications, as deployable structures in the context of aerospace applications and more generally, as actively controlled structures. However, the non-linear behavior of tensegrities is difficult to model. Aspects of this work involve subjects such as tensegrity structures, active structural control, search algorithms and artificial intelligence. The focus of this thesis is on the last two subjects. This work demonstrates how advanced computing techniques can be used in order to increase solution quality. A hybrid approach, employing neural networks, increases the accuracy of the analytical model that is employed for simulating tensegrity structures. A comparison of three stochastic search techniques shows that computational time, first estimated to take centuries when adapting a "brute-force" approach, can be reduced to hours. Case-based reasoning (CBR) is used for a further tenfold decrease in computation time. The time needed to find good control solutions decreased from hours, when stochastic search is used, to minutes with CBR. CBR also provides possibilities for improving performance over service life. Successfully solved situations are stored as cases in a case-base. In new situations, a case close to the new situation is retrieved and then adapted. By storing additional cases, the system is able to retrieve better cases for adaptation. With increasing case-base size, adaptation time decreases. The combination of these techniques has much potential for improving the performance of complex structures during service lives. Results should contribute to the development of innovative structural solutions. Finally, it is expected that the findings in this thesis will become points of departure for subsequent studies.
    Zusammenfassung
    Die vorliegende Arbeit beschreibt die erfolgreiche Anwendung fortschrittlicher Computermethoden auf dem Gebiet der aktiven Kontrolle von Tragwerken. Die Kontrollaufgabe bestand in der Suche nach optimalen Kommandos für eine stark gekoppelte, geometrisch nicht lineare Struktur. Es wird demonstriert, wie diese Methoden die Genauigkeit des analytischen Modells verbessern. Verschiedene Suchtechniken werden miteinander verglichen. Darüber hinaus kann die Leistung des Systems während seiner Lebensdauer durch Speicherung, Abruf und Anpassung guter Kontrollkommandos gesteigert werden. Tensegrities sind eine spezielle Art von Seilnetzkonstruktionen. Sie inspirieren Künstler, Forscher und Ingenieure gleichermaßen. Variationen der Eigenspannung verändern ihre Gestalt sowie die Lastkapazität. Sie eröffnen damit einzigartige Möglichkeiten als faltbare Strukturen für Anwendungen im All, sowie als aktiv kontrollierte Tragstrukturen. Ihr nicht lineares Verhalten ist jedoch schwer zu modellieren. Diese Arbeit behandelt die Forschungsgebiete Tensegrity-Strukturen, aktive Kontrolle von Tragwerken, Suchalgorithmen und wissensbasierte Systeme. Das Hauptaugenmerk ist auf die letzten beiden Themen gerichtet. Es wird demonstriert, wie fortschrittliche Computermethoden zur Verbesserung der Ergebnisqualität eingesetzt werden können. Ein hybrider Ansatz, welcher neurale Netzwerke benutzt, erhöht die Präzision des zur Modellierung von Tensegrities verwendeten Tragwerkmodells. Drei stochastische Suchtechniken werden auf ihre Eignung für die Suche nach Kontrollkommandos miteinander verglichen. Die Rechenzeit, welche bei Einsatz eines „brute force“ Ansatzes zunächst auf Jahrhunderte abgeschätzt wurde, verringerte sich auf einige Stunden. Fallbasiertes Schließen (Case-based reasoning, CBR) wird für weitere Leistungssteigerung verwendet. Die Rechenzeit, welche bei Anwendung von stochastischen Suchmethoden noch Stunden betrug, verringerte sich auf Minuten. CBR bietet darüber hinaus die Möglichkeit für Leistungssteigerungen während der Lebensdauer der Struktur. Erfolgreich gelöste Kontrollaufgaben werden als Fälle in einer Falldatenbank gespeichert. In neuen Situationen wird ein ähnlicher Fall in dieser Datenbank gesucht und angepasst. Mit dem Speichern von zusätzlichen Fällen in der Datenbank kann das System immer bessere Fälle zur Anpassung vorschlagen. Mit wachsender Größe der Datenbank verringert sich die zur Anpassung benötigte Zeit. Die Kombination von unterschiedlichen Computermethoden zeigt Möglichkeiten zur Leistungssteigerung von komplexen Tragwerken während ihrer Lebensdauer. Ergebnisse sollten zur Entwicklung innovativer Strukturen beitragen. Es wird gehofft, daß diese Arbeit als Ausgangspunkte für weitere Forschung benutzt werden kann.
    Résumé
    Cette thèse décrit une application réussie des techniques d'informatique avancées au domaine du contrôle des structures actives. La tâche de contrôle consiste à trouver les bons mouvements pour une structure non linéaire hautement couplée. On y démontre comment ces méthodes améliorent la précision du modèle analytique. En outre, différentes méthodes de recherche stochastique sont comparées pour une même tâche. De plus, la performance du système peut être améliorée durant son exploitation, par une mémorisation des informations, leur récupération et leur adaptation pour de bonnes solutions. La structure étudiée, une tenségrité, est un type spécial de structures en câbles. Les tenségrités stimulent l'imagination des artistes, des chercheurs et des ingénieurs. En variant son état d'auto contrainte, une telle structure change sa forme ainsi que sa résistance. Elles permettent des applications originales, tel des structures déployables dans le domaine aérospatial ou plus généralement des structures actives. Cependant, le comportement non linéaire de ce type de structure est difficile à modéliser. Les aspects de ce travail englobent outre les structures tenségrités, des sujets tel que le contrôle actif, les algorithmes de recherche et l'intelligence artificielle. La thèse se concentre plus particulièrement sur les deux derniers sujets. On y prouve que les techniques d'informatique avancées peuvent être utilisées pour améliorer la qualité des solutions. Une approche hybride, utilisant des réseaux de neurones, améliore la précision du modèle analytique utilisé pour la modélisation des structures tenségrités. Une comparaison entre trois techniques de recherche stochastique montre que le temps de calcul, estimé en premier lieu à plusieurs siècles par une approche de « force brute », peut être réduit à quelques heures. Le raisonnement par cas (Case-Based Reasoning, CBR) est utilisé pour une diminution du temps de traitement. Le temps nécessaire pour trouver une bonne solution, évalué en heures par une recherche stochastique, diminue à quelques minutes par la méthode du raisonnement par cas. Le CBR fournit des possibilités d'amélioration des performances durant la vie de service. Les situations résolues avec succès sont stockées dans une base de cas. Ainsi, dans des situations nouvelles, un cas proche de cette situation peut être réutilisé et adapté. En mettant en mémoire des cas supplémentaires, le système est capable de retrouver les meilleurs cas et de les adapter. Grâce à une augmentation de la taille de la base de cas, le temps d'adaptation diminue. La combinaison de ces techniques a un grand potentiel pour augmenter les performances des structures complexes pour leur état de service. Les résultats devraient contribuer au développement de solutions de structures innovantes. Finalement, les conclusions de cette thèse devront servir de points de départ pour d'autres projets de recherche.