JP2020102157A - Optimization support device for support body type and arrangement - Google Patents
Optimization support device for support body type and arrangement Download PDFInfo
- Publication number
- JP2020102157A JP2020102157A JP2018241663A JP2018241663A JP2020102157A JP 2020102157 A JP2020102157 A JP 2020102157A JP 2018241663 A JP2018241663 A JP 2018241663A JP 2018241663 A JP2018241663 A JP 2018241663A JP 2020102157 A JP2020102157 A JP 2020102157A
- Authority
- JP
- Japan
- Prior art keywords
- seismic isolation
- support
- unit
- learning
- arrangement
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Vibration Prevention Devices (AREA)
Abstract
Description
本発明は、支持体の種別及び配置最適化支援装置に関する。 The present invention relates to a support type and a placement optimization support device.
大地震などの地震動に対して建物の揺れを低減するための免震材料は、鉛コア入り積層ゴム免震材料などの多数の種類が存在する（特許文献１参照）。
また、建物の杭基礎としても同様に多数の種類が存在する。
そのため、建物設計における免震材料や杭基礎の選択や配置に関する行為は、建物の構造性能を大きく左右する重要な決定行為である。
There are many types of seismic isolation materials, such as a laminated rubber seismic isolation material with a lead core, for reducing shaking of a building against earthquake motion such as a large earthquake (see Patent Document 1).
There are also many types of pile foundations for buildings.
Therefore, the act of selecting and arranging seismic isolation materials and pile foundations in building design is an important act of determining the structural performance of the building.
しかし、免震材料や杭基礎の決定において、選択しうる膨大な免震材料や杭基礎の組合せの中から、制約条件を満足し、かつ、地震時に建物に発生する最大応答加速度や最大変位、免震材料のコストなどから優れたものの組合せを選び取る必要がある。
一方、地震時の建物の正確な応答予測が困難であることから、設計者の見識と経験に頼る部分が大きく、限られた設計時間の中で性能の優れた設計を実現することが困難である。
However, when determining seismic isolation materials and pile foundations, the maximum response acceleration and maximum displacement that occur in the building during the earthquake are satisfied, out of the vast selection of seismic isolation materials and pile foundation combinations that can be selected. It is necessary to select an excellent combination of seismic isolation materials in terms of cost.
On the other hand, it is difficult to accurately predict the response of a building during an earthquake, so much depends on the insight and experience of the designer, and it is difficult to achieve a design with excellent performance within a limited design time. is there.
本発明は、設計者の見識と経験に頼らず、免震材料や杭基礎の選択と配置とを効率的に行うことを可能にすることを目的とする。 An object of the present invention is to enable efficient selection and placement of seismic isolation materials and pile foundations without depending on the insight and experience of the designer.
上記目的を達成するために、本発明の支持体の種別及び配置最適化支援装置は、構造物を支持する支持体の種別と配置に関する複数の学習用支持体配置データを入力するデータ入力部と、前記学習用支持体配置データを時刻歴応答解析し、解析結果を機械学習する機械学習部と、前記機械学習部の学習結果を格納する保存部と、前記学習結果を活用して前記支持体の配置の複数の組合せにおける構造物の応答量を推定し、当該推定された応答量を最適化する最適化部と、前記支持体の配置の複数の組合せについて、前記最適化部により推定された全応答量を取得し、所定のフィルタリングを実行して優良解を得る優良解部と、前記優良解を用いて、時刻歴応答解析を実行して、適正な支持体の種別及び支持体の配置の最終採用解に関する情報を出力する情報出力部と、を含んで構成される。
これにより、設計者の見識と経験に頼らず、免震材料や杭基礎の選択と配置とを効率的に行うことができる。また、支持体の種別及び支持体の配置の組合せが無数にあり、全ての支持体の種別及び支持体の配置の組合せについて時刻歴応答解析を実行することは不可能であるが、学習した学習結果を用いることで、時刻歴応答解析を実行する支持体の種別及び支持体の配置の組合せを少なくすることができる
In order to achieve the above object, the support type and arrangement optimization support device of the present invention includes a data input unit for inputting a plurality of learning support arrangement data relating to the type and arrangement of the support supporting a structure. A machine learning unit that performs time history response analysis of the learning support arrangement data and machine-learns the analysis result; a storage unit that stores the learning result of the machine learning unit; and the support using the learning result. Of the response amount of the structure in a plurality of combinations of the arrangement of, and the optimization unit that optimizes the estimated response amount, and a plurality of combinations of the arrangement of the support, was estimated by the optimization unit An excellent solution part that obtains all the response amounts and executes a predetermined filtering to obtain an excellent solution, and a time history response analysis using the excellent solution to perform an appropriate support type and support arrangement. And an information output unit that outputs information about the final adopted solution of.
As a result, the seismic isolation material and the pile foundation can be efficiently selected and arranged without depending on the knowledge and experience of the designer. In addition, there are countless combinations of types of supports and arrangements of supports, and it is impossible to perform time history response analysis for all combinations of types of supports and arrangements of supports. By using the result, it is possible to reduce the combination of the type of support and the arrangement of support for performing the time history response analysis.
本発明の学習用支持体配置データは、少なくとも地震動の大きさを示すレベルにおける前記支持体の固有周期であることを特徴とする。 The learning support arrangement data of the present invention is characterized in that it is the natural period of the support at least at a level indicating the magnitude of earthquake motion.
本発明のフィルタリングは、少なくとも前記構造物の加速度及び変位から前記優良解を得ることを特徴とする。 The filtering of the present invention is characterized in that the excellent solution is obtained from at least the acceleration and displacement of the structure.
本発明によれば、設計者の見識と経験に頼らず、免震材料や杭基礎の選択と配置とを効率的に行うことができる、という効果が得られる。 According to the present invention, it is possible to obtain an effect that the seismic isolation material and the pile foundation can be efficiently selected and arranged without depending on the knowledge and experience of the designer.
本発明の実施形態について詳細に説明する。 Embodiments of the present invention will be described in detail.
＜本発明の実施形態に係る免震材料の種別及び配置最適化支援装置のシステム構成＞
図１は、本発明の実施形態に係る免震材料の種別及び配置最適化支援装置１００の構成の一例を示すブロック図である。免震材料の種別及び配置最適化支援装置１００は、機能的には、図１に示されるように、データ入力部１０、コンピュータ２０、及び出力部３０を含んだ構成で表すことができる。
<Type of seismic isolation material and system configuration of arrangement optimization support device according to the embodiment of the present invention>
FIG. 1 is a block diagram showing an example of a type of seismic isolation material and a configuration of an arrangement optimization support device 100 according to an embodiment of the present invention. As shown in FIG. 1, the seismic isolation material type and layout optimization support device 100 can be functionally represented by a configuration including a data input unit 10, a computer 20, and an output unit 30.
データ入力部１０は、学習用の構造物を支持する免震材料の種別と配置に関する複数の学習用支持体配置データを入力するものである。データ入力部１０は、例えばキーボード、マウス、又は外部装置からの入力を受け付ける入出力装置等によって実現される。 The data input unit 10 inputs a plurality of learning support arrangement data relating to the type and arrangement of the seismic isolation material that supports the learning structure. The data input unit 10 is realized by, for example, a keyboard, a mouse, or an input/output device that receives an input from an external device.
本実施形態では、図２に示すように、構造物として、４スパンの建物を想定し、５×５の計２５個（位置「１」〜「２５」）の免震材料の種別と配置に関する複数、例えば３００パターンの学習用支持体配置データを入力する。
ここで、図２（ａ）は、免震材料が配置された構造物の正面図であり、図２（ｂ）は、免震材料の配置を説明するために、免震材料の配置を平面図で示しているものである。
なお、本実施形態では構造物として４×４スパンの正方形の建物を想定しているが、これに限定されず、様々な建物、例えば、４×１０スパンの長方形の建物や、長方形の建物を組み合わせたＬ字状の建物などであっても良い。
In the present embodiment, as shown in FIG. 2, assuming a building of 4 spans as a structure, it relates to the type and arrangement of a total of 25 5×5 (positions “1” to “25”) seismic isolation materials. A plurality of, for example, 300 patterns of learning support arrangement data are input.
Here, FIG. 2A is a front view of the structure in which the seismic isolation material is arranged, and FIG. 2B is a plan view of the seismic isolation material in order to explain the arrangement of the seismic isolation material. It is shown in the figure.
In addition, although a square building having a 4×4 span is assumed as the structure in the present embodiment, the present invention is not limited to this, and various buildings such as a rectangular building having a 4×10 span or a rectangular building can be used. It may be a combined L-shaped building.
ここで、本実施形態では、図３に示すように、免震材料として、ＮＲＢ（天然ゴム系積層ゴム支承）のＮＲＢ６０（直径６００mm）、ＮＲＢ６５（直径６５０mm）、ＮＲＢ７０（直径７００mm）、ＮＲＢ７５（直径７５０mm）、ＮＲＢ８０（直径８００mm）、ＬＲＢ（鉛プラグ挿入型積層ゴム支承）のＬＲＢ６０（直径６００mm）、ＬＲＢ６５（直径６５０mm）、ＬＲＢ７０（直径７００mm）、ＬＲＢ７５（直径７５０mm）、ＬＲＢ８０（直径８００mm）、ＳＢ（Ｌ）（低摩擦（μ=０．０１）弾性すべり支承）のＳＳＲ４５Ｌ（直径４５０mm）、ＳＳＲ５５Ｌ（直径５５０mm）、ＳＳＲ６５Ｌ（直径６５０mm）、ＳＢ（Ｈ）（高摩擦（μ=０．１３）弾性すべり支承）のＳＳＲ４５Ｈ（直径４５０mm）、ＳＳＲ５５Ｈ（直径５５０mm）、ＳＳＲ６５Ｈ（直径６５０mm）、オイルダンパー（バイリニア型）の１７種類の中から選択している。
なお、免震材料としては、上述した１７種類に限定されず、他の種類の免震材料を選択しても良いし、又、１７種類より多い免震材料から選択しても良いし、１７種類より少ない免震材料から選択しても良い。
Here, in this embodiment, as shown in FIG. 3, NRB60 (diameter 600 mm), NRB65 (diameter 650 mm), NRB70 (diameter 700 mm), NRB75 (NRB75) of NRB (natural rubber laminated rubber bearing) are used as seismic isolation materials. Diameter 750 mm), NRB80 (diameter 800 mm), LRB (lead plug insertion type laminated rubber bearing) LRB60 (diameter 600 mm), LRB65 (diameter 650 mm), LRB70 (diameter 700 mm), LRB75 (diameter 750 mm), LRB80 (diameter 800 mm) , SB(L) (low friction (μ=0.01) elastic sliding bearing) SSR45L (diameter 450 mm), SSR55L (diameter 550 mm), SSR65L (diameter 650 mm), SB(H) (high friction (μ=0.0). 13) 17 types of elastic slide bearings, SSR45H (diameter 450 mm), SSR55H (diameter 550 mm), SSR65H (diameter 650 mm), and oil damper (bilinear type) are selected.
The seismic isolation material is not limited to the above 17 types, and other types of seismic isolation materials may be selected, or more than 17 types of seismic isolation materials may be selected. You may choose from less seismic isolation materials.
また、データ入力部１０で入力された学習用支持体配置データは、図５を用いて後述する学習用データ記憶部にＩＤと関連づけられて記憶されることとなる。 The learning support arrangement data input by the data input unit 10 will be stored in the learning data storage unit, which will be described later with reference to FIG. 5, in association with the ID.
なお、図４に示すように、免震材料が配置される位置を同種の位置毎にグルーピングして、同じグループ（Ｇｒ）では同じ免震材料が選択されるようにしても良い。
すなわち、四隅（位置「１」「５」「２１」「２５」）に配置される免震材料のグループ１（Ｇｒ１）、グループ１の免震材料の隣（位置「２」「４」「６」「１０」「１６」「２０」「２２」「２４」）に配置される免震材料のグループ２（Ｇｒ２）、グループ２の免震材料の間（位置「３」「１１」「１５」「２３」）に配置される免震材料のグループ３（Ｇｒ３）、グループ３の免震材料の間（位置「７」「９」「１７」「１９」）に配置される免震材料のグループ４（Ｇｒ４）、グループ４の免震材料の間（位置「８」「１２」「１４」「１８」）に配置される免震材料のグループ５（Ｇｒ５）、中心（位置「１３」）に配置される免震材料のグループ６（Ｇｒ６）に分け、例えば、グループ１には免震材料ＮＲＢ６０、グループ２には免震材料ＮＲＢ６５、グループ３には免震材料ＮＲＢ６０、グループ４には免震材料ＬＲＢ７０、グループ５には免震材料ＬＲＢ６０、グループ６には免震材料ＬＲＢ８０などを配置する学習用データを入力する。
As shown in FIG. 4, the positions where the seismic isolation materials are arranged may be grouped into positions of the same type so that the same seismic isolation material is selected in the same group (Gr).
That is, the group 1 (Gr1) of seismic isolation materials arranged at the four corners (positions “1”, “5”, “21”, and “25”) and adjacent to the seismic isolation material of group 1 (positions “2”, “4”, “6”). "10""16""20""22""24") of seismic isolation material group 2 (Gr2), between the seismic isolation material of group 2 (position "3""11""15") Group 23 (Gr3) of seismic isolation materials placed in “23”), group of seismic isolation materials placed between seismic isolation materials of group 3 (positions “7” “9” “17” “19”) 4 (Gr4), group 5 (Gr5) of seismic isolation materials placed between the seismic isolation materials of group 4 (positions "8", "12", "14" and "18"), in the center (position "13") The seismic isolation materials are arranged into groups 6 (Gr6). For example, seismic isolation material NRB60 for group 1, seismic isolation material NRB65 for group 2, seismic isolation material NRB60 for group 3, seismic isolation material for group 4 The learning data for arranging the material LRB70, the seismic isolation material LRB60 for the group 5, and the seismic isolation material LRB80 for the group 6 is input.
また、データ入力部１０は、後述する機械学習部２３の学習結果を活用して構造物の応答量を推定する免震材料の配置の複数の組合せ、例えば、２０個の免震材料の種別と配置に関する組合せを入力する。
例えば、位置「１」、「５」、「２１」、「２５」に「ＮＲＢ６０」を、位置「２」、「４」、「６」、「１０」、「１６」、「２０」、「２２」、「２４」に「ＮＲＢ８０」を、位置「３」、「１１」、「１５」、「２３」に「ＬＲＢ６０」を、位置「７」、「９」、「１７」、「１９」に「ＬＲＢ７０」を、位置「８」、「１２」、「１４」、「１８」に「ＮＲＢ７０」を、位置「１３」に「ＬＲＢ８０」を配置する組合せなどを入力する。
なお、ここで入力される免震材料の配置の複数の組合せは、上述した、学習用支持体配置データとは別の組合せであることが望ましいが、これに限定されず、同じであっても良い。
Further, the data input unit 10 utilizes a plurality of combinations of seismic isolation material arrangements for estimating the response amount of the structure by utilizing a learning result of the machine learning unit 23 described later, for example, 20 seismic isolation material types and Enter the combination for placement.
For example, "NRB60" is assigned to positions "1", "5", "21", and "25", and positions "2", "4", "6", "10", "16", "20", " “NRB80” at 22” and “24”, “LRB60” at positions “3”, “11”, “15”, and “23”, and positions “7”, “9”, “17”, and “19”. "LRB70", the positions "8", "12", "14" and "18", the "NRB70", and the position "13", the "LRB80" is input.
The plurality of combinations of the seismic isolation material arrangements input here are preferably different from the above-described learning support arrangement arrangement data, but the present invention is not limited to this, and even if the same. good.
コンピュータ２０は、ＣＰＵ（Central Processing Unit）、各処理ルーチンを実現するためのプログラム等を記憶したＲＯＭ（Read Only Memory）、データを一時的に記憶するＲＡＭ（Random Access Memory）、記憶手段としてのメモリ、ネットワークインタフェース等を含んで構成されている。コンピュータ２０は、機能的には、取得部２１と、学習用データ記憶部２２と、機械学習部２３と、保存部２４と、最適化部２５と、優良解部２６と、情報出力部２７とを備えている。 The computer 20 includes a CPU (Central Processing Unit), a ROM (Read Only Memory) that stores programs for implementing each processing routine, a RAM (Random Access Memory) that temporarily stores data, and a memory as a storage unit. , A network interface and the like. Functionally, the computer 20 includes an acquisition unit 21, a learning data storage unit 22, a machine learning unit 23, a storage unit 24, an optimization unit 25, an excellent solution unit 26, and an information output unit 27. Equipped with.
取得部２１は、データ入力部１０によって受け付けられた、複数の学習用支持体配置データを取得する。
また、取得部２１は、データ入力部１０によって受け付けられた、機械学習部２３の学習結果を活用して構造物の応答量を推定する免震材料の配置の複数の組合せを取得する。
The acquisition unit 21 acquires a plurality of learning support arrangement data received by the data input unit 10.
Further, the acquisition unit 21 acquires a plurality of combinations of the layouts of the seismic isolation materials for estimating the response amount of the structure by using the learning result of the machine learning unit 23 accepted by the data input unit 10.
学習用データ記憶部２２には、取得部２１によって取得された複数の学習用支持体配置データが格納される。例えば、図５に示されるように、配置される位置と免震材料の種別とが対応付けられて格納される。 The learning data storage unit 22 stores a plurality of learning support arrangement data acquired by the acquisition unit 21. For example, as shown in FIG. 5, the position to be arranged and the type of seismic isolation material are stored in association with each other.
図５に示すように、ＩＤ「１」の学習用支持体配置データでは、位置「１」〜「２５」の全てに「ＮＲＢ６０」を配置した場合の例、ＩＤ「２」の学習用支持体配置データでは、位置「１」〜「２５」の全てに「ＮＲＢ６５」を配置した場合の例、ＩＤ「３」の学習用支持体配置データでは、位置「１」〜「２５」の全てに「ＮＲＢ７０」を配置した場合の例、ＩＤ「４」の学習用支持体配置データでは、位置「１」〜「２５」の全てに「ＮＲＢ８０」を配置した場合の例、ＩＤ「１１」の学習用支持体配置データでは、位置「１」〜「１３」に「ＮＲＢ６０」、位置「１４」〜「２５」に「ＮＲＢ６５」を配置した場合の例、ＩＤ「１５」の学習用支持体配置データでは、位置「１」〜「１３」に「ＮＲＢ６０」、位置「１４」〜「２５」に「ＬＲＢ６０」を配置した場合の例、ＩＤ「９９」の学習用支持体配置データでは、位置「１」に「ＳＳＲ４５Ｈ」、位置「２」に「ＮＲＢ６０」、位置「３」に「ＬＲＢ６０」、位置「４」に「ＮＲＢ６０」、位置「５」に「ＬＲＢ７０」、位置「６」に「ＳＳＲ６５Ｈ」、位置「７」に「ＮＲＢ６０」、位置「８」に「ＮＲＢ８０」、位置「９」に「ＬＲＢ７０」、位置「１０」に「ＳＳＲ４５Ｌ」、位置「１１」に「ＮＲＢ６５」、位置「１２」に「ＮＲＢ６０」、位置「１３」に「ＬＲＢ７０」、位置「１４」に「ＮＲＢ６０」、位置「１５」に「ＳＳＲ４５Ｈ」、位置「１６」に「ＬＲＢ６０」、位置「１７」に「ＮＲＢ６０」、位置「１８」に「ＬＲＢ６０」、位置「１９」に「ＳＳＲ４５Ｌ」、位置「２０」に「ＮＲＢ８０」、位置「２１」に「ＮＲＢ６０」、位置「２２」に「ＬＲＢ８０」、位置「２３」に「ＮＲＢ６０」、位置「２４」に「ＬＲＢ６０」、位置「２５」に「ＬＲＢ７０」を配置した場合の例、である。 As shown in FIG. 5, in the learning support arrangement data of ID “1”, an example in which “NRB60” is arranged at all the positions “1” to “25”, the learning support of ID “2” In the arrangement data, an example in which "NRB65" is arranged in all the positions "1" to "25", in the learning support arrangement data of ID "3", all the positions "1" to "25" are set to " In the case of arranging NRB70", in the learning support arrangement data of ID "4", the case of arranging "NRB80" in all the positions "1" to "25", for learning ID "11" In the support arrangement data, an example in which “NRB60” is arranged at the positions “1” to “13” and “NRB65” is arranged at the positions “14” to “25”, for example, in the learning support arrangement data of ID “15” , "NRB60" at positions "1" to "13" and "LRB60" at positions "14" to "25", for example, position "1" in the learning support placement data of ID "99". "SRB45" at position "2", "NRB60" at position "3", "LRB60" at position "4", "NRB60" at position "5", "LRB70" at position "6", "SRB65H" at position "6", "NRB60" at position "7", "NRB80" at position "8", "LRB70" at position "9", "SRB45L" at position "10", "NRB65" at position "11", and position "12" "NRB60", position "13" is "LRB70", position "14" is "NRB60", position "15" is "SSR45H", position "16" is "LRB60", position "17" is "NRB60", position "18" is "LRB60", position "19" is "SSR45L", position "20" is "NRB80", position "21" is "NRB60", position "22" is "LRB80", and position "23" is "23". In this example, "NRB60", "LRB60" is located at position "24", and "LRB70" is located at position "25".
また、ＩＤ「１０１」〜「２００」の学習用支持体配置データでは、免震材料の配置はＩＤ「１」〜「１００」と同じであるが、オイルダンパーを「１」個備えている例である。
また、ＩＤ「２０１」〜「３００」の学習用支持体配置データでは、免震材料の配置はＩＤ「１」〜「１００」と同じであるが、オイルダンパーを「８」個備えている例である。
Further, in the learning support arrangement data of IDs “101” to “200”, the arrangement of the seismic isolation material is the same as that of IDs “1” to “100”, but an example in which “1” oil dampers are provided Is.
Further, in the learning support arrangement data of IDs “201” to “300”, the arrangement of the seismic isolation material is the same as that of IDs “1” to “100”, but an example in which “8” oil dampers are provided Is.
なお、学習用支持体配置データとして「３００」パターンを入力したがこれに限定されない。また、オイルダンパーの数として「０」個、「１」個、「８」個のパターンを入力したがこれに限定されない。
また、学習用支持体配置データは、免震特性の広範な分布をカバーすることが望ましいため、同じ免震材料を使用する場合と、複数の免震材料を組合せて使用する場合とを含むように入力される。
Although the “300” pattern is input as the learning support arrangement data, the data is not limited to this. Further, as the number of oil dampers, “0”, “1”, and “8” patterns are input, but the number is not limited to this.
Since it is desirable that the learning support arrangement data covers a wide range of seismic isolation characteristics, it should include cases where the same seismic isolation material is used and cases where multiple seismic isolation materials are used in combination. Entered in.
機械学習部２３は、学習用データ記憶部２２に格納された複数の学習用支持体配置データを元に、図６に示す入力に示す諸元を算定する。そして、算出された諸元を元に、後述するように学習用支持体配置データを時刻歴応答解析し、解析結果を機械学習することで学習結果（推定器）を得る。
具体的には、図６に示すように、免震層等価固有周期（sec）の５mm変形時、２００mm変形時、４００mm変形時の諸元、履歴減衰による等価粘性減衰定数(%)の５mm変形時、２００mm変形時、４００mm変形時の諸元、粘性ダンパーにより付加される等価粘性減衰定数（％）の５mm変形時、２００mm変形時、４００mm変形時の諸元、免震層の層せん断力係数のうち、免震層二次剛性により生じる分の５mm変形時、２００mm変形時、４００mm変形時の諸元、免震層の層せん断力係数のうち、免震層切片荷重により生じる分の５mm変形時、２００mm変形時、４００mm変形時の諸元、を算定する。
なお、学習用支持体配置データを元に算定される諸元は、図６に示すものに限定されず、又、図６に示す全てを算定する場合に限定されず、一部のみ、例えば、免震層等価固有周期(s)のみを算定するようにしても良い。
The machine learning unit 23 calculates the specifications shown in the input shown in FIG. 6 based on the plurality of learning support arrangement data stored in the learning data storage unit 22. Then, based on the calculated specifications, the learning support arrangement data is subjected to time history response analysis as described later, and the learning result (estimator) is obtained by machine learning the analysis result.
Specifically, as shown in Fig. 6, the parameters of the seismic isolation layer equivalent natural period (sec) of 5 mm, 200 mm, and 400 mm, and the equivalent viscous damping constant (%) of 5 mm due to hysteresis damping When the model is 200 mm deformed, when it is 400 mm deformed, when the equivalent viscous damping constant (%) added by the viscous damper is 5 mm, when it is 200 mm deformed, and when it is 400 mm deformed, the layer shear force coefficient of the base isolation layer Of the 5 mm deformation caused by the secondary rigidity of the seismic isolation layer, 200 mm deformation, 400 mm deformation specifications, and 5 mm of the layer shear force coefficient of the seismic isolation layer caused by the seismic isolation layer section load Calculate the parameters when deforming 200 mm and when deforming 400 mm.
Note that the specifications calculated based on the learning support arrangement data are not limited to those shown in FIG. 6, and are not limited to the case of calculating all shown in FIG. You may make it calculate only the seismic isolation layer equivalent natural period (s).
算定された諸元の一例を、全ての位置に免震材料「ＮＲＢ６０」を配置し、オイルダンパーを８個使用したＩＤ「２０１」の場合を挙げて説明する。
図６に示すように、全ての位置に免震材料「ＮＲＢ６０」を配置し、オイルダンパーを８個使用した場合の免震層等価固有周期(s)の諸元は、５mm変形時では４．８０４[sec]、２００mm変形時では４．８０４[sec]、４００mm変形時では４．８０４[sec]、であり、履歴減衰による等価減衰定数の諸元は、５mm変形時では０[%]、２００mm変形時では０［％］、４００mm変形時では０［％］、であり、オイルダンパーにより付加される等価粘性減衰定数の諸元は、５mm変形時では９６．８８［％］、２００mm変形時では９６．８８［％］、４００mm変形時では６１．８１［％］であり、免震層の層せん断力係数のうち免震層二次剛性により生じる分の諸元は、５mm変形時では０．０００９、２００mm変形時では０．０３４９、４００mm変形時では０．０６９８であり、免震層の層せん断力係数のうち免震層切片荷重により生じる分の諸元は、５mm変形時では０．０００、２００mm変形時では０．０００、４００mm変形時では０．０００である。
An example of the calculated specifications will be described with reference to a case where the seismic isolation material “NRB60” is arranged at all positions and ID “201” is used in which eight oil dampers are used.
As shown in Fig. 6, when the seismic isolation material "NRB60" is arranged in all positions and eight oil dampers are used, the specifications of the seismic isolation layer equivalent natural period (s) are 4. 804 [sec], 4.804 [sec] when 200 mm deformed, 4.804 [sec] when 400 mm deformed, and the specifications of the equivalent damping constant due to hysteresis damping are 0 [%] when 5 mm deformed, The values of the equivalent viscous damping coefficient added by the oil damper are 96.88[%] when deformed by 5mm and 0[%] when deformed by 200mm. Is 96.88 [%] and that at 400 mm deformation is 61.81 [%], and the specifications of the layer shear force coefficient of the base isolation layer generated by the secondary rigidity of the base isolation layer are 0 at the time of 5 mm deformation. .0009, 0.0349 for 200 mm deformation, 0.0698 for 400 mm deformation, and the specifications of the layer shear force coefficient of the base isolation layer generated by the base isolation layer intercept load are 0. It is 0.000 when deformed by 000 or 200 mm and 0.000 when deformed by 400 mm.
また、機械学習部２３は、学習用データ記憶部２２に格納された複数の学習用支持体配置データを諸元を元に時刻歴応答解析し、解析結果を機械学習して学習結果（推定器）を得る。
ここで、本実施形態では、時刻歴応答解析は質点系モデルで行い、機械学習にはＲ言語の機械学習プログラムを用い、アルゴリズムにはランダムフォレストを採用したが、これに限定されない。
Further, the machine learning unit 23 analyzes the time history response of the plurality of learning support arrangement data stored in the learning data storage unit 22 based on the specifications, and machine-learns the analysis result to obtain the learning result (estimator). ).
Here, in the present embodiment, the time history response analysis is performed by the mass system model, the R language machine learning program is used for machine learning, and the random forest is adopted as the algorithm, but the present invention is not limited to this.
本免震材料の種別及び配置最適化支援については、多目的組み合わせ最適化問題として図７に示す式で定式化される。
ここで、目的関数である、ＤＩＳＰ、ＡＣＣ、ＣＯＳＴ、Ｎdevは、それぞれ、地震時に免震層上部に生じる最大応答変位、最大応答加速度、免震材料とオイルダンパーとを合わせた総コスト、使用する免震材料の種別数、を表す。また、Ｘは、免震材料の選択を表す設計変数、Ｌisoは選択候補とする免震材料のリスト、Ｃvは付加する粘性ダンパーの減衰係数を表す設計変数、Ｃv UおよびＣv Lはその上下限値を表す。Ｌiso，Ｃv UおよびＣv Lは，軸力レベルや建物規模等から設計者が事前に定める。ｇ（Ｘ）≧０は免震装置の設計時に満たすべき全ての制約条件で、長期および短期の軸力上下限値制約、偏心率の制約などからなる。
なお、実際の設計において、オイルダンパーは既製のものを使用し、またその種類はあらかじめ決めたうえで、その個数を調整するのが一般的である。よって、以降は問題（Ｐ）中のＣv，Ｃv U，Ｃv Lをそれぞれ、オイルダンパーの個数を表す設計変数ｎvおよびその上下限値ｎv U，ｎv Lに読み替えて扱う。
The type of seismic isolation material and support for optimization of the layout are formulated as a multi-objective combination optimization problem by the formula shown in FIG. 7.
Here, the objective functions DISP, ACC, COST, and N dev are the maximum response displacement, the maximum response acceleration, the total cost of the seismic isolation material and the oil damper, and the usage, respectively. Indicates the number of types of seismic isolation materials to be used. Further, X is a design variable that represents the selection of seismic isolation materials, L iso is a list of seismic isolation materials that are candidates for selection, C v is a design variable that represents the damping coefficient of the viscous damper to be added, and C v U and C v L Represents the upper and lower limits. The designer determines L iso , C v U and C v L in advance from the axial force level, the building scale and the like. g(X)≧0 is all constraint conditions that must be satisfied when designing the seismic isolation device, and includes long-term and short-term axial force upper and lower limit constraints, eccentricity constraint, and the like.
In actual design, it is common to use ready-made oil dampers, and determine the type in advance and then adjust the number. Therefore, hereinafter, C v , C v U , and C v L in the problem (P) will be treated as design variables n v that represent the number of oil dampers and upper and lower limits n v U and n v L , respectively.
例えば、Ｘ＝［ＮＲＢ６０，ＮＲＢ６０，・・・ＮＲＢ６０，ＮＲＢ６０］として、ＩＤ「２０１」の場合、すなわち、位置「１」〜「２５」の全てに「ＮＲＢ６０」を使用し、ｎ（オイルダンパーの個数）「８」の場合、の時刻歴応答解析によって求められるＤＩＳＰは、１４．９ｃｍ、ＡＣＣは１０２．４６ [cm/sec2]、ＣＯＳＴは、１，９００×２５＋３，０００×８＝７１，５００ [千円]、Ｎdev＝１、となる。 For example, when X=[NRB60, NRB60,... NRB60, NRB60], and the ID is “201”, that is, “NRB60” is used for all the positions “1” to “25”, and n (the oil damper's (Number of pieces) “8”, the DISP obtained by the time history response analysis of is 14.9 cm, the ACC is 102.46 [cm/sec 2 ], and the COST is 1,900×25+3,000×8=71, It will be 500 [thousand yen] and N dev =1.
保存部２４には、機械学習部２３によって得られた学習結果（推定器）が格納される。 The learning result (estimator) obtained by the machine learning unit 23 is stored in the storage unit 24.
最適化部２５は、学習結果（推定器）を活用して、取得部２１によって取得された免震材料の配置の複数の組合せにおける構造物の応答量（最大変位、最大加速度）の推定と、推定された応答量の最適化とを行う。
具体的には、免震材料の配置の複数の組合せの１つ１つについて、学習結果（推定器）を使用して、時刻歴応答解析を実行して構造物の応答量を推定し、推定された応答量を多目的ＳＡ法（焼きなまし法（ＭＯＳＡ：Ｍｕｌｔｉｐｌｅ−Ｏｂｊｅｃｔｉｖｅ Ｓｉｍｕｌａｔｅｄ Ａｎｅａｌｉｎｇ））によって所定回数、例えば１５００回、繰り返し最適化を行う。
The optimization unit 25 utilizes the learning result (estimator) to estimate the response amount (maximum displacement, maximum acceleration) of the structure in a plurality of combinations of the layout of the seismic isolation materials acquired by the acquisition unit 21, and The estimated response amount is optimized.
Specifically, the learning result (estimator) is used to execute the time history response analysis to estimate the response amount of the structure for each one of the plurality of combinations of the seismic isolation materials, The determined response amount is repeatedly optimized a predetermined number of times, for example 1500 times, by a multi-purpose SA method (MOSA: Multiple-Objective Simulated Annealing).
本実施形態では、免震材料の配置の複数の組合せとして２０個を取得し、各組合せに対し最適化を１５００回繰り返すため、２０×１，５００＝３０，０００の探索解を得ることとなる。
そして、全探索解をプロットした結果を図８に示す。
ここで、多目的ＳＡ法を用いた最適化は、汎用の最適化パッケージである「ｍｏｄｅＦＲＯＮＴＩＥＲ」（登録商標）を用いたが、これに限定されない。
In the present embodiment, 20 pieces are acquired as a plurality of combinations of seismic isolation material arrangements, and optimization is repeated 1500 times for each combination, so that a search solution of 20×1,500=30,000 is obtained. ..
The results of plotting all search solutions are shown in FIG.
Here, for the optimization using the multi-purpose SA method, a general-purpose optimization package “modeFRONTIER” (registered trademark) was used, but the invention is not limited to this.
優良解部２６は、免震材料の配置の複数の組合せについて、最適化部２５により推定された全応答量を取得し、所定のフィルタリングを実行して、優良解を得る。
ここで、上述したように、本実施形態では、全応答量は、図８にプロットした３０，０００個の探索解である。
The good solution unit 26 acquires all the response amounts estimated by the optimization unit 25 for a plurality of combinations of the layouts of the base-isolated materials and executes predetermined filtering to obtain a good solution.
Here, as described above, in the present embodiment, the total response amount is the 30,000 search solutions plotted in FIG.
フィルタリングは、少なくとも構造物の加速度及び変位から優良解を得ることである。
具体的には、図８にプロットする３０，０００個の探索解の中から、横軸である最大加速度と、縦軸である最大変位との両方が小さくなる探索解、すなわち、図８に示す探索解の中から点線で囲まれた複数個、例えば、２００個の優良解を抽出する。
かかる探索解の抽出は、横軸である最大加速度の数値と、縦軸である最大変位との計を比較し、小さくなる探索解を抽出することとなる。
Filtering is to obtain a good solution from at least the acceleration and displacement of the structure.
Specifically, from the 30,000 search solutions plotted in FIG. 8, a search solution in which both the maximum acceleration on the horizontal axis and the maximum displacement on the vertical axis are smaller, that is, shown in FIG. A plurality of, for example, 200 good solutions surrounded by a dotted line are extracted from the search solution.
The extraction of such a search solution is to compare the numerical value of the maximum acceleration on the horizontal axis with the maximum displacement on the vertical axis to extract the search solution that becomes smaller.
なお、かかる探索解の抽出は、優良解部２６（コンピュータ）が行っても良いが、設計者が探索解の中から選択することによっても実現することが可能である。
この場合には、データ入力部１０を用い、選択した優良解を入力することとなる。
The extraction of the search solution may be performed by the excellent solution unit 26 (computer), but can also be realized by the designer selecting from the search solutions.
In this case, the data input unit 10 is used to input the selected excellent solution.
ここで、フィルタリングにより抽出された２００個の優良解について、図７の各目的関数値を軸とする多次元解析チャートを図９に示す。
これらの中から、例として（ａ）推定加速度最小の免震材料の配置、（ｂ）推定変位最小の免震材料の配置、（ｃ）コスト最小の免震材料の配置、（ｄ）これらの目的関数値がいずれも中間的な値を取る免震材料の配置、についてオイルダンパーの数と共に図１０に示す。
図９中のチャート（ａ）（ｂ）（ｃ）（ｄ）は、図１０の（ａ）（ｂ）（ｃ）（ｄ）にそれぞれ相当する。
Here, FIG. 9 shows a multidimensional analysis chart in which 200 objective solutions extracted by filtering have each objective function value in FIG. 7 as an axis.
From these, as an example, (a) arrangement of seismic isolation material with minimum estimated acceleration, (b) arrangement of seismic isolation material with minimum estimated displacement, (c) arrangement of seismic isolation material with minimum cost, (d) these FIG. 10 shows the arrangement of seismic isolation materials in which the objective function values are all intermediate values together with the number of oil dampers.
Charts (a), (b), (c), and (d) in FIG. 9 correspond to (a), (b), (c), and (d) in FIG. 10, respectively.
ここで、図１０における四角で囲った数字は各位置に配置される免震材料の種別を示す数値であり、「１」はＮＲＢ６０、「２」はＮＲＢ７０、「３」はＮＲＢ８０、「４」はＬＲＢ６０、「５」はＬＲＢ７０、「６」はＬＲＢ８０、「７」はＳＳＲ４５Ｌ、「８」はＳＳＲ５５Ｌ、「９」はＳＳＲ６５Ｌ、「１０」はＳＳＲ４５Ｈ、「１１」はＳＳＲ５５Ｈ、「１２」はＳＳＲ６５Ｈ、をそれぞれ示すものである。 Here, the numbers surrounded by squares in FIG. 10 are the numerical values indicating the types of the seismic isolation materials arranged at the respective positions, “1” is NRB60, “2” is NRB70, “3” is NRB80, and “4”. Is LRB60, "5" is LRB70, "6" is LRB80, "7" is SSR45L, "8" is SSR55L, "9" is SSR65L, "10" is SSR45H, "11" is SSR55H, and "12" is SSR65H. , Respectively.
例えば、（ａ）推定加速度最小の免震材料の配置は、位置「１」にＳＳＲ４５Ｌ、位置「２」にＳＳＲ５５Ｌ、位置「３」にＮＲＢ７０、位置「４」にＳＳＲ５５Ｌ、位置「５」にＳＳＲ４５Ｌ、位置「６」にＳＳＲ５５Ｌ、位置「７」にＳＳＲ６５Ｌ、位置「８」にＳＳＲ６５Ｌ、位置「９」にＳＳＲ６５Ｌ、位置「１０」にＳＳＲ５５Ｌ、位置「１１」にＮＲＢ７０、位置「１２」にＳＳＲ６５Ｌ、位置「１３」にＳＳＲ６５Ｌ、位置「１４」にＳＳＲ６５Ｌ、位置「１５」にＮＲＢ７０、位置「１６」にＳＳＲ５５Ｌ、位置「１７」にＳＳＲ６５Ｌ、位置「１８」にＳＳＲ６５Ｌ、位置「１９」にＳＳＲ６５Ｌ、位置「２０」にＳＳＲ５５Ｌ、位置「２１」にＳＳＲ４５Ｌ、位置「２２」にＳＳＲ５５Ｌ、位置「２３」にＮＲＢ７０、位置「２４」にＳＳＲ５５Ｌ、位置「２５」にＳＳＲ４５Ｌ、をそれぞれ配置し、オイルダンパーを３個使用すると、推定加速度が最小になることを示している。 For example, (a) the seismic isolation material with the minimum estimated acceleration is arranged as follows: SSR45L at position "1", SSR55L at position "2", NRB70 at position "3", SSR55L at position "4", SSR45L at position "5". , SSR55L at position "6", SSR65L at position "7", SSR65L at position "8", SSR65L at position "9", SSR55L at position "10", NRB70 at position "11", SSR65L at position "12", SSR65L at position "13", SSR65L at position "14", NRB70 at position "15", SSR55L at position "16", SSR65L at position "17", SSR65L at position "18", SSR65L at position "19", position SSR55L at "20", SSR45L at position "21", SSR55L at position "22", NRB70 at position "23", SSR55L at position "24", SSR45L at position "25", and three oil dampers, respectively. It is shown that the estimated acceleration is minimized when used individually.
情報出力部２７は、優良解部によって得られた優良解を用いて、時刻歴応答解析を実行して、適正な免震材料の種別及び免震材料の配置の最終採用解に関する情報を出力する。
すなわち、本発明は、免震材料の種別及び免震材料の配置の組合せが無数にあり、全ての免震材料の種別及び免震材料の配置の組合せについて時刻歴応答解析を実行することは不可能であるが、学習した推定器を用いることで、時刻歴応答解析を実行する免震材料の種別及び免震材料の配置の組合せを少なくすることを可能とするものである。
The information output unit 27 executes the time history response analysis using the excellent solution obtained by the excellent solution unit, and outputs information on the final adopted solution of the appropriate seismic isolation material type and seismic isolation material arrangement. ..
That is, the present invention has innumerable combinations of types of seismic isolation materials and arrangements of seismic isolation materials, and it is not possible to perform time history response analysis for all combinations of types of seismic isolation materials and arrangements of seismic isolation materials. Although it is possible, by using the learned estimator, it is possible to reduce the combination of types of seismic isolation materials and arrangement of seismic isolation materials for which time history response analysis is performed.
ここで、出力される適正な免震材料の種別及び免震材料の配置の最終採用解に関する情報としては、位置「１」には免震材料「ＮＲＢ７０」を、位置「２」には免震材料「ＬＲＢ６０」を、というような形式の免震材料の種別及び免震材料の配置に関する情報が出力される。
免震材料の種別及び配置最適化支援装置のユーザである設計者は、出力された免震材料の種別及び免震材料の配置を参考にして、対象の構造物の免震材料の種別及び免震材料の配置を決定する。
Here, as information regarding the type of the appropriate seismic isolation material and the finally adopted solution of the layout of the seismic isolation material, the seismic isolation material “NRB70” is located at the position “1” and the seismic isolation material is located at the position “2”. Information regarding the type of seismic isolation material and the arrangement of seismic isolation material in a format such as the material "LRB60" is output.
The designer who is the user of the seismic isolation material type and layout optimization support device refers to the type of seismic isolation material and the layout of the seismic isolation material that are output, and identifies the seismic isolation material type and seismic isolation of the target structure. Determine the location of seismic material.
なお、出力される免震材料の種別及び免震材料の配置に関する情報は、１パターンに限定されず、複数パターン出力されても良い。
このような複数パターン出力される場合であっても、設計者が、複数の出力された免震材料の種別及び免震材料の配置を参考にして、対象の構造物の免震材料の種別及び免震材料の配置を決定することとなる。
The information on the type of seismic isolation material and the layout of seismic isolation material to be output is not limited to one pattern, and a plurality of patterns may be output.
Even when such multiple patterns are output, the designer refers to the output types of seismic isolation materials and the layout of the seismic isolation materials and outputs the seismic isolation type and type of the target structure. The layout of seismic isolation materials will be decided.
出力部３０は、情報出力部２７によって出力された、免震材料の種別及び免震材料の配置に関する情報を結果として出力する。例えば、出力部３０は、ディスプレイによって実現される。 The output unit 30 outputs, as a result, the information on the type of seismic isolation material and the arrangement of the seismic isolation material output by the information output unit 27. For example, the output unit 30 is realized by a display.
免震材料の種別及び免震材料の配置を設計する設計者は、出力部３０によって出力された免震材料の種別及び免震材料の配置に関する情報を確認し、対象の構造物の免震材料の種別及び免震材料の配置を決定する際の参考にする。そして、設計者は、最終的な免震材料の種別及び免震材料の配置を決定すると、実際の建設工事が行われる。 The designer who designs the type of seismic isolation material and the layout of the seismic isolation material confirms the information on the type of seismic isolation material and the layout of the seismic isolation material output by the output unit 30, and confirms the seismic isolation material of the target structure. It will be used as a reference when deciding the type and location of seismic isolation materials. When the designer determines the final type of seismic isolation material and the layout of seismic isolation material, the actual construction work is performed.
＜免震材料の種別及び配置最適化支援装置の作用＞ <Type of seismic isolation material and operation of layout optimization support device>
つぎに、免震材料の種別及び配置最適化支援装置１００の作用を説明する。免震材料の種別及び配置最適化支援装置１００は、学習処理ルーチンと免震材料の種別及び配置最適化支援処理ルーチンとを実行する。 Next, the type of seismic isolation material and the operation of the layout optimization support device 100 will be described. The seismic isolation material type and layout optimization support device 100 executes a learning processing routine and a seismic isolation material type and layout optimization support processing routine.
＜学習処理ルーチン＞ <Learning processing routine>
図１に示すように、免震材料の種別及び配置最適化支援装置１００のデータ入力部１０による学習用の構造物を支持する免震材料の種別と配置に関する複数の学習用支持体配置データの入力を受け付けると、学習用データ記憶部２２へ格納する。そして、免震材料の種別及び配置最適化支援装置１００のコンピュータ２０は、学習処理の実行の指示信号を受け付けると、図１１に示す学習処理ルーチンを実行する。 As shown in FIG. 1, types of seismic isolation materials and a plurality of learning support arrangement data relating to types and arrangements of seismic isolation materials supporting a learning structure by the data input unit 10 of the apparatus 100 for optimizing arrangement are provided. When the input is accepted, it is stored in the learning data storage unit 22. Then, when the computer 20 of the seismic isolation material type/placement optimization supporting apparatus 100 receives the instruction signal for executing the learning process, the computer 20 executes the learning process routine shown in FIG. 11.
ステップＳ１００において、機械学習部２３は、学習用データ記憶部２２に格納された複数の学習用支持体配置データを取得する。 In step S100, the machine learning unit 23 acquires a plurality of learning support arrangement data stored in the learning data storage unit 22.
ステップＳ１０２において、機械学習部２３は、上記ステップＳ１００で取得された複数の学習用支持体配置データを元に諸元を算定し、算定された諸元を元に時刻歴応答解析を実行し、解析結果を機械学習して、学習結果として推定器を作成する。 In step S102, the machine learning unit 23 calculates specifications based on the plurality of learning support arrangement data acquired in step S100, and executes a time history response analysis based on the calculated specifications. Machine learning is performed on the analysis result, and an estimator is created as the learning result.
ステップＳ１０４において、機械学習部２３は、上記ステップＳ１０２で作成された推定器を保存部２４に格納して、学習処理ルーチンを終了する。 In step S104, the machine learning unit 23 stores the estimator created in step S102 in the storage unit 24, and ends the learning processing routine.
＜免震材料の種別及び配置最適化支援処理ルーチン＞ <Seismic isolation material type and layout optimization support processing routine>
免震材料の種別及び配置最適化支援装置１００は、保存部２４に推定器が格納され、且つデータ入力部１０が、機械学習部の学習結果を活用して構造物の応答量を推定する免震材料の配置の複数の組合せを受け付けると、図１２に示す免震材料の種別及び配置最適化支援処理ルーチンを実行する。 In the seismic isolation material type and layout optimization support device 100, the estimator is stored in the storage unit 24, and the data input unit 10 estimates the response amount of the structure by utilizing the learning result of the machine learning unit. When a plurality of combinations of seismic material arrangements are received, the seismic isolation material type and arrangement optimization support processing routine shown in FIG. 12 is executed.
ステップＳ２００において、最適化部２５は、データ入力部１０によって受け付けた、構造物の応答量を推定する免震材料の配置の複数の組合せを取得する。 In step S200, the optimizing unit 25 acquires a plurality of combinations of arrangements of seismic isolation materials for estimating the response amount of the structure, which are received by the data input unit 10.
ステップＳ２０２において、最適化部２５は、保存部２４に格納された推定器を読み出し、読み出した推定器を使用して、構造物の応答量を推定する免震材料の配置の複数の組合せについて構造物の応答量を推定し、推定された応答量を多目的ＳＡ法によって最適化を行う。 In step S202, the optimization unit 25 reads the estimator stored in the storage unit 24, and uses the read estimator to estimate the response amount of the structure for a plurality of combinations of the layouts of the base isolation materials. The response amount of the object is estimated, and the estimated response amount is optimized by the multipurpose SA method.
ステップＳ２０４において、優良解部２６は、上記ステップＳ２０２で推定された応答量を取得し、フィルタリングをして、優良解を得る。 In step S204, the good solution unit 26 acquires the response amount estimated in step S202 and performs filtering to obtain a good solution.
ステップＳ２０６において、情報出力部２７は、上記ステップＳ２０４で取得された優良解を用いて時刻歴応答解析を実行して、免震材料の種別及び免震材料の配置の最終採用解に関する情報を出力する。 In step S206, the information output unit 27 performs time history response analysis using the excellent solution acquired in step S204, and outputs information regarding the type of seismic isolation material and the final adopted solution of the layout of seismic isolation material. To do.
出力部３０は、情報出力部２７によって出力された最終採用解に関する情報を結果として出力する。設計者は、出力された免震材料の種別及び免震材料の配置を参考にして、対象の構造物の免震材料の種別及び免震材料の配置を決定する。 The output unit 30 outputs the information on the final adopted solution output by the information output unit 27 as a result. The designer determines the type of seismic isolation material and the location of seismic isolation material of the target structure by referring to the type of seismic isolation material and the location of seismic isolation material output.
以上詳細に説明したように、本実施形態では、設計者の見識と経験に頼らず、免震材料の選択と配置とを効率的に行うことを可能にすることができる。
また、本実施形態では、免震材料の種別及び免震材料の配置の組合せが無数にあり、全ての免震材料の種別及び免震材料の配置の組合せについて時刻歴応答解析を実行することは不可能であるが、学習した推定器を用いることで、時刻歴応答解析を実行する免震材料の種別及び免震材料の配置の組合せを少なくすることを可能にすることができる。
As described in detail above, in the present embodiment, it is possible to efficiently select and arrange the seismic isolation material without depending on the knowledge and experience of the designer.
Further, in the present embodiment, there are countless combinations of types of seismic isolation materials and arrangements of seismic isolation materials, and time history response analysis is not performed for all combinations of types of seismic isolation materials and arrangements of seismic isolation materials. Although not possible, it is possible to reduce the combination of the types of seismic isolation materials and the arrangement of seismic isolation materials for which the time history response analysis is performed by using the learned estimator.
なお、本発明は、上述した実施の形態に限定されるものではなく、この発明の要旨を逸脱しない範囲内で様々な変形や応用が可能である。 The present invention is not limited to the above-described embodiments, and various modifications and applications can be made without departing from the spirit of the present invention.
例えば、上記実施形態では、免震材料の種別及び配置の最適化を支援する場合を例に説明したが、免震材料に限定されず、杭基礎の種別及び配置の最適化を支援する場合に用いても良い。
杭基礎の種別としては、杭基礎の径の大きさや、コンクリート杭、鋼杭などの杭の種類、場所打ち杭による工法、既製杭による工法などの工法の種類、などがあり、上記実施形態を変形して、杭基礎の種別及び配置の最適化を支援するようにしても良い。
For example, in the above embodiment, the case of supporting the optimization of the type and arrangement of the seismic isolation material has been described as an example, but the present invention is not limited to the seismic isolation material, and in the case of supporting the optimization of the type and arrangement of the pile foundation. You may use.
The type of pile foundation includes the diameter of the pile foundation, the type of pile such as concrete pile and steel pile, the construction method using cast-in-place pile, and the construction method such as the construction method using ready-made pile. It may be modified to support optimization of the type and arrangement of pile foundations.
また、最適化を行うモデルとして、多目的ＳＡ法を例に説明したが、これに限定されるものではない。例えば、遺伝的アルゴリズム、モンテカルロ法などを用いても良い。 Further, the multipurpose SA method has been described as an example of the model for optimization, but the model is not limited to this. For example, a genetic algorithm or a Monte Carlo method may be used.
また、優良解について時刻歴応答解析を実行することにより最終採用解を得るようにしているが、これに限定されるものではない。例えば、時刻歴応答解析ではなく、ニューラルネットワークによる機械学習などを用いて最終採用解を得るようにしても良い。 Further, although the final adopted solution is obtained by executing the time history response analysis for the excellent solution, the present invention is not limited to this. For example, instead of the time history response analysis, machine learning by a neural network may be used to obtain the final solution.
また、上記ではプログラムがＨＤＤなどの記憶部（図示省略）に予め記憶（インストール）されている態様を説明したが、プログラムは、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ及びマイクロＳＤカード等の記録媒体の何れかに記録されている形態で提供することも可能である。 Further, although the above description has been given of the mode in which the program is stored (installed) in advance in a storage unit (not shown) such as an HDD, the program may be any of recording media such as a CD-ROM, a DVD-ROM, and a micro SD card. It is also possible to provide it in the form recorded in
また、本発明は、支持体の種別及び配置最適化支援装置として説明しているが、支持体の種別及び配置最適化支援方法とすることも可能である。
この場合には、構造物を支持する支持体の種別と配置に関する複数の学習用支持体配置データを入力するデータ入力ステップと、学習用支持体配置データを時刻歴応答解析し、解析結果を機械学習する機械学習ステップと、機械学習ステップの学習結果を格納する学習結果保存ステップと、学習結果を活用して支持体の配置の複数の組合せの内、一つの組合せにおける構造物の応答量を推定し、当該推定された応答量を最適化する最適化ステップと、支持体の配置の複数の組合せについて、最適化ステップにより推定された全応答量を取得し、所定のフィルタリングを実行して優良解を得る優良解ステップと、優良解を用いて、時刻歴応答解析を実行して、適正な支持体の種別及び支持体の配置の最終採用解に関する情報を出力する情報出力ステップと、を含む支持体の種別及び配置最適化支援方法、としてとらえることが可能である。
Further, although the present invention has been described as a support type and arrangement optimization support device, it is also possible to use a support type and placement optimization support method.
In this case, a data input step of inputting a plurality of learning support arrangement data relating to the type and arrangement of the support that supports the structure, a time history response analysis of the learning support arrangement data, and the analysis result Machine learning step to learn, learning result saving step to store the learning result of machine learning step, and using the learning result, estimate the response amount of the structure in one of the plurality of combinations of support arrangements Then, for all the combinations of the optimization step for optimizing the estimated response amount and the arrangement of the support, the total response amount estimated by the optimization step is acquired, and predetermined filtering is executed to obtain a good solution. And an information output step of executing a time history response analysis by using the excellent solution and outputting information regarding a finally adopted solution of an appropriate support type and support arrangement. It can be understood as a type of body and a support method for optimizing placement.
１０ データ受付部
２０ コンピュータ
２１ 取得部
２２ 学習用データ記憶部
２３ 機械学習部
２４ 保存部
２５ 最適化部
２６ 優良解部
２７ 情報出力部
３０ 出力部
１００ 免震材料の種別及び配置支援装置
10 data reception unit 20 computer 21 acquisition unit 22 learning data storage unit 23 machine learning unit 24 storage unit 25 optimization unit 26 excellent solution unit 27 information output unit 30 output unit 100 seismic isolation material type and placement support device
Claims (3)
前記学習用支持体配置データを時刻歴応答解析し、解析結果を機械学習する機械学習部と、
前記機械学習部の学習結果を格納する保存部と、
前記学習結果を活用して前記支持体の配置の複数の組合せにおける構造物の応答量を推定し、当該推定された応答量を最適化する最適化部と、
前記支持体の配置の複数の組合せについて、前記最適化部により推定された全応答量を取得し、所定のフィルタリングを実行して優良解を得る優良解部と、
前記優良解を用いて、時刻歴応答解析を実行して、適正な支持体の種別及び支持体の配置の最終採用解に関する情報を出力する情報出力部と、
を含む支持体の種別及び配置最適化支援装置。 A data input unit for inputting a plurality of learning support placement data regarding the type and placement of the support that supports the structure,
A machine learning unit that analyzes the time history response of the learning support arrangement data and machine-learns the analysis result,
A storage unit for storing the learning result of the machine learning unit,
An optimization unit that estimates the response amount of the structure in a plurality of combinations of the arrangement of the supports by utilizing the learning result, and optimizes the estimated response amount,
For a plurality of combinations of the arrangement of the support, to obtain the total response amount estimated by the optimization unit, to perform a predetermined filtering to obtain an excellent solution unit,
An information output unit that executes a time history response analysis using the excellent solution and outputs information regarding a final adopted solution of an appropriate support type and support arrangement,
Support type and placement optimization support device including.
The support optimization and placement optimization apparatus according to claim 1 or 2, wherein the filtering obtains the excellent solution from at least the acceleration and the displacement of the structure.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018241663A JP7036385B2 (en) | 2018-12-25 | 2018-12-25 | Support type and placement optimization support device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018241663A JP7036385B2 (en) | 2018-12-25 | 2018-12-25 | Support type and placement optimization support device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2020102157A true JP2020102157A (en) | 2020-07-02 |
| JP7036385B2 JP7036385B2 (en) | 2022-03-15 |
Family
ID=71139738
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018241663A Active JP7036385B2 (en) | 2018-12-25 | 2018-12-25 | Support type and placement optimization support device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7036385B2 (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7158554B1 (en) * | 2021-10-29 | 2022-10-21 | 日鉄エンジニアリング株式会社 | LEARNING DATASET GENERATION SYSTEM, LEARNED MODEL CREATION METHOD, EARTHQUAKE RESPONSE PREDICTION DEVICE, LEARNING DATASET GENERATION METHOD AND PROGRAM |
| JP7555743B2 (en) | 2020-07-17 | 2024-09-25 | 株式会社竹中工務店 | DESIGN ASSISTANCE APPARATUS, DESIGN ASSISTANCE METHOD, AND DESIGN ASSISTANCE PROGRAM |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003108618A (en) * | 2001-09-28 | 2003-04-11 | Nippon Soken Holdings:Kk | Method for system for supporting determination of quantity of vibration damper to be arranged in building and its program |
| JP2008112374A (en) * | 2006-10-31 | 2008-05-15 | Bridgestone Corp | Quake-absorbing member arrangement plan supporting device and quake-absorbing member arrangement plan supporting program |
| JP2014235693A (en) * | 2013-06-05 | 2014-12-15 | ジャパンホームシールド株式会社 | Foundation work design system, program and recording medium therefor, setting method of imposed load on footing beam and distribution method of bearing power of pile, and determination method of arrangement information of pile |
-
2018
- 2018-12-25 JP JP2018241663A patent/JP7036385B2/en active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003108618A (en) * | 2001-09-28 | 2003-04-11 | Nippon Soken Holdings:Kk | Method for system for supporting determination of quantity of vibration damper to be arranged in building and its program |
| JP2008112374A (en) * | 2006-10-31 | 2008-05-15 | Bridgestone Corp | Quake-absorbing member arrangement plan supporting device and quake-absorbing member arrangement plan supporting program |
| JP2014235693A (en) * | 2013-06-05 | 2014-12-15 | ジャパンホームシールド株式会社 | Foundation work design system, program and recording medium therefor, setting method of imposed load on footing beam and distribution method of bearing power of pile, and determination method of arrangement information of pile |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7555743B2 (en) | 2020-07-17 | 2024-09-25 | 株式会社竹中工務店 | DESIGN ASSISTANCE APPARATUS, DESIGN ASSISTANCE METHOD, AND DESIGN ASSISTANCE PROGRAM |
| JP7158554B1 (en) * | 2021-10-29 | 2022-10-21 | 日鉄エンジニアリング株式会社 | LEARNING DATASET GENERATION SYSTEM, LEARNED MODEL CREATION METHOD, EARTHQUAKE RESPONSE PREDICTION DEVICE, LEARNING DATASET GENERATION METHOD AND PROGRAM |
Also Published As
| Publication number | Publication date |
|---|---|
| JP7036385B2 (en) | 2022-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Civera et al. | A multi‐objective genetic algorithm strategy for robust optimal sensor placement | |
| Liu et al. | Effectiveness of fluid-viscous dampers for improved seismic performance of inter-storey isolated buildings | |
| JP7364842B2 (en) | Structural information display device, structural design support device, and structural design support model learning device | |
| Mohebbi et al. | Designing optimal tuned mass dampers for nonlinear frames by distributed genetic algorithms | |
| Rayegani et al. | Application of smart dampers for prevention of seismic pounding in isolated structures subjected to near-fault earthquakes | |
| Yoshida et al. | Response control of full-scale irregular buildings using magnetorheological dampers | |
| JP2020102157A (en) | Optimization support device for support body type and arrangement | |
| Moschen et al. | Vertical acceleration demands on column lines of steel moment‐resisting frames | |
| Jensen | Structural optimization of non-linear systems under stochastic excitation | |
| Zhou et al. | Simultaneous topology optimization of supporting structure and loci of isolators in an active vibration isolation system | |
| JP7158554B1 (en) | LEARNING DATASET GENERATION SYSTEM, LEARNED MODEL CREATION METHOD, EARTHQUAKE RESPONSE PREDICTION DEVICE, LEARNING DATASET GENERATION METHOD AND PROGRAM | |
| Savoia et al. | Differential evolution algorithm for dynamic structural identification | |
| Haldar et al. | Reliability evaluation of dynamic systems excited in time domain-redset: alternative to random vibration and simulation | |
| Adhikari et al. | Development and application of nonlinear static procedures for plan-asymmetric buildings | |
| Fakhry et al. | Optimized seismic response control of coupled FEM-BEM high-rise structural models using magnetorheological dampers | |
| Pettinga et al. | The role of inelastic torsion in the determination of residual deformations | |
| Fujita et al. | Sustainable building design under uncertain structural-parameter environment in seismic-prone countries | |
| CN114527769B (en) | Track planning method, track planning device, sports equipment and computer-readable storage medium | |
| JP7334389B2 (en) | Optimization support device for type and placement of support | |
| Panchal et al. | Managing design-process complexity: a value-of-information based approach for scale and decision decoupling | |
| Shukla et al. | Dynamic response of high-rise buildings with shear walls due to seismic forces | |
| Wąsik et al. | Model‐Based Dynamic Structural Modification of Machine Tools | |
| Qu et al. | An improved multidimensional modal pushover analysis procedure for seismic evaluation of latticed arch‐type structures under lateral and vertical earthquakes | |
| Momeni et al. | Multi-objective control optimization of isolated bridge using replicator controller and NSGA-II | |
| Mohebbi | Minimizing Hankel’s norm as design criterion of multiple tuned mass dampers |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20190123 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201217 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220201 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220221 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7036385 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |