
Control estructural de edificaciones empleando amortiguadores magnetoreológicos
9 de junio, 2022
Se presentan los resultados obtenidos de una modelación numérica, para una estructura aporticada sometida a una carga sísmica. En la simulación se implementaron amortiguadores magnetoreológicos, con el fin de mejorar la función de respuesta estructural de la edificación.
Control Estructural
Las teorías de control aplicadas a la ingeniería civil tienen sus orígenes hace unos 120 años (W. et al., 1997). Estas tecnologías han evolucionado permitiendo desarrollar sistemas de protección estructural, los cuales funcionan absorbiendo o reflejando una porción de la energía de entrada e impiden que sean transmitidas de forma directa a las estructuras.
Un ejemplo claro de estás metodologías se evidencia en los sistemas de control semiactivo, los cuales pueden definirse como un mecanismo que utiliza el movimiento de la estructura para desarrollar fuerzas de control. (Symans & Constantinou, 1999)
Amortiguadores MR
Los amortiguadores magnetoreológicos (Magnetorheological damper – MR damper), son dispositivos que se clasifican dentro del grupo de sistemas de control semi-activo. Estos elementos tienen la capacidad de generar fuerzas de amortiguamiento de gran escala.
Un amortiguador MR es un dispositivo que se compone por un cilindro hidráulico que contiene partículas de tamaño micrométrico, magnéticamente polarizarbles y suspendidas en un fluido. El comportamiento del fluido MR se controla a través de un campo magnético. En ausencia de éste el fluido fluye libremente, mientras en presencia del campo el flujo adquiere las características de un fluido semisólido.
Debido a su simplicidad mecánica, estos dispositivos son considerados como buenos candidatos para reducir las vibraciones en las estructuras.

Figura 1.
Prototipo de un amortiguador MR
Fuente: Modificado de (Guangqiang, 2001)
Caso de estudio

Figura 2.
Modelo numérico de análisis
El modelo numérico analizado es un pórtico plano de 32 niveles de piso (96 m de altura), que forma parte de una edificación real localizada en la ciudad de Medellín.
La edificación fue diseñada en concreto reforzado con variable en el rango 21-49 MPa En la modelación se incluyeron 6 amortiguadores MR, cada uno con capacidad de generar fuerzas de control hasta de 20 ton. Se destaca que el dispositivo empleado, ha sido ampliamente implementado en otras investigaciones similares. (Guo et al., 2019).
La estructura fue sometida a los registros de aceleraciones del sismo de Italia 2016.
Italia

Figura 3.
Registro de aceleraciones para el sismo de Italia
Modelación Numérica del amortiguador
El análisis numérico del amortiguador se desarrolla empleando el modelo fenomenológico propuesto por Spencer et. al (Dyke et al., 1997).

Figura 4.
Configuración del modelo fenomenológico
La fuerza de control que desarrolla el amortiguador MR se determina mediante las ecuaciones diferenciales (1) y (2).
(1)
(2)

Para generar las fuerzas de amortiguamiento se desarrollaron dos sistemas de control diferentes. En los dos controladores se utilizaron como parámetros de entrada los desplazamientos y aceleraciones del primer nivel de la edificación y como único parámetro de salida el voltaje requerido por el dispositivo MR, para desarrollar las fuerzas de amortiguamiento.
Estrategias de control
El primer controlador llamado FLC-1 fue diseñado con lógica difusa clásica, empleando un sistema de inferencia propuesto por Liu et. al. (Liu et al., 2001).
Esta estrategia de control consta fundamentalmente de 4 elementos: un conocimiento base (reglas y funciones de membresía), una interfaz de fuzzificación (entrada de datos), un sistema de inferencia (toma de decisiones) y una interfaz de desfuzzificación (salida de datos y resultados).

Figura 5.
Diagrama de flujo controlador FLC-1
El segundo controlador llamado FLC-2 utiliza un modelo de operación semejante a la del FLC-1. En este caso el sistema de inferencia del controlador es optimizado mediante un algoritmo genético tipo NSGA-II, el cual fue desarrollado por Deb en 2002 (Deb et al., 2002). Esta metodología de optimización se inspira en los procesos de evolución biológica, empleando operaciones de selección, combinación y mutación. Permite encontrar soluciones a través de búsquedas aleatorias.
Para este caso de estudio en particular, el FLC-2 permite generar un conjunto de controladores que no dependen de los parámetros lingüísticos de la lógica difusa clásica que emplea el FLC-1.
Resultados
Se presenta la función de respuesta de desplazamientos del último piso de la edificación, obtenida para el sismo de Italia. En el esquema se indican los resultados para la estructura no controlada, el controlador FLC-1 y el controlador FLC-2, respectivamente. El FLC-2 reduce hasta en un 42% la función de respuesta máxima alcanzada por el FLC-1 y en un 55%, el resultado obtenido para el sistema no controlado.

Figura 1.
Prototipo de un amortiguador MR
Fuente: Modificado de (Guangqiang, 2001)
Conclusiones
Durante el proceso de elaboración y ejecución del FLC-1, se pudo evidenciar que este sistema puede ser construido mediante procedimientos de programación simples que requieren bajos esfuerzos computacionales. Sin embargo, una de sus limitaciones se asocia con la necesidad de definir un sistema de inferencia bajo procedimientos empíricos.
Para el caso del controlador FLC-2 se encontró que su metodología de programación requiere un esfuerzo computacional mayor, pero permite ampliar el espacio de búsqueda de posibles soluciones potenciales para la optimización del problema multi-objetivo.
Agradecimientos
El autor de este escrito agradece a la Universidad Nacional de Colombia Sede Medellín y al profesor Luis A. Lara Valencia, por el patrocinio y el acompañamiento en el desarrollo de esta investigación.
Sobre el autor:
David M. Bedoya Zambrano es ingeniero civil, especialista en estructuras y mágister en ingeniería de estructuras de la Universidad Nacional de Colombia. Cuenta con experiencia en el diseño de estructuras metálicas y de concreto. Sus líneas de investigación son: dinámica de estructuras, control y optimización estructural y algoritmos evolutivos.