Vol. 18 Núm. 1 (2019): Revista UIS Ingenierías
Artículos

Metodología para la solución de modelos masa-resorte-amortiguador (MRA), mediante algoritmos de optimización global

Kilmar Manuel Guerra
Universidad Industrial de Santander
Jorge Mario Cruz-Duarte
Universidad de Guanajuato
Carlos Rodrigo Correa-Cely
Universidad Industrial de Santander

Publicado 2019-01-01

Palabras clave

  • Sistemas masa-resorte-amortiguador,
  • optimización global,
  • algoritmo de la luciérnaga,
  • frecuencia natural

Cómo citar

Guerra, K. M., Cruz-Duarte, J. M., & Correa-Cely, C. R. (2019). Metodología para la solución de modelos masa-resorte-amortiguador (MRA), mediante algoritmos de optimización global. Revista UIS Ingenierías, 18(1), 49–60. https://doi.org/10.18273/revuin.v18n1-2019004

Resumen

En el presente artículo se propone una metodología para resolver el modelo matemático de un sistema compuesto de masa-resorte-amortiguador (MRA), mediante el uso de un método de optimización global, que, como ejemplo ilustrativo, se utilizó el algoritmo de la luciérnaga virtual (ALV). Con esta estrategia, los problemas MRA se transforman en problemas de optimización (minimización de la frecuencia máxima del sistema para todas sus frecuencias naturales), de tal forma que el valor encontrado es el mínimo global. Se demostró la viabilidad de esta estrategia, mediante la solución de algunos ejemplos demostrativos de sistemas MRA descritos en el artículo. Se concluye que esta estrategia resultó ser de gran ayuda, pues permite concentrar al usuario en el análisis del mecanismo propiamente, en lugar de la metodología de solución del modelo. Resultó igualmente útil como una forma no convencional de resolver este tipo de problemas numéricamente.

Descargas

Los datos de descargas todavía no están disponibles.

Referencias

D. R. Bland, The Theory of Linear Viscoelasticity. Dover Publications, 2016.

D. Gutierrez-Lemini, Engineering Viscoelasticity. Springer US, 2013.

H. F. Leung, A. P. Hu, “Modeling the Contact Interface of Ultrasonic Power Transfer System based on Mechanical and Electrical Equivalence,” IEEE Journal of Emerging and Selected Topics in Power Electronics, Vol. 6, no. 2, pp. 800-811, 2018. doi: 10.1109/JESTPE.2017.2720852

T. K. Maiti, D. Navarro, M. Miura-Mattausch, H. J. Mattausch, “Compact modeling approach for electro-mechanical system simulation,” 2017 IEEE 12th International Conference on ASIC (ASICON), Guiyang, 2017, pp. 981-984. doi: 10.1109/ASICON.2017.8252642

M. Sunar, A.Z. Sahin, B.S. Yilbas, “Entropy generation rate in a mechanical system subjected to a damped oscillation,” Int. J. Exergy, vol. 17, no. 4, pp. 401-411, 2015. doi: 10.1504/IJEX.2015.071557

M. Farid, N. Levy, O. Gendelman, “Vibration mitigation in partially liquid-filled vessel using passive energy absorbers,” Journal of Sound and Vibration, vol. 406, pp. 51-73, 2017. doi: 10.1016/j.jsv.2017.06.013

Y. Bian, Z. Gao, M. A. Fan, “Vibration Absorption Method for Alleviating Impact of the Flexible Robotic Arm,” Journal of Computational and Nonlinear Dynamics, vol. 12, no. 4, 2017. doi: 10.1115/1.4035409

Z. Li, Z. Yin, “Position tracking control of mass spring damper system with time-varying coefficients,” 2017 29th Chinese Control and Decision Conference (CCDC), Chongqing, 2017, pp. 4994-4998. doi: 10.1109/CCDC.2017.7979380

T. Aoki, Y. Yamashita, D. Tsubakino, “Vibration suppression for mass-spring-damper systems with a tuned mass damper using interconnection and damping assignment passivity‐based control,” Int. J. Robust. Nonlinear Control, vol. 26, no. 2, pp. 235-251, 2016. doi:10.1002/rnc.3307

M. Dureau, A. Alessandri, P. Bagnerini, S. Vincent, “Modeling and Identification of Amnioserosa Cell Mechanical Behavior by Using Mass-Spring Lattices,” IEEE/ACM Transactions on Computational Biology and Bioinformatics, vol. 14, no. 6, pp. 1476-1481, 2017. doi: 10.1109/TCBB.2016.2586063

P. E. Paredes, F. Ordoñez, W. Ju, J. A. Landay, “Fast & Furious: Detecting Stress with a Car Steering Wheel,” ACM Conference on Human Factors in Computing Systems (CHI 2018), Canada, 2018, pp. 10. doi: 10.1145/3173574.3174239

E. Sobhani Tehrani, K. Jalaleddini, R. E. Kearney, “Ankle joint intrinsic dynamics is more complex than a mass-spring-damper model,” IEEE Transactions on Neural Systems and Rehabilitation Engineering, vol. 25, no. 9, pp. 1568-1580, 2017. doi: 10.1109/TNSRE.2017.2679722

C. P. Vidal, L. I. G. Calandín, Modelado de sistemas dinámicos: aplicaciones. Editorial Club Universitario, 2012.

X. S. Yang, Engineering Optimization. USA: John Wiley & Sons, 2010.

X. S. Yang, Engineering optimization: an introduction with metaheuristic applications. USA: John Wiley & Sons, 2010.

G. Beni, J. Wang, “Swarm intelligence in cellular robotic systems,” Robots and Biological Systems: Towards a New Bionics?, Springer, 1993, pp. 703–712.

V. Y. Piqueras, J. R. M. Folgado, “Optimización heurística económica aplicada a las redes de transporte del tipo VRPTW,” tesis doctoral, Universidad Politécnica de Valencia, 2002.

C. Rodríguez-Ortiz, “Algoritmos heurísticos y metaheurísticos para el problema de localización de regeneradores,” trabajo de fin de grado, Universidad Rey Juan Carlos, 2010.

A. E. F. Clementi, P. Crescenzi, P. Penna, G. Rossi, P. Vocca, “On the complexity of computing minimum energy consumption broadcast subgraphs,” STACS '01 Proceedings of the 18th Annual Symposium on Theoretical Aspects of Computer Science, Dresden, pp. 121–131, 2001.

E. García, I. Amaya, R. Correa, “Algoritmos de optimización en la estimación de propiedades termodinámicas en tiempo real durante el tratamiento térmico de materiales con microondas,” Rev. UIS Ing., vol. 16, no. 2, pp. 129-140, 2017. doi: 10.18273/revuin.v16n2-2017012

H. G. Sánchez, J. Uscátegui, S. Gómez, “Metodología para la detección de fallas en una estructura entramada metálica empleando las técnicas de análisis modal y PSO,” Rev. UIS Ing., vol. 16, no. 2, pp. 43-50, 2017. doi: 10.18273/revuin.v16n2-2017004

P. Tymann, C. Reynolds, Schaum’s outline of principles of computer science. McGraw-Hill, Inc., 2008.

X. S. Yang, “Firefly Algorithms for Multimodal Optimization,” Stochastic Algorithms: Foundations and Applications, International Symposium on Stochastic Algorithms, Sapporo, vol. 5792, pp. 169-178, 2009.

M. A. Branham, J. W. Wenzel, “The origin of photic behavior and the evolution of sexual communication in fireflies (Coleoptera: Lampyridae),” Cladistics, vol. 19, no. 1, pp. 1–22, 2003. doi: 10.1016/S0748-3007(02)00131-7

I. Fister, X. S. Yang, J. Brest, “A comprehensive review of firefly algorithms,” Swarm Evol. Comput., vol. 13, pp. 34-46, 2013. doi: 10.1016/j.swevo.2013.06.001

K. Sörensen, “Metaheuristics - the metaphor exposed,” Int. Trans. Oper. Res., vol. 22, no. 1, pp. 3–18, 2015. doi: 10.1111/itor.12001

X. S. Yang, “Firefly algorithm, stochastic test functions and design optimisation,” Int. J. Bio-Inspired Comput., vol. 2, no. 2, p. 78, 2010. doi: 10.1504/IJBIC.2010.032124