高层建筑结构的离散时间重叠分散H_∞控制方法

采用分散控制策略可有效解决多自由度的建筑结构振动控制问题。本文对地震作用下的高层建筑结构的振动控制方法进行研究,将重叠分散控制策略、离散时间H∞控制算法、线性矩阵不等式(LMI)方法和静态输出反馈控制方法相结合,提出了离散时间重叠分散H∞控制方法。基于包含原理和分解原理,将整个建筑结构控制系统划分为一系列子系统,对各个子系统采用离散时间重叠分散H∞控制方法进行控制。采用驱动器饱和控制策略,对20层抗震钢结构Benchmark模型进行数值模拟与计算。结果表明:全状态集中控制(理想驱动控制)、全状态集中控制(驱动器饱和控制策略)、部分输出反馈控制(驱动器饱和控制策略)、重叠静态输出反馈控制(驱动器饱和控制策略)、多重叠静态输出反馈控制(驱动器饱和控制策略)的平均控制率分别达到了63.4%、53.4%、50.7%、48.2%、32.6%,采用这些控制方法都获得了较好的控制效果;重叠分散控制策略降低了计算成本并且增加了控制器设计的灵活性。     

地震作用下高层建筑结构的分散神经网络振动控制研究

针对地震作用下高层建筑振动神经网络控制问题,将神经网络理论与分散控制理论相结合,提出分散神经网络振动控制方案,并应用于高层结构地震反应振动控制中。利用多层前馈神经网络建立结构模型,预测结构的振动响应。基于NARMA-L2的神经自校正控制系统设计BP神经网络控制器,研究分散神经网络振动控制效果,并与神经网络集中控制进行比较。对某20层Benchmark结构模型进行数值模拟分析,结果表明,本文提出的分散神经网络振动控制方法简化了神经网络的结构,可有效控制结构振动和消除时滞;同时,相对于集中控制的单一失效,本文方法的可靠性更强且可以保证振动控制系统的实时响应。     

地震作用下高层建筑结构的分散模糊迭代学习控制研究

针对地震作用下高层建筑结构的模糊半主动振动控制方法进行研究,引入分散控制的策略,将模糊逻辑理论与迭代学习控制算法原理相结合,提出分散模糊迭代学习控制DFILC（Decentralized Fuzzy Iterative Learnin gContr01）算法,并应用于高层结构地震反应振动控制中。对某20层钢结构Benchmark结构模型进行数值计算与分析,结果表明,采用分散控制策略的DFILC算法可以有效地抑制结构地震反应,相对于集中控制的单一失效分散控制系统的可靠性更强且数据实时处理效率大为提高;同时,模糊逻辑理论的运用解决了模型的不确定性和外扰的非线性。     

基于自适应动态规划的主动质量阻尼系统振动控制

主动质量阻尼(AMD)系统是一种主动减振控制技术,其核心在于控制策略的设计。针对该系统力学模型中参数不确定性和外部载荷随机性问题,本文采用数据驱动的自适应动态规划(ADP)算法,设计基于ADP的鲁棒控制器。构建评价神经网络和执行神经网络,分别逼近代价函数和控制策略,在系统模型参数完全未知的情况下,通过采集系统振动响应数据进行双神经网络权值迭代,可以得到近似最优控制策略。通过在一个受基础激励的模拟结构系统上安装AMD系统进行仿真分析,结果表明,基于数据驱动的ADP算法,对模型参数未知的受控结构具有良好的振动控制效果。     

地震激励下参数不确定结构重叠分散保性能控制

对参数不确定结构振动控制方法进行了研究。基于包含原理,采用重叠分散控制策略与保性能控制算法相结合的方法,将高层建筑结构划分成一组子结构,对每一个子结构采用保性能控制方法设计控制器,提出了参数不确定结构重叠分散保性能控制方法,较好地解决了地震激励下参数不确定建筑结构的振动控制问题。以20层Benchmark结构模型为研究对象,采用重叠分散保性能控制策略和集中保性能控制策略进行数值模拟。结果表明,对于结构系统建模存在误差或系统本身存在不确定性的情况,本文提出的重叠分散保性能控制方法均能有效降低结构的地震响应,且能够保证控制系统的可靠性和稳定性。     

地震激励下参数不确定结构重叠分散保性能控制

对参数不确定结构振动控制方法进行了研究。基于包含原理,采用重叠分散控制策略与保性能控制算法相结合的方法,将高层建筑结构划分成一组子结构,对每一个子结构采用保性能控制方法设计控制器,提出了参数不确定结构重叠分散保性能控制方法,较好地解决了地震激励下参数不确定建筑结构的振动控制问题。以20层Benchmark结构模型为研究对象,采用重叠分散保性能控制策略和集中保性能控制策略进行数值模拟。结果表明,对于结构系统建模存在误差或系统本身存在不确定性的情况,本文提出的重叠分散保性能控制方法均能有效降低结构的地震响应,且能够保证控制系统的可靠性和稳定性。     

建筑结构多级分散稳定控制

建立大尺度建筑结构线性时不变分散控制模型。采用局部控制器和全局控制器的多级控制方法使闭环大系统分散稳定,并用H∞控制方法得到了建筑结构各独立子结构的局部控制器。通过构造特定的正定矩阵,将各独立子结构控制系统集结为整体结构的Lypunov函数;根据全局稳定条件,得到了满足建筑结构整体稳定性条件的全局控制器。进一步将全局控制器和局部控制器统一为一组线性矩阵不等式的优化设计,分析了由全局状态和部分状态设计全局控制器的方法。以20层钢结构基准模型在地震激励下的控制为例,验证了该多级分散控制的有效性。研究表明:该多级分散控制方法可以对大尺度建筑结构的位移、加速度等地震响应进行有效控制;采用部分结构状态设计的全局控制器可以协调子结构之间的振动影响,实现整体结构的稳定。     

基于灰色模型和RBF神经网络的MEMS陀螺温度补偿

MEMS陀螺的零偏随温度呈非线性变化,同时含有较大的随机噪声.针对传统的多项式模型难以精确表达零偏随温度变化的问题,提出了一种基于灰色模型和RBF神经网络的MEMS陀螺温度补偿方法:首先用灰色模型对数据进行预处理,以减小原始数据的噪声;然后用降噪后的样本数据对RBF神经网络进行训练.在相同的训练次数下训练误差可减小一个数量级.验证试验结果表明,采用该模型补偿后的陀螺零偏误差较传统的多项式模型减小一个数量级,较未经预处理的RBF神经网络减小2/3.     

地震作用下高层建筑重叠分散控制子结构划分机理研究

针对地震作用下高层建筑振动分散控制问题,引入信息共享的重叠分散策略,研究高层建筑振动重叠分散控制子结构划分机理。基于线型二次型(LQR)最优控制的最优权矩阵和H∞鲁棒控制的最优输出评价矩阵,分析评价高层建筑重叠分散控制子结构不同划分策略时的控制效果。对某20层Benchmark结构模型进行数值模拟与分析,结果表明,本文提出的两种重叠分散控制方法的性能评价方法,可指导任意层数高层建筑振动重叠分散控制子结构的合理划分,既保证控制系统良好的控制效果,又保证控制力在合理的范围内。     

基于提升小波与灰色神经网络的光纤陀螺振动误差建模

光纤陀螺在振动环境下的输出具有噪声大、漂移强的特性,必须建立合理的振动误差模型,以便使用精确的算法进行补偿,从而提高光纤陀螺的输出精度。文中首先使用Allan方差分析法分析了某型号的数字闭环光纤陀螺在振动环境下的输出信号,随后利用提升小波分离出了光纤陀螺误差模型中的白噪声及漂移误差,并提出了基于灰色理论和RBF神经网络的漂移误差建模方法。仿真结果表明,相较于传统的RBF神经网络模型,基于提升小波的灰色RBF神经网络的漂移误差建模方法能有效滤除白噪声,并将漂移误差模型的建模精度提高了一倍左右。该方法能够有效提高光纤陀螺在振动环境下的输出精度,对光纤陀螺在振动环境下的误差研究具有重要指导意义。     

Nonlinear vibration semi-active control of automotive steering using magneto-rheological damper

Traffic accidents are often caused by vibration of automotive steering because the vibration can make a vehicle run like a snake. A?novel semi-active vibration control strategy of automotive steering with magneto-rheological (MR) damper is proposed in this paper. An adaptive RBF neural sliding mode controller is designed for the vibration system. It is showed that an equivalent dynamic model for the vibration system is established by using Lagrange method, and then treats it as actual system partially. A?feedback control law is designed to make this nominal model stable. Uncertain part of system and outside disturbance are estimated using RBF neural network, and their upper boundary is obtained automatically. By constructing reasonable switch function, state variables can arrive at origin asymptotically along the sliding mode. Strong robust character of control system is proved by stability analysis and a numerical simulation example is performed to support this control scheme.     

MODAL SYNTHESIS METHOD FOR NORM COMPUTATION OF H∞ DECENTRALIZED CONTROL SYSTEMS (Ⅱ)

When using H ∞ techniques to design decentralized controllers for large systems,the whole system is divided into subsystems, which are analysed using H∞ control theory before being recombined. An analogy was established with substructural analysis in structural mechanics, in which H ∞ decentralized control theory corresponds to substructural modal synthesis theory so that the optimal H ∞ norm of the whole system corresponds to the fundamental vibration frequency of the whole structure. Hence, modal synthesis methodology and the extended Wittrick-Williams algorithm were transplanted from structural mechanics to compute the optimal H∞ norm of the control system. The orthogonality and the expansion theorem of eigenfunctions of the subsystems H∞ control are presented in part (Ⅰ)of the paper. The modal synthesis method for computation of the optimal H ∞ norm of decentralized control systems and numerical examples are presented in part (Ⅱ).     

MODAL SYNTHESIS METHOD FOR NORM COMPUTATION OF H ∞ DECENTRALIZED CONTROL SYSTEMS ( Ⅰ )

When using H ∞ techniques to design decentralized controllers for large systems,the whole system is divided into subsystems, which are analysed using H ∞ control theory before being recombined. An analogy was established with substructural analysis in structural mechanics, in which H∞ decentralized control theory corresponds to substructural modal synthesis theory so that the optimal H∞ norm of the whole system corresponds to the fundamental vibration frequency of the whole structure. Hence, modal synthesis methodology and the extended Wittrick-Williams algorithm were transplanted from structural mechanics to compute the optimal H ∞ norm of the control system. The orthogonality and the expansion theorem of eigenfunctions of the subsystems H∞ control are presented in part ( Ⅰ ) of the paper. The modal synthesis method for computation of the optimal H∞ norm of decentralized control systems and numerical examples are presented in part ( Ⅱ ).     

NEURAL NETWORK MODEL OF MAGNETORHEOLOGICAL DAMPER FOR VIBRATION ISOLATION PLATFORM OF WHOLE-SPACECRAFT

为改善星箭界面振动环境,设计六杆隔振平台,采用磁流变阻尼器作为半主动控制元件,替代原有锥壳过渡支架.对整星隔振平台用磁流变阻尼器进行性能测试,得到反映磁流变阻尼器阻尼特性的实验数据.建立具有两个隐含层的反向传播神经网络对阻尼器进行建模,用于预测磁流变阻尼器阻尼特性以及控制系统设计.提出一种串行算法优化网络结构、权值和阈值,保证网络具有较好的泛化能力和稳定性.仿真结果表明,与参数化模型相比,提出的神经网络模型具有较小的训练误差和较强的泛化能力,能够很好地预测阻尼器的阻尼特性.     

基于RBF网络的有源噪声控制

提出一种神经自适应噪声有源控制（ANC）的方法。应用RBF（Radial Basis Function)网络对噪声进行有源控制。针对RBF的网络特点,使用递阶遗传算法确定网络参数（连接权、隐节点中心和宽度），同时解决了网络拓扑结构的优化训练。利用RBF网络的有源噪声控制系统用于三维空间传播的宽频带空调噪声的降噪获得了良好的效果。     

Adaptive sliding mode control of dynamic system using RBF neural network

This paper presents a robust adaptive sliding mode control strategy using radial basis function (RBF) neural network (NN) for a class of time varying system in the presence of model uncertainties and external disturbance. Adaptive RBF neural network controller that can learn the unknown upper bound of model uncertainties and external disturbances is incorporated into the adaptive sliding mode control system in the same Lyapunov framework. The proposed adaptive sliding mode controller can on line update the estimates of system dynamics. The asymptotical stability of the closed-loop system, the convergence of the neural network weight-updating process, and the boundedness of the neural network weight estimation errors can be strictly guaranteed. Numerical simulation for a MEMS triaxial angular velocity sensor is investigated to verify the effectiveness of the proposed adaptive RBF sliding mode control scheme.     

Potentials based optimization with embedded Markov chain for stochastic constrained system

In this paper, a RBF neural network based on-line optimization algorithm with performance potentials analysis method is presented for a class of stochastic constrained dynamic systems. The control signals of the considered systems are constrained to a range according to a subset of the whole state space. With the conception of an embedded Markov chain, an optimization approach on the basis of potentials is presented for a stochastic constrained system, where the optimization criterion is the long-time average performance. With this approach, the computation burden has been reduced because it only requires one to compute the control strategy on the states concerned, which are a subset of the whole state space. Furthermore, with the characteristic of approximation performance of RBF neural network, the potentials and the transition probability matrix are estimated conveniently by a sample path compared with the statistic approach or the method by solving the Poisson equation. The effectiveness of the optimization approach has been shown by the simulation results, finally.     

基于BP神经网络的风电机组钢混组合式塔架结构频率预测

风电机组塔架结构固有频率设计是风力发电结构体系设计的基础。针对风电机组新型钢混组合式塔架（“混塔”）结构固有频率传统理论计算和有限元法计算的不足,提出了基于BP神经网络算法进行频率预测的新方法。首先,利用有限元计算和分析,确定了训练模型的特征量和标签;然后,利用32个有限元计算样本,基于BP神经网络算法训练了可用于混塔结构频率分析的模型。经验证,该方法对混塔的一阶频率预测误差仅约为0.1%,具有很高的准确性;利用不同的样本集训练的模型也能快速准确预测混塔一阶频率,说明算法具有高度的稳定性;该方法还可用于预测混塔的多阶频率,结果仍显示出高度的准确性。此外,与基于有限元的频率计算相比,该方法具有突出的计算效率。整体上,本文提出的基于BP神经网络的混塔结构固有频率预测新方法,具有高度的可行性、精准性和高效性,可为风力发电机组塔架结构体系设计提供重要的指导。