基于神经网络算法的建筑结构振动分散控制研究

针对地震作用下建筑结构振动分散控制问题,引入神经网络算法,研究结构振动分散神经网络控制策略,来解决分散控制中各子系统的耦合问题和神经网络算法的训练成本问题.利用径向基函数RBF(Radical Basis Function)神经网络模型并基于newrb函数构建了RBF神经网络控制器,对某20层Benchmark结构模型分别进行集中控制和多工况子系统划分分散控制的数值模拟分析,结果表明,提出的各子系统耦合的分散RBF神经网络振动控制策略考虑了子系统间的信息共享,可有效控制结构的振动响应,且子系统达到理想训练结果所需的训练次数与BP网络相比显著降低.     

多维地震作用下高层结构振动混合控制研究

针对水平和竖向地震作用下高层建筑结构的混合振动控制问题,研究调谐质量阻尼器(tuned mass damper, TMD)体系、隔震结构体系、隔震与TMD混合控制体系3种策略对水平与竖向地震共同作用下结构振动响应的减振效果。选取典型的20层钢结构Benchmark结构模型,利用ANSYS软件建立带有TMD和隔震层结构的有限元模型,比较了结构在水平地震单独作用下与水平和竖向地震共同作用下的振动响应。结果表明,水平方向上的振动响应无明显变化;竖直方向上,有控状态下的减振指标相对于无控状态出现了增大现象,尤其是层间隔震结构增大较为明显。研究成果可为高烈度区高层隔震结构设计提供参考。