建筑结构地震响应半主动控制的遗传-模糊算法

本文针对建筑结构地震响应半主动控制问题,应用基于遗传算法优化模糊规则库的遗传—模糊控制方法,通过MR阻尼器实现减小建筑结构地震响应。将结构的位移和加速度响应峰值控制双重指标作为目标函数,运用遗传算法的基本操作得到一组优化的模糊推理规则。以结构位移、加速度、地震加速度信号作为输入量,以MR阻尼器所提供的控制力为输出量,分别构造单阻尼器和多阻尼器的模糊控制策略。以某3层和6层框架结构为例,分别对两种遗传—模糊控制算法进行数值仿真分析,并与LQR最优控制结果进行比较。数值分析结果表明,采用遗传—模糊算法能够有效地减小结构的地震响应。     

基于遗传算法优化的高层建筑风振模糊控制

本文针对高层建筑风振控制问题,应用基于遗传算法优化模糊规则库的模糊控制方法,通过MR阻尼器实现减小高层建筑风振反应. 采用双输入、单输出的模糊控制策略, 即以风荷载和其变化率为输入量, 以MR阻尼器所提供的控制力为输出量.利用基于遗传算法的优化的模糊规则库,根据作用模糊子集的推理方法进行模糊推理运算, 并采用常用的重心法进行解模糊处理.以某12层框架结构为例, 进行数值模拟分析,并与优化前的模糊控制策略和LQR最优控制策略进行比较.数值分析结果表明,利用遗传算法使优化模糊规则库得以优化,改善了模糊控制的效果,有效地减小了结构的风振反应.     

基于动态模糊神经网络的结构主动控制仿真分析

在模糊控制中,如何更加合理地生成控制规则,是其应用的一个重要问题。本文采用动态模糊神经网络(DFNN)算法,并借助于最优控制算法的样本数据,实现建筑结构振动控制中的模糊规则自动提取。首先,介绍了DFNN的结构和算法;其次,采用DFNN算法设计了二输入单输出及四输入单输出两种模糊控制器,对顶层设置AMD控制装置的五层钢框架模型结构进行模糊控制仿真分析。仿真结果表明,两种模糊控制器对顶层位移和加速度反应峰值的控制效果达到50%和30%以上,对地震输入和结构参数的变化均具有较好的鲁棒性;相比二输入模糊控制器,四输入模糊控制器的控制效果更好。本文研究为地震作用下建筑结构AMD模糊控制提供了新的思路和方法。     

模糊神经网络控制系统优化的实整数混合编码遗传算法

本文提出了采用实数整数混合编码的遗传算法来优化模糊神经网络控制系统的方法,内容包括：增益、输入和输出变量、控制规则的编码、解码、交叉算子和变异算子以及系统优化的实施步骤。用此方法,可以优化确定系统输入和输出变量的隶属函数以及模糊控制规则,此外,针对框架结构地震反应的主动控制,采用本文方法优化建设了模糊神经网络控制系统,并进行了仿真试验和分析。结果表明,本文方法优化的控制系统具有很好的控制效果,而且优于LQ控制算法。     

结构振动的模糊建模与模糊控制规则提取

模糊振动控制中存在的模糊控制规则的建立大都依赖于主观经验的现状。对此本文提出了一种通过对结构振动模糊建模来产生控制规则的方法。首先，通过对系统运动状态变量的模糊化，建立结构振动的模糊关系模型；其次通过对结构振动的模糊关系模型的分析，提取出模糊控制规则；最后，通过一个单自由度体系的数值仿真方法进行了验证。     

基于磁控形状记忆合金驱动器的结构自适应模糊控制

基于新型材料磁控形状记忆合金(MSMA)变形率大和反应迅速的特性,设计制作了一种磁控形状记忆合金主动杆件,将其应用到1个4层的空间杆系模型结构振动控制中;并结合遗传算法,对MSMA驱动器在模型结构中的布置进行优化。利用自适应模糊控制原理,建立了含多个调整因子的规则自调整模糊控制规则。然后对空间杆系结构进行规则自调整的结构模糊控制仿真,比较了El Centro地震波作用下结构在无控、模糊控制以及自适应模糊控制下的地震响应。仿真结果表明:MSMA驱动器具有良好的作动效应,经优化布置的MSMA驱动器能够有效的降低结构的振动响应;规则自调整的自适应模糊控制自适应性强,能够应用于结构的主动减振控制中。     

基于TS模型的结构振动模糊控制方法

将TS模糊控制模型用于结构振动控制中,提出了一种新型的模糊控制器。利用传统LQR控制算法确定TS模糊控制器的参数,提出一种新的形成模糊控制规则的方法,克服了TS模糊控制器参数较多,规则难以确定的缺点;并结合一座三层钢框架模型,进行仿真分析,验证了提出的方法的有效性。     

高层建筑横风向反应的模糊神经网络控制

介绍了第3代结构风振控制基准问题的定义。通过观测部分楼层加速度和控制力输出,建立了模糊神经网络控制器,解决了传统控制中有限的传感器数目对系统振动状态估计的困难;利用模糊神经网络预测结构的控制行为,消除了闭环控制系统中存在的时滞;通过模糊神经网络控制器的学习功能,解决了土木工程复杂结构模糊控制中难以依据专家的主观经验来确定模糊控制规则和语言变量隶属函数等困难。以风振控制的基准问题为研究对象,编制了程序对受控系统进行数值仿真分析。分析表明,模糊神经网络控制策略能有效地抑制高层建筑的风振反应。     

基于遗传算法的广义回归神经网络在地震预测中的应用

提出了利用基于遗传算法结合广义回归神经网络（GRNN）进行地震预测的新方法。利用遗传算法的全局搜索能力、不易陷入局部极小点等优点来优化GRNN的径向基函数中心、宽度以及输出层的权值,使得计算结果全局最优。在实际地震数据中选取了100组样本数据进行仿真实验,并利用MATLAB进行仿真。仿真结果表明,本文提出的方法具有较高的精度和一定的理论指导意义。     

基于模型参考的结构非线性自适应减振控制

本文针对非线性结构振动控制问题,提出了一种将线性二次型最优(LQR)控制算法和模糊控制算法相结合的自适应减震控制方法。以原线性结构,即名义系统作为参考模型,基于参考模型设计了LQR控制器,并利用遗传算法优化LQR控制器的加权系数;将结构振动中的非线性部分作为不确定参数,以此来设计模糊控制器,弥补了结构非线性部分对振动控制的影响。最后,通过钢筋混凝土非线性结构算例验证本文所提算法的有效性。结果表明:强震作用下,结构构件会产生屈服进入非线性阶段,而基于线性参考模型设计的LQR控制器并不适用于非线性结构;模糊控制器可以补偿结构非线性产生的影响,达到自适应减震控制的目的。