结构非线性振动的智能控制方法与试验研究

结构非线性振动的智能控制方法与试验研究

论文摘要

结构振动控制的发展很多都局限于对于线性结构的研究,但是结构在强震作用下将不可避免地进入塑性阶段,从而表现出非线性行为,因此研究结构非线性振动控制具有重要的理论与实际意义。本文着重研究了结构非线性振动控制的智能控制算法与模型试验,主要研究内容如下:1.针对设置层间控制器的结构非线性振动控制问题,结合滑模控制和自适应模糊控制算法各自的优点,提出了结构非线性振动的自适应模糊滑模控制算法,并采用模糊系统来消除滑模控制中的抖振现象,根据Lyapunov稳定定理设计出了相应的模糊控制器和自适应律。为了解决全状态观测问题,利用神经网络的非线性逼近能力,基于结构的非线性振动模型设计了动态神经网络观测器。通过在Benchmark结构非线性振动模型上的仿真验证了本文提出的智能算法的有效性,并进行了鲁棒性分析,结果表明:自适应模糊滑模控制可以很好地控制结构非线性振动,且具有比线性控制算法更好的鲁棒性;同时动态神经网络观测器也能够较好地观测结构非线性振动的全部状态,从而能够实现基于自适应模糊滑模控制算法的结构非线性振动输出控制。2.分析了本文提出的自适应模糊滑模主动控制力的特点,得出其适合用半主动控制算法实现的结论。通过选择合适的半主动控制算法,利用磁流变阻尼器来跟踪和实现此主动控制力。在Benchmark结构非线性振动模型上进行了磁流变半主动控制仿真分析,并对主动控制力、半主动控制力的特点和控制效果以及结构半主动控制系统耗能进行了分析。同时采用遗传算法对磁流变阻尼器的位置进行了优化,根据半主动控制算法的特点,提出了两阶段的优化算法,并给出了20层Benchmark模型中磁流变阻尼器的最优布置。同时针对作动器故障问题,采用动态神经网络辨识出现作动器故障的结构非线性振动模型,并基于此动态神经网络模型提出了结构非线性振动的容错控制算法。3.针对设置AMD的结构非线性振动控制问题,根据AMD控制的特点,提出了相应的模糊控制算法。为了解决AMD控制高层结构时模糊输入过多的问题,采用基于二次型指标的广义模糊输入,通过仿真验证了本文所提出的控制算法的合理性和有效性。结合仿真结果对AMD控制的目的及本质进行了较深入的分析,从而对AMD控制结构非线性振动提出了一些合理性的建议。最后,为了改善AMD对结构非线性振动控制可能放大层间响应的问题,采用AMD控制和层间阻尼器相结合的联合控制方式得到了很好的控制效果。4.利用压电材料对考虑几何非线性及模型不确定性的非线性梁进行了振动控制的试验研究,对于梁在大变形时产生的几何非线性进行了理论及试验研究和分析,并通过在梁端附加质量来模拟此结构的质量不确定性,然后对于不同的质量不确定性,通过试验比较了一般的模糊控制与自适应模糊滑模控制的控制效果,试验结果也验证了自适应模糊滑模控制对于非线性及模型不确定性有较好的控制作用。5.为了解决结构非线性控制试验模型的可重复性问题,提出并实现了利用旋转式磁流变阻尼器模拟结构塑性铰的方法,建立了相应的结构非线性振动的试验模型。通过控制此旋转式磁流变阻尼器的输入来实现不同的非线性行为,在各种不同的非线性行为下利用磁流变阻尼器实现了对于此试验模型的半主动控制,进而在此试验模型上验证了动态神经网络观测器及自适应模糊滑模控制算法的有效性。试验结果也表明本文提出的智能控制算法能够较好地实现对结构非线性振动的控制。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 课题研究的目的和意义
  • 1.2 结构振动控制的研究现状与分析
  • 1.2.1 主动控制系统
  • 1.2.2 半主动控制系统
  • 1.2.3 智能控制系统
  • 1.2.4 振动控制算法
  • 1.2.5 结构非线性振动控制算法
  • 1.2.6 结构非线性振动控制试验
  • 1.3 课题来源及主要研究内容
  • 第2章 结构非线性振动的自适应模糊滑模控制
  • 2.1 引言
  • 2.2 自适应模糊滑模控制算法
  • 2.2.1 模糊系统及其特性
  • 2.2.2 结构非线性振动的滑模控制
  • 2.2.3 结构非线性振动的自适应模糊滑模控制算法
  • 2.3 结构非线性振动Benchmark仿真模型
  • 2.3.1 结构非线性振动Benchmark结构模型
  • 2.3.2 输入地震波
  • 2.4 结构非线性振动Benchmark模型仿真分析
  • 2.4.1 结构非线性振动控制Benchmark仿真模型及参数
  • 2.4.2 基于AFSM控制算法的结构非线性振动控制仿真分析
  • 2.4.3 基于AFSM控制算法的结构非线性振动控制鲁棒性分析
  • 2.5 本章小结
  • 第3章 结构非线性振动的神经网络观测器设计
  • 3.1 引言
  • 3.2 神经网络模型及其基本理论
  • 3.2.1 神经网络模型
  • 3.2.2 神经网络逼近特性
  • 3.2.3 神经网络逼近特性仿真分析
  • 3.3 结构非线性振动动态神经网络观测器设计
  • 3.4 结构非线性振动动态神经网络观测器仿真分析
  • 3.5 基于动态神经网络观测器的结构非线性振动控制仿真分析
  • 3.6 本章小结
  • 第4章 结构非线性振动的磁流变阻尼半主动控制
  • 4.1 引言
  • 4.2 基于自适应模糊滑模控制的主动控制力分析
  • 4.3 结构非线性振动的耗能分析
  • 4.4 结构非线性振动的磁流变阻尼控制
  • 4.4.1 磁流变阻尼控制基本原理和计算模型
  • 4.4.2 半主动控制算法
  • 4.4.3 结构非线性振动磁流变阻尼控制仿真分析
  • 4.5 结构非线性振动控制的MR阻尼器优化布置
  • 4.5.1 遗传算法
  • 4.5.2 遗传算法的实现步骤
  • 4.5.3 结构非线性振动控制的磁流变阻尼器布置的GA优化
  • 4.6 本章小结
  • 第5章 基于神经网络的结构非线性振动容错控制
  • 5.1 引言
  • 5.2 容错控制
  • 5.3 基于作动器故障的结构非线性振动系统辨识
  • 5.3.1 基于DNN的结构非线性振动系统辨识基本理论
  • 5.3.2 基于作动器故障的结构非线性振动系统辨识仿真分析
  • 5.4 基于作动器故障的结构非线性振动容错控制
  • 5.4.1 基于DNN的结构非线性振动容错控制基本理论
  • 5.4.2 作动器故障时的结构非线性振动容错控制仿真分析
  • 5.5 本章小结
  • 第6章 结构非线性振动的AMD控制仿真分析
  • 6.1 引言
  • 6.2 3 层结构非线性Benchmark模型AMD控制仿真分析
  • 6.2.1 毗邻反力墙控制
  • 6.2.2 AMD模糊控制及其改进算法
  • 6.3 20 层结构非线性Benchmark模型AMD控制仿真分析
  • 6.3.1 毗邻反力墙控制
  • 6.3.2 采用广义输入的AMD模糊控制
  • 6.4 76 层Benchmark模型风振控制
  • 6.5 AMD控制建议性选取分析
  • 6.6 20 层结构非线性Benchmark模型AMD与层间阻尼器联合控制仿真分析
  • 6.7 本章小结
  • 第7章 几何非线性及不确定性梁的智能控制试验与分析
  • 7.1 引言
  • 7.2 压电材料
  • 7.3 试验概况
  • 7.4 几何非线性及不确定性梁的AFSM控制算法设计
  • 7.4.1 几何非线性悬臂梁建模
  • 7.4.2 AFSM控制算法设计
  • 7.5 不确定性悬臂梁控制试验研究与分析
  • 7.5.1 自由振动控制试验
  • 7.5.2 地震荷载控制试验
  • 7.6 本章小结
  • 第8章 结构非线性振动的智能控制试验与分析
  • 8.1 引言
  • 8.2 结构非线性振动模型及试验系统
  • 8.2.1 结构非线性振动试验模型
  • 8.2.2 结构非线性振动试验系统
  • 8.3 结构塑性铰实现原理及对不同非线性滞回曲线的模拟
  • 8.3.1 塑性铰实现原理
  • 8.3.2 不同非线性滞回曲线的模拟
  • 8.4 结构非线性振动试验研究
  • 8.4.1 动态神经网络观测器试验研究
  • 8.4.2 自适应模糊滑模控制算法试验研究
  • 8.5 本章小结
  • 结论
  • 参考文献
  • 攻读学位期间发表的学术论文
  • 致谢
  • 个人简历
  • 相关论文文献

    • [1].服装吊挂提升臂系统的模糊滑模控制方法研究[J]. 毛纺科技 2017(07)
    • [2].航空发动机自适应模糊滑模控制方法的研究[J]. 燃气轮机技术 2016(01)
    • [3].四旋翼飞行器的模糊滑模控制[J]. 吉首大学学报(自然科学版) 2020(02)
    • [4].模糊滑模控制算法研究综述[J]. 新课程(下) 2015(07)
    • [5].基于模糊滑模控制算法的欠驱动控制器研究[J]. 机电工程技术 2020(10)
    • [6].并联机床伺服系统双自适应模糊滑模控制[J]. 农业机械学报 2012(10)
    • [7].弹道导弹的自适应模糊滑模控制研究[J]. 航天控制 2009(01)
    • [8].舰炮随动系统的模糊滑模控制[J]. 兵工自动化 2019(10)
    • [9].无刷直流电机的自适应模糊滑模控制策略研究[J]. 测控技术 2015(12)
    • [10].欠驱动板球系统的自适应模糊滑模控制[J]. 滁州学院学报 2016(02)
    • [11].基于模糊滑模控制的主动队列管理算法的研究[J]. 自动化技术与应用 2009(05)
    • [12].一类非仿射离散非线性系统的直接自适应模糊滑模控制(英文)[J]. Frontiers of Information Technology & Electronic Engineering 2016(12)
    • [13].基于神经网络的非线性系统反演模糊滑模控制[J]. 机电工程技术 2017(05)
    • [14].基于模糊滑模控制的再生制动系统稳定性分析[J]. 机电工程 2016(02)
    • [15].基于模糊滑模控制算法的舰船电力系统稳定性[J]. 水雷战与舰船防护 2014(04)
    • [16].模糊滑模控制在永磁同步电机中的应用[J]. 赤峰学院学报(自然科学版) 2014(04)
    • [17].模糊滑模控制及应用[J]. 计算机与网络 2011(Z1)
    • [18].基于微粒群算法的模糊滑模控制[J]. 太原科技大学学报 2010(05)
    • [19].基于自适应模糊滑模控制的主动队列管理算法[J]. 系统仿真学报 2008(23)
    • [20].变质心弹头的自适应模糊滑模控制[J]. 清华大学学报(自然科学版) 2008(S2)
    • [21].车辆主动悬架自适应模糊滑模控制研究[J]. 机械工程与自动化 2014(02)
    • [22].走钢丝机器人姿态动力学建模与模糊滑模控制[J]. 计算机仿真 2014(04)
    • [23].模糊滑模控制在主汽温控制系统中的应用[J]. 现代电力 2008(01)
    • [24].离散直接自适应模糊滑模控制一步设计[J]. 控制工程 2015(02)
    • [25].鲁棒自适应仿生模糊滑模控制[J]. 数学的实践与认识 2015(07)
    • [26].PMSM伺服系统的自适应模糊滑模控制[J]. 微电机 2014(05)
    • [27].南屯装车卸载系统的自适应模糊滑模控制[J]. 煤矿机械 2013(05)
    • [28].自适应模糊滑模控制在伺服电动机系统中的应用[J]. 微特电机 2009(11)
    • [29].二次调节转速系统的串级模糊滑模控制[J]. 机床与液压 2010(11)
    • [30].挖掘机的4自由度自适应模糊滑模控制[J]. 机械工程学报 2010(21)

    标签:;  ;  ;  ;  ;  

    结构非线性振动的智能控制方法与试验研究
    下载Doc文档

    猜你喜欢