基于智能理论斜拉桥EMD系统主动控制研究

论文摘要

本文以国际桥梁界地震激励振动控制的Emerson Memorial斜拉桥Benchmark模型为研究对象,尝试以电磁驱动主动质量阻尼器（Electromagnet-drived active mass damper,简称EMD）作为主动控制装置,运用模糊逻辑推理、人工神经网络、模糊神经网络、遗传算法等多种智能理论,建立EMD主动控制系统的智能模型;优化EMD主动控制装置的系统参数;对斜拉桥结构系统模型动力特性进行非参数辨识;设计若干控制指标,比较地震荷载作用下基于智能理论的斜拉桥结构振动控制效果;以及对EMD系统线圈输入电压的在线控制进行了研究。主要研究成果如下:1)利用模糊神经网络理论的非线性处理能力,以试验数据作为网络训练及验证数据,对电磁驱动AMD振动控制系统建模,建立更为宽泛的条件下系统输入输出变量之间的关系,从而有效改善现有力电关系模型的计算效果。2)利用遗传算法理论的非线性寻优能力,针对电磁驱动主动质量阻尼器的系统参数优化问题,以控制效果一定时作动器作功最小为目标函数,找出斜拉桥EMD控制系统在地震荷载作用下的最优控制器参数。3)利用人工神经网络理论的自学习、非线性逼近能力,建立桥梁结构非参数系统辨识模型,可以辨识桥梁结构的非线性特性,真实反映桥梁结构在无控及有控条件下的动力特性,通过对Emerson Memorial斜拉桥仿真实例验证了该方法的有效性。4)建立斜拉桥EMD系统的力电计算模型,根据大跨桥梁抗震设计特点,提出基于遗传-BP神经网络的斜拉桥EMD系统输入电压的在线控制方法,由传感器采集到的结构状态信号和外界地震激励信号瞬时做出系统输入电压选择,解决传统振动控制计算量繁重、运行慢导致时滞等问题,实现对桥梁结构在线较为精确的振动控制。5)利用模糊逻辑推理理论易于形成专家知识和经验,有较强鲁棒性,简单实用的特性,对斜拉桥EMD系统实施智能主动控制,使得桥梁结构能够在每一时刻根据结构状态和所受外荷载情况选择最优主动控制力,并通过EMD控制装置施加到结构中,达到减小结构动力响应的目的,通过对Emerson Memorial斜拉桥仿真实例验证了该方法的有效性。6)利用模糊神经网络理论的学习能力与聚类归纳能力,对斜拉桥EMD系统实施智能主动控制,使得桥梁结构能够在每一时刻能够根据结构状态和所受外荷载情况选择最优主动控制力,并通过EMD控制装置施加到结构中,达到减小结构动力响应的目的,对比基于模糊逻辑推理理论的桥梁结构智能主动控制,证明该方法减振效果更加明显有效。

论文目录

• 摘要
• ABSTRACT
• 致谢
• 第一章 绪论
• 1.1 引言
• 1.2 结构振动控制方法分类及发展现状
• 1.3 桥梁结构传统控制方法面临的问题
• 1.4 结构振动控制未来的发展趋势
• 1.5 论文各部分的主要内容
• 第二章 斜拉桥结构振动控制的BENCHMARK模型
• 2.1 结构振动控制的BENCHMARK问题
• 2.2 斜拉桥结构振动控制的BENCHMARK模型
• 2.3 斜拉桥动力时程分析及LQR最优控制
• 2.4 斜拉桥EMD振动控制系统及控制指标
• 2.5 地震波荷载
• 第三章 电磁驱动主动质量阻尼器控制系统的智能模型
• 3.1 引言
• 3.2 低频/小电压下的EMD系统力电模型
• 3.3 基于模糊神经网络的EMD系统智能模型
• 3.4 小结
• 第四章 斜拉桥EMD系统的系统参数优化
• 4.1 引言
• 4.2 EMD系统参数优化原理
• 4.3 基于遗传算法的系统参数优化
• 4.4 小结
• 第五章 斜拉桥EMD系统的非参数系统辨识
• 5.1 引言
• 5.2 神经网络的Levenberg-Marquardt算法
• 5.3 基于神经网络的斜拉桥EMD系统非参数辨识
• 5.4 小结
• 第六章 斜拉桥EMD系统输入电压的在线控制
• 6.1 引言
• 6.2 EMD系统工作原理
• 6.3 大跨桥梁结构EMD系统的力电模型
• 6.4 基于遗传-BP网络的EMD系统输入电压在线控制
• 6.5 小结
• 第七章 斜拉桥EMD系统的模糊主动控制
• 7.1 引言
• 7.2 模糊推理控制器原理
• 7.3 基于模糊推理的桥梁结构主动控制
• 7.4 小结
• 第八章 斜拉桥EMD系统的自适应模糊主动控制
• 8.1 引言
• 8.2 基于人工神经网络的自适应模糊推理系统
• 8.3 基于ANFIS的桥梁结构主动控制
• 8.4 小结
• 第九章 结论与展望
• 9.1 结论
• 9.2 展望
• 参考文献
• 攻读博士学位期间发表的论文