基于自适应RBF神经网络算法的建筑结构递阶分散控制研究

作者:潘兆东;谭平;刘良坤;周福霖; 刊名:土木工程学报 上传者:张明媛

【摘要】针对建筑结构振动控制的递阶分散控制问题进行研究。首先,通过设置全局控制器消除子系统间的关联耦合;在此基础上,结合Lyapunov稳定性理论和RBF神经网络理论设计了仅依赖于子系统位移和速度响应反馈信息的自适应控制律,并利用差分进化(DE)算法对自适应RBF神经网络局部子控制器相关参数进行优化,建立了适用于建筑结构振动控制的自适应RBF神经网络递阶分散控制(ARBFHDC)算法。对ASCE 9层Benchmark模型进行递阶分散控制设计、优化及仿真分析。结果表明,不同地震激励下,基于ARBFHDC算法设计的递阶分散控制较传统集中控制而言有更好的控制效果,且能保障各子系统作动器处于最大功效工作状态。

全文阅读

引言建筑结构采用主动/半主动等智能控制系统可以显著地抑制其振动响应,从而满足更高的安全和功能要求。其控制思想一般均是采用传统“分散采集,集中处理”的集中化控制方案。然而,对规模宏大、功能多样的复杂工程结构若仍采用传统集中控制,必然会面临如下问题[1]:(1)控制系统信息交换异常复杂且极易造成滞后;(2)控制系统集成和运行成本提高;(3)一旦个别传感器、作动器或者控制平台发生故障,系统的可靠性降低甚至失效等问题。同时,地震、台风等外界荷载及结构自身的不确定性在相当程度上加剧了传统集中控制方案控制效果的波动。鉴于以上原因,国内外许多学者将大系统分散控制理论引入到土木工程领域,并做了相应的理论研究,其主要针对不同分散控制算法在结构振动控制中的应用[2-10];文献[11]研究了考虑时滞的鲁棒分散控制方法,并对该方法进行了试验验证。然而,分散控制系统一个显著特点是:控制系统的各分散控制器平行工作,不存在隶属关系,因此难以进行有效的协调;同时,每一个控制器都有自己的控制目标,如果发生冲突则需要用对策论来解决。因此,针对上述问题,有必要对建筑结构的递阶分散控制问题进行研究。在这种多级控制系统中,整体问题由处在较低级的局部控制器来解决,较高级则在考虑关联和约束的基础上进行协调控制,以达到全局优化的目的。文献[12]研究了不确定建筑结构的递阶分散鲁棒控制设计方法,并通过悬臂梁振动试验验证了该方法的有效性。本文对建筑结构递阶分散控制问题进行研究。在全局控制器协调控制的基础上,推导了用于局部控制的自适应RBF神经网络控制律,并利用差分进化算法对局部子控制器进行优化,最终建立了适用于建筑结构振动控制的自适应RBF神经网络递阶分散控制(ARBFHDC)算法。1递阶分散控制理论1.1传统集中控制系统状态方程在地震激励作用下,n层建筑的运动方程为:MX··+珚CX·+KX=BsU+Esx··gX(t)0=X0X·t()0=X·0(1)式中:X为结构相对于地面的位移;M、珚C和K分别为结构的质量、阻尼及刚度矩阵;U为控制力;BS为作动器的位置矩阵;ES为外部激励位置矩阵。定义状态变量z={X X·}T。则原运动方程式(1)可表示为如下状态方程形式:z·=Az+Bu+E x··gy=Cz+Du+Fx珋g(2)式中:A=0-M-1[KI-M-1珚]C2n×2nB=0-M-1B[]s 2n×pE=0n×1-1n×{}1其中,n为结构维数;p为结构中作动器的个数;y为观测输出量,其维数根据观测需求确定,C、D和F为适当维数的观测输出矩阵。1.2递阶分散控制系统状态方程假设原控制系统分解后存在N个局部子控制器和1个全局控制器(如图1所示),每个子控制器仅根据子系统反馈信息完成对相应子系统的振动控制;全局控制器则用于消除子系统之间的关联耦合。任一子系统状态方程可表示为:z·i=Aizi+Biui+Eix··g+∑Nj≠iAijzj(3)其中,i=1…N。Ai、Bi和Ei分别为相应子系统的系统矩阵、控制力矩阵和外部激励矩阵。Aij子系统i与子系统j的关联耦合项。zi=xi[;x珋]i 2ni×1为子系统i的位移与速度响应;Ai=0 I-M-1iKi-M-1iC[]i2ni×2ni,Bi=0-M-1iBs[]i2ni×pi,Ei=0ni×1-1ni×{}1,Mi、Ki和Ci为子系统i的质量、刚度和阻尼矩阵,Bsi为子系统i的作动器位置矩阵,ni和pi为子系统i的维数和作动器个数。图1递阶分散控制系统Fig.1 Hierarchical decentralized control system

参考文献

引证文献

问答

我要提问