结构振动的神经网络控制方法研究

《结构振动的神经网络控制方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、武汉理上人学硕士学位论文摘要中国是世界上地震灾害最严重的国家。土木工程结构振动控制可以有效地减轻结构在车辆、风、地震等动力作用下的反应和损伤累积，是结构抗振减振和防灾减灾积极有效的方法和技术。开展结构智能控制的研究能有效解决结构控制领域中不确定性系统的控制问题。利用神经网络的学习能力，使它在对不确定性系统的控制过程中自动学习系统的特性，从而自动适应系统随时间的特性变异，达到对系统的最优控制。神经网络以其特有的自学习、自组织、联想记忆和并行处理等功能，对提高结构的抗震能力，减少震害损失具有重要意义。本文将神经网络控制应用到带裙房高层建筑结构地震反应控制中，分析了受地震波激励的带裙房高层建筑结构

2、模型的运动方程及其状态空间形式方程，研究了MR单阻尼器耦联结构的地震反应模型和MR阻尼器数学模型，讨论了带裙房高层建筑的神经网络控制原理及其控制器的设计。本文研究了BP神经网络的改进学习算法，分折了神经网路训练样本的产生，确定了神经网络模型，利用MATLAB／Simulink工具实现了改进的BP神经网络训练算法，并给出T-011练结果。该算法提高了网络训练的速度和精度。针对独立主楼、独立裙房和MR阻尼器的结构模型，设计了无控制情况下和基于改进BP算法的神经网络控制情况下带裙房高层建筑仿真程序，分析了不同地震波作用下这两种控制模型的仿真结果。仿真结果表明神经网络控制是一种简单、有效的控制方法，

3、可以有效地减小带裙房高层建筑结构在地震波激励下的加速度和位移响应，减震效果十分明显，为神经网络控制在实际抗震设计中的应用打下基础。关键词：结构振动控制，神经网络，半主动控制，带裙房高层建筑结构武汉理上人学硕士学倪论文ABSTRACTChinaistheconutrywhichisdestroiedenormouslyintheearthquake．Thecivilengineeringstructurevibrationcontrolisapositiveeffectivemethodandtechnologytoensurethestructureaseismaticandagainstn

4、aturaldisasters．Itmayeffectivelyreducet11edamageaccumulatesofthestructureunderdynamicactionthevehicles，windandearthquake．ThedevelopmentofstructureintelligencecontrolresearchCanmaketheuncertainsystemcontroltobepossible．ThenervenetworkcontrolleriStaughttOautomaticallylearningsystemcharacteristic，thus

5、adaptingthesystemalongwiththetimecharacteristicvariation，andachievingthesystemoptimamcontr01．TheuniquefromfunctionsofNerveNentwork，suchasself-study,self-organization，associationmemoryandparallelprocessing，alegoodtoenhancethestructureresistanceability,reducethelOSSintheearthquake．Firstly，theNerveNet

6、workcontrolisappliedtOthetallbuildingwithannexconstructionstructureearthquakerespondedcontrol，thestructuralmotionequationandthestatespaceformequationoftheearthquake-excitedthetallbuildingandannex’sstructuralmodelareanalyzed，theearlhquakeresponsemodelofsingleMRdamperstructureandtheMRdamper’Smathemat

7、icalmodelarestudiedandthemethodofhowtoapplynervenetworkcontrolprincipletothetallbuildingandannex’sstructuralcontrolaswellashowtodesignthecontrollerarediscussed．Secondly,theimprovedBPNerveNetworkstudyalgorit