动力机械隔振系统的神经、网络半主动控制研究

船舶动力机械隔振系统，结构复杂，易受环境影响，系统精确数学模型不易建立，运用ADAMS和MATLAB联合模拟建立了机械被控系统台架模型，提出了基于神经网络的振动半主动控制策略，设计了神经网络控制器。仿真计算结果表明，与传统的被动控制相比，神经网络半主动控制策略对系统振动具有明显的抑制效果，证明了所提控制策略的正确性和有效性。     

斜拉索振动的ER-MR阻尼器半主动神经网络控制

建立了采用ER—MR阻尼器作斜拉索的基于神经网络的半主动控制方法。该方法采用离线训练好的神经网络兼作系统状态观测器和系统控制器，并根据ER／MR阻尼器特点，引入面向速度剪切的半主动控制策略，实现神经网络对斜拉索进行在线带自反馈的半主动控制。数值试验的结果表明：采用神经网络进行半主动控制，能够达到很好的控制效果，整条斜拉索的振动都得到有效的抑制。     

基于磁流变阻尼器的机车横向悬挂半主动控制研究

半主动控制与被动控制和主动控制相比具有可靠性高、能耗低和容易实现的特点,正成为一种颇具前景的悬挂振动控制方式.利用磁流变液的流变特性制成的磁流变阻尼器是一种性能优良的半主动控制装置.本文首先建立了采用磁流变阻尼器的三自由度机车车辆横向半主动悬挂系统模型;在对磁流变阻尼器的阻尼特性进行试验研究的基础上,提出了一种磁流变阻尼器的数学模型,并用优化方法确定了的模型参数;而后提出了一种半主动控制策略,得到了系统的振动响应;与被动悬挂相比,采用磁流变阻尼器的机车横向半主动悬挂系统可显著降低悬挂质量的加速度值.     

高速列车悬挂系统连续混合控制策略的设计与仿真分析

在传统开关型半主动控制方法的基础上,提出了一种线性连续型天棚-加速度阻尼(skyhook-acceleration driven damping,SH-ADD)控制算法,用于提高半主动悬架在中高频区域内的控制效果。以国内某型高速动车组列车为原型,建立了两自由度1/4车横向动力学模型,用于设计改进的线性连续型SH-ADD半主动控制策略。以乘坐舒适性为控制目标,分别采用单频谐波激励和宽频轨道不平顺激励进行仿真,对不同控制策略作用下的系统振动特性进行对比分析。采用整车模型对控制算法进行了舒适度验证。研究结果表明:相比改进前的控制策略,新型半主动控制策略在高频范围内的振动控制效果更好。     

装有MR阻尼器的转向架动力系统的时滞输出反馈控制

建立了六自由度转向架模型,研究转向架动力系统的时滞输出反馈控制,通过部分可测输出量实现整个系统的振动控制.将系统的运动微分方程改写成状态空间模型,其控制输入中存在时滞.然后,利用一个线性项加积分项的变换将原时滞输入系统转化成无时滞的形式.在此基础上,应用输出反馈原理和合理的性能指标函数,以开关控制策略为依据设计了系统的时滞半主动控制律.最后,以一个具有典型参数的转向架模型为例来阐明所提出的控制策略的应用步骤.数值结果表明:所设计的时滞半主动控制策略是有效的.     

基于强化学习的随机振动主动控制策略

针对被控系统的不确定性和非线性特征,提出了一种基于强化学习的随机振动主动控制策略。采用深度确定性策略梯度(DDPG)的强化学习算法设计振动控制器,该过程不涉及专家经验,完全由算法和数据自主交互学习完成。控制器是一个多层神经网络模型,这种由强化学习算法设计的控制器称为RL-NN控制器。通过两个数值仿真算例验证了RL-NN控制器的性能,其中考虑不确定性的单自由度系统主动控制效果达97%,考虑不确定性和非线性的车辆1/4悬架系统半主动控制效果达74%,结果表明RL-NN控制器对不确定性和非线性系统具有优异的振动控制能力。强化学习算法仅仅花费数小时设计的随机振动主动控制策略便优于专家经验数年来设计的控制策略,这为复杂系统振动主动/半主动控制器的设计提供了一种新的实现途径。     

半主动减振器控制算法仿真及实现

对铁道机车车辆半主动控制减振器控制算法进行了理论研究、仿真及实现,并进行动力学试验验证算法。提出一种根据振动加速度,得到振动速度的瞬时频率与幅值,基于神经网络控制策略,实现半主动减振器控制阻尼参数可调,适用于各种路况、速度等级,满足提速与乘坐舒适度的要求。     

输电塔线体系风振反应的半主动摩擦阻尼控制

该文研究了智能半主动摩擦阻尼器对输电塔线体系风振反应的控制问题.该文提出了一种适用于输电塔结构风振控制的半主动摩擦阻尼器力学模型,建立了输电导线动力分析的多自由度模型,并建立了塔线耦联体系的受控动力分析模型和动力分析方法.基于半主动摩擦阻尼器的特点,提出了抑制结构风振反应的两种半主动控制策略.通过数值研究考察了半主动摩擦阻尼器对输电塔线体系风致振动响应的控制效果,并进行了相应的参数研究.研究表明,半主动摩擦阻尼器形式简单、具有较好耗能能力,可以有效地抑制输电塔的风致振动.     

汽车磁流变悬架振动多模态智能控制

分析了汽车磁流变半主动悬架模型,为了抑制磁流变悬架的垂直振动,提高汽车乘坐舒适性,从提取汽车簧载质量的振动模式入手,建立了振动的特征模型,给出了在不同振动模式下寻求不同控制策略的方法,以此设计了多模态智能控制器,并用建立的汽车悬架振动仿真系统进行了脉冲输入和随机输入仿真实验.仿真结果表明,对汽车磁流变悬架的垂直振动进行多模态控制能有效提高汽车乘坐舒适性.     

基于RDRNN的变阻尼半主动结构控制振动试验研究

在一个1：4的五层模型刚架结构上进行了变阻尼半主动结构控制的振动台试验,应用多输入多输出分支动态递归神经网络模型RDRNN建立了神经网络控制器,利用已有的试验数据对神经网络控制器进行训练,然后应用该神经网络控制器对结构进行变阻尼半主动结构振动控制,输入了几种不同的地震波,对比分析了该神经网络控制器的控制效果。振动参试验结果表明,应用神经网络控制器对结构进行变阻尼半主动结构控制,可以达到较好的控制效果,所需控制信息较少,并且对不同的地震激励有较强的荷载适应性。     

新型磁流变脂阻尼器对铁路连续梁桥地震响应模糊神经网络控制

为解决传统磁流变液阻尼器(Magneto Rheological Fluid Damper,MRFD)磁场利用率低及磁流变液沉降导致控制特性劣化难题,提出新型阻尼器—磁流变脂阻尼器(Magneto Rheological Grease Damper,MRGD)。采用神经网络(Neural Network,NN)对足尺MRGD动力特性进行辨识,通过将改进的限幅最优(Modified Clipped-Optimal,MCO)算法整合到模糊神经网络(Fuzzy Neral Network,FNN)理论来设计适合MRGD的FNN/MCO半主动控制策略,并构建SIMULINK仿真分析平台。以典型三跨铁路连续梁桥为工程背景,分别对未控制、FNN/MCO半主动控制及线性二次型高斯(Linear Quadratic Gaussian,LQG)主动控制下桥梁各项评价指标进行分析。结果表明,所提FNN/MCO半主动控制策略对桥梁地震响应控制效果明显优于LQG主动控制策略;FNN/MCO策略较LQG策略更利于控制装置性能发挥;FNN/MCO策略稳定性、鲁棒性均明显优于LQG策略。     

非确定因素下汽车半主动悬架的智能控制

以含磁流变阻尼器的1/4 车辆非线性半主动悬架模型为研究对象,在充分考虑该非线性系统未建模动态的基础上提出了具体的神经网络与滑模变结构控制相结合的智能控制策略,有效抑制了悬架系统的振动,使车辆行驶的平顺性与舒适性得以提高.应用神经网络的在线学习能力对非线性动力学模型的不确定部分及外界未知扰动进行了神经网络估计,确定了未知函数的上确界,构造了控制系统的滑模变量并且合理设计神经网络的自适应规律使状态变量快速接近原点.通过稳定性分析证明了此种控制方法是全局渐近收敛的,并且对未建模动态具有强鲁棒性.数值仿真结果验证了该种控制方法的有效性,得到了阻尼器两端控制电压的变化规律.     

基于智能算法的高层建筑非线性地震反应的MR阻尼器半主动控制

研究了第三阶段结构振动控制的Benchmark问题;设计了基于模糊神经网络的控制器模型;采用磁流变(MR)阻尼器作为控制装置,对一座20层Benchmark建筑结构进行了非线性地震反应的数值仿真分析。首先,通过神经网络对足尺MR阻尼器进行了动力特性的辨识;其次,在设计模糊神经网络控制器时,提出了分区控制的设计思路。将智能控制器半主动控制下的仿真结果与样本LQG控制进行了对比分析。结果表明:提出的智能控制器能有效抑制高层建筑结构的非线性地震反应;与样本LQG控制相比,由于智能控制器的内在鲁棒性和对结构非线性反应控制的稳定性,在非线性结构的振动控制中有很大的应用潜力。     

斜拉索-磁流变阻尼器系统半主动控制的神经网络法

磁流变阻尼器具有良好的可变阻尼特性，能用于结构的半主动控制。针对斜拉桥拉索-磁流变阻尼器系统，本文提出了利用神经控制器进行半主动控制的神经网络法，该神经控制器根据过去时刻的加速度响应和控制信号预测下一时间步的控制信号，并给出了训练方法及开展了数值仿真研究。仿真结果显示，采用神经网络半主动控制能取得很好的减振效果，证明该方法是可行的。     

升船机地震鞭梢效应基于神经网络预测的MR智能半主动控制

磁流变（MR）智能阻尼器是利用磁流变液产生阻尼力的半主动控制装置，该装置具有机械构造简单，动力范围宽广，只需要较小的能量输入就能产生大的输出力，因此被证明能有效运用于土木工程结构来抵抗强烈地震和强风。但是由于磁路材料、线圈结构、控制电源等因素的影响，使得MR阻尼器存在明显的磁迟效应。目前，应用MR阻尼器作为控制装置的研究中对磁迟效应考虑较少。神经网络具有很强的自适应性和处理非线性问题的能力，能够对难以用数学方法描述的非线性对象进行精确预测和建模。运用神经网络来预测MR阻尼器的力学性能，通过对未来时刻输出力的精确预测来弥补磁迟效应所耽搁的时间，在此基础上实现基于神经网络预测的MR智能半主动控制。应用提出的方法来控制三峡升船机屋盖MR智能隔震系统以减小顶部厂房的地震鞭梢效应，仿真计算结果表明：神经网络预测能很好的解决MR阻尼器的磁滞效应对控制带来的不利影响，升船机顶部厂房层间位移和柱底弯矩均有明显的减小，能有效抑制升船机顶部厂房的地震鞭梢效应。     

汽车悬架磁流变减振器模型分析及半主动控制策略研究

用多项式模型作为磁流变减振器的力学模型,研究了传统"开-关"型半主动控制的阻尼力跳跃对汽车簧载质量振动加速度产生的不利影响,针对1/2汽车模型对具有磁流变减振器的汽车悬架简单模糊和自适应模糊神经半主动控制策略进行了数值仿真,基于数值仿真结果分析了各控制策略的效果.     

基于动态递归神经网络的半主动控制结构响应预测

提出了一种多输入多输出分支动态递归神经网络模型,利用梯度下降法推导了网络权值调整公式。该模型针对结构控制中结构状态变量、控制变量和外激励荷载对结构的响应有不同的影响,采用分支输入递归处理,不但结构响应预测精度好,而且大大提高了动态网络的学习和训练效率。应用该模型对线性结构和非线性结构在变阻尼控制和外荷载激励下结构的响应进行了数值仿真,表明所提的动态递归神经网络可以达到较高的预测精度。该模型为利用神     

基于智能算法的MR阻尼器半主动控制

研究了磁流变阻尼器作为控制装置的结构平移-扭转耦联地震反应的半主动智能控制问题。直接使用微种群遗传算法优化控制信号，得出系统输出与控制信号之间的数值对应关系；然后通过训练神经网络把这些知识储存于神经网络的权值中，并在其它的地震输入下使用。计算实例结果表明，采用磁流变阻尼器对结构进行半主动控制能有效地减小结构的地震反应。     

高层建筑非线性地震反应的半主动H∞控制

针对国内外学者多数集中于研究地震激励作用下结构线性反应的振动控制的现状，采用MR阻尼器作为控制装置，提出了能有效抑制强烈地震激励下高层建筑非线性反应的半主动H∞控制；通过观测楼层的加速度和半主动控制力，构建了适用于半主动控制的Kalman-Bucy状态估计器。该方法有效地考虑了地震荷载的不确定性。对一个受控的20层基准建筑进行了非线性反应的数值仿真分析，并与其他控制策略的结果进行了对比分析。结果表明，半主动H∞控制是一种性能优良的控制策略，能有效地抑制高层建筑结构的非线性地震反应，减小强烈或罕遇地震对建筑结构的破坏。