斜拉索振动被动控制中电/磁流变阻尼器的最优阻尼器能量输入

研究了电／磁流变（ER／MR）阻尼器在恶劣条件下作为被动阻尼器使用时斜拉索的振动问题。对斜拉索和阻尼器的振动特性进行研究，采用Halmiton原理和模型识别技术建立斜拉索-阻尼器的非线性数学模型；采用随机噪声作为激励，通过不断调整阻尼器的能量输入，进行斜拉索-ER／MR阻尼器系统的振动被动控制试验。试验结果表明，存在一个最优的阻尼器能量输入，在该输入下能够有效地抑制斜拉索振动。根据所建立的非线性动力计算模型得到的计算结果与振动控制试验结果吻合良好。考虑到系统的非线性，研究了荷载大小和阻尼器安装位置对最优阻尼器能量输入的影响。研究结果为在恶劣条件下利用ER／MR阻尼器进行斜拉索振动被动控制时的阻尼器设计提供了依据。     

大跨悬索桥损伤定位的自适应概率神经网络研究

由于概率神经网络(PNN)以贝叶斯概率方法描述测量数据,因而PNN在有噪声条件下的结构损伤检测方面,具有巨大的潜力。而PNN中高斯核函数的宽度,严重影响网络的泛化能力,本文提出了一种运用自适应PNN进行复杂结构的损伤定位研究方法,并与传统PNN对大跨悬索桥的损伤定位进行了仿真性能比较;同时讨论了噪声程度、特征向量简化对损伤识别精度的影响。研究发现,运用自适应PNN进行损伤定位,不仅性能优于传统PNN,而且进行特征向量简化时,可以提高损伤定位的识别精度。     

环境激励下斜拉桥拉索的振动观测研究

斜拉桥拉索在风、风雨组合、交通荷载等环境激励下发生大幅振动，这种振动对拉索造成极不利的影响。为了研究拉索的振动机理和响应特征，在岳阳洞庭湖大桥建立了包括风速仪、雨量计、加速度传感器组成的拉索振动观测系统，进行了多次长时间观测。根据观测记录，采用时频分析、统计技术，对拉索涡振、风雨振、交通引起的振动等响应特征、振动与环境激励的关系、振动的模态参与性、索力变化等进行了研究，得到了一些对认识拉索振动机理、并进一步控制拉索振动具有意义的结果。     

基于信赖域方法的MR阻尼器瞬时最优半主动控制实验研究

通过对一个悬臂梁的磁流变(MR)阻尼器控制试验研究了一种基于信赖域方法的MR阻尼器瞬时最优半主动控制算法.该控制算法不以主动最优控制力为目标出力,而是从MR阻尼器的性能出发,提出了MR阻尼器瞬时最优半主动控制的指标函数;同时将下一时刻阻尼器的可能出力范围作为半主动控制问题的限界约束条件,应用精细积分法将MR阻尼器半主动控制问题转化为一组带有限界约束的最小值优化问题;最后采用信赖域方法在限界约束内求解得到半主动最优控制力.悬臂梁控制试验通过dSPACE控制平台实现,试验中采用NARX神经网络建立了MR阻尼器模型并在每个时间步长对阻尼器的出力范围进行预测.在不同强度的随机激励下对所提出的控制算法的控制效果进行了验证,并与不同控制算法的控制效果进行了比较.试验结果表明,时间步长的选择对基于信赖域方法的瞬时最优半主动控制算法的控制效果有很大的影响.通过与Passive-off,Passive-on被动控制及Clipped-optimal控制算法的比较,也证明了所提出的控制算法的控制效果,特别在对结构反应均方值的控制效果上的优越性.     

用概率社会网络进行结构损伤位置识别

在不计测量误差情况下,神经网络能够成功地识别损伤位置及其程度,但在测量噪声影响下,神经网络的损伤识别效果则比较差,考虑到基于多变量模式分类的概率神经网络具有处理受噪声污染的测试数据的能力,本文将可能的损伤位置作为模式类,利用概率神经网络的分类能力来识别结构的损,地对两个算例,一个六层框架和一个两层框架进行数值模拟分析,并将概率神经网络与BP网络进行了比较,结果表明,概率神经网络具有更好的识别效果,是一种很有潜力的结构损伤位置识别方法。