结构振动控制的多目标优化和智能模糊控制
题名:结构振动控制的多目标优化和智能模糊控制
作者:宁响亮
学位授予单位:哈尔滨工业大学
关键词:结构振动控制;;多目标优化;;鲁棒H_2/H_∞控制;;变论域自适应模糊控制;;容错控制
摘要:
结构振动控制技术作为一种积极有效的抗震、抗风对策已成为土木工程研究的热点之一。考虑到目前理论研究和工程实际应用所存在的一些问题,本文开展了三个部分的工作:基于线性矩阵不等式技术与遗传算法的主动控制Magnetic lifter 系统多目标优化设计,包括控制器的优化设计、控制器/作动器的一体化优化方法;非线性结构振动的智能控制,包括自适应模糊控制技术、具有在线诊断功能的容错控制技术;结合重大工程项目进行结构振动控制的试验研究,验证本文所提理论的可行性与正确性。
主要研究内容如下:
1.针对以往控制器参数需要反复试算才能确定的弊端,基于LMI优化技术和方差控制理论,研究结构振动控制的多目标方差控制方法。考虑了外部输入激励特性的影响,利用扩展的状态空间模型描述过滤白噪声激励-被控结构-控制器。推导得到了线性矩阵不等式组(LMIs),从而将结构的方差响应、控制力方差以及系统极点限制在预先给定的范围之内。基于MATLAB的线性矩阵不等式工具箱求解所推导的线性矩阵不等式组即可得到状态反馈和输出反馈控制器,通过仿真分析验证此方法的可行性。
2.为使控制系统具有一定的鲁棒性来应对结构模型参数的不确定性,基于LMI技术和鲁棒控制理论,提出事先考虑结构动力特性具有不确定性的鲁棒H_2/H_∞控制方法。在设计控制器的过程中,将结构模型参数的不确定性引入到状态方程的摄动矩阵之中,使得闭环系统对所有允许的不确定性同时满足H干扰抑制和最优H_2性能。推导得到了相应的线性矩阵不等式组的表达式以进行鲁棒H_2/H_∞控制器的多目标优化设计。应用MATLAB的线性矩阵不等式工具箱设计了鲁棒H_2/H_∞控制器,通过仿真分析验证所设计的控制器的强鲁棒性。
3.针对以往将控制器的优化设计与作动器的位置优化分开来进行两阶段优化设计以及优化目标单一的不足,结合基于Pareto最优解理论的遗传算法NSGA-Ⅱ和随机振动理论,提出结构主动控制系统的多目标优化方法,对作动器位置与主动控制器进行一体化优化设计。用平稳过滤白噪声模拟随机地震激励,在状态空间内通过求解结构在平稳过滤白噪声作用下的Lyapunov方程,得到结构响应和主动控制力的方差,其中主动控制器采用LQG控制算法进行设计。以最小化结构位移和加速度均方值最大值与相应无控响应均方值的最大值之比,以及最小化控制力均方值的总和为目标函数向量。除了考虑结构与激励参数变化的影响之外,同时亦提出个数分区控制方法以优化作动器的数目。仿真分析结果表明所提优化方法简单、高效、实用且具有较好的普适性。
4.为了改善传统模糊控制算法的控制性能,提出了非线性结构振动控制的变论域自适应模糊控制(VUAFLC)算法,基于Lyapunov函数方法推导得到了自适应律。以地震作用下高速公路桥梁非线性振动控制的Benchmark问题为背景进行主动控制仿真分析,结果表明该智能模糊控制算法的有效性和鲁棒性。在此基础上针对MR半主动控制系统,提出以变论域自适应模糊控制算法为前件、以限幅最优(Clipped-optimal)控制算法为后件的两级控制策略,结果表明所提出的MR智能半主动控制能够基本实现主动控制效果。
5.探讨传感器失效时MR半主动控制系统的智能容错控制策略,以保证传感器发生故障时控制系统仍然具有良好的性能。在基于ANFIS的传感器故障在线检测方法的基础上,提出MR电压的切换控制策略:传感器正常工作时,基于传统模糊控制器直接确定MR的输入电压,当ANFIS检测出传感器处于故障状态时,将切换开关打开,采用Passive-on算法确定MR的输入电压。对公路桥梁振动控制的Benchmark问题进行了仿真分析,验证所提出的容错控制策略的有效性,并得到了一些有益的结论。
6.以振动控制技术的工程应用为背景,设计制作了基于永磁同步直线电机的HMD控制试验模型并进行控制方http://www.999magnet.com/products/131-magnetic-lifter案及本文所提控制策略的试验验证,并考虑TMD质量的不确定性进行控制策略的鲁棒性实验。在对试验用AMD(永磁同步直线电机)进行大量的测试分析与地震模拟振动台试验的基础上,建立起与试验结果吻合得较好的理论计算模型并设计了相应的控制策略,包括LQG、鲁棒H_2/H_∞、FLC、VUAFLC与ANFIS控制,最后通过振动台试验验证HMD控制方案与所提控制策略的可行性与有效性并对比分析了各控制策略的控制性能,为HMD控制的工程应用奠定了基础。
学位年度:2010
标签: Magnetic lifter
0 条评论:
发表评论
订阅 博文评论 [Atom]
<< 主页