论文部分内容阅读
土木工程结构的建模是对其进行控制以及监测与识别的基础,是土木工程领域重要的课题之一。建立能准确反映结构的动力响应的而且简单实用的模型对实现有效的控制、模型修正、性能评估具有重要意义。土木工程结构的复杂性、材料和结构层次所反映出的非线性、不确定性,特别是安装有不同控制装置的结构体系由于结构装置本身的动力特性、复杂性以及安装误差等,这些因素的存在会给结构-控制装置耦合系统的建模带来困难。然而离散化有限单元模型往往难以真实反映实际结构的动力特性,所以直接根据结构的动力响应的实测结果对结构进行建模是一种好的选择。安装有各种控制设备的结构系统由于控制元件的非线性特性代表了一种典型的非线性系统。对控制元件及其与结构之间的耦合系统进行建模具有重要意义。磁流变阻尼器作为一种典型的控制装置,因其具有耗能小、反应速度快等一系列优点使得其在土木结构中得到了广泛的应用。对其建立其方便而准确的计算模型很有必要,又因为以往的参数模型太过复杂、计算困难,本文运用具有大规模并行性、冗余性、容错性、本质的非线性及自组织自学习自适应能力等特点的人工神经网络对阻尼元件及其与结构的耦合系统进行了建模研究。本文主要进行了以下三个方面的工作:(1)对一种典型的磁流变阻尼器进行了性能试验,利用实验实测数据建立了阻尼器的Bingham模型、双曲正切模型两种参数模型以及基于神经网络的正向和逆向模型,对三种计算模型进行了仿真分析,并与试验结果进行对比研究,结果表明,神经网络模型比两种参数模型能更好地模拟阻尼器的动态性能。(2)分别采用双曲正切模型和神经网络模型编制了Matlab程序,对安装有磁流变阻尼器的结构系统进行了动力响应分析。结果表明,作为一种非参数化模型,基于神经网络的磁流变阻尼器模型能很好地用于结构动力响应分析,由于其并行计算特点,可以减轻计算工作量。(3)利用神经网络对一个装有磁流变阻尼器的多层钢框架结构进行了非参数化建模研究,建立了4种不同的神经网络模型。研究结果表明神经网络能很好地预测结构的响应,为非线性结构系统的建模提供了一种有效可靠的途径,为装有非线性控制装置的结构的控制设计提供了方便。