基于RDRNN的变阻尼半主动结构控制遗传算法

提出了基于ＲＤＲＮＮ的变阻尼半主动结构控制遗传算法，应用多输入多输出动态递归神经网络模型ＲＤＲＮＮ预测结构的响应，并利用遗传控制算法进行变阻尼控制力寻优，实现了结构振动的变阻尼半主动最优控制。ＲＤＲＮＮ模型针对结构控制中结构状态变量、控制变量和外界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，而且神经网络的训练效率也高；基于ＲＤＲＮＮ给出的预测结果，遗传控制算法直接在控制力的解空间进行全局寻优，逐步搜索到满足变阻尼控制力约束条件并使性能指标趋于最小的控制力。算例仿真表明，应用所提算法进行变阻尼半主动结构控制，控制效果明显，是一种很有发展前景的控制策略。

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。振动台试验结果表明 ,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。