磁流变阻尼器及其与结构耦合系统的非参数化建模研究

摘要

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。

目录

文摘

英文文摘

声明

第1章绪论

1.1研究背景及意义

1.2结构识别研究进展

1.2.1识别建模的定义

1.2.2传统识别方法简介

1.3本文主要研究内容与工作

第2章人工神经网络及其在土木工程中的应用

2.1人工神经网络及其基本模型

2.1.1神经元模型

2.1.2神经网络结构

2.1.3神经网络学习算法

2.1.4典型神经网络模型及其特点

2.2 BP神经网络

2.2.1 BP神经网络简介

2.2.2 BP网络训练算法及其改进

2.3神经网络在土木工程中的应用

2.3.1神经网络在结构分析与设计中的应用

2.3.2神经网络在结构控制中的应用

2.3.3神经网络在结构损伤识别中的应用

2.3.4人工神经网络技术在系统识别中的应用

第3章基于神经网络的磁流变阻尼器建模研究

3.1引言

3.2磁流变阻尼器的其工作原理及其力学模型

3.2.1磁流变阻尼器的工作原理

3.2.2磁流变阻尼器的力学模型

3.2.3磁流变阻尼器的参数模型存在的问题

3.3磁流变阻尼器的性能实验

3.3.1实验装置和工况

3.3.2实验测试结果

3.4磁流变阻尼器的参数识别

3.4.1最小二乘参数识别法

3.4.2 MR阻尼器Bingham模型的参数识别

3.4.3 MR阻尼器双曲正切模型的参数识别

3.5磁流变阻尼器的神经网络模型

3.5.1 MR阻尼器的正向动态神经网络模型

3.5.2 MR阻尼器的逆向动态神经网络模型

3.6本章小结

第4章磁流变阻尼器-结构耦合系统的动力分析

4.1引言

4.2结构动力分析数值方法

4.2.1 Newmark-β法

4.2.2 Wilson-θ法

4.3磁流变阻尼器-结构耦合系统的动力响应数值模拟

4.3.1模型结构

4.3.2随机激励作用时的结构动力分析

4.4本章小节

第5章磁流变阻尼器-结构耦合系统的非参数化模型

5.1引言

5.2磁流变阻尼器-结构耦合系统的神经网络模型

5.2.1模型结构及振动试验

5.2.2基于结构响应数据完整测量的网络模型及性能验证

5.2.3基于结构响应数据非完整测量的网络模型及性能验证

5.3本章小结

结论与展望

参考文献

致谢

附录A 攻读学位期间所发表的学术论文目录