模糊神经网络预测算法在高柔结构风振AMD控制中的应用研究.pdfVIP

2009年9月 第6卷 第3期 菜圳土木与建筑 VOL．6N0．3SEP2009 模糊神经网络预测算法在高柔结构风振AMD控制中的应用研究 申崇胜 滕军 鲁志雄 (哈尔滨工业大学深圳研究生院) 【摘要】基于Takagi-Sugeno模型的模糊神经网络的基本理论，本文建立了模糊神经网络预测模型。该模 型结合神经网络控制和预测控制的优点，解决了控制中的时滞问题。研究了基于聚类法产生模糊神经网 络预测控制的模糊逻辑系统，该方法便捷地解决 了模糊逻辑控制 中模糊控制规则基于专家控制策略和经 验而无 自学习能力的困难。以深圳京基金融中心为算例，利用模糊神经网络预测算法控制结构在风荷载 作用下的振动，仿真结果表明模糊神经网络预测算法能够有效地减小高柔结构加速度响应。 【关键词】高柔结构；AMD控制；风振 ；模糊神经网络预测算法 1引言 出U，在 这 孔条规 则 中 ，第 i条 规 则 R 为 近年来，模糊控制在结构主动控制中已经显现 xlisAl， ；is ；，… is then 出其优越性[1】。在已有的研究中，模糊控制规则大 多是根据主观经验确定的，其设计参数调整不能根 uz=r(xj)= + 1+ X2+ Xn 据系统的运行状况或环境变化进行，其控制性能往 (i=1，2…，k) (1) 往得不到保证。神经网络能够映射任意函数关系， 具有并行处理和 自学能力，因此基于神经网络的模 是i条规 则第k个输入 的模糊集 ，输 出量 糊控制器成为研究热点。MohammedA1．Dawod等 uf=厂(f)是输入量f的线性函数，函数中各项系数 [2】设计 了模糊控制器，研究了20层 Benchmark建 (7：1，2，…，礼)是根据实践积累数据通过辨 筑结构的主动控制，BijanSamall等 3【】研究了高层建 识方法确定的。最终的输出 (结论)U，将 由n条规 筑顺风 向振动的模糊控制 。李宏男等[4】重点阐述 了 则的输 出u决定，可通过加权求和或者加权平均法 在土木工程结构控制中应用较成功的人工神经网 计算得出。图 1给出了T．s型模糊神经网络结构。 络和模糊逻辑的理论和应用的现状，指出模糊神经 T．S模型的模糊神经网络结构共有 5层可以分 网络将模糊逻辑推理和人工神经网络相结合，这在 为前件网络和后件网络，其中： 土木结构振动控制 中是具有发展前途的控制技术 。 第一层 第二层 第三层 第四层 第五层 本文将模糊神经网络控制与预测控制结合，设 计了多步预测模糊神经网络控制模型，该模型具有 神经网络控制的优点且可 以根据需要提前若干采 X 样步预测控制力，消除了控制中的时滞 。本文研究 的聚类法能快速地生成模糊逻辑系统，解决了模糊 Z 控制依赖专家的主观经验来确定模糊控制规则和 语言变量隶属度函数等不足。对深圳京基金融中心 y AMD风振控制采用模糊神经网络预测算法，仿真分 析证明了模糊神经网络预测控制算法的有效性。 图1 基于T—S型模糊神经网络结构 2T—S模型的模糊神经网络控制 、 ①前件网络：前件网络用来匹配模糊控制规则， 基于 Takagi—Sugeno(T．s模型的模糊神经网络 由模糊神经网络结构的前4层组成。 是模糊神经网络的一种常用类型。假设一个多输入 第