改进遗传算法结构随机控制系统优化分析.docVIP

改进遗传算法结构随机控制系统优化分析 　　摘要：结构主动/半主动控制效果与输入动力作用的性质、主动/半主动控制算法、减振装置的设置数目和位置等因素有关。为解决随机激励作用下、结构控制系统中控制器参数优化与作动器优化配置问题，提出一种改进的遗传算法。该遗传算法采用随机竞争与最佳保留相结合的选择策略，以提高计算效率；为避免交叉和变异操作产生违反约束条件的个体，发展了改进的二进制单点交叉和改进的单基因座与双基因座变异。数值算例分析表明，提出的改进的遗传算法计算精度高，收敛速度快，是一种有效的结构控制系统一体化优化分析方法。 　　关键词：结构振动控制；随机激励；最优控制；优化；遗传算法 　　中图分类号：TU352.1 　　文献标志码：A 　　文章编号：1004-4523（2017）01-0093-07 　　DOI：10.16385/j.cnki.issn.1004-4523.2017.01.013 　　引言 　　结构振动控制作为一种有效的结构保护技术受到越来越广泛关注。同时注意到，结构主动/半主动控制效果与输入动力作用的性质、主动/半主动控制算法、减振装置的设置数目和位置等因素有关。因此，有必要进行结构控制系统优化分析。 　　作动器/阻尼器的优化配置主要有两类分析方法：序列法和随机搜索法，其中，序列法又可分为累积法和逐步消去法。累积法是不断地从剩余的可选位置中，按照一定的准则选取一个最优的加到优化配置中去，直到达到预定的数目为止。李杰和彭勇波等在减振装置拓扑优化分析中采用了该方法。逐步消去法与累积法正好相反，它每次从剩余的可选位置中去掉一个或多个对优化目标函数贡献最小或较小的位置，直到只剩下预定数目的优化位置为止。孙万泉和李庆斌采用这种方法分析了主动控制作动器的优化配置问题。应当指出的是，采用序列法进行优化布置，忽略了各减振装置与被控结构之问的相互作用，因而得到的分析结果有可能并不是最优的。事实上，减振装置的优化配置问题一般可归结为组合优化问题，而遗传算法等随机搜索方法在解决组合优化问题方面表现出较为明显的优势，因此在这类优化问题中得到广泛应用。 　　在对减振装置进行优化配置的同时，还应对主动/半主动控制器进行优化设计，因为这两个方面共同影响了结构控制效果。目前的研究中，对减振装置的优化布置与控制器的参数优化大多分别进行，例如Abdullah等和Li等就分别采用两步优化的方法研究了控制系统的优化问题。注意到，这实际上是将本来相互耦合的两个方面的优化问题人为地割裂开来，因此，可能会对优化分析的结果产生负面影响。 　　此外，应当指出的是，目前基于遗传算法的控制系统优化分析中大多采用几条具有不同加速度峰值和频谱特性的典型地震动样本作为输入，而已有研究表明，不同地震动样本作用下，控制系统的优化分析结果往往不同。因此，结构控制系统设计时，应合理考虑外界动力作用的随机性，并基于一定的随机最优控制准则进行一体化优化分析。 　　鉴于以上研究现状，本文提出一种改进的遗传算法，以解决随机激励作用下、结构主动/半主动控制系统的一体化优化问题，即同时考虑控制器参数优化与减振装置优化配置，并通过数值算例验证其有效性。 　　1.结构随机最优控制 　　结构随机最优控制涉及两步优化：其一是，最小化性能泛函以建立控制律参数与控制增益之问的映射关系；其二是，基于一定的随机最优控制准则，优化控制律参数，与此同时，还要考虑减振装置的优化配置问题。 　　2.改进的遗传算法 　　遗传算法是模仿自然界生物进化机制发展起来的随机全局搜索和优化方法。以下将阐述基于改进遗传算法的控制器参数优化与作动器优化配置的分析方法。优化的参数为LQR算法中权矩阵R的系数6（权矩阵Q的系数取为定值a=100）以及主动作动器的布置位置。 　　改进遗传算法的分析流程如图1所示。 　　2.1编码及初始种群的生成 　　编码是遗传算法的首要环节，本文采用常见的二进制编码方法。控制系统优化分析中包含LQR算法的参数优化和减振装置的位置优化，需要分别编码并连接成串以形成种群中的独立个体。对于权矩阵系数6，可采用20位的二进制串表示。对于主动作动器的位置优化，若被控结构共有n个楼层，在每层最多只布置一个作动器的前提下，一共有n个可选位置，则相应的编码长度为n。如果某一基因座上的基因值为1，则表示对应的位置上设置有主动作动器；反之，若为0，则表示对应的位置上没有作动器。 　　2.3随机竞争与最佳保留选择 　　选择又称复制，是在当前种群中选择生命力强的个体产生新的种群的过程。选择算子根据每个个体适应度的相对大小，依概率挑选能够复制到下一代种群的个体。当前的研究中，大多采用轮盘赌选择法。应当指出的是，该选择操作算子引起的误差一般较大，故对遗传算法的收敛速度甚至全局收敛性产生不利