专利名称：基于在线支持向量机的建筑结构地震反应智能控制设计方法
技术领域：
本发明涉及的是建筑结构抗震技术领域，具体地说，是使用支持向量机这种人工智能技术来建立建筑结构地震反应智能控制系统的一种设计方法。
背景技术：
目前，磁流变(MR)阻尼器是国内外广泛研究的各种耗能阻尼器中应用前景较好的一种阻尼器。MR阻尼器中的流体由非导磁性液体和均匀分散于其中的高磁导率、低磁滞性的微小软磁性颗粒组成。在磁场作用下，该液体可以在毫秒级时间内快速、可逆地由流动性良好的牛顿流体转变为高黏度、低流动性的Bingham塑性固体。当线圈内电流增大时，节流孔内磁场就会增强，磁流变液流过节流孔的阻力随之增大，使得MR阻尼器输出的阻尼力增大；反之，电流减小，阻尼力也减小。因此，通过调节输入电流，即可控制MR阻尼器阻尼力 的大小。这种MR阻尼器具有结构简单、阻尼力连续逆顺可调，并且可调范围大、响应快、良好的温度稳定性以及可与计算机控制结合等优良特性。现有结构振动半主动控制方法大多采用二次型调节器(LQR)最优主动控制方法完成对结构最优半主动控制力的计算。基于LQR的半主动控制方法具有一定的控制效果，得到广泛使用。然而，在实际工程中，由于实际结构的自由度数目很大，在全部自由度上布置传感器是很困难的，同时，传感器与数据采集系统总是受到周围环境噪声的影响。所以说，获取测量系统的全部状态变量往往是不现实的，也是不经济的，故采用新的控制方法解决以上问题，并进一步优化结构振动反应控制效果已经变得越来越重要。支持向量机(SVM)是由Vapnik在统计学习理论的基础上建立起来的一种非常有力的机器学习方法，是一种新颖的人工智能技术。SVM最初是用于模式识别，目前在信号处理、系统辨识与建模、先进控制和软测量等领域都得到了广泛的应用。在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势，已应用于手写体识别、三维目标识别、人脸识别、文本图像分类等实际问题中，性能优于已有的学习方法，表现出良好的学习能力。与人工神经网络相比，SVM能够很好地克服前者训练时间长、训练结果存在随机性和过学习等不足。而且，SVM是从线性可分情况下的线性分类面发展而来的，接着利用核函数很好地解决了非线性可分情况。
发明内容
本发明采用带有Kalman滤波器的线性二次型高斯(LQG)最优主动控制方法计算结构的最优主动控制力。首先，通过Kalman滤波器对建筑结构的全状态信息进行估计以便动态地完成对结构完整状态信息的构建。然后，通过LQG最优控制方法计算出主动控制力，并以该主动控制力为目标，设计磁流变(MR)阻尼器的出力，最先建立传统的基于LQG结构半主动智能控制系统(即结构-MR阻尼器控制系统)。接着，执行SVM控制器对最优主动控制力的学习、预测和训练功能，建立本发明的核心部分-基于在线支持向量机的结构半主动智能控制系统(即结构-SA-SVM-MR阻尼器控制系统)设计方法。采用该设计方法设计的智能控制系统消除了基于LQG结构-MR阻尼器控制系统中地震加速度反应放大的现象，并考虑了控制系统本身的时滞，从而对结构位移、速度、加速度地震反应都有很好的控制效
果O为实现上述目的，本发明采用如下技术方案上述基于在线支持向量机的建筑结构地震反应智能控制设计方法实施步骤如下①为保证结构整体能量最小，采用LQG最优主动控制方法实时计算在地震作用下建筑结构的最优主动控制力。②考虑到由于环境噪声或由于自由度数目过大造成的状态采集不完整的情况，使用带有Kalman滤波器的观测器对结构状态进行状态估计,根据Kalman滤波器得到的结构状态数据计算结构最优主动控制力。利用得到的最优主动控制力来设计MR阻尼器的实时变阻尼，计算出MR阻尼器的实时半主动阻尼控制力，从而建立结构-MR阻尼器控制系统。③通过在该控制系统中植入SVM控制器，并依托它的学习、训练和预测功能来预测受控结构的最优主动控制力，建立基于在线SVM的结构半主动智能控制系统(即结 构-SA-SVM-MR阻尼器控制系统)，实现对建筑结构的半主动智能控制。结构-SA-SVM-MR阻尼器控制系统设计方法的实施性步骤如下第一步选定建筑结构模型，采集输入到结构的地震波数据，并对结构进行地震反应分析。将结构地震反应代入线性二次型高斯(LQG)主动控制器，计算出该受控结构所需的最优主动控制力。第二步根据建筑结构预定的地震反应控制水平，对多层及高层建筑结构的每个楼层安装若干个磁流变(MR)阻尼器，并利用第一步中计算出的最优控制力为目标力确定磁流变(MR)阻尼器的模型参数，设计结构半主动(SA)智能控制系统(即传统的结构-MR阻尼器控制系统)。第三步执行在线支持向量机(SVM)的学习、训练、预测功能，建立本发明的核心部分-基于在线SVM的结构半主动智能控制系统(即结构-SA-SVM-MR阻尼器控制系统)。结构-SA-SVM-MR阻尼器控制系统是将LQG控制器与SVM控制器合并为一个系统，其具体工作流程阐述如下。通过状态监测器采集当前时刻的结构状态信息，并将状态数据传递至LQG控制器。LQG控制器中的Kalman滤波器通过获取结构部分状态数据实时地估计出结构某一时刻的全部状态信息，以确保LQG最优控制算法能够计算出最优控制力。LQG控制器中的反馈增益只使用在地震作用下结构控制的第一循环过程中，在SVM控制器得到可以训练的样本数据后，LQG控制器中的控制增益即退出工作。SVM控制器的主要作用为预测结构在某一时刻反应发生后的结构控制力。以结构t时刻前100个时间点的控制力数据做为训练样本数据的移动取值窗口(不足100时，取该时刻前的所有数据)进行学习和训练，预测出结构t+2时刻的控制力。采用t+2时刻的预测主动最优控制力为目标通过半主动智能控制算法得到MR阻尼器所需要的控制力信号(t时刻)，实现结构的智能控制，并依次循环下去。基于MATLAB平台，将采用本发明设计的基于在线SVM建筑结构地震反应智能控制系统与传统的结构-MR阻尼器控制系统控制下的结构地震反应进行数值比较分析，发现具有如下优点
本发明设计的基于SVM结构地震反应智能控制系统在控制建筑结构的地震反应上较传统的结构-MR阻尼器控制系统更为有效，特别是随着建筑结构层数的增加，其对地震加速度反应的控制优势更加明显，并能考虑控制系统本身存在的时滞，从而使得结构预测控制力更为精确、可靠。
图I (a)是本发明的在地震作用下建筑结构磁流变(MR)阻尼器半主动智能控制方法的模块示意图；图I (b)是本发明的结构-SA-SVM-磁流变(MR)阻尼器半主动智能控制流程图；图2是在地震作用下多层建筑结构磁流变(MR)阻尼器半主动智能控制方法分析
模型简化示意图；图3是在El-centro(0. Ig)地震波作用下不同控制系统控制下结构顶层的反应曲线.
-^4 ，图4是在Kobe (O. Ig)地震波作用下不同控制系统控制下结构顶层的反应曲线；图5是在上海人工波I (O. Ig)作用下不同控制系统控制下结构顶层的反应曲线；图6是在上海人工波2(0. Ig)作用下不同控制系统控制下结构顶层的反应曲线。
具体实施例方式以下结合附图I和2对本发明的实施作进一步详细说明。本发明的基于在线支持向量机结构地震反应智能控制设计方法的步骤如下第一步，选定典型的三层剪切型框架结构，每层安装一个MR阻尼器，假定上述结构处于上海市区，按照建筑抗震设计规范要求，抗震设防烈度为7度，设计基本地震加速度值为O. lg。选取El-centix)波、Kobe波、上海人工波I、上海人工波2四条地震波，并按照抗震要求将四条地震波加速度峰值均调幅为O. lg，且把调幅后的地震波数据作用在所选择的建筑结构上进行控制对比分析。采用LQG最优控制方法计算出结构的最优主动控制力。第二步，按照上述LQG最优主动控制方法计算得到的最优控制力来设计MR阻尼器的变阻尼，并利用它们进一步计算得到MR阻尼器的实时半主动阻尼控制力。第三步，执行SVM控制器的学习、训练和预测功能，对上述用于设计MR阻尼器半主动变阻尼力的最优主动控制力进行预测，建立基于在线SVM的结构半主动智能控制系统(即结构-SA-SVM-MR阻尼器控制系统)，以对受控结构进行智能地震反应控制。基于MATLAB平台，编制程序语言提取在四条地震波作用下结构_SA_SVM_MR阻尼器控制系统、传统的结构-MR阻尼器控制系统控制下和无控下结构的地震反应，如表1-2所示结果。数值验证结果表明使用本发明设计的智能控制系统对结构地震反应具有非常好的控制效果。表I在地震波(O. Ig)作用下磁流变(MR)阻尼器半主动智能控制各层最大控制力
权利要求
1.一种基于在线支持向量机的建筑结构地震反应智能控制设计方法，其实施性步骤如下 第一步[如图1(a)所示]:选定建筑结构模型，采集输入到结构的地震波数据，并对结构进行地震反应分析。将结构地震反应代入线性二次型高斯(LQG)主动控制器，计算出该受控结构所需的最优主动控制力。
第二步[如图1(a)所示]:根据建筑结构预定的地震反应控制水平，对多层及高层建筑结构的每个楼层安装若干个磁流变(MR)阻尼器，并利用第一步中计算出的最优控制力为目标力确定MR阻尼器的模型参数，设计结构半主动(SA)智能控制系统(即传统的结构-MR阻尼器控制系统)。
第三步[如图1(a)和(b)所示]:执行在线支持向量机(SVM)的学习、训练、预测功能，建立本发明的核心部分-基于在线SVM的结构半主动智能控制系统(即结构-SA-SVM-MR阻尼器控制系统)。结构-SA-SVM-MR阻尼器控制系统是将LQG控制器与SVM控制器合并为一个系统，其具体工作流程[如图1(b)所示]阐述如下。
通过状态监测器采集当前时刻的结构状态信息，并将状态数据传递至LQG控制器。LQG控制器中的Kalman滤波器通过获取结构部分状态数据实时地估计出结构某一时刻的全部状态信息，以确保LQG最优控制算法能够计算出最优控制力。LQG控制器中的反馈增益只使用在地震作用下结构控制的第一循环过程中，在SVM控制器得到可以训练的样本数据后，LQG控制器中的控制增益即退出工作。
SVM控制器的主要作用为预测结构在某一时刻反应发生后的结构最优主动控制力。以结构t时刻前100个时间点的控制力数据做为训练样本数据的移动取值窗口(不足100时，取该时刻前的所有数据)进行学习和训练，预测出结构t+2时刻的控制力。采用t+2时刻的预测最优主动控制力为目标通过半主动智能控制算法得到MR阻尼器所需要的控制力信号(t时刻)，实现结构的智能控制，并依次循环下去。
2.根据权利要求I中第一步所述LQG最优主动控制方法得到的最优控制力来设计MR阻尼器的变阻尼，并据此进一步设计得到在地震作用下MR阻尼器的实时半主动阻尼控制力，实现建筑结构的半主动MR阻尼器控制。LQG控制器的核心就是利用状态估计器或者观测器来实现控制系统的状态反馈，即带有Kalman滤波器的LQG最优主动控制就是通过采用Kalman滤波器对建筑结构的状态进行估计以达到对结构完整状态信息的动态构建，实现LQG最优主动控制力的实时计算。
3.根据权利要求I中第二步所述在结构每层设置若干个MR阻尼器，采用修正的宾汉姆(Bingham)模型来·模拟MR阻尼器的力学特性，即通过以下计算公式(I)实现MR阻尼器控制力参数的设计。根据计算公式(I)，设计结构半主动(SA)智能控制系统(即传统的结构-MR阻尼器控制系统)。 F ^ fcSgn{x)+c0+ f0(I) 式中F为使用LQG最优主动控制方法计算所得到的最优控制力，Ctl为粘滞阻尼系数，文为非零活塞速度，f。为液压引起的摩擦力(由MR阻尼器提供的控制力与LQG最优主动控制力相比较后得出)，fQ为由于蓄能器引起的阻尼器输出力偏差。
4.根据权利要求I中第三步所述运用SVM控制器对通过使用LQG最优主动控制力设计得到的MR阻尼器半主动变阻尼力进行在线学习、训练和预测。使用预测得到的控制力，建立基于在线SVM的结构半主动智能控制系统(即结构-SA-SVM-MR阻尼器控制系统)，对受控结构实行实时智能控制，并与无控和传统的结构-MR阻尼器控制系统控制下的结构地震反应进行对比分析以检验控制效果。在SVM预测过程中，由于在线实时地获取结构某时刻前100个时间点的控制力数据，即采用移动的时间窗口进行控制力样本的选取，大大地减 小了控制过程中的误差累计，从而使最优主动控制力的预测更为精确、可靠。
全文摘要
本发明公开了基于在线SVM的建筑结构地震反应智能控制设计方法，实施步骤为一，选定结构模型，采集地震波，对结构进行地震反应分析，并代入LQG控制器，计算所需最优主动控制力。二，根据预定的控制水平，对结构每层安装若干MR阻尼器，视最优主动控制力为目标力来确定MR阻尼器参数，设计结构LQG MR阻尼器控制系统。三，建立结构-SA-SVM-MR阻尼器智能控制系统的核心模块，执行在线SVM的学习、训练、预测和控制功能。数值验证表明，智能控制系统比LQG MR阻尼器控制系统更有效。本发明解决了LQG MR阻尼器控制系统对结构加速度反应控制效果差或放大的问题，对结构加速度反应有好的控制效果；而且，随着结构楼层增多，智能控制系统对结构加速度反应的控制优势更明显。
文档编号G05B13/04GK102866631SQ201110460890
公开日2013年1月9日 申请日期2011年12月31日 优先权日2011年12月31日
发明者谈德勤, 董鹏, 李泽, 史坚, 李春祥 申请人:上海绿地建设(集团)有限公司, 上海大学