一种基础隔震结构的智能半主动控制方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115933392A(43)申请公布日2023.04.07(21)申请号202211512102.2(22)申请日2022.11.29(71)申请人广西大学地址530004广西壮族自治区南宁市西乡塘区大学东路100号(72)发明人罗世贤银玉博蒋燕(51)Int.Cl.G05B13/04(2006.01)权利要求书4页说明书13页附图4页(54)发明名称一种基础隔震结构的智能半主动控制方法(57)摘要本发明公开一种基础隔震结构的智能半主动控制方法，包括利用系统参数求解控制器的基于模型强化学习控制算法和使用系统输入输出数据求解控制器的无模型强化学习控制算法。该控制方法由混合H2/H∞控制性能指标设计控制器。首先，建立含有地震、风、随机性等不确定性激励作用下基础隔震结构的数学模型；其次，分别采用基于模型的强化学习方法和离策略的无模型强化学习方法设计混合H2/H∞控制器；最后，对比两种算法的结果，验证两种算法均可实现对建筑结构抗震减震性能的保证。本发明为建筑结构隔震减震设计，提供了一种简单、高效、低成本的、鲁棒性强的控制算法，提高了结构的抗震、抗风能力，保证了结构安全。CN115933392ACN115933392A权利要求书1/4页1.一种基础隔震结构的智能半主动控制方法，其特征在于：包括以下步骤：步骤S1：针对地震、风、随机性等不确定性因素激励下的基础隔震结构建立动力学方程，推导其状态空间方程。该模型充分考虑复杂环境中的乘性噪声和加性噪声对结构的影响；步骤S2：选取合适的优化目标函数，利用随机最优控制理论和博弈论设计混合H2/H∞控制器，利用系统参数求解最坏情况下的扰动v*(t)和最优控制器u*(t)；步骤S3：设计离策略的强化学习控制算法，将步骤S2中对系统参数的需求转变为使用系统状态及输入数据；该算法不仅去除了对系统参数的精确建模要求，还降低了算法实施中引入的探测噪声对控制性能的影响。步骤S4：通过地震波传感器、位置传感器、速度传感器收集数据，进行学习，获得最坏情况下的扰动v*(t)和最优控制器u*(t)；步骤S5：比较步骤S2与步骤S3的最坏情况下的扰动v*(t)和最优控制器u*(t)，若其误差在较小范围内，则基于模型与无模型的强化学习控制算法都具有相同的有效性，均可实现对建筑结构抗震性能的保证。2.根据权利要求1所述的一种基础隔震结构的智能半主动控制方法，其特征在于：步骤S1具体为：步骤S11：推导基础隔震结构状态空间方程：其中x(t)，分别是第i层的层间位移和层间速度；u(t)为控制输入；v(t)为地震波加速度等外部扰动输入；此外其中Mb,Cb,Kb分别为质量、阻尼和刚度矩阵；Db为阻尼器位置矩阵；Eb为地震波等外部不确定性的激励影响矩阵。步骤S12：进一步考虑基础隔震结构受到乘性和加性噪声的影响，于是S11的动力学模型建模为如下随机系统：其中Aj1、Cj2为随机噪声参数矩阵；w1、w2为定义在完全概率空间上相互独立的标准布朗运动。3.根据权利要求1所述的一种基础隔震结构的智能半主动控制方法，其特征在于：步骤S2具体为：步骤S21：根据扰动衰减条件2CN115933392A权利要求书2/4页确定优化目标函数：其中Q≥0,R>0为对称矩阵，γd>0为扰动衰减等级，步骤S22：确定哈密顿函数：步骤S23：利用最优的一阶必要条件，对哈密顿函数求偏导，得到最坏情况下的扰动υ*(t)＝L*x(t)和最优控制器u*(t)＝K*x(t)，其中步骤S24：由步骤S23得到随机代数黎卡提方程：步骤S25：通过交替求解Li和Ki，得到L*和K*，即可的求得最坏情况下扰动v*(t)和最优控制器u*(t)。4.根据权利要求1所述的一种基础隔震结构的智能半主动控制方法，其特征在于：步骤S3具体为：步骤S31：离策略强化学习算法仅需收集一次状态及输入数据即可实现控制器的求解，相比一般强化学习算法极大降低了计算复杂度，提高了算法效率。为了提出离策略算法，并且在计算时不指定外来扰动，需要将基础隔震结构状态空间模型改写为：3CN115933392A权利要求书3/4页步骤S32：计算公式得到：步骤S33：由步骤S32可得到：其中iiiTHxu(P)＝PB＝Hux(P),iiiTHxv(P)＝PC＝Hvx(P),iiTHuv(P)＝0＝Hvu(P),iHuu(P)＝0,以及svec为矩阵拉直并去除重复项；diag为分块对角矩阵。步骤S34：将步骤S33从0到tf积分可得到：4CN115933392A权利要求书4/4页其中步骤S35：由步骤S34可得到：其中Ψ为常数矩阵。5.根据权利要求1所述的一种基础隔震结构的智能半主动控制方法，其特征在于：步骤S4具体为：步骤S41：通过地震波传感器、位置传感