[发明专利]一种结构半主动最优预测控制方法

说明书

本发明涉及一种结构半主动最优预测控制方法，首先引入灰色预测系统对LQG控制器的输入进行预测，然后利用鲸鱼优化算法对LQG控制器参数进行优化设计，最后结合自适应神经模糊推理系统实现结构的半主动预测控制。本发明不仅能有效解决主动控制器的加权函数难以确定的问题，弥补传统LQG控制效果不足的缺陷，而且可以提高MR阻尼器的控制信号精度。此外，本发明能够通过预测机制有效地补偿系统内部的时滞，从而使控制系统能够充分发挥磁流变阻尼器的性能，最终实现有效抑制建筑结构响应的目的。

技术领域

本发明涉及土木结构抗震设计技术领域，特别是一种结构半主动最优预测控制方法。

背景技术

土木结构抗震性能的优劣关乎人类生命和财产安全，如何提高土木结构的抗震能力一直以来都是工程领域的研究热点。磁流变阻尼器是一种颇具应用前景的智能半主动控制装置，它兼具了主动控制装置和被动控制装置的优点，基于它的建筑结构减震技术已经成为土木工程领域的一个研究热点。为了使磁流变阻尼器的优良减震特性得到充分发挥，基于MR阻尼器的半主动控制研究仍有待进一步深入。

线性二次型高斯控制器(LQG)是一种适用性很强的最优控制，已被广泛运用于振动控制中。它也可在结构的半主动控制中作为负责计算理想控制力的主动控制器。LQG采用了能够根据部分状态预估全状态Kalman的滤波观测器，避免了诸多状态不易测得的问题，同时在很大程度上降低了需要大量使用传感器可能引起的传感器失效的风险。这在很大程度上弥补了线性二次调节器(LQR)的缺陷，因为LQR是一种全状态反馈控制器。

控制器LQG中的加权矩阵(尤其是Q和R)的选取对控制效果影响很大，但它们的确定大多依赖专家经验，这种人工设计方法不仅低效而且控制效果有限，甚至对受控系统产生不利的影响。目前，利用进化算法对加权矩阵进行调节已成为一项研究热点。有人提出采用遗传算法调节线性二次最优控制器的加权矩阵Q和R(例如参见欧洲专利CN106707752A)，从而确保控制电压源型STATCOM具有良好的动态性能。但是遗传算法作为一种传统的随机优化算法，容易陷入局部最优解。

此外，为了进一步提高半主动控制的效果，需要采用较为精确的磁流变阻尼器逆向模型，其作用是根据理想控制力计算出阻尼器的控制信号。作为一种非参数化智能建模策略，自适应神经模糊推理系统(ANFIS)兼具了神经网络和模糊系统的优点，其建模精度往往优于参数化建模。

另一方面，除了提高控制算法的控制效果，时滞问题对控制算法的影响也有待深入研究。时滞会对控制系统的性能产生不同程度的影响，较大的时滞可能会降低结构减震效果，甚至放大结构的地震响应。

发明内容

有鉴于此，本发明的目的是提出一种结构半主动最优预测控制方法，不仅能有效解决主动控制器的加权函数难以确定的问题，弥补传统LQG控制效果不足的缺陷，而且可以提高MR阻尼器的控制信号精度。此外，本发明能够通过预测机制有效地补偿系统内部的时滞，从而使控制系统能够充分发挥磁流变阻尼器的性能，最终实现有效抑制建筑结构响应的目的。

本发明采用以下方案实现：一种结构半主动最优预测控制方法，首先引入灰色预测系统对LQG控制器的输入进行预测，然后利用鲸鱼优化算法对LQG控制器参数进行优化设计，最后结合自适应神经模糊推理系统实现结构的半主动预测控制。

进一步地，具体包括以下步骤：

步骤S1：将灰色预测系统接在加速度传感器的输出端，使其实时纠正滞后的加速度响应，并输出加速度响应的预测值；

步骤S2：利用控制器LQG的Kalman滤波观测器，根据加速度响应的预测值计算出建筑结构的全状态响应，即所有楼层的位移和速度；

步骤S3：利用鲸鱼优化算法对控制器LQG进行带约束多目标的优化设计，对LQG反馈增益进行优化；

步骤S4：基于全状态响应，利用步骤S3优化得到的控制器LQG计算控制系统的理想控制力；