人工神经网络在结构振动控制中的应用

对人工神经网络在结构工程振动控制中的应用做了综合评述，简要介绍了人工神经网络的发展历程和基本性能；重点阐述了人工神经网络在结构振动控制中的应用情况，并对未来的发展方向进行了展望。     

用神经网络对结构振动主动控制力的仿真算法

本文在运用经典最优控制算法讨论结构地震反应主动控制的基础上，应用人工神经网络理论中的ＢＰ网络模型提出结构振动主动控制力的新算法。工程实例的仿真结果表明：采用本文提出的算法较好的解决了求解控制力时由于传统算法本身的时迟问题，从而使结构振动的主动控制的品质得到很大的提高，并且避免了控制失稳现象的出现。     

智能材料在土木工程结构振动控制中的应用

随着材料技术的发展,土木工程结构振动控制用传感和驱动装置也随之智能起来,其中包括:电磁流变材料、磁致伸缩材料、记忆合金材料、压电材料等,智能材料的广泛使用,帮助工程结构抵抗振动的影响.本文从振动控制的形式开始,进而介绍了主流智能材料在工程结构振动控制中的应用.     

污水处理智能控制进展

综述了国内外污水处理自动化技术的发展现状,着重介绍了模糊控制、人工神经网络控制、遗传算法以及专家控制在污水处理过程中的应用.结合国内外研究动态,对污水生物处理智能控制的发展方向作了简要分析.     

某濒海结构振动特性及其振动控制实验

针对某大型半潜式濒海结构波激振动现象,分析了考虑流固耦合效应以后该结构的振动模态,找到了引起该结构发生波激振动的原因.为了控制其波激振动,应用深水调谐液体阻尼器方法对该结构的振动控制进行了实验.结果表明,该方法能明显抑制其主要模态（即第一阶模态）的振动,可以应用于该结构的振动控制.应用深水调谐液体阻尼器可以对某些濒海洞库防护门进行振动控制.     

人工神经网络在化学中的应用进展

回顾了人工神经网络的发展历史,简要评述了近期在化学中的非线性校准、模式识别、定量结构/活性相关(QSARs)、优化、过程控制、传感器、建模、参数估计、预测预报等方面的应用,并展望了人工神经网络在化学计量中的应用前景.     

遗传算法在结构振动控制中的应用

对遗传算法(GA)在建筑结构系统辨识、振动控制算法、结构振动控制作动器优化布置和作动器参数优化等研究方向的应用进行了较全面研究和计算机仿真分析.结果表明,遗传算法是一种高效的搜索计算和优化计算方法,这一算法非常适合处理结构振动控制领域中的诸多复杂优化问题,能够精确地识别复杂结构系统的动态响应,实现结构振动控制系统的优化设置.     

某大跨人行天桥的消能减振设计

文章就目前建成的大跨度钢箱梁天桥再设计和使用中的振动感问题,提出了从研究结构自身动力特征出发,应用消能减震技术,采取结构控制的方法解决大跨度钢箱梁天桥在人行荷载下的振动问胚的观点.该文引用某一工程算例,介绍了将调谐质量阻尼器(TMD)安装在天桥结构上组成结构控制体系,通过提供附加质量块减小结构振动的设计方法,说明了结构控制方法在实际工程中应用的可行性.     

基于形状记忆合金的结构振动控制研究与展望

在介绍了形状记忆合金几种重要特性的基础上,综述了国内外基于形状记忆合金的结构振动控制研究现状,指出了形状记忆合金用于结构振动控制有待解决的一些关键问题,并展望了形状记忆合金在土木结构振动控制中的应用背景。     

热-力双向耦合下平板结构振动的非经典方程

结构热-力耦合振动支配方程是对结构进行动力学分析与控制设计的基础.本文基于三维热弹性动力学,研究了力热双向耦合条件下平板结构的力热耦合动力学问题.将代数Vieta定理与经典算子谱分解方法相结合,发展了算子谱分解方法在结构振动力学建模中的应用.选取适当的规范条件,在时域内首次分别构建了受热平板弯曲振动和拉压振动的精确化方程的具体形式.给出了力热双向耦合下平板结构中振动模式的频散关系曲线,并对平板振动的空间和时间演化规律以及结构振动的动态稳定性做了分析和讨论.本文结果是在没有采用经典假设下得到的,因此得到控制方程是较精确的.本文得到的平板力热耦合振动精化方程可用于求解高温下应力场和温度场都是动态变化的耦合问题,研究高温环境下热-力动态耦合机理、耦合模式以及动态响应.     

基于神经网络的主动隔振器

将神经网络理论、预测理论及最优控制理论引入振动控制工程领域,提出了一种基于ＢＰ网络的主动控制方法．给出了该方法中神经网络的学习算法、模型辨识和预测公式及最优控制指标的选择原则．分析了它在建模和控制方面所具有的特点．经计算机仿真表明,该方法控制效果优于机械隔振和ＰＩＤ主动隔振,是行之有效的     

非线性振动控制的神经网络离散逆系统方法

针对非线性结构振动控制难以用线性控制方法精确控制的情况，提出神经网络离散逆系统方法．建立了结构的离散化模型，再用神经网络将非线性系统通过逆系统变换变为伪线性系统，对该伪线性系统可以用一般线性方法精确控制．该方法将非线性结构控制问题转化成了线性结构控制问题，使问题难度大大减小．对某非线性建筑结构振动作了控制仿真，实现了精确线性化，控制效果曲线与对线性结构控制效果曲线几乎完全吻合．神经网络离散逆系统方法发挥了神经网络和线性控制各自的优点，可用于强非线性结构的振动控制．     

Detection of Structural Damage Through Changes in Frequency

0IntroductionThbeee nvi pbrroatpioosne-db aasnedd d deavemlaogpeed d iente tchtieo npa satp p3r0o aycehaerss , haanvdethe study onthis topicis still active[1].Since natural frequen-cies can provide the global information of structures ,and canbe exactly m…     

机器人动力学模型的BMAC多网络模拟

采用多个高阶脑模型控制器ＣＭＡＣ，即多个ＢＭＡＣ网络模拟机器人动力学模型；重点讨论了网络结构及其参数Ｍ１和Ｇ的确定，学习样本的产生方法；并在此基础上，研制了计算机仿真软件，对实例进行了成功的仿真实验。     

用于振动噪声分析的模糊神经网络故障诊断测试仪的研制

以８０Ｃ１９６ＫＢ为核心,基于模糊神经网络的多功能便携式振动噪声分析仪对振动和噪声信号检测,在复数范围内进行１０２４点浮点快速付立叶变换,从而得到被测信号频谱图,通过对传统谱图分析,提出一种简单、有效的分析方法,并与神经网络和模糊理论相结合,用已建立的模糊神经网络对谱图进行模式识别或故障诊断．     

遗传算法在船舶动力定位系统中的应用

针对船舶动力定位系统提出了一种基于神经网络的模糊控制模型,它通过神经网络来实现模糊控制的模糊化、规则推理到反模糊化的整个过程,并且采用遗传算法进行网络学习;在此基础上针对船舶的纵向运动进行了仿真实验,结果表明,这种模糊神经网络结构及算法对船舶的动力定位实施具有可行性以及有效性.     

基于小波包分析和BP网络识别的齿轮故障诊断

针对齿轮故障信号的能量所引起的变化会淹没在常规振动与噪声之中，用传统的信号处理方法不易提取故障特征，给齿轮的故障诊断带来很大困难这一事实，本文描述了用于从振动信号中提取故障信息的小波包和用于识别故障类型的BP网络，研究了BP网络故障模式识别与小波包故障特征提取结合在一起对齿轮故障进行诊断的方法，研究结果表明该方法可以成功地用于轮常规故障的识别和诊断。     

基于RBF神经网络的结构动力响应预测

介绍了径向基函数(RBF)神经网络学习速度快,动态仿真性强,具有较强的输入输出映射功能和全局最优逼近的结构特点.针对快速预测结构动力响应有助于克服结构振动控制中时滞效应的特点及BP网络存在的问题,应用RBF网络对结构的位移、加速度进行了预测,并采用BP网络作对比研究.仿真结果表明RBF神经网络训练速度快,精度高,可及时为主动控制建筑结构响应提供较为准确的优化性能指标,从而为实现在线实时控制结构响应提供优良的保证.     

Advances in simulated modeling of vibration systems based on computational intelligence

Computational intelligence is the computational simulation of the bio-intelligence, which includes artificial neural networks, fuzzy systems and evolutionary computations. This article summarizes the state of the art in the field of simulated modeling of vibration systems using methods of computational intelligence, based on some relevant subjects and the authors' own research work. First, contributions to the applications of computational intelligence to the identification of nonlinear characteristics of packaging are reviewed. Subsequently, applications of the newly developed training algorithms for feedforward neural networks to the identification of restoring forces in multi-degree-of-freedom nonlinear systems are discussed. Finally, the neural-network-based method of model reduction for the dynamic simulation of microelectromechanical systems (MEMS) using generalized Hebbian algorithm (GHA) and robust GHA is outlined. The prospects of the simulated modeling of vibration systems using techniques of computational intelligence are also indicated.     

基于神经网络修正的结构有限元模型简化

介绍了神经网络修正技术在结构有限元模型简化中的应用，并根据实际工程润扬大桥桥塔的现场实测模态数据对所建的有限元模型进行修正简化．建立了结构物理参数与结构自振频率之间复杂非线性关系的BP神经网络模型，反演仿真数据代入的有限元计算结果与实测结果较为吻合，证实了该方法的有效性．