摘要: |
斜拉索由于质量轻、柔度大、阻尼小,极易在环境激励如风、风雨或支座运动等作用下发生大幅振动,一方面会引起索的疲劳破坏,最终导致换索,从而带来巨大的经济损失;另一方面振动幅度过大也会引起行人对桥梁安全性的怀疑。因此,分析拉索的振动机理以及寻求有效的振动控制措施是一个具有重要工程意义的课题。
本文首先提出了斜拉索由桥面侧振引起的索桥耦合的振动模型,并基于Hamilton原理,建立了拉索的非线性振动方程,运用多尺度法求得该方程的近似解析解。分析了拉索发生1:1面内外模态耦合内共振的可能性,讨论了激励幅值、激励频率、阻尼、倾斜角等参数对拉索振动响应的影响。为验证近似解的正确性,将其与数值解进行了比较。
基于神经网络理论,建立了MR阻尼器的神经网络前向模型和逆模型。由于BP算法存在收敛速度慢、学习好的网络泛化能力差等问题,本文采用了二阶微分收敛的Levenberg-Marquardt算法与贝叶斯正规化法(Regularization)相结合的方法,从而提高了网络的计算性,改良了网络的泛化性能。数值分析结果表明,本文所提出的MR阻尼器的神经网络模型具有很强的适应性和泛化性。
基于神经网络理论,提出了一种新的拉索-MR阻尼器系统神经网络半主动控制方法。该控制方法能充分发挥MR阻尼器在不同电压下的耗能减振能力,实现了其对拉索振动的全态控制。结合典型的拉索实例,分析了该控制方法的控制效果,并将其控制效果与LQR主动控制效果做了比较。
基于模糊逻辑理论,提出了一种新的拉索-MR阻尼器系统模糊半主动控制方法。在该方法中,模糊控制器直接给出控制电压,操作起来简单实用。为验证其有效性,针对典型的短索、长索,详细讨论了在不同激励作用下、相同激励不同激励幅值、激励频率等各种情况下的控制效果。并将其控制效果与神经网络半主动控制、LQR主动控制及MR阻尼器的两种被动控制方式(passive-on,passive-off)做了比较。 |