التحكم التنبئي للشبكة العصبية بالاهتزازات في الهيكل الطويل: أ رؤية خاضعة للرقابة التجريبية
Title Neural network predictive control of vibrations in tall structure: An experimental controlled vision
الباحث الرئيس محمد عزير
التخصص: الهندسة الكهربائية
التخصص الدقيق: Neural network applications
المستخلص: تقدم هذه المقالة استخدام وحدة التحكم التنبؤية للشبكة العصبية كأسلوب جديد
للتحكم في الاهتزازات في الهياكل العالية التي تستخدم درجة واحدة من الحرية للكتلة المضبوطة النشطة
المثبط (ATMD). بالإضافة إلى ذلك ، تتم مقارنة التقنية المقترحة مع اثنين من عناصر التحكم الحديثة
التقنيات: وحدة تحكم موضع القطب ووحدة تحكم استدلال عصبي غامض تكيفي. تحجيم
يستخدم النموذج المختبري للتحقق من تقنيات التحكم. خطي وغير خطي
يتم تحديد نماذج الانحدار الذاتي الخارجية (ARX) للهيكل المشيد. عصبي
تم تصميم وحدة التحكم التنبؤية للشبكة باستخدام نموذج ARX غير الخطي. متعدد الحدود و
تم تصميم وحدات التحكم في وضع القطب في فضاء الدولة باستخدام نموذج ARX الخطي. منطق غامض
تم تصميم وحدة التحكم للهيكل وتدريبها باستخدام نظام الاستدلال العصبي الضبابي التكيفي
(ANFIS). يوضح تنفيذ الأجهزة في الحلقة لوحدات التحكم هذه أن الجهاز العصبي
تجمع وحدة التحكم التنبؤية بالشبكة بين مزايا كل من التنسيب على العمود و ANFIS
وحدات تحكم ويقلل من وقت الاستقرار لمخمد الكتلة ست مرات بنفس السعة
تخفيف.
Abstract: This article presents the use of neural network predictive controller as a novel technique
for vibration control of tall structures employing single degree of freedom active tuned mass
damper (ATMD). Additionally, the proposed technique is compared with two modern control
techniques: pole-placement controller and adaptive neuro-fuzzy inference controller. A scaleddown
laboratory model is used to validate the control techniques. A linear and a nonlinear
auto-regressive exogenous (ARX) models are identified for the constructed structure. A neural
network predictive controller is designed using the nonlinear ARX model. Polynomial and
state-space pole-placement controllers are designed using the linear ARX model. A fuzzy logic
controller is designed for the structure and trained using adaptive neuro fuzzy inference system
(ANFIS). Hardware-in-the-loop implementation of these controllers demonstrates that the neural
network predictive controller combines the advantages of both pole-placement and the ANFIS
controllers and reduces the settling time of the mass damper six times with same amplitude
mitigation.