10.13465/j.cnki.jvs.2022.23.021
基于深度强化学习的拉索智能减振算法
为了降低振动控制算法对拉索-MR阻尼器系统动力学模型精度的依赖性,提出一种基于深度强化学习理论的无模型减振算法.该方法利用控制模块与环境之间的交互实现对拉索振动的自适应半主动控制,依据拉索特定点响应状态在线调节阻尼器施加电压,降低反馈控制要求.为验证智能控制算法的有效性,采用Galerkin法建立拉索-MR阻尼器环境模型,并以实桥拉索减振设计为例对比分析了黏滞阻尼器多模态控制、Bang-Bang控制、深度强化学习控制对拉索的风振控制效果.结果表明:在随机风荷载作用下,深度强化学习控制算法不仅能够实现对拉索的无模型振动控制,且控制效果优于黏滞阻尼器多模态控制和MR阻尼器的Bang-Bang控制.
拉索、振动控制、深度强化学习、MR阻尼器、风致振动
41
U448.27(桥涵工程)
国家自然科学基金;上海市科技创新行动计划项目
2022-12-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
175-181