智能压电摩擦阻尼器在建筑结构消能减震中的研究与应用

"这篇大连理工大学的硕士学位论文主要探讨了人工智能在机器学习领域的应用，特别是智能宣传系统软件开发项目小组的绩效管理。文中通过研究智能压电摩擦阻尼器，揭示了如何利用人工智能技术改进传统设备的功能和性能。" 本文首先介绍了智能结构系统的基本概念，回顾了压电材料在主动控制、半主动控制以及混合控制装置中的发展历程，特别是在摩擦耗能阻尼器中的应用现状。压电材料因其能将电能转化为机械能的特性，对于改善摩擦阻尼器的耗能能力具有重要意义。 接着，论文针对近断层地震的特点，提出了针对这类环境的控制策略。研究表明，对于采用可调摩擦阻尼器的建筑结构，以楼层速度响应作为反馈信号的控制算法更为有效。这为在地震时优化摩擦阻尼器的性能提供了理论依据。 针对次优Bang-Bang控制方法的不足，论文提出了一种改进的方法，引入了类似双曲正切函数的连续函数，从而改进了控制算法，并利用遗传算法优化了控制器和阻尼器的参数设置。这不仅提升了控制效果，还增强了系统对地震强度变化的适应性。 为了验证这些控制策略的实际应用，作者建立了多维度地震动下的Simulink仿真模型，并通过实时接口将其转换为实时在线模型，使得算法能在Dspace控制器单板系统中实时运行，提高了控制的实时性和有效性。 此外，论文还设计了一种新型的可调摩擦阻尼器，基于SBC型普通摩擦阻尼器和管状压电陶瓷驱动器，通过实验确定了驱动电压与阻尼器正压力之间的数学关系，为实际应用提供了理论支持。 最后，论文从结构性能设计的角度出发，讨论了消能减震设计的新思路，并对结构振动控制学科和智能结构的未来发展进行了展望。关键词包括压电摩擦阻尼器、结构控制、Bang-Bang控制、遗传算法以及性能设计。 这篇论文深入研究了人工智能在机器学习中的应用，特别是在智能结构控制和摩擦阻尼器优化方面的创新，为未来智能建筑和结构振动控制领域提供了新的理论和技术支持。