Bio-inspired sensing and actuating architectures for feedback control of civil structures
Bio-inspired sensing and actuating architectures for feedback control of civil structures
复制标题
用于土木结构反馈控制的仿生传感和驱动架构
DOI：
10.1088/1748-3190/ab033b
复制
发表时间：
2019
影响因子：
3.4
通讯作者：
Fogg, C
中科院分区：
文献类型：
--
作者：
Peckens, C A;Cook, I;Fogg, C
土木结构，如建筑物和桥梁，由于外部环境负荷，如地震或强风，不断处于故障的风险。为了使这些负载的影响最小化，已经提出了主动反馈控制系统，但是这样的系统仍然面临阻碍其广泛采用的许多挑战。为了克服这些挑战中的许多挑战，可以从生物中枢神经系统所采用的信号处理和致动技术中汲取灵感，以开发生物启发的控制算法。在这项研究中，前端，生物感官系统，特别是哺乳动物的听觉系统所采用的信号处理技术，以减轻计算的驱动节点。这导致了一个简单的控制律，它是关于结构响应的输入信息的加权组合，使得F= WN，其中F是施加的控制力，W是预定的加权矩阵，N是对施加的激励的结构响应的解构表示。有没有经验的解决方案，推导出一个最佳的加权矩阵，W，并在这项研究中，许多方法进行了探索，以确定该矩阵的值，产生最有效的控制。这些方法包括粒子群优化，人工神经网络和最优控制理论。各种加权矩阵被集成到建议的生物启发控制算法，并在仿真中应用到一个五层基准结构。这些方法还比较了传统的线性二次型调节器（LQR），以深入了解生物启发控制算法的整体性能。在这三种训练技术中，粒子群优化技术提供了最有效的控制，其性能可与传统的LQR相媲美。
Civil structures, such as buildings and bridges, are constantly at risk of failure due to external environmental loads, such as earthquakes or strong winds. To minimize the effects of these loads, active feedback control systems have been proposed but such systems still face numerous challenges which impede their widespread adoption. In order to overcome many of these challenges, inspiration can be drawn from the signal processing and actuating techniques employed by the biological central nervous system to develop a bio-inspired control algorithm. In this study the front-end, signal processing techniques employed by biological sensory systems, and in particular the mammalian auditory system, are drawn upon in order to alleviate computations at the actuation node. This results in a simplistic control law that is a weighted combination of input information about the structure's response such that F= WN, where F is the applied control force, W is a pre-determined weighting matrix, and N is a deconstructed representation of the structural response to the applied excitation. There is no empirical solution for deriving an optimal weighting matrix, W, and in this study numerous methods are explored in order to determine values for this matrix that produce the most effective control. These methods include particle swarm optimization, artificial neural networks, and optimal control theory. The various weighting matrices are integrated into the proposed bio-inspired control algorithm and applied in simulation to a five story benchmark structure. These methods are also compared to a traditional linear quadratic regulator (LQR) to gain insight into the overall performance of the bio-inspired control algorithm. Of the three training techniques, the particle swarm optimization technique offers the most effective control which is comparable in performance to the traditional LQR.
登录
查看更多内容
使用智能无线传感器的海上风力发电机整体 SHM 系统
DOI：
--
发表时间：
2009
期刊：
影响因子：
--
作者：
R. Rolfes;S. Zerbst;G. Haake;J. Lynch
通讯作者：
J. Lynch
DOI：
10.1073/pnas.0409009101
发表时间：
2005-03-01
影响因子：
11.1
作者：
Gray, JM;Hill, JJ;Bargmann, CI
通讯作者：
Bargmann, CI
20世纪60年代美国大学女性协会的女子大学教师培训项目
DOI：
--
发表时间：
2018
期刊：
影响因子：
--
作者：
關谷暁子;杉森公一;井下千以子;坂本辰朗
通讯作者：
坂本辰朗
运动单位和肌肉动作电位
DOI：
10.1016/b978-1-4831-7818-9.50017-4
发表时间：
1994
影响因子：
2.7
作者：
S. J. Myers;R. Lovelace
通讯作者：
R. Lovelace
嵌入式计算的无线反馈结构控制
影响因子：
5.4
作者：
Yang Wang;Andrew Swartz;J. Lynch;K. Law;K. Lu;C. Loh
通讯作者：
C. Loh