一种智能减震装置及控制方法与流程

1.本发明涉及减震技术领域，特别是涉及一种智能减震装置及控制方法。


背景技术：

2.为了避免风电塔、电气设备等高柔结构在地震作用下遭受损伤，通常采用调谐质量阻尼器(tmd)对高柔结构的加速度和位移响应进行控制，保护高柔结构主体的安全。调谐质量阻尼器由固体质量、弹簧和阻尼元件组成，它将阻尼器系统自身的振动频率调整到高柔结构振动的主要频率附近，通过调谐质量阻尼器与高柔结构主体间的相互作用，可实现将能量从高柔结构主体向调谐质量阻尼器的转移，达到减小高柔结构主体振动的目的。
3.而传统的调谐质量阻尼器仅针对单一频率设计，缺乏智能，其弹簧和阻尼特性不随时间变化，限制了调谐质量阻尼器的适应能力，当激励频率范围较宽时，调谐质量阻尼器失调或调谐质量阻尼器自身阻尼的波动都会削弱其对高柔结构主体的减振效果，鲁棒性较差。
4.宽频带和智能化的减震是未来的发展方向，神经网络和模糊逻辑作为两种典型的智能控制方法，各有优缺，而将二者有机结合起来得到的——模糊神经网络(fuzzy neural network)由于吸取了模糊逻辑和神经网络的优点，部分避免了两者的缺点，已经成为当今智能控制研究的热点之一；但是针对模糊逻辑控制方法来说，模糊控制规则是模糊控制方法的核心，缺乏专家经验时难以设定可靠性高的模糊控制规则。
5.针对上述传统的调谐质量阻尼器不够智能的问题，本技术提供了一种智能减震装置及控制方法，以减少高柔结构在地震作用下遭受的损伤。


技术实现要素：

6.本发明的目的是提供一种智能减震装置及控制方法，解决传统调谐质量阻尼器仅针对单一频率设计，对高柔结构的减震效果适用性差、可靠性不足的问题。
7.为实现上述目的，本发明提供了一种智能减震装置，其特征在于，所述智能减震装置包括：
8.装置外壳，为上下分离结构，包括上层板和下层壳体；所述下层壳体固定在高柔结构主体上；所述下层壳体分为下层板和侧板；
9.传导机构，设置在所述上层板和下层壳体之间，所述传导机构与所述上层板固定连接；
10.若干个弹性部件，对称设置在所述下层壳体的侧板和所述传导机构之间，用于对传导机构的偏移产生拉力；
11.测量机构，用于测量所述高柔结构主体的绝对加速度、所述传导机构的绝对加速度以及所述若干个弹性部件的相对位移；
12.执行机构，设置在所述传导机构和所述下层壳体之间，用于对传导机构的偏移产生阻尼力；
13.控制机构，用于根据所述测量机构测得的数据，通过模糊神经网络算法调节所述执行机构产生的阻尼力的大小，进而耗散所述高柔结构主体振动转移到传导机构的能量，以减小所述高柔结构主体的振动。
14.可选地，所述执行机构包括：若干个磁流变阻尼器；所述若干个磁流变阻尼器与所述若干个弹性部件所述交错设置。
15.所述若干个磁流变阻尼器分别通过对应的铰支座固定在所述传导机构与下层壳体的侧板之间，所述磁流变阻尼器用于对传导机构产生阻尼力。
16.可选地，在所述传导机构底面设有万向滚珠。
17.可选地，所述测量机构包括：
18.第一加速度传感器，设于所述上层板的重心，用于测量传导机构的绝对加速度；
19.第二加速度传感器，设于所述下层壳体的重心，用于测量高柔结构主体的绝对加速度；
20.对应于若干个弹性部件的若干个拉线式位移传感器，每个拉线式位移传感器穿过对应弹性部件的中轴线，每个所述拉线式位移传感器一端与所述传导机构连接，另一端与所述下层壳体的侧板连接，所述若干个拉线式位移传感器用于测量所述弹性部件的相对位移。
21.可选地，所述控制机构包括：用于联合控制若干个磁流变阻尼器的模糊控制器；
22.所述模糊控制器的输入端分别与所述第一加速度传感器、所述第二加速度传感器以及若干个拉线式位移传感器通过导线电连接；所述模糊控制器的输出端与若干个磁流变阻尼器通过导线电连接；所述模糊控制器用于根据所述若干个弹性部件的相对位移，计算出传导机构的位移；并根据所述传导机构的绝对加速度、所述高柔结构主体的绝对加速度以及所述传导机构的位移控制所述目标磁流变阻尼器；所述目标磁流变阻尼器为需要提供阻尼力的磁流变阻尼器。
23.另一方面，本发明还提供了一种智能减震系统的控制方法，其特征在于，所述控制方法包括：
24.采集传感数据；所述传感数据包括高柔结构主体的绝对加速度、传导机构的绝对加速度以及传导机构的位移；
25.根据所述传感数据确定高柔结构的主体加速度控制率、主体位移控制率和传导机构的位置；
26.将所述主体加速度控制率、所述主体位移控制率和所述传导机构的位置划分为若干个模糊子集；
27.采用遗传算法确定模糊神经网络中模糊规则确定层的各模糊控制规则的权重系数；所述模糊神经网络共分为五层，分别为：性能指标确定层、模糊量化层、模糊规则确定层、模糊决策层和反模糊化层；
28.根据所述主体加速度控制率、主体位移控制率和传导机构的位置，在所述模糊神经网络中，按照所述控制规则进行模糊推理，获得模糊控制结果；
29.对所述模糊控制结果进行反模糊化，获得控制命令；
30.根据所述控制命令，改变磁流变阻尼器的输入电流大小。
31.可选地，所述根据所述传感数据确定高柔结构的主体加速度控制率、主体位移控
制率和传导机构的位置，具体包括：
32.根据高柔结构主体的绝对加速度，确定高柔结构主体偏移的位移；
33.根据高柔结构主体的绝对加速度峰值和结构容许加速度峰值，确定主体加速度控制率；
34.根据高柔结构主体偏移的位移峰值和结构容许位移峰值，确定主体位移控制率；
35.根据所述传导机构的绝对加速度和所述传导机构的位移，确定传导机构的位置。
36.可选地，所述采用遗传算法确定模糊神经网络中模糊控制规则最优的权重系数，具体包括：
37.根据所述主体加速度控制率和所述主体位移控制率，确定优化指标；
38.随机生成各模糊控制规则对应的权重系数作为初始种群；
39.对初始种群开展遗传操作，生成子代种群；
40.从初始种群和子代种群中，选择n个优化指标最优的个体开展遗传操作，生成下一代种群；
41.进行仿真并计算优化指标；
42.重复执行将最新的两代种群作为父代种群，选择优化指标最优的n个个体开展遗传操作，生成新的子代种群，直至达到预先设定的种群代数；
43.选择最新的种群中优化指标最优的个体作为模糊控制规则最优的权重系数。
44.可选地，根据以下公式进行模糊推理：
[0045][0046]
其中，表示模糊控制结果，input*表示输入的主体加速度控制率、主体位移控制率和传导机构的位置，w
i,j
表示由模糊量化层推理至模糊规则层的权重，w
j,k
表示由模糊规则层推理至模糊决策层的权重，ruler表示第r条模糊控制规则，r表示模糊控制规则的编号，n为模糊控制规则的数量，rule
all
表示所有模糊控制规则的总和。
[0047]
可选地，根据以下公式进行模糊推理：
[0048][0049]
其中，表示模糊控制结果，input*表示输入的主体加速度控制率、主体位移控制率和传导机构的位置，w
i,j
表示由模糊量化层推理至模糊规则层的权重，w
j,k
表示由模糊规则层推理至模糊决策层的权重，ruler表示第r条模糊控制规则，r表示模糊控制规则的编号，n为模糊控制规则的数量，r
i,r
表示根据第r条模糊控制规则确定的模糊控制结果。
[0050]
根据本发明提供的具体发明内容，本发明公开了以下技术效果：
[0051]
本发明提供的一种智能减震装置及其控制方法，智能减震装置包括：装置外壳，为上下分离结构，包括上层板和下层壳体；所述下层壳体固定在高柔结构主体上；传导机构，设置在所述上层板和下层壳体之间，所述传导机构与所述上层板固定连接；若干个弹性部件，对传导机构的偏移产生拉力；测量机构，用于测量所述高柔结构主体的绝对加速度、所述传导机构的绝对加速度以及所述传导机构相对所述下层壳体的相对位移；执行机构，设
置在所述传导机构和所述下层壳体之间，用于对传导机构的偏移产生阻尼力；控制机构，用于根据所述测量机构测得的数据，通过模糊神经网络算法调节所述执行机构产生的阻尼力的大小，进而耗散所述高柔结构主体振动转移到传导机构的能量，以减小所述高柔结构主体的振动。本发明的智能减震装置的各元件之间具有清晰的功能，可进行任意组合，满足不同减震方案的性能需求，适用于各种类型的高、柔结构，如风电塔、电气设备等；在控制机构中采用模糊神经网络作为控制核心调整执行机构的工作性能，使智能减震装置在不同类型地震作用的输入下均具备可靠、稳定的性能。
附图说明
[0052]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0053]
图1为本发明实施例1提供的一种智能减震装置的俯视图；
[0054]
图2为本发明实施例1提供的一种智能减震装置弹性部件角度的剖视图；
[0055]
图3为本发明实施例1提供的一种智能减震装置磁流变阻尼器角度的剖视图；
[0056]
图4为本发明实施例2提供的一种智能减震装置的控制方法的流程图；
[0057]
图5为本发明实施例2提供的控制方法步骤s2的具体流程图；
[0058]
图6为本发明实施例2提供的控制方法步骤s4的具体流程图；
[0059]
图7为本发明实施例4提供的一种智能减震装置的设计方法的流程图；
[0060]
图8为本发明实施例6提供的控制方法中模糊神经网络的结构图；
[0061]
图9为本发明实施例6提供的控制方法中传导机构的运动状态示意图；
[0062]
图10为本发明实施例6提供的控制方法中主体加速度控制率ra隶属度函数；
[0063]
图11为本发明实施例6提供的控制方法中主体位移控制率隶属度rd函数；
[0064]
图12为本发明实施例6提供的控制方法中传导机构的位置pm隶属度函数；
[0065]
图13为本发明实施例6提供的控制方法中电流控制率ri隶属度函数；
[0066]
图14为本发明实施例6提供的控制方法中电流控制率ri隶属度。
[0067]
符号解释：1：上层板；2：侧板；3：下层板；4：底座；5：传导机构；6：万向滚珠；7：第一加速度传感器；8：第二加速度传感器；9：弹性部件；10：拉线式位移传感器；11：磁流变阻尼器；12：铰支座；13：模糊控制器；14：导线。
具体实施方式
[0068]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0069]
本发明的目的是提供一种智能减震装置及控制方法，解决传统调谐质量阻尼器对高柔结构的减震效果适用性差、可靠性不足的问题。
[0070]
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实
施方式对本发明作进一步详细的说明。
[0071]
实施例1：
[0072]
如图1-3所示，本发明提供了一种智能减震装置，其特征在于，所述智能减震装置包括：
[0073]
装置外壳，为上下分离结构，包括上层板1和下层壳体；所述下层壳体固定在高柔结构主体上。
[0074]
在本实施例中，下层壳体分为下层板3和侧板2；在装置外壳底部与高柔结构主体之间设有底座4。
[0075]
传导机构5，设置在所述上层板1和下层壳体之间，所述传导机构5与所述上层板1固定连接。
[0076]
若干个弹性部件9，对称设置在所述下层壳体的侧板2和所述传导机构5之间，用于对传导机构5的偏移产生拉力；
[0077]
测量机构，用于测量所述高柔结构主体的绝对加速度、所述传导机构5的绝对加速度以及所述若干个弹性部件的相对位移。
[0078]
执行机构，设置在所述传导机构5和所述下层壳体之间，用于对传导机构5的偏移产生阻尼力；
[0079]
控制机构13，用于根据所述测量机构测得的数据，通过模糊神经网络算法调节所述执行机构产生的阻尼力的大小，进而耗散所述高柔结构主体振动转移到传导机构的能量，以减小所述高柔结构主体的振动。
[0080]
所述执行机构包括：若干个磁流变阻尼器11；所述若干个磁流变阻尼器11与所述若干个弹性部件9所述交错设置。
[0081]
所述若干个磁流变阻尼器11分别通过对应的铰支座12固定在所述传导机构5与下层壳体的侧板之间。
[0082]
在所述传导机构5底面设有万向滚珠6。
[0083]
所述测量机构包括：
[0084]
第一加速度传感器7，设于所述上层板1的重心，用于测量传导机构5的绝对加速度；
[0085]
第二加速度传感器8，设于所述下层壳体的重心，用于测量高柔结构主体的绝对加速度；
[0086]
对应于若干个弹性部件9的若干个拉线式位移传感器10，每个拉线式位移传感器10穿过对应弹性部件9的中轴线，每个所述拉线式位移传感器10一端与所述传导机构5连接，另一端与所述下层壳体的侧板连接，所述若干个拉线式位移传感器10用于测量所述若干个弹性部件9的相对位移。
[0087]
控制机构包括：用于联合控制若干个磁流变阻尼器11的模糊控制器13；
[0088]
模糊控制器13的输入端分别与所述第一加速度传感器7、所述第二加速度传感器8以及与若干个拉线式位移传感器10通过导线14电连接；所述模糊控制器13的输出端与若干个磁流变阻尼器通过导线14电连接；所述模糊控制器13用于根据所述若干个弹性部件9的相对位移，计算出传导机构5的位移；并根据所述传导机构5的绝对加速度、所述高柔结构主体的绝对加速度以及所述传导机构5的位移控制所述目标磁流变阻尼器；所述目标磁流变
阻尼器为需要提供阻尼力的磁流变阻尼器。
[0089]
实施例2：
[0090]
如图4所示的流程图，对应于实施例1提供的智能减震装置，本实施例还提供了一种智能减震系统的控制方法，其特征在于，所述控制方法包括：
[0091]
s1、采集传感数据；所述传感数据包括高柔结构主体的绝对加速度、传导机构的绝对加速度以及传导机构的位移。
[0092]
s2、根据所述传感数据确定高柔结构的主体加速度控制率、主体位移控制率和传导机构的位置。
[0093]
如图5所示，步骤s2具体包括：
[0094]
s21、根据高柔结构主体的绝对加速度，确定高柔结构主体偏移的位移。
[0095]
s22、根据高柔结构主体的绝对加速度峰值和结构容许加速度峰值，确定主体加速度控制率。
[0096]
s23、根据高柔结构主体偏移的位移峰值和结构容许位移峰值，确定主体位移控制率。
[0097]
s24、根据所述传导机构的绝对加速度和所述传导机构的位移，确定传导机构的位置。
[0098]
s3、将所述主体加速度控制率、所述主体位移控制率和所述传导机构的位置划分为若干个模糊子集。
[0099]
s4、采用遗传算法确定模糊神经网络中模糊规则确定层的各模糊控制规则的权重系数；所述模糊神经网络共分为五层，分别为：性能指标确定层、模糊量化层、模糊规则确定层、模糊决策层和反模糊化层。
[0100]
如图6所示，步骤s4具体包括：
[0101]
s41、根据所述主体加速度控制率和所述主体位移控制率，确定优化指标；
[0102]
s42、随机生成各模糊控制规则对应的权重系数作为初始种群；
[0103]
s43、对初始种群开展遗传操作，生成子代种群；
[0104]
s44、从初始种群和子代种群中，选择n个优化指标最优的个体开展遗传操作，生成下一代种群；
[0105]
s45、进行仿真并计算优化指标；
[0106]
s46、重复执行将最新的两代种群作为父代种群，选择优化指标最优的n个个体开展遗传操作，生成新的子代种群，直至达到预先设定的种群代数；
[0107]
s47、选择最新的种群中优化指标最优的个体作为模糊控制规则最优的权重系数。
[0108]
s5、根据所述主体加速度控制率、主体位移控制率和传导机构的位置，在所述模糊神经网络中，按照所述控制规则进行模糊推理，获得模糊控制结果。
[0109]
s6、对所述模糊控制结果进行反模糊化，获得控制命令。
[0110]
s7、根据所述控制命令，改变磁流变阻尼器的输入电流大小。
[0111]
本实施例中，根据以下公式进行模糊推理：
[0112]
[0113]
其中，表示模糊控制结果，input*表示输入的主体加速度控制率、主体位移控制率和传导机构的位置，w
i,j
表示由模糊量化层推理至模糊规则层的权重，w
j,k
表示由模糊规则层推理至模糊决策层的权重，ruler表示第r条模糊控制规则，r表示模糊控制规则的编号，n为模糊控制规则的数量，rule
all
表示所有模糊控制规则的总和。
[0114]
实施例3：
[0115]
本实施例的具体方案与实施例2方案基本相同，不同之处在于：根据以下公式进行模糊推理：
[0116][0117]
其中，表示模糊控制结果，input*表示输入的主体加速度控制率、主体位移控制率和传导机构的位置，w
i,j
表示由模糊量化层推理至模糊规则层的权重，w
j,k
表示由模糊规则层推理至模糊决策层的权重，ruler表示第r条模糊控制规则，r表示模糊控制规则的编号，n为模糊控制规则的数量，r
i,r
表示根据第r条模糊控制规则确定的模糊控制结果。
[0118]
实施例4：
[0119]
针对实施例1提供的智能减震装置，本实施例提供了一种智能减震装置的设计方法，如图7所示，所述设计方法包括：
[0120]
a1、预期性能指标确定；预期性能指标是指评价减震方案性能的具体预期指标，主要包括加速度控制率和位移控制率；例如，加速度响应为容许加速度的50％，位移响应为容许位移的50％。
[0121]
a2、减震质量确定；减震质量是指tmd质量元件，即传导机构的质量，通常为被控结构质量的1/100～1/20，由于减震设计需要迭代进行，该部分质量可能发生变化。
[0122]
a3、弹性部件参数确定；弹性部件的主要参数为刚度和容许变形，前者决定tmd质量块的自振频率，对减震效果具有较大影响，弹簧的刚度与容许变形具有相关性，刚度大时容许变形小，刚度小时容许变形大，可将多组弹簧并列布置，解决弹簧实现大刚度、大变形的难题。
[0123]
a4、磁流变阻尼器参数确定；磁流变阻尼器的性能参数相对复杂，阻尼力可以分解为粘性阻尼力和库伦阻尼力，前者与流体的动力粘度和流速有关，由阻尼器构造决定，后者与流体的屈服剪应力有关，由外界施加磁场决定，该部分可以进行调整以实现智能控制。
[0124]
a5、性能指标计算；初步选取各元件的参数以后，采用单自由度系统进行simulink仿真分析，得到加速度、位移等响应，进而计算各性能指标。
[0125]
a6、判断；如性能指标满足预期，则结束设计，如不满足，调整各元件参数重新进行分析，即重复步骤a2～a5。需要指出，如果预期性能指标设置的过于苛刻，可能无法实现，此时需要回到步骤a1重新确定预期性能指标。
[0126]
实施例5：
[0127]
本实施例用一个具体的例子详细说明智能减震装置的结构，所述智能减震装置包括：
[0128]
装置外壳，为上下分离结构，包括上层板和下层壳体；下层壳体固定在高柔结构主体上。
[0129]
传导机构，设置在所述上层板和下层壳体之间，所述传导机构与所述上层板固定连接。
[0130]
执行机构，设置在所述传导机构和所述下层壳体之间，用于对传导机构的偏移产生阻尼力；执行机构包括：4个磁流变阻尼器。
[0131]
4个磁流变阻尼器分别通过对应的铰支座固定在传导机构与下层壳体的侧板之间，所述磁流变阻尼器用于对传导机构产生阻尼力。
[0132]
4个弹簧，对称设置于下层壳体的侧板和传导机构之间，且4个弹性部件与4个磁流变阻尼器交错设置。
[0133]
测量机构，包括：
[0134]
第一加速度传感器，设于所述上层板的重心，用于测量传导机构的绝对加速度。
[0135]
第二加速度传感器，设于所述下层壳体的重心，用于测量高柔结构主体的绝对加速度。
[0136]
对应于4个弹性部件的4个拉线式位移传感器，每个拉线式位移传感器穿过对应弹性部件的中轴线，每个所述拉线式位移传感器一端与所述传导机构连接，另一端与所述下层壳体的侧板连接，用于测量所述4个弹簧的相对位移。
[0137]
控制机构，用于调节所述执行机构产生的阻尼力的大小；控制机构包括：用于联合控制磁流变阻尼器的模糊控制器。
[0138]
所述模糊控制器的输入端分别与所述第一加速度传感器、所述第二加速度传感器以及所述4个拉线式位移传感器电连接；所述模糊控制器的输出端与所述4个磁流变阻尼器电连接；模糊控制器用于根据所述4个弹簧的相对位移，计算出传导机构的位移；并根据所述传导机构的绝对加速度、所述高柔结构主体的绝对加速度以及所述传导机构的位移控制所述目标磁流变阻尼器；所述目标磁流变阻尼器为所述模糊控制器对应的磁流变阻尼器。
[0139]
实施例6：
[0140]
本实施例中用一个具体的例子详细说明对智能减震装置的控制方法，所述控制方法包括：
[0141]
b1、采集传感数据；所述传感数据包括高柔结构主体的绝对加速度、传导机构的绝对加速度以及传导机构的位移。智能减震装置采集的传感数据包括上层板、下层壳体的加速度响应(x、y双向)，各弹性部件的相对变形，本实施例中为4个弹性部件。
[0142]
b2、根据所述传感数据确定高柔结构的主体加速度控制率、主体位移控制率和传导机构的位置。
[0143]
根据高柔结构主体的绝对加速度，确定高柔结构主体偏移的位移；通过对高柔结构主体的绝对加速度进行积分，得到高柔结构主体偏移的位移。
[0144]
根据高柔结构主体的绝对加速度峰值和结构容许加速度峰值，确定主体加速度控制率；根据高柔结构主体偏移的位移峰值和结构容许位移峰值，确定主体位移控制率。
[0145]
对采集得到的信号进行处理，计算主体加速度控制率ra及主体位移控制率rd，其中，主体加速度控制率为主体的绝对加速度峰值(a
x,bot
，a
y,bot
)与结构容许加速度峰值(a
x,tol
，a
y,tol
)的比值，x、y方向分别进行计算，如式(6-1)、式(6-2)所示。主体位移控制率为主体偏移的位移峰值(d
x
，dy)与位移结构容许位移(d
x,tol
，d
y,tol
)的比值，x、y方向分别进行计算，如式(6-3)、式(6-4)所示。
[0146]ra,x
＝a
x,bot
/a
x,tol
ꢀꢀꢀ
(6-1)
[0147]ra,y
＝a
y,bot
/a
y,tol
ꢀꢀꢀ
(6-2)
[0148]rd,x
＝d
x
/d
x,tol
ꢀꢀꢀ
(6-3)
[0149]rd,y
＝dy/d
y,tol
ꢀꢀꢀ
(6-4)
[0150]
根据所述传导机构的绝对加速度和所述传导机构的位移，确定传导机构的位置。
[0151]
传导机构块可以在下层壳体内沿任意方向进行运动，其所处位置pm对控制效果具有影响，也将其作为控制参数。传导机构所处位置根据滑块容许运动位移进行归一化，即rm，两个方向分别计算，取值范围为-1～1，如式(6-5)、式(6-6)所示。在任意时刻，传导机构的运动状态如图9所示，传导机构的位置采用参数l、θ表示(未知量)，传导机构的加速度为a
x
,ay，通过第一加速度传感器获得，弹簧初始长度为l0，预拉力为f0，变形后长度为l1～l4，变形后产生的力增量为f1～f4，通过4个拉线式位移传感器获得，根据平衡条件可计算得到l、θ的数值，如式(6-7)、式(6-8)所示。
[0152]rm,x
＝p
m,x
/p
m,xtol
＝lcosθ/p
m,xtol
ꢀꢀꢀ
(6-5)
[0153]rm,y
＝p
m,y
/p
m,ytol
＝lsinθ/p
m,xtol
ꢀꢀꢀ
(6-6)
[0154]
(f0+f1)cosθ
1-(f0+f2)sinθ
2-(f0+f3)cosθ
3-(f0+f4)sinθ
4-ma
x
＝0
ꢀꢀꢀ
(6-7)-(f0+f1)sinθ1+(f0+f2)cosθ
2-(f0+f3)sinθ
3-(f0+f4)cosθ
4-may＝0
ꢀꢀꢀ
(6-8)
[0155]
其中，m表示传导机构的质量，f
0-f4分别表示4个弹性部件变形后产生的力增量，如式(6-9)：
[0156]fi
＝k(l
i-l0),i＝1,2,3,4
ꢀꢀꢀ
(6-9)
[0157]
其中，i表示弹性部件的个数，k表示弹性部件的劲度系数。
[0158]
b3、将所述主体加速度控制率、所述主体位移控制率和所述传导机构的位置划分为若干个模糊子集。
[0159]
分别对所述主体加速度控制率、所述主体位移控制率和所述传导机构的位置进行模糊化处理，主体加速度控制率ra和主体位移控制率rd均划分为5个模糊子集{vs，s，m，b，vb}，即很小、小、中等、大、很大。主体加速度控制率和主体位移控制率的目标均小于1，大于1则表示没有减震效果、设计不合理。ra不同子集的隶属度函数如图10所示，rd不同子集的隶属度函数如图11所示。
[0160]
传导机构的位置pm划分为7个模糊子集{nb，nm，ns，zo，ps，pm，pb}，即负大、负中、负小、零、正小、正中、正大。pm不同子集的隶属度函数如图12所示。
[0161]
磁流变阻尼器的出力与运动方向相反，大小通过电流控制，电流控制率ri为当前电流与最大容许电流的比值，由式(6-10)计算。ri划分为5个模糊子集{vs，s，m，b，vb}，不同子集隶属度函数如图13所示。
[0162]ri
＝i/i
tol
ꢀꢀꢀ
(6-10)
[0163]
需要指出，模糊子集的划分和隶属度函数的选取没有特定准则，根据实际情况(仿真结果)可进行调整。常用的隶属度函数包括三角形、高斯型、z型、s型等。
[0164]
b4、采用遗传算法确定模糊神经网络中模糊规则确定层的各模糊控制规则的权重系数；如图8所示，所述模糊神经网络共分为五层，分别为：性能指标确定层、模糊量化层、模糊规则确定层、模糊决策层和反模糊化层。
[0165]
对于非线性较强的系统，不同模糊运算规则具有不同效果，常用的模糊规则包括
取大(r1)、取小(r2)、代数和(r3)、代数积(r4)、有界和(r5)、有界积(r6)、einstein和(r7)、einstein积(r8)、zadeh算法(r9)等。本发明中包含多种运算规则，是否采用规则或者说规则的强度通过权重系数确定。权重系数的取值范围为0～1，0表示该规则不起作用(没有这条规则)，1代表该规则完全执行。权重系数包括两类，第一类代表模糊量化后的输入与模糊规则的关系，第二类代表模糊规则和模糊决策输出的关系。
[0166]
确定模糊神经网络控制规则实际上就是确定网络中权重系数的取值，本发明中采用遗传算法获取最优的权重系数，具体步骤如下：
[0167]
b41、根据所述主体加速度控制率和所述主体位移控制率，确定优化指标；
[0168]
b42、随机生成各模糊控制规则对应的权重系数作为初始种群；
[0169]
b43、对初始种群开展遗传操作，生成子代种群；
[0170]
b44、从初始种群和子代种群中，选择n个优化指标最优的个体开展遗传操作，生成下一代种群；
[0171]
b45、进行仿真并计算优化指标；
[0172]
b46、重复执行将最新的两代种群作为父代种群，选择优化指标最优的n个个体开展遗传操作，生成新的子代种群，直至达到预先设定的种群代数；
[0173]
b47、选择最新的种群中优化指标最优的个体作为模糊控制规则最优的权重系数。
[0174]
需要指出，初始的模糊神经网络较为复杂，在优化过程中将不断简化，理想情况下，最终的控制方法仅由特定的几条规则确定(对应的权重系数较大)，其他规则不起作用(对应的权重系数较小)。
[0175]
b5、根据所述主体加速度控制率、主体位移控制率和传导机构的位置，在所述模糊神经网络中，按照所述控制规则进行模糊推理，获得模糊控制结果。
[0176]
模糊规则确定以后，即可根据模糊输入进行推理，得到模糊输出。推理方法包含两种：一种是首先求出所有模糊规则的总和，再根据输入(加速度控制率、位移控制率)推理得到输出，如式(6-11)所示；另一种是根据输入激活的模糊规则分别进行推理，再合成为最终结果，如式(6-12)所示。例如，当加速度控制率ra为0.4，位移控制率rd为0.6、运动位置pm为0.3时，ra属于s、m的隶属度分别为0.3333和0.4578，rd属于m、b的隶属度分别为0.5和0.3333，pm属于zo、ps的隶属度分别为0.1353和0.5。此时，按照ra-rd-pm-ri的顺序进行匹配，共激活2x2x2x5＝40条规则，每条规则对应不同的权重系数，再根据式(6-12)进行计算，结果如图14所示。
[0177][0178]
其中，表示模糊控制结果，input*表示输入的主体加速度控制率、主体位移控制率和传导机构的位置，w
i,j
表示由模糊量化层推理至模糊规则层的权重，w
j,k
表示由模糊规则层推理至模糊决策层的权重，ruler表示第r条模糊控制规则，r表示模糊控制规则的编号，n为模糊控制规则的数量，rule
all
表示所有模糊控制规则的总和。
[0179]
[0180]
其中，表示模糊控制结果，input*表示输入的主体加速度控制率、主体位移控制率和传导机构的位置，w
i,j
表示由模糊量化层推理至模糊规则层的权重，w
j,k
表示由模糊规则层推理至模糊决策层的权重，ruler表示第r条模糊控制规则，r表示模糊控制规则的编号，n为模糊控制规则的数量，r
i,r
表示根据第r条模糊控制规则确定的模糊控制结果。
[0181]
b6、对所述模糊控制结果进行反模糊化，获得控制命令。
[0182]
模糊推理完成后，采用最大隶属度平均值法对模糊输出进行反模糊化。根据图14，当加速度控制率ra为0.4，位移控制率rd为0.6，质量块运动位置为0.3时，经过推理得到的电流控制率ri最大隶属度为0.6，对应的ri数值为(0.4+0.6)/2＝0.5，即磁流变阻尼器的控制电流为容许电流的0.5倍。
[0183]
b7、根据所述控制命令，改变磁流变阻尼器的输入电流大小；控制电流确定以后，将该电流输入磁流变阻尼器，即可改变其工作性能。
[0184]
技术中的程序部分可以被认为是以可执行的代码和/或相关数据的形式而存在的“产品”或“制品”，通过计算机可读的介质所参与或实现的。有形的、永久的储存介质可以包括任何计算机、处理器、或类似设备或相关的模块所用到的内存或存储器。例如，各种半导体存储器、磁带驱动器、磁盘驱动器或者类似任何能够为软件提供存储功能的设备。
[0185]
所有软件或其中的一部分有时可能会通过网络进行通信，如互联网或其他通信网络。此类通信可以将软件从一个计算机设备或处理器加载到另一个。例如：从视频目标检测设备的一个服务器或主机计算机加载至一个计算机环境的硬件平台，或其他实现系统的计算机环境，或与提供目标检测所需要的信息相关的类似功能的系统。因此，另一种能够传递软件元素的介质也可以被用作局部设备之间的物理连接，例如光波、电波、电磁波等，通过电缆、光缆或者空气等实现传播。用来载波的物理介质如电缆、无线连接或光缆等类似设备，也可以被认为是承载软件的介质。在这里的用法除非限制了有形的“储存”介质，其他表示计算机或机器“可读介质”的术语都表示在处理器执行任何指令的过程中参与的介质。
[0186]
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；本领域的技术人员应该理解，上述本发明的各模块或各步骤可以用通用的计算机装置来实现，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。
[0187]
同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

技术特征：
1.一种智能减震装置，其特征在于，所述智能减震装置包括：装置外壳，为上下分离结构，包括上层板和下层壳体；所述下层壳体固定在高柔结构主体上；所述下层壳体分为下层板和侧板；传导机构，设置在所述上层板和下层壳体之间，所述传导机构与所述上层板固定连接；若干个弹性部件，对称设置在所述下层壳体的侧板和所述传导机构之间，用于对传导机构的偏移产生拉力；测量机构，用于测量所述高柔结构主体的绝对加速度、所述传导机构的绝对加速度以及所述若干个弹性部件的相对位移；执行机构，设置在所述传导机构和所述下层壳体之间，用于对传导机构的偏移产生阻尼力；控制机构，用于根据所述测量机构测得的数据，通过模糊神经网络算法调节所述执行机构产生的阻尼力的大小，进而耗散所述高柔结构主体振动转移到传导机构的能量，以减小所述高柔结构主体的振动。2.根据权利要求1所述的智能减震装置，其特征在于，所述执行机构包括：若干个磁流变阻尼器；所述若干个磁流变阻尼器与所述若干个弹性部件交错设置；所述若干个磁流变阻尼器分别通过对应的铰支座固定在所述传导机构与下层壳体的侧板之间，所述磁流变阻尼器用于对传导机构产生阻尼力。3.根据权利要求2所述的智能减震装置，其特征在于，在所述传导机构底面设有万向滚珠。4.根据权利要求3所述的智能减震装置，其特征在于，所述测量机构包括：第一加速度传感器，设于所述上层板的重心，用于测量传导机构的绝对加速度；第二加速度传感器，设于所述下层壳体的重心，用于测量高柔结构主体的绝对加速度；对应于若干个弹性部件的若干个拉线式位移传感器，每个拉线式位移传感器穿过对应弹性部件的中轴线，每个所述拉线式位移传感器一端与所述传导机构连接，另一端与所述下层壳体的侧板连接，所述若干个拉线式位移传感器用于测量所述弹性部件的相对位移。5.根据权利要求4所述的智能减震装置，其特征在于，所述控制机构包括：用于联合控制若干个磁流变阻尼器的模糊控制器；所述模糊控制器的输入端分别与所述第一加速度传感器、所述第二加速度传感器以及若干个拉线式位移传感器通过导线电连接；所述模糊控制器的输出端与若干个磁流变阻尼器通过导线电连接；所述模糊控制器用于根据所述若干个弹性部件的相对位移，计算出传导机构的位移；并根据所述传导机构的绝对加速度、所述高柔结构主体的绝对加速度以及所述传导机构的位移控制所述目标磁流变阻尼器；所述目标磁流变阻尼器为需要提供阻尼力的磁流变阻尼器。6.一种智能减震系统的控制方法，其特征在于，所述控制方法包括：采集传感数据；所述传感数据包括高柔结构主体的绝对加速度、传导机构的绝对加速度以及传导机构的位移；根据所述传感数据确定高柔结构的主体加速度控制率、主体位移控制率和传导机构的位置；将所述主体加速度控制率、所述主体位移控制率和所述传导机构的位置划分为若干个
模糊子集；采用遗传算法确定模糊神经网络中模糊规则确定层的各模糊控制规则的权重系数；所述模糊神经网络共分为五层，分别为：性能指标确定层、模糊量化层、模糊规则确定层、模糊决策层和反模糊化层；根据所述主体加速度控制率、主体位移控制率和传导机构的位置，在所述模糊神经网络中，按照所述控制规则进行模糊推理，获得模糊控制结果；对所述模糊控制结果进行反模糊化，获得控制命令；根据所述控制命令，改变磁流变阻尼器的输入电流大小。7.根据权利要求6所述的控制方法，其特征在于，所述根据所述传感数据确定高柔结构的主体加速度控制率、主体位移控制率和传导机构的位置，具体包括：根据高柔结构主体的绝对加速度，确定高柔结构主体偏移的位移；根据高柔结构主体的绝对加速度峰值和结构容许加速度峰值，确定主体加速度控制率；根据高柔结构主体偏移的位移峰值和结构容许位移峰值，确定主体位移控制率；根据所述传导机构的绝对加速度和所述传导机构的位移，确定传导机构的位置。8.根据权利要求6所述的控制方法，其特征在于，所述采用遗传算法确定模糊神经网络中模糊控制规则最优的权重系数，具体包括：根据所述主体加速度控制率和所述主体位移控制率，确定优化指标；随机生成各模糊控制规则对应的权重系数作为初始种群；对初始种群开展遗传操作，生成子代种群；从初始种群和子代种群中，选择n个优化指标最优的个体开展遗传操作，生成下一代种群；进行仿真并计算优化指标；重复执行将最新的两代种群作为父代种群，选择优化指标最优的n个个体开展遗传操作，生成新的子代种群，直至达到预先设定的种群代数；选择最新的种群中优化指标最优的个体作为模糊控制规则最优的权重系数。9.根据权利要求6所述的控制方法，其特征在于，根据以下公式进行模糊推理：其中，表示模糊控制结果，input*表示输入的主体加速度控制率、主体位移控制率和传导机构的位置，w
i,j
表示由模糊量化层推理至模糊规则层的权重，w
j,k
表示由模糊规则层推理至模糊决策层的权重，rule
r
表示第r条模糊控制规则，r表示模糊控制规则的编号，n为模糊控制规则的数量，rule
all
表示所有模糊控制规则的总和。10.根据权利要求6所述的控制方法，其特征在于，根据以下公式进行模糊推理：其中，表示模糊控制结果，input*表示输入的主体加速度控制率、主体位移控制率
和传导机构的位置，w
i,j
表示由模糊量化层推理至模糊规则层的权重，w
j,k
表示由模糊规则层推理至模糊决策层的权重，rule
r
表示第r条模糊控制规则，r表示模糊控制规则的编号，n为模糊控制规则的数量，r
i,r
表示根据第r条模糊控制规则确定的模糊控制结果。

技术总结
本发明提出了一种智能减震装置及其控制方法，智能减震装置固定在高柔结构主体上；传导机构，与外壳的上层板固定连接；弹性部件，对传导机构产生拉力；测量机构，测量高柔结构主体的绝对加速度、传导机构的绝对加速度以及弹性部件的相对位移；控制机构，用于通过模糊控制算法调节执行机构的阻尼力的大小，通过将高柔结构主体振动的能量转移到传导机构以减小高柔结构主体的振动。本发明的智能减震装置的各元件之间具有清晰的功能，满足不同减震方案的性能需求，适用于各种类型的高柔结构，如风电塔、电气设备等；在控制机构中采用模糊神经网络作为核心调整执行机构的工作性能，使智能减震装置在不同类型地震作用的输入下均具备可靠稳定的性能。可靠稳定的性能。可靠稳定的性能。


技术研发人员：李吉超 王涛 尚庆学 罗清宇 李海洋
受保护的技术使用者：中国地震局工程力学研究所
技术研发日：2021.12.31
技术公布日：2022/3/8