Research Article

Stochastyczna półaktywna metoda sterowania strukturą oparta na tłumikach magnetoreologicznych z uwzględnieniem opóźnienia czasowego

DOI:

10.3791/68259

April 4th, 2025

In This Article

Summary

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

W tym artykule zaproponowano metodę stochastycznego optymalnego sterowania półaktywnego z kompensacją opóźnienia czasowego (SOSC-PSO), która ma na celu utrzymanie niezawodności konstrukcji kontrolowanych przez tłumiki MR.

Abstract

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Zastosowanie tłumików magnetoreologicznych (MR) w półaktywnych systemach sterowania stoi przed kluczowym wyzwaniem: opóźnieniem czasowym spowodowanym procesami sprzężenia zwrotnego, co zmniejsza niezawodność konstrukcji inżynierii lądowej pod wpływem wzbudzeń stochastycznych. W artykule zaproponowano metodę stochastycznego optymalnego sterowania półaktywnego z kompensacją opóźnienia czasowego (SOSC-PSO), wykorzystując teorię fizycznego stochastycznego sterowania optymalnego (PSO) w celu rozwiązania tego problemu i utrzymania niezawodności strukturalnej. Proponowana metoda wyprowadza półaktywną siłę sterowania jako funkcję zarówno aktualnych, jak i poprzednich stanów, kompensując opóźnienia czasowe w procesie sterowania. Aby zoptymalizować skuteczność sterowania, kluczowe parametry są dostrajane w oparciu o kryterium niezawodności systemu. Analizy walidacyjne konstrukcji o pojedynczym i wielu stopniach swobody pod stochastycznymi wzbudzeniami sejsmicznymi pokazują, że opóźnienia czasowe znacznie pogarszają działanie tłumików MR. Jednak metoda SOSC-PSO z kompensacją opóźnienia czasowego znacznie poprawia skuteczność sterowania, a dzięki zoptymalizowanym parametrom zwiększa niezawodność systemu kontroli strukturalnej w porównaniu z metodami bez optymalizacji parametrów.

Introduction

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Poprawa wydajności konstrukcji inżynierskich w obliczu katastrofalnych zdarzeń, takich jak trzęsienia ziemi i ekstremalne wiatry, pozostaje głównym problemem w społeczności inżynierii lądowej. Udowodniono, że kontrola strukturalna, skuteczna technika redukcji drgań, zwiększa zarówno bezpieczeństwo, jak i funkcjonalność takich konstrukcji1,2,3. W ciągu ostatnich kilku dekad opracowano w tym celu różne zaawansowane metody i technologie. Metody te można ogólnie podzielić na cztery kategorie w zależności od rodzaju energii wykorzystywanej do napędzania urządzeń sterujących: aktywne, półaktywne, pasywne i hybrydowe systemy sterowania4,5,6,7.

W aktywnym sterowaniu, wymagana siła sterowania jest bezpośrednio stosowana przez urządzenia sterujące, co wymaga znacznej ilości energii8,9,10. Z kolei sterowanie półaktywne polega na dostosowaniu właściwości urządzeń sterujących (takich jak tłumienie czy sztywność) w oparciu o sygnały sterujące, wymagając znacznie mniej energii w porównaniu z systemami aktywnymi11. Z kolei sterowanie pasywne opiera się na rozpraszaniu energii bez żadnego zewnętrznego dopływu energii do systemu12,13,14. Systemy hybrydowe łączą w sobie cechy aktywnych/półaktywnych i pasywnych strategii sterowania, aby osiągnąć bardziej efektywną wydajność15. Wśród tych podejść, sterowanie półaktywne jest uważane za szczególnie obiecujące ze względu na równowagę między niskim zużyciem energii a wysoką wydajnością16,17,18. Tłumik magnetoreologiczny (MR), o doskonałej charakterystyce tłumienia dynamicznego, jest uważany za jedno z najskuteczniejszych półaktywnych urządzeń sterujących19,20,21,22.

Jednak pojawia się wyzwanie w półaktywnych systemach sterowania, które wykorzystują tłumiki MR, ponieważ logika sprzężenia zwrotnego nieuchronnie wprowadza opóźnienia czasowe. Opóźnienia te są zazwyczaj spowodowane kilkoma czynnikami23,24,25, w tym: (i) pozyskiwanie i przetwarzanie danych z czujników, (ii) obliczanie wymaganej siły sterującej przez sterownik26, (iii) transmisja sygnału przez przetworniki do tłumików MR27, oraz (iv) rzeczywiste generowanie siły przez same tłumiki MR28. Takie opóźnienia czasowe mogą prowadzić do rozbieżności między wytworzonej siłą sterującą a siłą oczekiwaną przez konstrukcję, znacznie pogarszając skuteczność sterowania29. Niestety, większość istniejących algorytmów sterowania amortyzatorami MR nie uwzględnia tych opóźnień.

Dodatkowo, ze względu na wrodzoną losowość zdarzeń katastroficznych, każdy skuteczny półaktywny algorytm sterowania musi być w stanie utrzymać wydajność w warunkach wzbudzeń stochastycznych. Metoda liniowego kwadratowego sterowania gaussowskiego (LQG), klasyczna technika optymalizacji stochastycznej, została zbadana w celu łagodzenia drgań w konstrukcjach wyposażonych w tłumiki MR. Na przykład Dyke i in. zaproponowali optymalną strategię sterowania LQG w celu poprawy reakcji sejsmicznej konstrukcji wyposażonych w amortyzatory MR, wykorzystując sprzężenie zwrotne przyspieszenia30. Ying i in. wprowadzili nieprzyciętą, półaktywną stochastyczną optymalną strategię sterowania dla struktur nieliniowych z tłumikami MR, obejmującą uśrednianie stochastyczne i techniki programowania dynamicznego31. W innych badaniach zastosowano sterowanie LQG oparte na modalach w celu poprawy właściwości sejsmicznych budynków izolowanych od podstawy19 i przeanalizowano jego skuteczność w ograniczaniu drgań w wieżach turbin wiatrowych32. Jednak klasyczne metody LQG, które zakładają biały szum Gaussa, nie nadają się dobrze do modelowania niestacjonarnej, niegaussowskiej natury rzeczywistych wzbudzeń, takich jak trzęsienia ziemi czy silne wiatry. Aby rozwiązać ten problem, opracowano koncepcję optymalnej kontroli stochastycznej (PSO) opartej na fizyce33,34, która pokonuje ograniczenia tradycyjnych metod LQG i oferuje dokładniejsze ramy do obsługi różnych wzbudzeń stochastycznych35. Badania wykazały, że półaktywna stochastyczna kontrola optymalna oparta na PSO znacznie poprawia tłumienie drgań zarówno w konstrukcjach liniowych, jak i nieliniowych poddanych stochastycznym siłom sejsmicznym36.

Dlatego istnieje pilna potrzeba solidnej metody półaktywnej kontroli, która kompensuje opóźnienia czasowe, zwiększając niezawodność struktur kontrolowanych przez amortyzatory MR25,37. Ponadto, aby zapewnić optymalną wydajność sterowania przy wzbudzeniach stochastycznych, niezbędna jest optymalizacja krytycznych parametrów proponowanej metody sterowania przy użyciu podejścia opartego na niezawodności. W związku z tym w niniejszej pracy zaproponowano metodę stochastycznego optymalnego sterowania półaktywnego z kompensacją opóźnienia czasowego (SOSC-PSO) w celu poprawy niezawodności konstrukcji z tłumikami MR.

Access restricted. Please log in or start a trial to view this content.

Protocol

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. Stochastyczna optymalna półaktywna metoda sterowania

Ponieważ efekt sterowania amortyzatora MR jest znacznie wpływający przez nieunikniony opóźnienie czasowe, opracowano półaktywną metodę sterowania z algorytmem kompensacji opóźnienia czasowego w celu zwiększenia wydajności sterowanej struktury. Ponadto przypadkowość zadana w zewnętrznych pobudzeniach powoduje wyraźne niepewności odpowiedzi dynamicznych. Wprowadzono sterowanie PSO w celu optymalizacji krytycznych parametrów zaproponowanej metody w celu zapewnienia niezawodności systemu sterowania strukturą.

1.1 Algorytm kompensacji półaktywnego sterowania

Bez utraty ogólności, rozważymy strukturę n-stopniową (n-DOF) sterowaną amortyzatorami MR z opóźnieniem czasowym, dla której równanie ruchu poddanego losowym pobudzeniom jest dane przez:

Dynamic system equation ΣF=0; includes mass, damping, stiffness; used in system dynamics analysis. (1)

Gdzie Symbols M, C, K for mechanical system variables; text image; educational keywords. reprezentują macierze mas, tłumienia i sztywności struktury o wymiarach n x n; n reprezentuje liczbę stopni swobody sterowanej struktury. Wektory przemieszczenia, prędkości i przyspieszenia struktury są reprezentowane odpowiednio przez Mathematical expression of position, velocity, acceleration functions; equations concept illustration.. Małe kropki i kropki nad symbolami reprezentują pierwsze i drugie pochodne czasowe. Us (t - tD) reprezentuje wektor r-wymiarowy opóźnionej siły sterującej amortyzatorów MR, a r reprezentuje liczbę amortyzatorów; t oznacza czas; tD oznacza opóźnienie czasowe, zakładane jako jednolite dla wszystkich amortyzatorów w niniejszym badaniu, gdzie t<sub>D</sub>=lT; equation for diffusion time; formula representation, przy czym integralna liczba Static equilibrium symbol "l ≥ 1" equation diagram for mathematical analysis., a Static equilibrium equation ΣFx=0 diagram, illustrating balance and forces for educational research. oznacza okres próbkowania. Formula F(Θ,t); symbols in dynamic system analysis; key in physics and engineering equations. reprezentuje p-wymiarowy wektor losowych pobudzeń, a Circular moiré pattern in static equilibrium. Diagram illustrates interference effect in physics. reprezentuje wektor parametrów losowych charakteryzujący przypadkowość związaną z zewnętrznymi pobudzeniami. Wymiar Circular moiré pattern in static equilibrium. Diagram illustrates interference effect in physics. zależy od modelu stosowanego do zewnętrznych pobudzeń, ale nie jest związany z mechanicznymi stopniami swobody struktury. Bs i D są macierzami n x r i n x p, które określają lokalizację amortyzatorów i zewnętrznych pobudzeń, odpowiednio. W reprezentacji przestrzeni stanów, równ. (1) jest zapisane jako:

Discrete time control system equation, Z(t)=AcZ(t)+BcUs(t−tD)+DcF(Θ,t), formula. (2)

Gdzie Z(t) equation in time-dependent analysis, illustrating dynamic behavior in mathematical modeling. reprezentuje 2n-wymiarowy wektor stanu; Chromatography setup, equation Ac=εcl, diagram, used for protein separation and analysis. reprezentuje macierz układu 2n x 2n;

Access restricted. Please log in or start a trial to view this content.

Results

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Dążąc do wpływu opóźnienia czasowego na skuteczność kontroli metodą opartą na tłumiku MR, w tym artykule zaproponowano półaktywną metodę kontroli z kompensacją opóźnienia czasowego. W proponowanej metodzie parametry krytyczne są optymalizowane w oparciu o kryterium niezawodności. Porównując skuteczność kontroli, nasuwa się następujące wnioski:

(1) Metoda kontroli półaktywnej oparta na amortyzatorze MR jest bardziej odporna niż metoda kontroli aktywnej. Nawet z opóźnieniem czasowym, półaktywne ...

Access restricted. Please log in or start a trial to view this content.

Discussion

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Wraz z wprowadzeniem Fizycznej Stochastycznej Teorii Sterowania Optymalnego (PSO), w niniejszej pracy zaproponowano metodę Stochastic Optimal Semi-active Control z kompensacją opóźnienia czasowego (SOSC-PSO), która ma na celu utrzymanie niezawodności konstrukcji kontrolowanych przez tłumiki MR. Aby skompensować opóźnienie czasowe w proponowanej metodzie, półaktywna siła sterująca jest wyprowadzana jako funkcja nie tylko obecnych stanów, ale także stanów i sił sterujących w poprzednich krokach czasowych w dyskretnej przes...

Access restricted. Please log in or start a trial to view this content.

Disclosures

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Żaden z autorów nie ma do zadeklarowania konfliktu interesów.

Acknowledgements

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Autorzy dziękują za wsparcie Fundacji Nauk Przyrodniczych Prowincji Hebei (Grant nr E2023210007).

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
MATLABMathWorks2016Używanie do obliczania proponowanej metody

References

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Yao, J. T. P. Concept of structural control. J Struct Div. 98 (7), 1567-1574 (1972).
  2. Liu, J., Silva, C. E., Dyke, S. J., Wu, Y., Liu, H. Using real-time hybrid simulation for active mass damper experimentation and validation. Mech Mach Theory. 191, 105474(2024).
  3. Pan, H., Li, C., Cao, L. Bidirectional pendulum-type tuned tendem mass dampers-inerters for integrated control of alongwind and crosswind responses in super-tall buildings. J Build Eng. 100, 111676(2025).
  4. Housner, G. W., et al. Structural control: past, present, and future. J Eng Mech. 123 (9), 897-971 (1997).
  5. Rahman, M., Ong, Z. C., Chong, W. T., Julai, S. Smart Semi-active PID-ACO control strategy for tower vibration reduction in Wind Turbines with MR damper. Earthq Eng Eng Vib. 18 (4), 887-902 (2019).
  6. Morales-Beltran, M., Paul, J. Active and semi-active strategies to control building structures under large earthquake motion. J Earthquake Eng. 19 (7), 1086-1111 (2015).
  7. Shu, Z., You, R., Xie, Y. Viscoelastic dampers for vibration control of building structures: A state-of-art review. J Earthq Eng. 28 (12), 3558-3585 (2024).
  8. Soong, T. T. Active structural control: Theory and practice. Longman Scientific & Technical. , New York. (1990).
  9. Wan, H. P., Ma, Q., Dong, G. S., Luo, Y., Ni, Y. Q. Data-driven model reduction approach for active vibration control of cable-strut structures. Eng Struct. 302, 117434(2024).
  10. Cao, L., Li, X., Huang, Y., Li, C., Pan, H. High robust eddy current tuned tandem mass dampers-inerters for structures under the ground acceleration. Soil Dyn Earthq Eng. 188, 109040(2025).
  11. Chha, H., Peng, Y. Adaptive semiactive control of structure with magnetorheological dampers using wavelet packet transform. Adv Struct Eng. 27 (9), 1509-1527 (2024).
  12. Zeng, X., Peng, Y., Chen, J. Serviceability-based damping optimization of randomly wind-excited high-rise buildings. Struct Des Tall Spec. 26 (11), e1371(2017).
  13. Li, C., Chang, K., Cao, L., Huang, Y. Performance of a nonlinear hybrid base isolation system under the ground motions. Soil Dyn Earthq Eng. 143, 106589(2021).
  14. Cao, L., Li, C. A high performance hybrid passive base-isolated system. Struct Control Health Monitoring. 29 (3), e2887(2022).
  15. Zareie, S., Issa, A. S., Seethaler, R., Zabihollah, A., Ahmad, R. A novel SMA-magnetorheological hybrid bracing system for seismic control. Eng Struct. 244, 112709(2021).
  16. Chu, S. Y., Soong, T. T., Reinhorn, A. M. Active, hybrid and semi-active structural control. , John Wiley & Sons. New York. (2005).
  17. Danielian, S. A., Jabbari, F., Zareian, F. Effects and distribution of semi-active resettable springs on the seismic response of asymmetric structures. Earthq Eng Struct D. 52 (10), 2966-2982 (2023).
  18. Shuang, Z., Wenliuhan, H. S., Liu, Y. H., Inoue, N., Zhai, Z. P. Seismic response control for bridge piers with semi-active MR damper based on displacement feedback. J Earthq Eng. 28 (3), 849-865 (2024).
  19. Wang, Y., Dyke, S. Modal-based LQG for smart base isolation system design in seismic response control. Struct Control Health Monitoring. 20 (5), 753-768 (2013).
  20. Desai, R. M., et al. Performance evaluation of a single sensor control scheme using a twin-tube MR damper based semi-active suspension. J Vib Eng Technol. 9, 1193-1210 (2021).
  21. Abdi, M. S., Nekooei, M., Jafari, M. A. Seismic control of multi-degrees-of-freedom structures by vertical mass isolation method using MR dampers. Earthq Eng Eng Vib. 23 (2), 503-510 (2024).
  22. Bhowmik, K., Debnath, N. Semi-active vibration control of soft-storey building with magnetorheological damper under seismic excitation. J Vib Eng Technol. 12 (4), 6943-6961 (2024).
  23. Yang, J. N., Akbarpour, A., Askar, G. Effect of time delay on control of seismic-excited buildings. J Struct Eng. 116 (10), 2801-2814 (1990).
  24. Temimi, H., Ben-Romdhane, M., El-Borgi, S., Cha, Y. Time-delay effects on controlled seismically excited linear and nonlinear structures. Int J Struct Stab Dyn. 16 (7), 1550031(2016).
  25. Peng, J., Wang, L., Zhao, Y., Lenci, S. Time-delay dynamics of the MR damper-cable system with one-to-one internal resonances. Nonlinear Dynamics. 105 (2), 1343-1356 (2021).
  26. Cha, Y. J., Agrawal, A. K., Dyke, S. J. Time delay effects on large-scale MR damper based semi-active control strategies. Smart Mater Struct. 22 (1), 015011(2013).
  27. Yu, Y., et al. Experimental study of wireless structural vibration control considering different time delays. Smart Mater Struct. 24, 045005(2015).
  28. Ahmadizadeh, M., Mosqueda, G., Reinhorn, A. M. Compensation of actuator delay and dynamics for real-time hybrid structural simulation. Earthq Eng Struct Dyn. 37 (1), 21-42 (2008).
  29. Bathaei, A., Zahrai, S. M. Compensating time delay in semi-active control of a SDOF structure with MR damper using predictive control. Struc Eng Mech. 82 (4), 445-458 (2022).
  30. Dyke, S. J., Spencer, B. F. Jr, Sain, M. K., Carlson, J. D. Modeling and control of magnetorheological dampers for seismic response reduction. Smart Mater Struct. 5 (5), 565-575 (1996).
  31. Ying, Z. G., Ni, Y. Q., Ko, J. M. A semi-active stochastic optimal control strategy for nonlinear structural systems with MR dampers. Smart Struct Syst. 5 (1), 69-79 (2009).
  32. Rosol, M., Martynowicz, P. Implementation of the LQG controller for a wind turbine tower-nacelle model with a MR tuned vibration absorber. J Theor App Mech-Pol. 54 (4), 1109-1123 (2016).
  33. Lyu, M. Z., Feng, D. C., Chen, J. B., Li, J. A decoupled approach for determination of the joint probability density function of a high-dimensional nonlinear stochastic dynamical system via the probability density evolution method. Comput Method Appl M. 418 (A), 116443(2024).
  34. Chha, H., Peng, Y. Multiscale stochastic optimal control of hysteretic structures based on wavelet transform and probability density evolution method. Eng Computation. 41 (4), 865-896 (2024).
  35. Li, J., Peng, Y. B., Chen, J. B. A physical approach to structural stochastic optimal controls. Probabilist Eng Mech. 25 (1), 127-141 (2010).
  36. Peng, Y. B., Yang, J. G., Li, J. Seismic risk-based stochastic optimal control of structures using magnetorheological dampers. Nat Hazards Rev. 18 (1), B4016001(2017).
  37. Dong, X. M., Yu, M., Li, Z., Liao, C., Chen, W. Neural network compensation of semi-active Control for magneto-rheological suspension with time delay uncertainty. Smart Mater Struct. 18 (1), 015014(2008).
  38. Peng, Y. B., Zhang, Z. Optimal MR damper-based semiactive control scheme for strengthening seismic capacity and structural reliability. J Eng Mech. 146 (6), 04020045(2020).
  39. Luo, M. X., Gao, M., Cai, G. Delayed full-state feedback control of airfoil flutter using sliding mode control method. J Fluid Struct. 61, 262-273 (2016).
  40. Xu, J., Chung, K. W., Chan, C. L. An efficient method for studying weak resonant double Hopf bifurcation in nonlinear systems with delayed feedbacks. Siam J Appl Dyn Syst. 6 (1), 29-60 (2007).
  41. Yang, J. S., Jensen, H., Chen, J. B. Structural optimization under dynamic reliability constraints utilizing probability density evolution method and metamodels in augmented input space. Struct Multidiscip Optimization. 65, 107(2022).
  42. Li, J., Chen, J. B. Stochastic dynamics of structures. , John Wiley & Sons. Singapore. (2009).
  43. Peng, Y. B., Li, J. Stochastic optimal control of structures. , Springer. (2019).
  44. Dowrick, C. Beyond depression: A new approach to understanding and management. , Oxford University Press. (2009).
  45. Wang, D., Li, J. Physical random function model of ground motions for engineering purposes. Sci China Technol Sci. 54 (1), 175-182 (2011).
  46. Wang, D., Li, J. A random physical model of seismic ground motion field on local engineering site. Sci China Technol Sci. 55 (7), 2057-2065 (2012).
  47. Chen, J. B., Li, J. Strategy for selecting representative points via tangent spheres in the probability density evolution method. Int J Numer Meth Eng. 74 (13), 1988-2014 (2008).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Magnetorheological DampersSemi active ControlTime Delay CompensationStochastic ControlStructural ReliabilitySeismic ExcitationParameter OptimizationFeedback DelayPhysical Stochastic OptimalStructural Control System
Video Coming Soon

Related Articles