基于GRU的结构智能振动控制算法研究

针对人工神经网络在结构振动控制领域中存在对高度非线性函数表达能力不足,易出现过拟合等问题,提出一种基于门控循环单元(GRU)神经网络的结构智能振动控制方法.以3层Benchmark模型为研究对象,构建了适用于结构振动控制的GRU智能控制器,并将其性能与长短时记忆(LSTM)和反向传播(BP)神经网络控制器进行对比.同时,研究了外部激励和结构刚度变化时GRU控制器的泛化性和鲁棒性.结果表明:GRU网络在预测精度、预测-实际值曲线拟合程度以及训练时间上均优于其他两种神经网络;在原始激励下,GRU控制器对结构振动响应控制效果最好,且各层时程信号的评价指标均最小;当外部激励和结构刚度发生变化时,3种控制器的控制效果均有不同程度的降低,但GRU控制器对结构响应峰值的控制效果更优,这表明其具有更好的泛化性和鲁棒性.