This dissertation proposes three types of neural network-based structural vibration control systems; active modal neuro-control system, semiactive modal neuro-control system, and hybrid neuro-control system. Especially the semiactive modal neuro-control system using a Magnetorheological (MR) damper for vibration suppression of the building structure subjected to ground motion has been experimentally investigated by a shaking table test. Also the hybrid neuro-control system, which combines neuro-controller and base isolation system, is applied to a base-isolated benchmark problem adopted by American Society of Civil Engineering (ASCE) control committee.
The modal neuro-control system uses modal coordinates as inputs of neuro-controller. Therefore the modal neuro-control scheme is more simple and convenient than conventional neuro-control scheme which needs troublesome task for determining specific state variables as inputs in neuro-controller. Through numerical example employing hydraulic actuator as a control device, the performance of the modal neuro-control system for building structure is investigated. A Kalman filter is included in a control scheme to estimate modal states form measurements by sensors, and a low-pass filter is employed to eliminate the spillover problem.
The semiactive modal neuro-control system which combines the modalneuro-control algorithm and semiactive control device (MR damper) is developed and verified in experiments with scaled shear building model. The clipped algorithm which induces the MR damper to generate approximately the desired control force is adopted in the proposed system. The performance of the semiactive modal neuro-control system is compared with that of passive-off, passive-on and passive-optimal systems.
The hybrid neuro-control system contains semiactive neuro-controller using MR damper and base isolation system. Seismic base isolation is a technique that mitigates the effects of an earthquake by essentially isolating the structure and its contents from potentially dangerous ground motion, especially in the frequency range where the building is most affected. In order to verify the effectiveness of hybrid neuro-control system, an isolated benchmark problem is adopted as numerical example. The performance of the hybrid neuro-control system is compared with that of sample control systems basically provided in the base-isolated benchmark problem.
본 논문은 지진하중을 받는 구조물의 진동 저감을 위해 신경망을 기반으로 한 효과적이고, 능률적이며, 간단한 세 가지 진동제어 시스템 (능동 모달 신경망 제어 시스템, 반능동 모달 신경망 제어 시스템, 복합 신경망 제어 시스템)을 제안하고 있다. 또한, MR 댐퍼를 사용하는 반능동 모달 신경망 제어 시스템에 대해서는 진동대 실험을 통해 성능과 효율성을 검증하였고, 복합 신경망 제어 시스템에 대해서는 ASCE control committee에 의해 채택된 지진격리장치가 설치된 벤치마크 문제를 통해 성능을 검증하였다.
능동 모달 신경망 제어 시스템은 모달 변위를 신경망 제어기의 입력으로 사용하는 제어 시스템이다. 이로써 어떤 변수를 신경망의 입력으로 사용할지 정하는 귀찮은 작업을 수행하지 않아도 된다. 기존의 신경망 제어 시스템은 어떤 변수를 입력으로 사용할지 정하는 평가 작업을 거쳐야 했지만, 제안 방법은 구조 시스템의 거동에 대한 정보를 포함하는 모달 변위를 바로 신경망의 입력으로 사용하기 때문에 간단하고, 쉬운 방법이다. 성능 검증을 위해 hydraulic 제어기를 사용하는 6층짜리 전단건물 모형을 사용하였고, 모달 변위의 추정을 위해 칼만 필터를, spillover 문제의 해결을 위해 low-pass 필터를 사용하였다. 성능 비교를 위해서 기존에 개발된 LQG 제어 시스템, 모달 퍼지 제어시스템, 기존의 신경망 제어시스템과 제안 방법을 비교, 평가 하였다.
반능동 모달 신경망 제어 시스템은 모달 신경망 제어 방법과 반능동 제어기 (본 논문에서는 MR 댐퍼)를 결합 시킨 방법이다. 본 논문에서는 반능동 모달 신경망 제어 시스템을 개발하고, 진동대 실험을 통해 검증하였다. MR 댐퍼로 하여금 우리가 원하는 제어력을 낼 수 있도록 해주는 clipped 알고리즘이 사용되었고, 성능 비교를 위해서 수동 제어 시스템 (passive-off, passive-on, passive-optimal)과 제안 시스템의 성능을 비교하였다.
본 논문에서 제안하고 있는 복합 신경망 제어 시스템은 반능동 신경망 제어 방법과 지진격리 시스템을 결합시킨 방법이다. 지진격리 시스템은 구조물을 지진으로부터 격리시킴으로써 지진에 대한 영향을 경감시키는 방법으로 전 세계적으로 사용되는 내진 시스템 중 가장 널리 쓰이고 있는 방법 중 하나이다. 제안 시스템의 효용성을 증명하기 위해 지진격리 시스템이 설치된 벤치마크 문제를 수치예제로 사용하였다. 성능 비교를 위해서 벤치마크 문제에서 제공하고 있는 두 가지의 예시 제어 시스템 (clipped optimal, passive-on)과 제안 시스템의 성능을 비교하였다.
수치해석 및 실험 결과 세 가지 제안 시스템 모두 기존에 개발된 여러 제어 시스템에 비해 비슷하거나 더 나은 제어 성능을 보여주었다. 그러므로, 본 논문에서 제안하고 있는 능동 모달 신경망 제어 시스템과 반능동 모달 신경망 제어 시스템, 복합 신경망 제어 시스템은 지진하중을 받는 구조물의 응답을 줄이는데 있어서 효과적으로 사용될 수 있음이 증명되었다.
