[发明专利]一种建筑结构的振动控制方法及控制装置

权利要求书

1.一种建筑结构的振动控制方法，其特征在于，包括以下步骤：

S1、确定被控的建筑结构，获取所述被控的建筑结构的位移、速度、加速响应以及控制力训练数据；

S2、设置深度学习的超参数取值，搭建LSTM深度学习网络框架；

S3、训练所述LSTM深度学习网络框架，并测试验证训练好的LSTM深度学习网络框架；

将所述被控的建筑结构的位移、速度、加速度响应以及地震加速度作为输入值，将被控的建筑结构的下一时刻的控制力作为输出值对LSTM深度学习网络框架进行训练得到训练好的LSTM深度学习网络框架，并通过向所述训练好的深度学习网络框架输入与训练相同的数据，得到LSTM输出并与理论计算控制力进行比较，验证LSTM深度学习网络框架的有效性，预测过程损失函数用均方误差MSE表示为：

式中：N为数据库大小；y_t，分别为t时刻的实测值及预测值；

S4、根据所述被控的建筑结构的运动方程及状态空间方程建立LSTM智能控制器的仿真系统。

2.根据权利要求1所述的振动控制方法，其特征在于，所述S1步骤的所述获取所述被控的建筑结构的位移、速度、加速响应以及控制力训练数据的方法包括：采用LQR算法以被控的建筑结构的状态空间方程搭建Simulink仿真平台，输入地震波加速度，获得结构有控状态下的位移、速度、加速响应及控制力。

3.根据权利要求1所述的振动控制方法，其特征在于，所述S2步骤的所述设置深度学习的超参数取值的方法包括：根据以往相关案例的经验取值确定各超参数的大致范围，对各超参数在经验范围内进行试算，以LSTM训练的均方误差MSE最小值为标准，确定超参数取值。

4.根据权利要求1所述的振动控制方法，其特征在于，所述S2步骤的所述LSTM深度学习网络框架包括序列输入层、长短时记忆网络层、防过拟合层、全连接层以及回归层。

5.根据权利要求1所述的振动控制方法，其特征在于，所述S步骤的训练所述LSTM深度学习网络框架之前还包括对数据进行max-min归一化处理，降低异常数据影响及过拟合概率，并提高收敛速度。

6.根据权利要求1所述的振动控制方法，其特征在于，所述S4步骤的所述建立LSTM智能控制器的仿真系统的方法包括：以编写S-function函数的形式将LSTM智能控制器嵌入所述被控的建筑结构的仿真系统，所述仿真系统的输入为地震加速度，使用LSTM智能控制器采集响应反馈对建筑结构施加控制力，实时减小结构的振动响应。

7.一种建筑结构的振动控制装置，其特征在于，使用如权利要求1-6任一项所述的振动控制方法。