第五届土木工程防灾减灾青年学者学术会议

随着我国斜拉桥建设的快速发展，拉索长度不断增加，服役环境愈发复杂。由于长拉索具有低阻尼和高柔度特性，在复杂工况下极易诱发大振幅和多模态振动，从而对振动控制技术提出了更高要求。研究表明，主动控制技术在多模态振动控制方面优于被动和半主动方法，但其高能耗和潜在失稳风险限制了实际应用。自供能主动控制（SPAC）技术凭借兼具主动控制优势、避免高能耗和失稳问题的特性，成为一项重要的发展方向。然而，拉索在恶劣环境或长期服役后，索力等结构参数可能发生显著变化，导致SPAC控制增益计算准确性下降，破坏能量平衡机制，从而引发装置宕机。针对这一问题，本文提出了一种基于神经网络的拉索振动自供能监控算法，以提升SPAC技术对索力变化的容错能力。首先，建立了拉索LQG控制模型，验证了SPAC技术在恒定索力条件下的有效性及其在多模态振动控制中的优势；同时发现，当索力波动超出初始值的92%～106%范围时，SPAC装置易发生宕机。随后，提出了一种基于神经网络的索力识别方法，解决了传统方法在主动控制系统中的适用性问题。最后，设计了一种包含能量反馈和索力识别反馈的监控算法。仿真结果表明，该算法在索力变化范围为初始值的80%～120%时，能够实现稳定控制，避免宕机，同时保持自供能能力和多模态振动控制优势。