基于迭代学习控制的地震模拟振动台算法研究及软件设计解析

基于迭代学习控制的地震模拟振动台算法研究及软件设计解析

杨川

身份证：511025197701109093

摘要：在结构抗震领域，地震模拟振动台是重要的实验设备，将建筑物等比例建模并放置在振动台上，振动台仿真模拟地震波形，从而找出地震破坏机理以及建筑结构的缺陷。因此，地震模拟振动台性能决定了实验结果精度。基于此，本文提出一种基于迭代学习控制的地震模拟振动台算法，并给出了振动台控制器的软件设计方案。

关键词：迭代学习控制；地震模拟振动台；软件设计；算法

引言

由于地壳运动具有随机性、复杂性，再加上现有地震检测技术的不足，无法准确地预报地震。目前，主流应对地震灾害的方法是通过提高建筑物的抗震性能，减少地震灾害对建筑物的损害。传统的地震模拟振动台算法存在误差大、理论与实际不匹配等问题，无法为提升建筑抗震结构提供可靠的实验条件。本文基于迭代学习的地震模拟振动台算法，利用了系统辨识技术、学习律优化技术，可更精准的模拟地震形态，对加强地震模拟振动台试验有着重要意义。

1. 相关概念阐述

1.1地震模拟振动台

地震模拟实验是研究建筑物抗震性能的重要方法，利用地震模拟振动台装置检测等比缩小建筑模型的抗震性能。通过仿真地震波以及特定波形运动，可作为原型建筑物在真实地震环境中的参考。借助地震模拟振动台可获取建筑物模型相关抗震数据，从而找出地震破坏机理以及建筑结构的不足。

地震模拟振动台是一种开展振动试验的硬件设施，其中融入了机械、计算机、液压、控制等多项学科。地震模拟振动台自身的特性会受到机械结构、电磁干扰等因素影响，如何准确控制输出振动与地震波具有相似的时频特性，需要同时做好地震模拟振动台的算法研究以及软件开发。

1.2迭代学习控制

迭代学习控制首先对真实得到的输出信号与理想的期望信号（控制目标）进行误差分析，通过一定的学习规律对驱动信号进行改良，使得输出信号不断的趋近于期望信号。迭代学习控制并不需要系统的精确的数学模型，仅需要很少的信息和计算量即可达到很好的控制效果。由于控制过程中不需要太多的系统信息，所以它在那些有着非线性特征的系统控制问题中有着非常重要的应用前景。

迭代学习控制将前几次实验信息、数据作为本次实验的基础信息或支撑信息，包括控制器输出激励信号、被控对象反馈信号、参考信号与实际信号误差等。根据这些信息控制本次实验，通过多次迭代缩小实际信号与标准信号之间的差距，持续提升系统控制性能[1]。

2. 基于迭代学习控制地震模拟振动台的算法

算法主要包括H1频响估计法、Welch法功率谱估计、误差评估。在迭代控制前，通过预试验辨识振动台系统的频响函数，该函数精度决定了最终迭代控制的精度[2]。控制器通过输出白噪声激励信号、同步记录振动台响应信号，使用H1估算法即可得到振动台的频响函数。

2.1 H1估计法

按照响应和激励自谱和互谱组合方式的不同，频响估计法可分为H1、H2和Hv，其中H1估计法如下：

它适于激励信号没有噪声，响应信号有噪声的情况。对控制器而言，激励信号可以认为是准确信号，所以采用H1估计法可以减小响应信号测量数据中的噪声影响，保障估计精度。

2.2 Welch法谱估计

针对随机振动信号，可以采用Welch法得出功率谱密度的估计结果。

Welch谱估计是一种基于信号分段平均的频谱估计方法，它可以得到信号在不同频率上的能量分布，相比于传统的频谱估计方法，它具有更好的计算效率和估计精度。 其步骤如下：

给定一个长度为N的时域信号x(n)。

将信号分成L个段，每段长度为M，相邻两段有M/2个样本重叠。

对每个段进行加窗、FFT等预处理操作，得到每个段的频谱。

对每个段的频谱进行幅度平方运算，并进行平均操作，得到信号的平均功率谱密度估计值。

2.3辨识模型评估

辨识模型评估是检验振动台是否符合实际的方法。这是因为H1估计法是典型的线性理论，而实际情况下振动台自身具有一定的非线性，所以应对这辨识结果和实际特性的契合度进行评估。通过向振动台+建筑物模型实际平台及其辨识数学模型分别输入激励信号，获取振动台+建筑物模型系统的输出响应数据以及系统辨识数学模型输出预测响应数据。由于辨识数学模型具有一定的理想化处理，所以其响应必定会与实际系统的响应存在差异，而该偏差既是更新激励波形数据的依据。

3. 基于迭代学习控制的地震模拟振动台软件设计

3.1总体框架设计

计算机领域高级语言种类繁多，综合考虑适用性，本次设计采用了运行速度快的C/C++语言，采用C/C++语言的GUI框架Qt作为软件开发平台，该平台可与其他平台信息互通，支持多个计算机系统软件平台，如Windows、macOS等。在PC端开发项目编写算法代码，经过后续调试且合格后应用到控制器内部的计算机芯片中，运行地震模拟振动台控制程序，使控制器可独立完成迭代的闭环计算过程。

3.3软件功能设计

3.3.1信号采集

图1 地震模拟振动台控制系统框图

如图1所示，控制器模拟信号采集通道与响应传感器、激励传感器连接，以高于地震波最高频率成分2.56倍的采样频率对信号进行连续数据采集。控制卡程序对时域数据进行FFT变换、Welch谱估计和频响函数的H1估计。对实测的响应PSD谱和实验所需的目标谱进行误差分析，修正激励信号波形并更新输出卡缓冲区数据，完成激励信号的迭代修正。

3.3.2操作台界面

在上位机软件上设置有显示信息和人机交互界面，用户可通过上位机软件提供的频域和时域分析图形工具来评估振动台实际输出的振动加速度信号，并且对相关参数进行调节，保证振动台实际输出振动特征满足地震模拟试验的需要。

在目标谱设置界面，可设置交越点频率、幅值、左右斜率、中断上下限等参数，以确定试验所需地震波功率谱特定的形态特征，生成的控制目标谱在视图中显示，如图2所示。

图2 振动信号功率谱控制目标设置界面

3.3.3优化过程

设置到控制目标谱后，软件将启动控制器完成振动台频响估计和激励信号修正过程，并采集修正后的激励波形数据和响应波形数据，生成目标谱、冲击响应谱、目标谱和实际谱的误差数据等频谱，在界面视图显示，并计算加速度、速度的最大最小值并在表格中显示，以数字颜色提示振动台是否工作在安全单位内。

迭代优化一次后，若实际谱和目标谱的误差数据还不符合预设的需求，则继续进行迭代修正计算过程，知道误差数据符合要求，则停止优化，显示最终优化好的数据图谱。

图3 振动控制迭代优化过程监视和人机交互界面

3.3.4故障提示

软件实时对激励和响应数据的极限值进行监测，可设置相应的超限故障报警判定规则，实现振动台保护。并将报警信息，包括故障发生时间、故障类型等信息通过高亮字符提醒用户并进行日志记录，便于用户有针对性排除故障，重新试验。

结束语

综上所述，针对传统控制算法下振动台精度、适用性不足等问题，本文提出了一种基于迭代学习控制的地震模拟振动台算法，该算法通过经典谱估计算法获取振动台+试验模型所构成的地震模拟实验台的频响特性，并采用迭代优化的方法减少系统非线性所带来的地震波模拟误差的问题，可保证最终计算精度。在软件设计中，采用C/C++语言及Qt软件开发平台，设置数据采集模块、激励信号输出模块、中心控制模块和上位机图形化操作台，实现人机交互以及振动台远程监控和实验数据的存储，便于地震试验顺利展开。

参考文献

[1] 纪金豹,杨森,胡宗祥.地震模拟振动台迭代学习控制算法对比研究[J].机床与液压, 2023, 51(7):146-152.

[2] 纪金豹,胡宗祥,杨森,等.基于深度学习的地震模拟振动台闭环控制方法[J].地震工程与工程振动, 2022, 42(5):77-78.

[3] 黄影,邵宗义,张国伟,等.地震模拟振动台钢结构平台的性能研究[J].建筑结构, 2020(2):633-634.

[4] 赵春生,蔄喜良,邱法维,等.电液伺服三向六自由度地震模拟振动台研制[J].液压气动与密封, 2019, 39(10):307-309.