Journal of the Korea institute for structural maintenance and inspection (한국구조물진단유지관리공학회 논문집)

Korea Institute for Structural Maintenance Inspection (한국구조물진단유지관리공학회)
권호 표지

Active Control for Seismic Response Reduction Using Probabilistic Neural Network

지진하중을 받는 구조물의 능동제어를 위한 확률신경망 이론

  • 김두기 (군산대학교 토목환경공학부) ;
  • 이종재 (한국과학기술원 스마트사회기반시설연구센터) ;
  • 장성규 (군산대학교 토목환경공학부) ;
  • 최인정 (군산대학교 토목환경공학부)
  • Received : 2006.07.18
  • Published : 2007.01.30
Download PDF
⟨ Previous Next ⟩

Abstract

Recently structures become longer and higher because of the developments of new materials and construction techniques. However, such modern structures are susceptible to excessive structural vibrations, which may induce problems of serviceability and structural damages. In this paper we attempt to control structural vibration using the probabilistic neural network(PNN) and the artificial neural network(ANN) based on the training pattern that consist of only the structural state vector and the control force. The state vectors of the structure and control forces made by linear quadratic regulator(LQR) algorithm are used for training pattern of PNN and ANN. The proposed algorithm is applied for the vibration control of the three story shear building under Northridge earthquake. Control results by the proposed PNN and ANN are compared with each other.

구조 재료와 시공기술의 발달로 구조물은 높고 길게 설계할 수 있게 되었으나, 그에 따른 진동문제와 사용성에 관한 문제가 발생하였고, 구조물의 과다한 변위는 구조물에 심각한 손상을 발생시켰다. 이러한 구조물의 진동 문제를 해결하기 위하여 본 논문에서는 구조물의 상태벡터와 제어력만으로 구성된 훈련패턴을 기본으로 하여 인공신경망이론과 확률신경망이론을 사용하여 구조물의 진동을 능동제어하는 방법을 제안하였다. 구조물의 제어를 위해 LQR 제어알고리즘을 이용하여 구조물의 상태벡터와 제어력을 구한 후, 상태벡터를 입력으로 제어력을 출력으로 하는 인공신경망과 확률신경망의 훈련패턴을 구성하였다. 제안된 방법을 사용하여 Northridge 지진하중을 받는 3층 빌딩구조물을 제어하였고, 제안된 인공신경망과 확률신경망의 제어 결과를 비교하였다.

Keywords

Acknowledgement

Supported by : Korea Ministry of Construction & Transportation (MOCT)

References

  1. Kim, D.H., Han, S.H., Park, W.S., Seo, S.N., and Lee, I.W.,　"Learning Rule of Neuro- Controller for Structural Control", KSCE, Vol. 21, No. 5-1, 2001, pp.657-663.
  2. Kim, D.K, "Dynamics of Structures", Goomibook, 2005.
  3. Cacoullos, T., "Estimation of a multivariate density", Annals of the Institute of Statistical Mathematics (Tokyo), Vol. 18, No. 2, 1966, pp.179-189. https://doi.org/10.1007/BF02869528
  4. Chen, H.M., Tsai, K.H., Qi, G.Z., Yang, J.C.S. and Amini, F., "Neural network for structural control", Journal of Computation in Civil Eng., ASCE, Vol. 9, No. 2, 1995, pp.168-176. https://doi.org/10.1061/(ASCE)0887-3801(1995)9:2(168)
  5. Ghaboussi, J. and Joghataie, A., "Active control of structure using neural networks", Journal of. Engineering Mechanics., ASCE, Vol. 121, No. 4, 1995, pp.555-567. https://doi.org/10.1061/(ASCE)0733-9399(1995)121:4(555)
  6. Yao. J. T. P., "Concept of structural control", Journal of Structure. Division, ASCE, 98, 1972, pp1567-1574.
  7. Soong, T. T., "Active Structural Control", Longman Scientific and Technical, 1990.
  8. Specht, D. F., "Probabilistic Neural Networks", Neural Networks, Vol. 3, No. 1, 1990, pp. 109-118. https://doi.org/10.1016/0893-6080(90)90049-Q
  9. Parzen, E., "On estimation of a probability density function and mode", Annals of Mathematical Statistics, Vol. 33, No. 3, 1962, pp.1065-1076. https://doi.org/10.1214/aoms/1177704472