COMPARISON OF FREQUENCY RESPONSE AND NEURAL NETWORK TECHNIQUES FOR SYSTEM IDENTIFICATION OF AN ACTIVELY CONTROLLED STRUCTURE

Autor: GÓMEZ PIZANO, DANIEL
Jazyk: angličtina
Rok vydání: 2011
Předmět:
Zdroj: DYNA, Volume: 78, Issue: 170, Pages: 79-89, Published: DEC 2011
Popis: System identification methodsare generally used to obtain the dynamic properties of structural systems. The dynamic properties are used for various purposes, such as model updating, structural health monitoring, and control synthesis. This paper presents the identification of an actively controlled structure with an active mass damper based on input-outputrelationships.The input signals include accelerations in the base of the structure and control force inputs while the output signals are the accelerations of the structure due to the inputs. In this paper, the system identification using frequency response functions iscompared with non-linear relationships obtained by using artificial neural networks (ANN) for bothasingle-input, single-output, and multiple-inputsingle-output (MISO) system. The results indicate that for the MISO structural system,the ANN technique providesa more accurate identification than identifications obtained with frequency responsemethods. La identificación de sistemas es un método que puede ser utilizado para obtener las propiedades dinámicas de un sistema estructural integrado por sensores, actuadores yun algoritmo de control, sometido a diferentes tipos de excitación. Estas propiedades dinámicas son utilizadas en varios propósitos, tales como: Actualización de modelos, Monitoreo de salud estructural y Sistemas de control. En este artículo se presenta la identificación de una estructura con un sistema de control activo colocado en la parte superior por medio de la relación entre las señales de entrada (movimiento en la base y fuerza de control) y la señal de salida (respuesta de la estructura). Para esto se utiliza la respuesta en frecuencia con funciones de transferencia y se compara con las relaciones no lineales obtenidas mediante Redes Neuronales Artificiales (RNA) de una entrada-una salida (SISO) y de múltiples entradas-una salida (MISO). Finalmente, se demuestra que la identificación del sistema estructural MISO con RNA presenta una mejor aproximación al sistema real que las obtenidas con la matriz de transferencia conformada a partir de funciones de transferencia.
Databáze: OpenAIRE