结构振动的DMC预测控制研究
基于神经网络误差补偿的预测控制研究毕业论文
基于神经网络误差补偿的预测控制研究毕业论文目录摘要............................................... 错误!未定义书签。
1 预测控制 (2)1.1 预测控制的产生 (2)1.2 预测控制的发展 (3)1.3 预测控制算法及应用 (4)1.3.1模型控制算法（Model Algorithmic Control，MAC） (5)1.3.2动态矩阵控制（Dynamic Matrix Control，DMC） (5)1.3.3广义预测控制（Generalized Predictive Control，GPC） (5)1.3.4极点配置广义预测控制 (5)1.3.5内模控制 (5)1.3.6模糊预测控制 (6)1.4 预测控制的基本特征 (6)1.4.1预测模型 (6)1.4.2反馈校正 (6)1.4.3滚动优化 (6)1.5预测控制的现状 (7)2 神经网络 (7)2.1 人工神经网络的生理原理 (8)2.2 神经网络的特征 (10)2.3 神经网络的发展历史 (11)2.4 神经网络的内容 (12)2.5 神经网络的优越性 (14)2.6 神经网络研究方向 (14)2.7 神经网络的应用分析 (14)2.8 神经网络使用注意事项 (17)2.9 神经网络的发展趋势 (18)2.10 BP神经网络 (18)2.10.1 BP神经网络模型 (18)2.10.2 BP网络模型的缺陷分析及优化策略 (19)2.10.3 神经网络仿真 (20)3．动态矩阵控制 (22)3.1 预测模型 (22)3.2 滚动优化 (23)3.3 反馈校正 (24)3.4 有约束多变量动态矩阵控制及其线性化 (27)3.5 动态矩阵控制仿真 (29)4 基于神经网络误差补偿的预测控制 (32)4.1 研究背景 (32)4.2 传统PID控制 (33)4.2.1位置式PID控制 (33)4.2.2 增量式PID控制 (35)4.3 基于神经网络的动态矩阵控制 (37)4.4 基于神经网络输出反馈的动态矩阵控制研究 (40)4.5 基于神经网络误差补偿的动态矩阵控制 (46)4.6 仿真效果验证 (51)总结 (57)参考文献 (58)1 预测控制1.1 预测控制的产生预测控制的产生，并不是理论发展的需要，而首先是工业实践向控制提出的挑战。
DMC—DMC串级控制算法分析与研究
＝ 。 ［ｊ／。 至．。… ．ｃ， ］。肖。 ＝；＝一 ［ ］。 ｉ ，． ｉ
Ｄ ；
ｍ ＋ Biblioteka １．．。。．。。。．．。 ．。。．．
优 化 和 反 馈 校 正 等 控 制 策 略 ， 有 控 制 效 果 好 、 用 于 控 制 不 易 具 适
建立精确数字模型且比较复杂的工业生产过程等优点 ，在 串级
矩 阵 ；ｄｋ ） 未 来 Ｐ步 期 望 输 出 向 量 。 和 Ｒ分 别 为 误 差 和 Ｙ （＋１为 Ｑ 控制加权矩阵 ， 常都取为对角阵 ， 通 即
Ｑ＝ ｉｇ ｑ ， ， ｑ ） Ｒ＝ ｉｇ（， ｒ ， ｒ ｄａ （ ， … Ｐ ， ｄａ ｒ ，２ … ｍ）
１１ＤＭＣ 控 制算 法 ． 动态 矩阵控制 （ ＤＭＣ） 用 被 控 过 程 的单 位 阶 跃 响 应 序 列 采
作 为 预测 与控 制 的模 型 。 稳 定 系统 的 单 位 阶 跃 响 应 序 列 为 ａ ， 设 ， ａ，・， ， Ｎ… ，Ｎ … ， 动 态 矩 阵 控 制 的 系 统 状 态 空 间 模 型 ２， ａ ， ， ａ ， 则 － ａ
为 ＂ 柏 （） １
因 实 际 系统 预测 状 态 Ｘ ｋ 不 可 测 量 ， 以 上 面 Ｄ （） 所 ＭＣ 即 时 最 优控 制 律 中 的 × ｋ应 改 用 预 测状 态 观 测 器 重 构 的 ， 此 ＤＭＣ （） 因
由 （ ） 按 ＤＭＣ 基 本 算 法 相 同 的 二 次 型 指 标 函 数 优 化 求 ２式
得 的滚 动 优 化 即 时控 制 律 为
△ Ｕ （（＝ ［ （ ＋７一 』 ］ 』 Ｋ， ） 』 ）Ｃ （ （ ）
Ｔ 一１ Ｔ
式 中 ， ， １ Ｏ … ， ］Ｇ Ｑ Ｒ Ｇ Ｑ 为 即 时 控 制 增 益 Ｋ ＝［ ， ， Ｏ （ Ｇ ＋ ）。
结构工程振动控制
结构工程振动控制振动是结构工程中一个重要的问题，当结构受到外力或内力作用时，会产生振动。
振动不仅会影响结构的稳定性和安全性，还会给人们的生活和工作带来很多不便。
因此，进行结构工程振动控制成为了当务之急。
本文将介绍几种常见的结构工程振动控制方法。
一、主动振动控制主动振动控制是一种通过主动力来控制结构振动的方法。
其基本原理是根据结构的振动响应，通过控制力的大小和作用时间来改变结构的振动状态。
常见的主动振动控制方法包括电液伺服振动控制和电液积分振动控制等。
电液伺服振动控制是通过电液伺服阀和液压缸等装置来实现的。
通过对液压缸内压力的控制，可以改变液压缸的长度，从而实现对结构振动的控制。
而电液积分振动控制则是通过控制液压缸的进油口和出油口的流量来实现的。
这两种方法都需要通过传感器对结构的振动进行实时监测，并根据监测结果进行相应的控制。
二、被动振动控制被动振动控制是一种通过添加阻尼器、隔振器等装置来消耗结构振动能量的方法。
其基本原理是通过增加结构的阻尼，降低结构的振动幅值和频率。
常见的被动振动控制方法包括阻尼器振动控制和隔振器振动控制等。
阻尼器振动控制是通过在结构中添加阻尼器来实现的。
阻尼器可以分为粘滞阻尼器、摩擦阻尼器和液体阻尼器等。
当结构发生振动时，阻尼器会吸收振动能量，并将其转化为热能，从而使结构振动幅值减小。
而隔振器振动控制则是通过在结构与地基之间添加隔振器，将结构的振动能量转移到隔振器上，从而减小对地基的振动传递。
三、半主动振动控制半主动振动控制是一种综合了主动振动控制和被动振动控制的方法。
其基本原理是通过结合主动力和阻尼装置来控制结构的振动。
常见的半主动振动控制方法包括液流能控制和磁流变控制等。
液流能控制是通过调节液压缸内的液体流量来实现的。
当结构发生振动时，液流能控制系统会根据传感器监测到的振动信号，调节液压缸内的液体流量，从而改变结构的振动状态。
磁流变控制则是利用磁流变材料的特性。
当结构发生振动时，磁流变材料会产生相应的阻尼力，从而降低结构的振动幅值。
结构动力学的振动控制与减震
结构动力学的振动控制与减震结构动力学是研究结构在外力作用下的振动响应和动力性能的学科。
在实际工程中，结构的振动问题对于结构的稳定性和耐久性具有重要的影响。
因此，结构振动的控制与减震成为了结构工程领域中的一个热门课题。
一、结构振动控制的意义结构振动控制的主要目的是降低结构振动对结构自身和周围环境的不良影响。
对于高层建筑、大型桥梁等大型结构来说，振动对结构的疲劳损伤和人员的舒适性都是非常重要的考虑因素。
因此，采取有效的振动控制手段可以提高结构的安全性和使用寿命。
二、常用的结构振动控制方法1. 被动控制方法被动控制是指通过吸能器、摇摆桥等被动装置来吸收结构振动的能量，从而减小结构的振幅和振动反应。
被动控制方法适用于不同类型的结构，但是其控制效果依赖于外界激励的频率和振幅。
2. 主动控制方法主动控制是指通过传感器感知结构振动信号，并通过控制器产生控制信号，进而通过执行机构减小结构的振幅。
主动控制方法可以根据振动信号的特点进行实时的振动控制，对于地震、风载等具有随机激励的情况效果较好。
3. 半主动控制方法半主动控制是在主动控制和被动控制之间的一种折中方案。
它通过调节控制器中的参数，根据结构的振动状态，实现减震和振动控制。
与被动控制相比，半主动控制方法具有更好的适应性和响应速度。
三、结构减震技术的应用结构减震技术是减少结构振动反应的一种有效手段。
常见的结构减震技术包括基础隔震、降低结构刚度和增加结构阻尼等方法。
1. 基础隔震基础隔震是指在结构与地基之间设置隔震装置，减小地震波对结构的冲击和损害。
常见的隔震装置包括橡胶隔震器、液体阻尼器等，通过隔震装置改变结构的振动特性，降低结构的振动反应。
2. 降低结构刚度降低结构刚度是指通过改变结构的刚度分布，使其自振频率相较于激励频率偏离较远。
常见的方法有在结构中增加柔性节点、改变结构截面形状等。
3. 增加结构阻尼增加结构阻尼是通过在结构中引入阻尼装置，消耗振动能量，减小结构的振幅。
预测控制
1.1 引言预测控制是一种基于模型的先进控制技术，它不是某一种统一理论的产物，而是源于工业实践，最大限度地结合了工业实际地要求，并且在实际中取得了许多成功应用的一类新型的计算机控制算法。
由于它采用的是多步测试、滚动优化和反馈校正等控制策略，因而控制效果好，适用于控制不易建立精确数字模型且比较复杂的工业生产过程，所以它一出现就受到国内外工程界的重视，并已在石油、化工、电力、冶金、机械等工业部门的控制系统得到了成功的应用。
工业生产的过程是复杂的，我们建立起来的模型也是不完善的。
就是理论非常复杂的现代控制理论，其控制的效果也往往不尽人意，甚至在某些方面还不及传统的PID控制。
70年代，人们除了加强对生产过程的建模、系统辨识、自适应控制等方面的研究外，开始打破传统的控制思想的观念，试图面向工业开发出一种对各种模型要求低、在线计算方便、控制综合效果好的新型算法。
这样的背景下，预测控制的一种，也就是模型算法控制（MAC -Model Algorithmic Control）首先在法国的工业控制中得到应用。
同时，计算机技术的发展也为算法的实现提供了物质基础。
现在比较流行的算法包括有：模型算法控制（MAC）、动态矩阵控制（DMC ）、广义预测控制（GPC）、广义预测极点（GPP）控制、内模控制（IMC）、推理控制（IC）等等。
随着现代计算机技术的不断发展，人们希望有一个方便使用的软件包来代替复杂的理论分析和数学运算，而Matlab、C、C++等语言很好的满足了我们的要求。
1.2 预测控制的存在问题及发展前景70年代以来，人们从工业过程的特点出发，寻找对模型精度要求不高，而同样能实现高质量控制性能的方法，以克服理论与应用之间的不协调。
预测控制就是在这种背景下发展起来的一种新型控制算法。
它最初由Richalet和Cutler等人提出了建立在脉冲响应基础上的模型预测启发控制（Model Predictive Heuristic Control,简称“MPHC”）,或称模型算法控制(Model Algorithmic Control，简称“MAC”)；Cutler等人提出了建立在阶跃响应基础上的动态矩阵控制(Dynamic Matrix Control，简称“DMC”)，是以被控系统的输出时域响应(单位阶跃响应或单位冲激响应)为模型，控制律基于系统输出预测，控制系统性能有较强的鲁棒性，并且方法原理直观简单、易于计算机实现。
基于CFD的机翼颤振分析
freeplay position and friction in the freeplay on aeroelastic response is analyzed. They have a
Key words: aeroelasticity ,stall flutter ,UDF，Fluent ,dynamic stall,freeplay nonlinearity
ii
南京航空航天大学硕士学位论文
图清单
图 1.1 气动弹性力三角形 .................................................................................................. 1 图 2.1CFD 流程图 .............................................................................................................. 9 图 2.2 基于弹簧光滑节点开始状况 ................................................................................ 17 图 2.3 基于弹簧光滑节点结束状况 ................................................................................ 17 图 2.4 二维网格数据结构示意图 .................................................................................... 19 图 2.5 三维网格数据结构示意图 ................................................................................... 20 图 3.1 第一套网格 ............................................................................................................ 23 图 3.2 第二套网格 ............................................................................................................ 23 图 3.3 第一套网格升力系数曲线 .................................................................................... 24 图 3.4 第二套网格升力系数曲线 .................................................................................... 24 图 3.5 阻力系数曲线比较 ................................................................................................ 24 图 3.6 失速机翼周围的流场速度分布 ............................................................................ 24 图 3.7 α 0 = 5° 时升力系数迟滞曲线和力矩系数迟滞曲线 ............................................. 25 图 3.8 α 0 = 10° 时升力系数迟滞曲线和力矩系数迟滞曲线 ........................................... 26 图 3.9 α 0 = 12° 时升力系数迟滞曲线和力矩系数迟滞曲线 ........................................... 26 图 3.10 α 0 = 15° 时升力系数迟滞曲线和力矩系数迟滞曲线 ......................................... 26 图 3.11 深度失速时（ α 0 = 12° ）机翼周围流场的速度分布 ........................................ 28 图 3.12 α1 = 2° 时升力系数迟滞曲线和力矩系数迟滞曲线 ........................................... 29 图 3.13 α1 = 5° 时升力系数迟滞曲线和力矩系数迟滞曲线 ........................................... 29 图 3.14 α1 = 10° 时升力系数迟滞曲线和力矩系数迟滞曲线.......................................... 29 图 3.15 α1 = 15° 时升力系数迟滞曲线和力矩系数迟滞曲线.......................................... 30 图 3.16 k = 0.05 ，不同雷诺数下的非定常特性比较..................................................... 30 图 3.17 k = 0.1 ，不同雷诺数下的非定常特性比较 ....................................................... 31 图 3.18 k = 0.15 ，不同雷诺数下的非定常特性比较..................................................... 31 图 3.19 k = 0.2 ，不同雷诺数下的非定常特性比较....................................................... 31 图 3.20 k = 0.4 ，不同雷诺数下的非定常特性比较....................................................... 32 图 4.2 具有 2 个自由度的翼型示意图 ............................................................................ 36 图 4.3 复合材料夹层板结构机翼模型 ............................................................................ 38 图 4.4V＝40m/s，二维翼型的颤振响应 ........................................................................ 39 图 4.5V＝46.75m/s，二维翼型的颤振响应 ................................................................... 39
预测控制DMC.
1
DMC的输出预测
当控制时域M＝1时，u(k)引起的系统输出值y(k) ：
y (k 1) y0 (k 1) a1u (k ) y (k 2) y0 (k 2) a2 u (k ) y (k P) y0 (k 1) aP u (k )
PN
2018年10月3日星期三
© Copyright by Zhihuan Song
阶跃响应模型
系统的单位阶跃采样数据示意图
y
模型截断
aN-1
aN u(k)=1
a1 0 1 2
a2 3
a3 N-1 N t/T
单位阶跃响应序列：
a1 , a2 ,, aN ,
2018年10月3日星期三
© Copyright by Zhihuan Song
PN
2018年10月3日星期三
© Copyright by Zhihuan Song
1
u(k)产生的预测输出
ˆ m k j y
Δu(k)
ˆ m k 2 y
ˆ m k 2 y
aPΔu(k)
ˆ m k 1 y
a1Δu(k) a2Δu(k) a3Δu(k)
ˆ 0 k 1 y
DMC算法中的模型参数
有限集合aT={a1，a2 ，…，aN} 中的参数可完全描述系 统的动态特性，N称为建模时域或模型截断长度。 保证模型可用有限的阶跃响应描述 则保证了可用线性系统的迭加性等
系统的渐近稳定性
系统的线性
2018年10月3日星期三
© Copyright by Zhihuan Song
1
离散阶跃响应模型
适宜对象：线性、定常、自衡系统 数学表达式：
dmc控制算法
dmc控制算法DMC控制算法是一种常用的控制方法，它在工业自动化领域中广泛应用。
DMC即Dynamic Matrix Control，它是一种基于模型的预测控制算法。
本文将介绍DMC控制算法的原理和应用。
DMC控制算法的基本原理是通过建立系统的数学模型，预测未来一段时间内的系统输出，并根据预测结果调整控制器的输出，使系统的实际输出与期望输出尽可能接近。
DMC算法的关键在于建立准确的系统模型和优化权重矩阵。
在DMC算法中，首先需要建立系统的数学模型。
这可以通过系统的输入和输出数据进行辨识来实现。
根据辨识得到的模型，可以预测未来一段时间内的系统输出。
预测的准确性直接影响控制的效果。
在预测的基础上，DMC算法通过优化权重矩阵来调整控制器的输出。
权重矩阵中的权重值反映了控制器对于不同因素的重视程度。
通过调整权重矩阵，可以使控制器更加关注系统输出与期望输出之间的偏差，从而实现更好的控制效果。
DMC算法的优点是可以有效地处理系统的时变性和非线性。
通过建立系统模型和预测未来输出，可以对系统的变化做出及时的响应。
此外，DMC算法还可以根据不同的控制要求进行灵活调整，使控制器更加适应不同的工况。
DMC控制算法在许多领域都得到了广泛应用。
例如，在化工工艺中，DMC算法可以用于控制反应器的温度、压力等参数，实现反应过程的精确控制。
在电力系统中，DMC算法可以用于控制发电机的输出，使电网的电压和频率保持稳定。
在机械制造中，DMC算法可以用于控制机床的位置和速度，实现精密加工。
DMC控制算法是一种基于模型的预测控制算法，通过建立系统模型和预测未来输出来调整控制器的输出，实现系统的精确控制。
DMC 算法具有灵活性和适应性强的特点，并在工业自动化领域中得到了广泛应用。
未来，随着控制技术的不断发展和完善，DMC算法将进一步提升自身的性能和应用范围，为工业自动化带来更大的价值。
模型预测控制全面讲解..pdf
hT={h1，h2，…，hN} 可完全描述系统的动态特性
主要内容 预测模型 反馈校正 参考轨迹 滚动优化
第三节 模型算法控制(MAC) 一. 预测模型
MAC的预测模型 渐近稳定线性被控对象的单位脉冲响应曲线
y
h11 h2
有限个采样周期后
lim
j
h
j
0
hN
0 12
t/T N
系统的离散脉冲响应示意图第节 模型算法控制(MAC) 一. 预测模型
MAC算法中的模型参数
1─k 时刻的预测输出 2─k +1时刻实际输出
t/T
3─ k +1 时刻预测误差 4─k +1时刻校正后的预测输出
第三节 模型算法控制(MAC)
模型算法控制（Model Algorithmic Control）： 基于脉冲响应模型的预测控制，又称模型预测 启发式控制(MPHC)
60年代末，Richalet等人在法国工业企业中应用 于锅炉和精馏塔的控制
1987年，Clarke 提出了基于时间序列模型和在线辨识的 广义预测控制(Generalized Predictive Control， GPC)
1988年，袁璞提出了基于离散状态空间模型的状态反馈预 测控制(State Feedback Predictive Control， SFPC)
第一节 预测控制的发展
反馈校正
在每个采样时刻，都要通过实际测到的输出信息对基于 模型的预测输出进行修正，然后再进行新的优化
闭环优化
不断根据系统的实际输出对预测输出作出修正，使滚动 优化不但基于模型，而且利用反馈信息，构成闭环优化
预测控制
预测控制从七十年代中期提出至今，一直是控制界的一个研究热点，不断发展，先后出现了模型算法控制(MAC)、动态矩阵控制(DMC)和广义预测控制(GPC)等几十种，且在实际复杂工业过程控制中得到了成功应用。
对于大滞后的被控过程，预测控制是一种非常有效的控制方法，因为预测控制不是根据被调量的当时值进行控制的，而是根据被调量在未来一段时间内的预测值进行控制的，因此，控制作用可以提前一段时间动作，这对大滞后被控过程的控制是至关重要的。
预测控制基本原理由于各类预测控制方法在预测模型假定或设计思想上存在某些差异，从而使相应的控制律各有不同的特点，但其主要思想仍是相似的，对于一个SISO 系统可用图1来简单说明，其控制决策描述如下:1)在“当前”t 时刻对过程的未来输出进行预测，预测值ˆˆˆ{(),(1),,(1)}p yt y t y t N ++- 取决于过程t 时刻的已知信息、动态预测模型以及所假定的未来控制序列{v (t ), v (t +1), …, v (t +N u -1)}；2)在所假设的不同的未来控制作用中，选择“最优”控制序列***{(),(1),,(1)}u v t v t v t N ++- ，使过程的输出预测值ˆy以“最好”的方式逼近参考轨迹y r 。
最优逼近可定义为使某一特定的目标函数最小。
对输出误差和控制增量加权的二次型性能指标(1)是目前采用最多的目标函数。
2211ˆmin (()())((1))p uN N r k k k J y t k y t k u t k λ===+-++∆+-∑∑ (1.1) 3)将“最优”控制序列中t 时刻的控制信号*()()u t v t =作用于实际过程。
在下一个采样时刻重复进行上面的计算步骤。
图1 预测控制算法原理图图2为预测控制系统原理框图。
虽然预测控制算法种类多、表现形式多种多样，但它们都具有下述三项基本特征，即：预测模型、滚动优化、反馈校正。
多变量DMC预测控制算法在热工系统控制中的应用研究
在 热 工 系 统 控 制 中 的 应 用 研 究
李 书才 ， 建康 ， 董 张 力
山 东电力工程 咨询 院有 限公 司， 东 济 南 ２ ０ １ 山 ５０ ３
［ 摘
要］ 针对 复 杂热工 系统 多 变量 、 强耦 合 的特 点 ， 绍 了多 变量 的动 态矩 阵控 制 （ 介 ＤＭＣ） 法 算 用 于热 工 系统控 制 的 实现 步骤 ， 出 了 Ｄ 提 ＭＣ控 制 器参数 自整定 方 法。将 Ｄ ＭＣ控 制 器
ｓ ｔｍ ａ ｅｂ ｅ ｒ ｓ ｎ ｅ ａ ｄ ｔ ｅｓ ｌ—ｓ ｔｉ ｇ ｍｅ ｈ ｄｏ ａ ａ ｅｅ ｓｃ ｎ ｅ ｎｎ ｙ ｅ ｈ ｖ ｅ ｎ ｐ ｅ ｅ ｔｄ， ｎ ｈ ｅｆ ｅ ｔｎ ｔ ｏ ｆｐ ｒ ｍ ｔ ｒ ｏ ｃ ｒ ｉｇＤＭ Ｃ ｃ ｎ ｒ ｌ ｒｂ — ｏ ｔｏ ｌ ｅ ｅ
Ｌ ｈ ｃ ｉＤＯＮＧ ｉｎ ａ ｇ， ＨＡＮＧ ＩＳ ｕ ａ ， Ｊａ ｋ ｎ Ｚ Ｌｉ
Ｓ ａ ｄ ｎ ｅ ｔｉ ｗｅ ｇｎ ｅｉ ｇＣｏ ｓ ｌｉｇ Ｉ ｔｔ ｔ ｄ，ｉａ ５ ０ ３， ｈ ｎ ｏ ｇＰｒ ｖｎ ｅ， ｈ ｎ ｏ ｇ Ｅｌｃ ｒ Ｐｏ ｒＥｎ ｉｅ ｒｎ ｎ ｕｔｎ ｎｓｉｕ ｅＣｏＬｔ Ｊｎ ｎ ２ ０ １ Ｓ ａ ｄ ｎ ｏ ｉｃ ＰＲＣ ｃ
典型 的 多变量 热 工过 程 ， 个 变 量之 间 存 在着 强 耦 合 各 关系 ， 因此 采 用 ＤＭＣ控 制 器 参 数 自整 定 方 法 的 控 制 策略 ， 以提 高球 磨机运 行 的经济 性 。
收 稿 日期 ： ２ １ — ３ ２ ０ｌ ｏ— ９ 作者简介 ： ￣ ＇１８ 一 ， ， （９３ ）男 山东聊城人 ， 于山东大学 ， 士， 毕业 硕 工程师 ， 主要从事 电力热工系统设计及控制研究 。
先进控制算法的研究与探讨及创新途径
先进控制算法的研究与探讨杨宝星（中国石油辽阳石化分公司，辽宁辽阳 111003）摘要：DMC预测控制算法能够较好改善纯滞后复杂对象的控制效果。
基于Labview设计实现了DMC、DMC-PID、差分方程MPC等高级控制算法。
利用Labview对以上算法进行仿真，并选取一阶纯滞后模型作为控制对象进行控制效果检验。
实验结果证明以上控制算法较常规PID有较好的控制效果。
关键词：预测控制，模型辨识，阶跃测试，LabviewAbstract：DMC predictive control algorithm can be used to improved the effect of time delay complexity control object. Based on Labview, DMC、DMC-PID、MPC based on differential equation and other advanced control algorithm are designed. Using labview we simulate these algorithms,and select first-order time delay model as control object to test control effect. The experiment proves that these advanced algorithms have better control effect than custom PID algorithm.Keywords: predictive control, model identification, step test, Labview0. 引言随着工业过程日益走向大型化、连续化、复杂化,很多系统极其复杂,具有高度的非线性、强耦合性、不确定性、信息不完全性和大时滞等特性,并存在苛刻的约束条件，使常规控制无法得到满意的控制效果，由此先进的工业控制技术也就应运而生。
基于人工智能的机械振动预测与控制研究
基于人工智能的机械振动预测与控制研究近年来，随着人工智能技术的快速发展，其在各个领域的应用也越来越广泛。
在机械领域中，人工智能被应用于机械振动预测与控制，为我们带来了巨大的便利和效益。
机械振动是指机械系统在运行过程中产生的来自内部或外部的震动或波动。
这些振动会给机械系统带来一系列问题，如加速度、速度和位移的增大，噪音的产生，甚至是机械部件的磨损和损坏等。
因此，机械振动的预测与控制对于机械系统的健康状态监测和维护至关重要。
传统的机械振动预测与控制方法主要依赖于传感器采集振动数据，并通过振动信号的频率分析、时间分析、能量分析等手段来对机械振动进行分析。
然而，这种方法需要大量的人工参与和先验知识，并且对于复杂的机械系统很难达到准确预测和控制的目的。
基于人工智能的机械振动预测与控制方法则提供了一种全新的思路。
通过深度学习和强化学习等技术，人工智能能够从大量的振动数据中学习和提取特征，并建立起振动模型。
这样，当机械系统发生振动时，人工智能可以根据振动模型预测振动的发生和发展趋势，为后续的控制和维护工作提供依据。
在机械振动预测中，人工智能可以根据以往的振动数据建立起预测模型，对未来的振动进行预测。
例如，在工业生产过程中，机械设备的振动常常会给生产工艺和生产效率带来一系列的问题。
通过人工智能的振动预测模型，我们可以提前发现并解决这些问题，从而有效提高生产效率和质量。
而在机械振动控制中，人工智能可以根据预测模型的结果自动调整机械系统的控制参数，以达到振动控制的目的。
例如，在高速列车的设计和运行中，振动控制是一个重要的研究方向。
通过人工智能的振动控制方法，我们可以实时监测列车的振动状态，并通过自动调整轨道的摆放和列车的控制系统，降低振动对列车和乘客的影响。
当然，基于人工智能的机械振动预测与控制方法仍然存在一些挑战。
首先，数据的质量和数量对振动预测和控制的准确性有重要影响。
因此，如何获取高质量的振动数据，以及如何充分利用大规模的振动数据成为人工智能振动研究中的关键问题。
DMC控制算法范文
DMC控制算法范文DMC（Dynamic Matrix Control）是一种高级控制算法，用于实时优化过程控制。
它是一种预测控制算法，通过模型对未来的系统行为进行预测并计算出最优的控制策略。
DMC算法的核心是简化为一个离散时间系统的ARX（自回归外推）模型，该模型可以通过系统的输入和输出数据来估计。
ARX模型的形式为：y(t)=b1*u(t-1)+b2*u(t-2)+...+a1*y(t-1)+a2*y(t-2)+...其中，y(t)是当前的系统输出，u(t)是当前的系统输入。
b1、b2、..为输入u(t)的系数，a1、a2、..为输出y(t)的系数。
通过拟合这个模型，我们可以得到系统的模型参数。
在DMC算法中，通过将未来一段时间的参考轨迹（即控制目标）转化为一系列未来时刻的输出预测，将控制问题转化为一系列的最优化问题。
通过数学优化方法，可以得到满足约束条件的最优控制策略。
DMC算法的基本步骤如下：1.根据系统的实时输入和输出数据，通过ARX模型估计出当前系统的模型参数。
2.从控制目标中提取出未来一段时间的参考轨迹，转化为一系列的输出预测。
3.通过最小化预测输出与参考轨迹的误差，得到最优的控制输入序列。
4.应用最优输入序列到系统中进行控制。
5.等待下一个采样周期，然后重复以上步骤。
DMC算法的优点是可以根据实时系统的性能要求进行灵活调节，提供了更好的控制品质。
它能够处理系统的时变性、非线性和耦合性等问题，并且具有较好的鲁棒性。
然而，DMC算法也存在一些挑战和限制。
首先，它需要一个准确的系统模型，而模型不准确会导致控制性能下降。
其次，DMC算法在计算方面相对复杂，需要较高的计算资源和实时性。
最后，DMC算法对于系统辨识的选择和参数调整也有一定的要求。
为了克服这些问题，研究人员一直在对DMC算法进行改进和拓展。
例如，引入了递归加权最小二乘法（R-LSE）方法来实时估计系统模型参数，提高了算法的实时性能。
NCS-DMC预测控制算法
0 引言
随着网络技术和控制技术的不断发展，网络控制系统得到了广泛的应用，使得控制系统更加便捷。网 络控制系统(Networked Control System)，简称 NCS，是一种基于网络的控制系统，是网络技术和控制技术 不断发展的产物，是一种将网络通信和自动控制结合起来所形成的一种新的控制技术。NCS 中将网络作为 信号的传输介质引入到控制系统中，以分布式控制系统来取代传统的独立控制系统，通过网络把控制系统 中的传感器、执行器和控制器等主要功能部件相连接，通过网络进行控制系统中相关信号和数据的传输和 交换。在 NCS 中，多个控制系统可以共享通信信道，大大简化了控制系统的系统接线。
NCS-DMC 预测控制算法
摘要：网络控制系统由于可实现资源共享，连接线数少、易于扩展和维护等优点，已经成为自动化领域技术发展 的热点之一。控制系统的控制元件通过公共网络进行数据交换和传输，网络控制中网络的介入，带来了时延、丢 包、乱序、网络调度方式以及节点驱动方式等一系列问题，给 NCS 的设计带来了难题。近年来，学界对于网络 化控制系统控制策略的研究取得大量的成果，出现了许多有效的方法。本文主要针对预测控制策略，介绍了动态 矩阵算法的基本原理以及各个参数对控制性能的影响。 关键词：网络控制系统；时延；预测控制；动态矩阵控制
2 预测控制及动态矩阵算法
2.1 预测控制理论 预测控制是以计算机为实现手段的一种釆样算法，其主要特征包括预测模型、滚动优化和反馈校正。 它的基本思想是在当前时刻，根据预测模型以及系统的给定值，按照某一最优指标，计算系统有限步的控 制量，在下一时刻到来时，重复上面的优化步骤。算法中，为了减少系统的震荡以及超调，设计系统输出 按照某一设计好的参考轨迹跟踪给定值；为了保证控制精度及抑制模型失配和干扰对系统控制性能影响， 系统根据接收到的实际输出来修正预测模型。由预测算法的基本思想可以看出，预测控制的优化是在线不 断滚动的局部优化，而不是离线的全局优化。 2.1.1 预测模型 预测控制中采用的参考模型，称为预测模型，预测模型的功能是根据系统的输入预测系统的输出。在 预测控制中，模型的选择打破了传统控制中对模型的严格要求，不注重模型的结构，只强调模型的功能。 任何能反应系统特性的模型都可以作为预测模型，比如传递函数、状态方程等。对于线性稳定系统，甚至 可以用阶跃响应、脉冲响应等非参数模型作为预测模型来使用。预测控制着眼于模型的功能，而不拘泥于 模型的形式，给被控系统的建模带来了极大的方便，这是其优于其他控制算法和能在工业上得到广泛应用 的原因。 2.1.2 滚动优化 预测算法中的优化策略是在某一时刻，按照某一性能指标，优化有限时域内的控制量，以使未来有限 时刻的输出最优，在下一时刻重复优化步骤。预测控制中的优化是在线的滚动优化，不同于传统优化算法 中的离线一次优化。在线反复滚动优化始终使系统的优化与系统的当前状态相吻合，可以使模型失配、时 变、干扰等引起的不确定性得到很好的补偿，保证优化的实际效果。 2.1.3 反馈校正 在预测控制中，通过预测模型估计被控对象的输出，但是，现实中预测模型很难和被控对象模型完全 相同，而且现场中还存在扰动等不确定影响因素，如果不采取措施，模型的失配或者外界的干扰等会使控 制的结果偏离给定值， 严重的情况下甚至导致不稳定。 预测控制中通过加入反馈校正环节来解决上述问题， 即引入被控对象的输出作为反馈，与预测模型的输出进行差运算，得出预测模型的预测误差，并用预测误 差来修正预测模型。预测控制通过引入反馈校正环节，增加了系统的鲁棒性，使系统具有了很强的克服模 型失配以及外界干扰的能力。 预测控制中可以采用多种方式修正预测模型，如：MAC，DMC 等在预测模型的基础上，通过预测误 差对预测值进行补偿；GPC 中根据反馈进行在线辨识，直接修正预测模型。预测控制基于预测模型，同时 也利用了大量的反馈信息来修正模型。因此，预测控制是一种闭环控制。
课件--模型预测控制
h1
h1
h2
PM 1
hi
i1
PM
第三节 模型算法控制(MAC) 二. 反馈校正
以当前过程输出测量值与模型计算值之差修正模型预测值
yP (k j) ym (k j) jy(k) ym (k)
N
ym (k) hiu(k i) i 1
对于P步预测
j 1, 2, , P
YP (k) Ym (k) βe(k)
主要内容 预测模型 反馈校正 参考轨迹 滚动优化
第四节 动态矩阵控制(DMC) 一. 预测模型
DMC的预测模型
渐近稳定线性被控对象的单位阶跃响应曲线
和给定值的偏差来确定当前的控制输入 预测控制：不仅利用当前的和过去的偏差值，
而且还利用预测模型来预测过程未来的偏差值。 以滚动优化确定当前的最优控制策略，使未来 一段时间内被控变量与期望值偏差最小 从基本思想看，预测控制优于PID控制
第二节 预测控制的基本原理
r(k)
+_
d(k)
在线优化 控制器
u(k)
y(k) 受控过程
+ y(k+j| k)
+
模型输出 反馈校正
动态 预测模型
y(k|k)
_ +
三要素：预测模型 滚动优化 反馈校正
第二节 预测控制的基本原理 一.预测模型（内部模型）
预测模型的功能 根据被控对象的历史信息{ u(k - j), y(k - j) |
j≥1 }和未来输入{ u(k + j - 1) | j =1, …, m} ，预测 系统未来响应{ y(k + j) | j =1, …, p} 预测模型形式 参数模型：如微分方程、差分方程 非参数模型：如脉冲响应、阶跃响应
结构动力学中的激励响应与振动控制
结构动力学中的激励响应与振动控制结构动力学是研究结构受到外界激励后的响应行为和振动控制方法的一门学科。
在实际工程中，结构的激励响应和振动控制是十分重要的研究方向，可以保证结构的安全可靠性、提高结构的工作性能以及减小结构应力和振动带来的危害。
本文将围绕结构动力学中的激励响应和振动控制展开讨论。
一、激励响应分析1. 动力学方程结构的激励响应分析通常采用动力学方程描述结构在激励作用下的动力学性能。
动力学方程可以通过基于力学平衡和牛顿第二定律推导得出，是研究结构动态响应的重要工具。
2. 激励载荷在激励响应分析中，激励载荷是结构受到的外界激励，可以分为静态载荷和动态载荷。
静态载荷主要包括自重、施加在结构上的静力载荷等；而动态载荷则是结构受到的振动载荷，包括地震、风荷载等。
3. 响应计算方法在激励响应分析中，常用的计算方法包括频域分析、时域分析和模态分析。
频域分析通过将结构的响应和激励在频域上进行描述，可以求解结构的频率响应函数。
时域分析则是在时间域上进行计算，更加适用于非线性问题。
模态分析是将结构的振动模态作为基础，分析结构的响应。
二、振动控制方法1. 被动控制被动控制是指通过添加阻尼材料、减震装置或控制装置等被动元件来减小结构振动响应。
被动控制方法简单易行，成本低廉，可以显著改善结构的振动性能。
常用的被动控制方法包括阻尼器、减震器、质量块和刚度调节等。
2. 主动控制主动控制是指通过控制装置主动地对结构进行控制，以减小结构的振动响应。
主动控制方法需要预先设置控制策略和控制算法，可以根据实际情况对结构进行精确控制。
常用的主动控制方法包括主动质量装置、主动振动控制器和主动剪力装置等。
3. 半主动控制半主动控制是介于被动控制和主动控制之间的一种控制方式，通过调节结构的阻尼、刚度或质量参数来改变结构的振动性能。
半主动控制方法结合了被动和主动的优点，可以在一定程度上降低成本和复杂度。
常用的半主动控制方法包括半主动摩擦阻尼器、半主动液流阻尼器和半主动刚度调控器等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ｖｉｂｒａｔｉｏｎｓ，２００１，２１（４）：１５９—１６２．
（２）周云，徐龙河，李忠献．磁流变阻尼器半主动控制结构的地震反应分析［Ｊ］．土木工程学报，２００１，３４（５）：１０—１４．Ｚｈｏｕ Ｙｕｎ，
Ｘｕ Ｌｏｎｇｈｅ，Ｌｉ Ｚｈｏｎｇｘｉａｎ・Ｓｅｉｓｍｉｃ ｃｈｉｎａ ＣｉｖｉＩ Ｅｎｇｉｎｅｅｒｉｎｇ
法．应用起来控制效果并不理想。
动态矩阵（ＤＭＣ）预测控制算法采用多步预测、滚动优化、反馈校正等控制策略，能较好地解决模型参数 和外部干扰不确定的被控对象的控制问题。同时ＤＭＣ预测控制算法是基于将来的控制输入和输出进行最优化计
算，所以这种算法对解决工业工程和土木工程中都普遍存在的控制时滞问题有优势。
二、结构模型
中的每一个元素Ｑ；对应于第ｆ个时域内，第．『个输出逼近于期望值权重。Ｑｌ［ｆ越大，说明逼近程度越高，相应于
．ｆ的阻尼器的控制就应越大。分析发现，三层框架结构中的第一层的阻尼器对结构控制效果优于第二层阻尼器，
二层优于第三层。所以选择Ｑ。＞Ｑｊ２＞Ｑｂ，有利于实现控制作用和控制效果的虽优化。
Ｒ矩阵是为了防ｌ匕控制量剧烈变化．通常取尺为空矩阵即可。如果控制系统不稳定，可适当增大Ｒ中元数 的值，有利于控制的稳定。 （三）时滞分析 通常控制系统中总的时滞可以假定为一常量，并与采样周期保持一定的代数关系，设时滞ｆ＝Ｚ玎。时滞系
计算的阶跃响应图形见图ｌ。
Ｓｌ●ｐ ０ ５
Ｒｅｓｐｏｎｓｅ
Ｐ：～々卜
Ｏ
５ Ｏ ５
Ｎ＝一。ｊ－ ＿，，量＾暑ｑ
Ｏ ５ ２
１
一：一。－Ｌ
Ｏ
０
宦目匿 霪匿匿 厂］厂一厂＿ 匿星墨
Ｆｒｏｍ：ｙ２
５ １０ ０ ５ １０
＂ｌｉｍａ佃ｅ ｃＩ
图１模型输入输出阶跃响应 从图１中可以看出，５ｓ后系统所有的输入输出阶跃响应基本上趋于稳定，从而得到模型长度。 （二）误差权矩阵和控制权矩阵 对ＤＭＣ而言，性能指标函数第一项对应于结构地震激励下的输出，‘第二项对于结构主动控制。在用 Ⅲａｔｌａｂ／ｓｉｍｕｌｉｎｋ工具进行控制计算时，Ｑ是一个Ｐ×ＭＶ的矩阵，Ｐ为优化时域，ＭＶ为控制力的维数。矩阵
动力荷载作用Ｆ，结构的振动方程为： Ｍ Ｉ＋Ｃｊ＋Ｋｘ＝Ｆ—ＭＩ戈２ （１）
其中Ｍ、Ｃ和Ｋ分别为ｎｘｎ阶质量、阻尼和刚度矩阵；上、ｊ、置分３ｑＮｎｘｌ阶结构相对地面的位移、 速度、加速度向量；Ｉ为ｎ×ｌ阶单位向量，譬。为地震作用下的地面加速度；Ｆ＝ＬＵ为控制力向量，Ｌ为ｎｘｍ 阶阻尼器位置矩阵，ｍ为阻尼器个数。ｕ为ｍｘｌ阶ＭＲ阻尼器产生的控制力向量。
１８３０
工业建筑－２００８增刊
第八届全国现代结构工程学术研讨会
ＤＭＣ中，采样周期Ｔ的选择应遵循‘般采样控ＳＪＪｑ埘Ｔ的选择原则。对于本结构采样可取丁≤０．１疋，其中
￡为结构的最小自振周期。Ｔ的选取还与模型长度Ｎ有着联系。Ｔ越小，模型长度Ｎ越大，控制系统越稳定。 但是丁过小势必引起模型维数的增大，增加控制成本，影响实时控制。 模型长度Ⅳ的选择应尽可能覆盖对象的整个动态范围，先算出控制输入对应于控制输出的阶跃响应。本文
由图３，４，５可以得知，在有控状态下，结构的各层的振动位移减少５０％以上，并且第。层阻尼器的出力的 峰值最大，变化最频繁。ＤＭＣ预测控制算法对结构振动控制有很好的控制效果。
五、结论
工业建筑２００８增刊 本文将动态矩阵（ＤＭＣ）预测控制算法应用于结构振动控制，提出了关于控制权矩阵和误差权矩阵选取的
一股性原则，建立了考虑固定时间滞后模型的预测控制算法。为验证这一算法的有效性，本文采用ｍａｔｌａｂ／ｓｉｍｕｌｉｎｋ
控制工具箱，对ｋｏｂｅ波激励下的三层框架结构振动进行了预测控制计算，获得了较好的振动控制效果。 参考文献
（１）周云，吴志远，架兴文．磁流变阻尼器对高层建筑风振反应的半主动控制［Ｊ］．地震工程与工程振动，２００１，２１（４）：１５９—１６２．
极探索半主动控制或主动控制方法在结构振动控制中的应用，主要是希望将自动控制领域的成熟控制理论应用到 土木上程上，这方面的研究有１卜分重要的理论研究和实际应用意义。 国内外许多学者已经在结构控制方式和结构控制设计方法等方面作了大量的理论和实践工作，但过去的工作 集中在经典线性最优（ｃｏｃ）算法、瞬时最优控ＮＯｏｃ）算法、ＬＱＧ控制算法等“。２』。这些算法都属基于全局最优 解的经典反馈控制系统。由于振动控制的对象为已经建成的建筑，在地震或风振的动力作用激励下，控制对象的 模型随时间的改变而变化，同时地震或风振激励是不可预测的外部干扰。这样，基于精确模型的全局最优控制算
三、ＤＭＣ预测控制模型和算法
ＤＭＣ预测控制理论是一种基于对象阶跃响应的预测控制算法，通过建立预测模型、实现滚动优化及进行反
馈校正三个过程来实现控制。本文将动态矩阵（ＤＭＣ）预测控制算法应用于结构振动控制，需要确定控制权矩 阵和误差权矩阵选取的一般性原则，并建直考虑同定时间滞后模型的预测控制算法。 （一）采样周期和模型长度
第八届全国现代结构工程学术研讨会
ｑ，＝０．等价于控制力延迟一‘个固定的ｒ时间作用于结构上。
四、框架结构振动的预测控制计算
为验证上述算法和模型的有效性，本文采用ｍａｔｌａｂ／ｓｉｍｕｌｉｎｋ控制工具箱，对ｋｏｂｃ波激励下的三层框架结构
振动…进行了预测控制计算。
外部干扰为ｋｏｂｅ地震波，结构层质量和层间刚度分别为聊ｊ＝４ｘ１０５ｋｇ和ｋｉ＝２ｘ１０８Ｎ／ｍ（ｉ＝１，２，３）。结
第八届全国现代结构工程学术研讨会
结构振动的ＤＭＣ预测控制研究
邓麟勇黄真
ｆ
Ｅ海交通大学船建学院土木工样系，上海２０００３０）
提要：，本立将动态矩阵（ＤＭＣ］预铡控制算法应用于结构振动控制，提出了关于控制权矩阵和误差权矩阵选取的一般性原则，建 立了考虑固定时间滞后模型的预测控制算法。为验证这一算法的有效性，本文采用ｍａｄａｂ／ｓｉｍｕｌｉｎｋ控制工具箱，对ｋｅｂｅ 波激励下的ｊ层框架结构振动进行了预测控制计算，获得了较好的振动控制效果。 关键词：结构振动，预测控制．动态矩阵，时滞
一、引言
结构受地震风振的动力作用，常会出现较为严重的损伤累计或破坏。近十年来，国内外学者在结构振动控制 领域进行了积极的探索。其中被动控制方法研究较多，已有一些工程（如桥梁）采用了被动控制方法减振。被动
控制方法虽然简单方便，但被动控制有控制性能差、不能针对特定外部荷载进行控制等缺点。目前国际上正在积
１８３４
工业建筑２００８增刊
结构振动的DMC预测控制研究
作者： 作者单位： 邓麟勇， 黄真 邓麟勇(上海交通大学船建学院土木工程系,上海,200030)， 黄真(上海交通大学船建学院土 木工程系,上海,00030)
本文链接：/Conference_6798613.aspx
ｒｅｓｐｏｎｓｅｓ
ｏｆ ｓｅｍｉ—ａｃｔｉｖｅ
ｃｏｎｔｒｏｌ ｕｓｉｎｇ ｍａｇｎｅｔｒｏ—ｒｈｅｏｌｏｇｉｃａｌ ｆｌｕｉｄ
ｄａｍｐｅｒｓ［Ｊ］．
Ｊｏｕｒｎａｌ，２００１。３４（５）：１０～１４．
（３）席裕庚，预测控制，北京：国防工业出版社，１９９３
（４）欧进萍，结构振动控制一主动、半主动和智能控制，北京：科学出版社，２００３：３９、９５
构前两阶阻尼为六＝磊＝５％，无控结构的自振频率为１．５８ＨＺ，４．４４ＨＺ和６．４２ＨＺ。图２是结构振动的ＤＭＣ预
测控制模块圈。
图２结构振动嗍Ｃ预测控制模块图
当控制时域Ｍ＝３，优化时域Ｐ＝１２，参考曲线ｒ＝［】，误差权矩阵ｙｗｔ＝【１
０．８
Ｏ．５】，控制权矩阵ｕｗｔ＝口，在无控和预测控制作用下，结构的位移时程曲线和控制力曲线比较如图３，４，５所
示。
工业建筑２００８增刊
第八届全国现代结构工程学术研讨会
图３结构底层位移反应和控制力时程
＿Ｉ口。
０
《＃蘑菇ｉ鞍
Ｏ
““。ｋ圳Ｉｌ｜。＾。４ｌ Ｕ 川０ ’ｗｒＷｌ册 删 邝
１
图４结构二层位移反应和控制力时程
＿１一
¨
ｏ
血“。ｋ．龇。＾．删
ｈ』
㈨
｝Ｒ蘑戤赘鞋
¨
１ｗＦＷｌ阴 ㈣ ｒ１１
图５结构顶层位移反应和控制力时程
统控制方程为 ＭＸ＋Ｃｊ＋Ｋ石＝Ｌ Ｕ（ｔ—ｆ）一Ｍ Ｉｉ。 （６）
通过上面的方程可以得知，预测控制算得的控制力不是立即作用在被控对象上，而是延后一个固定的ｆ时间，
所以针对时滞系统的数值模拟要注意的问题是模型的阶跃响应矩阵ｑｆ＝【ｑ，（１）…ｑｉ（Ⅳ）ｒ，当ｆ＝ｌ，．．．，∥，
工业建筑２００８增刊
１８３１
Ｚｈｏｕ Ｙｕｎ，Ｗｕ Ｚｈｉｙｕａｎ，Ｌｉａｎｇ Ｘｉｎｇｗｅｎ．Ｓｅｍｉ—ａｃｔｉｖｅｃｏｎｔｒｏｌ ｆｏｒ ｗｉｎｄ—ｉｎｄｕｃｅｄ ｖｉｂｒａｔｉｏｎ ｏｆ ｈｉｇｈ—ｒｉ
ｓｅ
ｓｔｒｕｃｔｕｒｅｓｕｓｉｎｇ
ＭＩ｛ｄａｍｐｅｒｓ［Ｊ］．Ｅａｒｔｈｑｕａｋｅ
Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｅｎｇｉａｅｅｒｉｎｇ