升船机地震鞭梢效应的智能自适应减震控制装置 技术领域
本发明属于结构工程领域，特别是一种升船机地震鞭梢效应的智能自适应减震控制装置。
背景技术
升船机是水利枢纽工程中重要的通航设施之一，其主要功能是整体提升过往水利枢纽大坝的轮船。由于轮船(带水)本身重量大，大坝两端设计的水位高差大，提升高度高，因此，升船机结构具有体形巨大、作用荷载大和结构形式特殊的特点。升船机结构一般由四个巨大的钢筋混凝土柱结构支撑一个顶部的大跨机房结构而组成。由于升船机结构的塔柱要支撑巨大的荷载，因此塔柱的抗侧刚度很大，通常是顶部厂房排架柱的数百倍。这样，在塔柱顶部钢筋混凝土平台处就会产生侧移刚度的突变。这种巨大的刚度突变会引起升船机顶部厂房强烈的地震鞭梢效应，使得升船机顶部厂房地震反应的控制成为升船机抗震设计中的关键问题之一。由于使用功能上地要求，不允许在厂房排架方向设置支撑或者耗能构件，采用常规的结构振动控制方法难以较好地解决升船机顶部厂房的鞭梢效应。
随着智能材料(如形状记忆合金、电/磁流变液、压电材料、磁致伸缩材料等)和计算机控制技术的发展，国际上正在将智能结构的概念引入到结构工程的防灾减灾，提出了智能防灾和减灾的概念，改变了传统的用承重结构本身直接抵御自然灾害作用的思路，建立智能自适应减灾结构系统的概念。当突发自然灾害发生时，它能自动应对突发自然灾害的作用，自适应地调整结构的参数，减小结构的响应，避免建筑结构的破坏。
发明内容
本发明的目的是提供一种能自动应对突发自然灾害的作用，自适应地调整结构的参数，减小结构响应的升船机地震鞭梢效应的智能自适应减震控制装置，以克服上述的不足。
为了解决升船机顶部厂房存在的剧烈的地震鞭梢效应，本发明包括顶层厂房柱、圈梁和屋盖，圈梁设置在顶层厂房柱顶上，其特点是：一个滑动支座座固定在圈梁上，一个滑动支座体固定在屋盖上，其中滑动支座体放置在滑动支座座上，滑动支座体可以在滑动支座座水平方向上滑动；
有一个具有有限刚度的侧向限位装置的两端分别与滑动支座座和滑动支座体相连接；
有一个MR阻尼器通过一个支架与升船机顶部厂房柱顶的圈梁相连，通过另一个支架与升船机顶部厂房屋盖相连；
有传感器分别放置在升船机顶部厂房柱顶和屋盖上，传感器的输出与计算机相连，计算机的输出与MR阻尼器专用电源相连接，MR阻尼器专用电源的输出与MR阻尼器相连接。
本发明不占用升船机顶部厂房的空间，不改变升船机顶部厂房的基本结构性质，同时能有效减少地震作用下升船机顶部厂房的剧烈的地震鞭梢效应。
附图说明
附图为本发明结构示意原理图。
图中：1-滑动支座座、2-滑动支座体、3-具有有限刚度的侧向限位装置、4-MR阻尼器，5-支架1、6-支架2、7-传感器，8-控制计算机、9-MR阻尼器专用电源、10-圈梁、11-顶层厂房柱、12-屋盖。
具体实施方式
下面结合附图对本发明作进一步的说明。
在附图中，本发明滑动支座座1安装在升船机顶部厂房柱11顶的圈梁10上，滑动支座体2安装在升船机顶部厂房屋盖12上，滑动支座体2放置在滑动支座座1上，并可在水平方向上滑动；具有有限刚度的侧向限位装置3的一端与滑动支座座1相连，另一端则与滑动支座体2相连；MR阻尼器4通过支架5与升船机顶部厂房柱11顶的圈梁10相连，通过另一个支架6与升船机顶部厂房屋盖12相连；传感器7分别放置在升船机顶部厂房柱11顶和屋盖12上，并与计算机8相连；计算机8与MR阻尼器专用电源9相连，MR阻尼器专用电源9则与MR阻尼器4连接在一起。
本发明中的MR阻尼器4和滑动支座座1、滑动支座体2组成为并联系统，顶部厂房的屋盖12重量由滑动支座座1和滑动支座体2承担。通过设置滑动支座座1和滑动支座体2可改变顶部厂房的动力特性，将地震输入的大部分能量过滤掉，从而减小屋盖12质量对顶部厂房柱11的地震作用；具有有限刚度的侧向限位装置3将屋盖的滑动位移限制在允许的范围内，能有效地防止屋盖12从柱11顶脱落；MR阻尼器4可改善被动隔震装置的性能，在保证隔震效果的前提下，能有效减小隔震层的层间侧移，避免隔震系统因过大的水平层间侧移而产生失效破坏。传感器7采集地震干扰下升船机结构的动力响应，并将采集信号输入到控制计算机8；计算机8根据采集到的信号，按照事先设计好的软件控制策略产生控制信号；MR阻尼器专用电源9根据控制信号改变电压，调节MR阻尼器4的磁场，从而产生新的控制力作用到升船机结构中。
本发明的计算机8中软件的核心是控制算法，它是升船机的智能自适应减震控制装置能否取得良好的减振效果的关键问题之一。在控制策略上采用基于逆模式神经网络的模糊智能半主动控制算法。该算法采用逆模式神经网络来模拟MR阻尼器的逆向模型，从而通过逆模式神经网络得到连续的控制电流，实现阻尼力的连续可调；在此基础上，结合模糊智能控制策略，产生连续的控制信号，从而实现阻尼器的连续可调。模糊智能控制属于智能控制理论，方法本身并不依赖于结构的力学模型，而且，神经网路具有很好的泛化能力，对于非训练样本也可得到满意的结果，因此，基于逆模式神经网络的模糊智能半主动控制算法具有较好的鲁棒性，适合于在实际工程中应用。
本说明书中未作详细描述的内容属于本领域技术人员公知的现有技术。