Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
International Journal of Machine Learning and Cybernetics
Erschienen in: International Journal of Machine Learning and Cybernetics 3/2012

01.09.2012 | Original Article

Structural vibration suppression by using neural classifier with genetic algorithm

verfasst von: Chuen-Jyh Chen

Erschienen in: International Journal of Machine Learning and Cybernetics | Ausgabe 3/2012

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

With the trend toward taller and more flexible building structures, the use of vibration control devices, passive as well as active, as means of structural protection against strong wind and earthquakes have received significant attention in recent years. A mass-damper shaking table system has been considered as means for vibration suppression to external excitation and disturbances. No explicitly system identification of the plant dynamics, no membership function and thus no fuzzification–defuzzification operation are required. For effective control performance, a neural classifier controller with genetic algorithm is developed. Compared with the conventional neural network and fuzzy controller, the neural classifier controller using genetic algorithm has been presented with the effectiveness of the vibration suppression control. Experimental results show that the neural classifier controller remains effective for building structure vibration suppression under free vibration and forced vibration excitation.
Vorheriger Artikel Classification rule discovery using learning automata
Nächster Artikel On multigranulation rough sets in incomplete information system

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Weitere Produktempfehlungen anzeigen
Literatur
1.
Yang SM, Lee GS (1997) Vibration control of smart structures by using neural networks. J Dyn Syst Meas Control ASME 119(1):34–39MATHCrossRef
2.
Yang SM, Lee GS (1997) A neural network design methodology for structural control. In: 1997 ASME Design Engineering Technical Conferences, paper no. DETC97/VIB-3775
3.
Yang SM, Lee GS (1997) System identification of smart structures using neural networks. J Intellect Mater Syst Struct 8(10):883–890CrossRef
4.
Yang SM, Chen CJ, Huang WL (2006) Structural vibration suppression by a neural-network controller with a mass-damper actuator. J Vib Control 12(5):495–508MATHCrossRef
5.
Chen CJ, Yang SM, Wang ZC (2009) System identification by neuro-fuzzy model with Sugeno and Mamdani fuzzy rules. J Aeronaut Astronaut Aviat 41(4):263–270
6.
Yan SZ, Zheng K, Li Y (2005) Vibration suppression of adaptive truss structure using fuzzy-neural network. In: Wang J, Liao X, Yi Z (eds) Advances in neural networks-ISNN05. Springer, LNCS 3498, Part III, pp 155–160
7.
Cavallo A, De Maria G, Natale C (2001) Second order sliding manifold approach for vibration reduction via output feedback: experimental results. IEEE/ASME Int Conf Adv Intell Mechatron Proc 2:725–730
8.
Li Y, Liu Y, Liu X (2005) Active vibration control of a modular robot combining a BP neural network with a genetic algorithm. J Vib Control 11(1):3–17MATHCrossRef
9.
Li Y, Liu Y, Liu X, Peng ZY (2004) Parameter identification and vibration control in modular manipulators. IEEE/ASME Trans Mechatron 9(4):700–705CrossRef
10.
Kundu S, Seto K, Sugino S (2002) Genetic algorithm application to vibration control of tall flexible structures. IEEE Proc Electron Design Test Appl 333–337
11.
Minato J, Ohsumi A (2003) Control for high-rise buildings subjected to wind and seismic disturbances. In: SICE 2003 annual conference, vol 1, pp 535–539
12.
Itoh K, Iwasaki M, Matsui N (2004) Optimal design of robust vibration suppression controller using genetic algorithms. IEEE Trans Ind Electron 51(5):947–953CrossRef
13.
14.
Holland JH (1975) Adaptation in natural and artificial systems. The University of Michigan Press, Ann Arbor
15.
Rechenberg I (1973) Evolutionsstrategie—Optimierung Technischer Systeme Nach Prinzipien der Biologischen Evolution. Frommann-Holzboog, Stuttgart
16.
Schwefel HP (1981) Genetic algorithms and simulated annealing. Wiley, Chichester
17.
Fogel LJ, Owens AJ, Walsh MJ (1966) Artificial intelligence through simulated evolution. Wiley, New YorkMATH
18.
Fogel DB (1994) An introduction to simulated evolutionary optimization. IEEE Trans Neural Netw 5(1):3–14CrossRef
Metadaten
Titel
Structural vibration suppression by using neural classifier with genetic algorithm
verfasst von
Chuen-Jyh Chen
Publikationsdatum
01.09.2012
Verlag
Springer-Verlag
Erschienen in
International Journal of Machine Learning and Cybernetics / Ausgabe 3/2012
Print ISSN: 1868-8071
Elektronische ISSN: 1868-808X
DOI
https://doi.org/10.1007/s13042-011-0053-9

Weitere Artikel der Ausgabe 3/2012

International Journal of Machine Learning and Cybernetics 3/2012 Zur Ausgabe

Original Article

Classification rule discovery using learning automata

Original Article

A novel semisupervised SVM for pixel classification of remote sensing imagery

Original Article

Improving pattern discovery and visualisation with self-adaptive neural networks through data transformations

Original Article

On multigranulation rough sets in incomplete information system

Original Article

Fuzzy random bilevel linear programming through expectation optimization using possibility and necessity

Original Article

Visual tracking of the millennium development goals with a fuzzified self-organizing neural network

Neuer Inhalt

    Bildnachweise