應用機器學習於結構最佳主動控制之研究

線性二次調節器（Linear-Quadratic Regulator, LQR）為結構振動控制常見的最佳化控制器之一，其透過最小化成本函數的權重矩陣來達成最佳控制。然而，用於LQR回饋運算的結構狀態，在實際應用中並無法直接量測，必須設計狀態估測器來提供狀態回饋給LQR進行控制。在本研究中，以簡單結構作為基準模型，應用生物共生演算法來最佳化LQR的權重矩陣得到狀態回饋增益後，使用機器學習的兩種類神經網路模型-多層感知器（MLP）與帶有外源輸入的自回歸模型（ARX），以學習LQR控制器產生的控制力。進行數值模擬時以8組地震加速度進行結構受震之動力分析，以驗證回饋控制器的性能。實驗結果顯示，類神經網路模型能夠直接根據結構加速度響應計算出與LQR相似的控制力，降低實務上使用狀態估測器實現最佳控制的依賴。