一种用于提升大跨度桥梁颤振稳定性的主动式智能陀螺稳定器及其控制算法

1.本发明涉及土木工程桥梁工程技术领域，尤其是一种用于提升大跨度桥梁颤振稳定性的主动式智能多向陀螺稳定器。


背景技术：

2.颤振是一种会发散的气动不稳定现象，其表现形式一般为扭转和弯曲的耦合振动，其中主要模态成分以扭转为主，可能引起桥梁的坍塌。因此，颤振稳定性作为大跨度桥梁抗风性能的关键性指标之一，对桥梁的设计和施工起着重要的作用。
3.由于桥梁跨越距离的不断提升，大跨度桥梁往往伴随着柔度大、阻尼低等特点，容易受到交通、风等动态环境荷载的影响，致使大跨度桥梁的颤振稳定性也相对有限。目前，为了提高桥梁断面的颤振稳定性，常用手段有两种：1)改变气动外形，通过改变桥梁断面的气动外形，如增设中央稳定板、水平导流板等气动措施，通过改变断面气动力特性，一定范围内提升颤振稳定性；2)安装阻尼器装置，通过驱动额外的质量块来耗散系统从外部获取的能量即tmd系统，以达到提升颤振稳定性的目的。
4.近年来，随着桥梁跨度的快速发展，大型桥梁跨度已突破2000米级。随着跨度增加，大桥宽跨比减小，扭弯频率比快速下降，继续通过气动措施提升桥梁颤振稳定性的经济性降低，工程量增大，通过气动手段提升颤振稳定性出现明显的边际效应，效果与性能收益不断下降。桥用阻尼器tmd系统，相比前者虽能够在一定程度上继续提升桥梁颤振稳定性，但其控制的鲁棒性较差，并且颤振抑制效果受tmd的频率影响较为敏感。同时，在小幅度振动范围内，由于质量块行程小，响应速度有限。例如专利cn111172860a公开了一种桥梁颤振抑制装置及其使用方法，该方法对于具有复杂断面形式的大跨度桥梁颤振稳定性的提升可能较为有限。专利cn112031194a公开了一种带有电涡流阻尼器的tmd装置及其使用方法，该方法对于竖向振动控制有较好的效果，而针对大跨度桥梁以弯扭模态为主的颤振稳定性，其性能提升可能较为有限。
5.现有提升桥梁颤振稳定性的常采用传统办法，普遍借助气动措施和tmd振动控制装置，达到提升颤振稳定性的目的，但针对大跨度桥梁上述方法存在边际效应和控制鲁棒性差、阻尼效率低等缺陷。因此，针对大跨度桥梁，亟需一种能效比高、响应速度快、经济性较好的振动控制设备。


技术实现要素：

6.针对现有的桥梁颤振抑制方法不适用于大跨度桥梁，对大跨度桥梁颤振抑制效果差的问题，本发明提供一种用于提升大跨度桥梁颤振稳定性的主动式智能多向陀螺稳定器。
7.由于桥梁体系随着跨度不断增加，其自身柔度会逐渐增大、阻尼不断减小，并且结构体系的颤振稳定性也会随跨度的增加而不断降低。因此，结合桥梁颤振机理，本发明利用
陀螺稳定器进动过程中产生的陀螺力矩抵抗主梁断面所受气动外力矩，并且结合风洞试验所测颤振导数及实桥设备安装的姿态角度传感器，实时通过嵌入算法主动控制陀螺稳定器自转角速度、进动方向及进动角速度，实现改善桥梁颤振稳定性的目的。
8.本发明的用于提升大跨度桥梁颤振稳定性的主动式智能多向陀螺稳定器，其结构包括电机一、姿态角度传感器、供电箱、控制箱、陀螺稳定主体、链条驱动装置以及滑槽固定装置。
9.所述陀螺稳定主体包括球形框架和设置在球形框架内的陀螺转子，陀螺转子中心转轴竖直设置，转轴上下端分别与球形框架顶端和底端活动连接，转轴顶端与电机一连接，电机一位于球形框架上方，在电机一的带动下陀螺转子以转轴为中心在球形框架内旋转；电机一上还固定安装姿态角度传感器。姿态角度传感器用于实时监测主梁横向偏转角度，并将偏转角通过蓝牙传递到控制箱内，进行参数输入。球形框架安装在支架上，支架包括四根立柱和固定在立柱顶端的圆环，圆环内径大于球形框架的直径，球形框架位于圆环内并通过两个左右对称设置的插销将球形框架与圆环连接，且球形框架能够在圆环中以两个插销为固定点上下旋转。
10.优选的结构是，所述球形框架由多个经线板和一个赤道板组成，赤道板与支架的圆环通过插销固定连接。
11.所述链条驱动装置包括内嵌的电机二和链条，链条的一端与电机二的动力输出端连接，链条另一端通过齿轮与球形框架连接，通过电机二提供动力，链条传动带动球形框架在圆环中以两个插销为固定点上下旋转，即实现陀螺转子进动。
12.所述控制箱分别与姿态角度传感器、电机一和电机二连接，控制箱通过分析姿态角度传感器传来的数据给出最优陀螺进动角速度，并通过链条驱动装置驱使陀螺转子进动，抑制桥梁弯扭模态振动。
13.所述供电箱为整个设备供电。
14.所述滑槽固定装置是由两个长方形板拼接而生的安装板，安装板用于将陀螺稳定主体固定在桥梁上，即四根立柱的底端固定在安装板，安装板上设置可拉伸的伸缩杆，伸缩杆上设置安装孔用于与桥梁固定连接，通过调节伸缩杆的长度以适应不同桥梁宽度。
15.本发明的智能多向陀螺稳定器实现智能控制的算法，步骤如下：
16.s1、建立陀螺稳定器-主梁耦合运动控制方程，方程如下：
[0017][0018]
其中，α代表主梁扭转振动，im、c、k分别代表主梁转动惯量、扭转阻尼和扭转刚度；u为来流速度，b为全桥特征宽度，k为折减频率，h为主梁断面在流场作用下产生竖向振动；无量纲常数ρ为空气密度，是扭转振动速度，代表竖向振动速度，是扭转振动加速度。
[0019]
s2、运用仿真技术建立主梁与陀螺稳定器的仿真计算模型，通过此模型实现原型桥梁的模拟，将运用颤振导数计算得到的主梁单位角度气动自激力输入到主梁模型中，对主梁进行运动状态仿真，同时不断改变陀螺稳定器的转速，记录主梁运动状态，实现对不同
工况的模拟，建立多工况下主梁姿态与陀螺稳定器转动角速度及进动速度之间的关系；然后通过bp神经网络训练，最终实现智能控制陀螺稳定器的运动状态与姿态行为；利用陀螺进动过程中产生的陀螺力矩平衡桥梁所受自激气动力矩，提升桥梁大跨度颤振稳定性。
[0020]
步骤s2中，bp神经网络训练具体是：使用bp神经网络构建主梁扭转角与陀螺稳定器自转角速度预测模型，选用3层神经元，分为输入层、隐藏层及输出层，输入层到隐藏层使用sigmoid函数作为激活函数，对输入数据进行预处理，将无边界的输入转化为可预测的形式；最后隐藏层到输出层，在mse损失函数的逼近下，陀螺稳定器自转角速度的预测值越来越趋向于真实值；
[0021]
其中，对输入数据进行预处理，将无边界的输入转化为可预测的形式，方法公式如下：
[0022][0023]
x表示输入层的变量，通过该公式将数据转换为[0,1]之间；
[0024]
mse损失函数如下：
[0025][0026]
其中，n表示样本数量，w
true
表示变量的真实值，w
pred
表示变量的预测值，即网格的输出值。
[0027]
本发明的陀螺稳定器工作原理是：姿态角度传感器(wt9011dcl-bt50)实时将主梁断面倾角通过蓝牙回传给控制箱内，在事先风洞试验的基础上，根据颤振导数原理，有效的给出了单位角度下主梁所受自激气动力矩。此时，控制箱将计算好的进动角速度转化为链条驱动装置的转速，同时陀螺转子以预测得到的自转角转速自上而下的进行转动，最后通过链条驱动装置，带动陀螺稳定主体沿进动方向转动，产生与进动方向相反的陀螺力矩，并平衡外力矩(自激气动力矩)，改善主梁断面的颤振稳定性，进而提升大跨度桥梁颤振稳定性。
[0028]
与现有技术相比，本发明的有益之处在于：
[0029]
本发明运用颤振导数的相关原理，使用嵌入到设备中的人工智能算法，通过建立主梁单位扭转角度与陀螺稳定器的自转角速度的映射关系，并计算得到进动角速度，进而获得所需陀螺力矩。本发明的设备工作效率高、可操作性强、算法结构清晰，能够适用于不同形式的桥梁断面。设备还具有鲁棒性高，传感器敏感性好、能效比高等特点。
[0030]
与现有技术从抑振机理上有明显差异，相较已有桥梁颤振抑振手段，具有能效比高、响应速度快、普适性较强等优点。并且本发明不受地域风环境限制，同时对于风特性较为敏感的气动断面，可以在不改变其气动外形的情况下提升梁体自身颤振稳定性；相比tmd振动控制装备，不仅在竖弯模态具有良好的抑振效果，而且对于弯扭模态下的振动行为，抑振效果也较好。同时，避免了调频精度不足及控制鲁棒性差等问题。
[0031]
本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
[0032]
图1、本发明提供的用于提升大跨度桥梁颤振稳定性的主动式智能多向陀螺稳定器设备立体图。
[0033]
图2、陀螺稳定主体的结构示意图。
[0034]
图3、滑槽固定装置的结构示意图。
[0035]
图4、处于流场中的桥梁断面产生的振动图。
[0036]
图5、主梁与陀螺稳定器耦合仿真模型。
[0037]
图6、神经网络训练流程图。
[0038]
图7、bp神经网络预测结构图。
[0039]
图8、本发明提供的用于提升大跨度桥梁颤振稳定性的主动式智能多向陀螺稳定器设备工作流程图。
[0040]
图9、本发明提供的用于提升大跨度桥梁颤振稳定性的主动式智能多向陀螺稳定器设备工作原理图。
具体实施方式
[0041]
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
[0042]
如图1所示，本发明提供的用于提升大跨度桥梁颤振稳定性的主动式智能多向陀螺稳定器，其结构包括电机一1、姿态角度传感器2、供电箱3；控制箱4、陀螺稳定主体5、链条驱动装置6以及滑槽固定装置7。
[0043]
所述陀螺稳定主体5包括球形框架51和设置在球形框架内的陀螺转子52，陀螺转子52中心转轴53竖直设置，转轴53上下端分别与球形框架51顶端和底端活动连接，转轴53顶端与电机一1连接，电机一1位于球形框架51上方，在电机一1的带动下陀螺转子52以转轴53为自转轴在球形框架内旋转；电机一1上还固定安装姿态角度传感器2。球形框架51安装在支架上，支架包括四根立柱54和固定在立柱顶端的圆环55，圆环55的内径大于球形框架51的外径，球形框架51位于圆环55内并通过两个左右对称设置的插销56将球形框架与圆环连接，且球形框架51能够在圆环55中以两个插销56为固定点上下旋转。
[0044]
所述球形框架由多个经线板57和一个赤道板58组成，赤道板58与支架的圆环55通过插销56固定连接，进而实现将球形框架51安装在支架上。
[0045]
所述电机一1用于驱动陀螺转子52绕中心转轴53转动，转速调节范围为10000-100000rpm。供电箱3为直流供电箱，额定功率为70kwh。
[0046]
所述控制箱4含有集成电路板，cpu：r3 4100 4核8线程3.8ghz。控制箱4中嵌入本发明的智能控制算法，通过改变转速和进动角速度智能控制陀螺稳定器的姿态，改善主梁颤振稳定性。
[0047]
所述陀螺稳定主体5主要功能：作为整个稳定装置的核心设备，在自转的同时沿主梁扭转的方向进动，为目标对象提供所需的陀螺力矩，抵抗外力矩。
[0048]
所述链条驱动装置6的功能是：通过控制箱将风洞试验获取的对应断面的颤振导数与实际主梁扭转角度进行结合，得到主梁所受扭转力矩，换算得到陀螺稳定器进动所需角速度，通过链条驱动装置进行施加。链条驱动装置6包括内嵌的电机二(未示出)和链条
61，链条61的一端与电机二的动力输出端通过齿轮连接，链条另一端通过齿轮62与球形框架51连接，通过电机二提供动力，链条传动带动球形框架在圆环中以两个插销为固定点上下旋转，即实现陀螺转子进动。所述控制箱4分别与姿态角度传感器2、电机一1和电机二连接，控制箱4通过分析姿态角度传感器2传来的数据给出最优陀螺进动角速度，并通过链条驱动装置6驱使陀螺转子52进动，抑制桥梁弯扭模态振动。
[0049]
所述供电箱3为整个设备供电。
[0050]
所述滑槽固定装置7是由两个长方形板71拼接而生的安装板，两个长方形板的左右两端分别具有宽度较窄的延伸段72，每个延伸段上设有一安装孔，该安装孔用于安装立柱54底端。两个长方形板拼接处内部沿着长方形长边方向设置可作用拉伸延长的伸缩杆73，伸缩杆上均匀分布过个安装孔，该安装孔用于安装板与桥梁固定连接。通过调节伸缩杆的长度以适应不同桥梁宽度的安装。
[0051]
本发明的陀螺稳定器装置的颤振控制原理是：基于风洞试验所测主梁断面的颤振导数，得到主梁断面的在单位偏角下的气动外力矩，同时结合实际发明设备中内置的wt9011dcl-bt50实时设备姿态感应器，在此基础上通过python神经网络程序训练得到主梁偏转角度与陀螺稳定器自转角速度之间的映射关系，克服由于系统设备自身原因造成的误差，实现智能控制整体设备姿态，进而提升桥梁整体颤振稳定性。
[0052]
所述控制箱4中嵌入的智能控制算法，具体方法如下：
[0053]
(1)建立陀螺稳定器-桥梁耦合运动控制方程
[0054]
由于颤振行为会对大跨度桥梁体系造成结构性破坏，甚至风毁事故。因此大跨度桥梁颤振性能是桥梁抗风设计中的关键性指标，通常都将对标准断面进行颤振导数试验。在本实施例中，首先利用风洞试验捕捉节段模型在初始激励作用下的自由衰减时程，根据scanlan颤振理论，如图4所示，主梁断面在流场作用下产生竖向振动h和扭转振动α。
[0055]
如图4所示主梁断面的运动状态可以通过状态向量唯一确定，因此，根据scanlan颤振理论，此时气动自激力是来流速度u，振动频率ω与状态向量的函数，表示为如式(1)所示：
[0056][0057]
式中，代表竖向振动速度、是扭转振动速度。
[0058]
最终scanlan通过引入8个无量纲颤振导数最终桥梁断面在流场中的自激力近似的表达为状态向量的线性函数，即：
[0059][0060][0061]
式中b为全桥特征宽度，k为折减频率
[0062]
在上述颤振理论的基础上对获取的自由振动时程信息采用python语言分离出扭转成分进行hilbert变换，得到时变振幅，通过对时变振幅进行拟合获取其总阻尼，通过式(4)，减去试验机械阻尼cs分别识别得到a
1*
～a
4*
4个无量纲常数，最终代入实测数据得到主梁断面所受自激气动力矩。
[0063]
ca＝c-cs[0064][0065]
其中ca代表主梁断面在竖向速度、扭转角速度、竖向位移、扭转位移的分别作用下产生的气动自激力。在此基础上，针对主梁扭转自由度，将ca作为陀螺稳定器-主梁运动方程右端自激力，如式(5)所示，从而建立稳定器与主梁之间耦合运动控制方程。
[0066][0067]
其中a代表主梁扭转位移，im、c、k分别代表主梁转动惯量、扭转阻尼和扭转刚度。
[0068]
(2)陀螺稳定器的智能控制
[0069]
为实现陀螺稳定器的智能控制，运用仿真技术建立主梁与陀螺稳定器的仿真计算模型，如图5所示。
[0070]
通过此模型实现原型桥梁的模拟，将运用颤振导数计算得到的主梁单位角度气动自激力输入到主梁模型中，对主梁进行运动状态仿真，同时不断改变陀螺稳定器的转速，记录主梁运动状态，实现对不同工况的模拟，建立多工况下主梁姿态与陀螺稳定器转动角速度及进动速度之间的关系，通过bp神经网络训练，最终实现智能控制陀螺稳定器的运动状态与姿态行为。
[0071]
结合颤振导数得到单位扭转角度所对应的自激气动力矩，并根据陀螺进动原理，陀螺力矩大小按照式(6)计算，其方向根据牛顿第三定律，作用力与反作用力原理，与进动方向相反。
[0072]
mi＝jzω
×
ω
e (6)
[0073]
其中jz代表陀螺转子的转动惯量；ω为陀螺转子自转角速度；ωe为进动角速度。
[0074]
由上式可知陀螺力矩大小与进动角速度，转动惯量、自转角速度有关，针对实桥应用，在本设备中陀螺转子质量设置为1000kg，伺服无刷电机(电机一)可提供10000-100000rpm的转速，同时陀螺转子默认初始转速为50000rpm，通过仿真计算得到主梁不同扭转角度下，陀螺稳定器所对应的不同转速。因此，将主梁扭转角度-陀螺稳定器的自转角速度作为训练样本，按照主梁扭转角以0.1
°
的步幅，得到主梁扭转角从-15
°
工况～+15
°
工况共计301个样本，按照9：1的比例划分为两部分，即271个样本作为训练集，剩余样本共计30组数据作为测试集，通过python语言建立bp神经网络对训练集(主梁扭转-陀螺稳定器的自转角速度)进行训练测试，采用人工神经网络学习技术，进行正向计算和反向传播，优化现有识别误差造成的影响，得到主梁扭转角和陀螺稳定器自转角速度之间的瞬时最优映射关系，再结合式(5)和式(6)计算得到陀螺稳定器的进动角速度，最终实现本发明设备姿态的智能控制。
[0075]
图6是由本发明设备建立主梁不同角度与陀螺稳定器自转角速度之间的bp神经网
络训练流程图。
[0076]
使用bp神经网络(back propagation)构建主梁扭转角与陀螺稳定器自转角速度预测模型。经过多次调参之后，本算法选用3层神经元，分为输入层、隐藏层及输出层，输入层到隐藏层使用sigmoid函数作为激活函数，对输入数据进行预处理，将无边界的输入转化为可预测的形式，如式(7)所示。最后隐藏层到输出层，在mse损失函数(均方误差函数)的逼近下，陀螺稳定器自转角速度的预测值会越来越趋向于真实值，如式(8)所示。模型的优化算法采用随机梯度下降法，优化网格的权重与截距项。
[0077][0078]
其中，x表示输入层的变量，通过式(7)将数据转换为[0,1]之间。
[0079]
该模型所采用的mse损失函数：
[0080][0081]
其中，n表示样本数量，w
true
表示变量的真实值，w
pred
表示变量的预测值，即网格的输出值。
[0082]
如图7所示，输入首先经过sigmoid激活函数后，达到隐藏层，接着隐藏层通过权重计算得到输出值，通过mse函数计算损失值，并且利用随机梯度下降法，在bp网络框架内进行反向传播，重新分配误差值进行计算，最终对权重和截距项进行优化，使输出值不断逼近真实值，提高输出值的精度，实现通过神经网络智能控制陀螺稳定器运动及姿态调整的目的。
[0083]
在相应主梁扭转角度下，设备最终预测得到的自转角速度与真实值误差在5％以内，即满足工程需要。在此基础上，结合式(5)～式(6)计算得到陀螺稳定器的进动角速度，以此达到利用陀螺进动产生的陀螺力矩平衡自激气动力矩的目的。
[0084]
(3)提升桥梁颤振稳定性
[0085]
由于目前桥梁跨度的不断增大，单纯通过改变气动外形实现提升大跨度桥梁颤振稳定性的方式具有一定局限性，本发明通过利用陀螺进动过程中产生的陀螺力矩平衡桥梁所受自激气动力矩，能够在不改变桥梁断面气动外形的基础上，提升桥梁大跨度颤振稳定性。
[0086]
如图8和图9所示，处于流场中的桥梁结构在风荷载的持续作用下，其瞬态攻角发生改变，同时，由于攻角的改变流场也会相应发生变化。因此，持续流固耦合的作用下，断面自激气动力矩持续增大，导致主梁断面扭转程度不断加深。本发明通过内置姿态感应器wt9011dcl-bt50，实时将主梁断面倾角通过蓝牙回传给控制箱内，在事先风洞试验的基础上，根据颤振导数原理，有效的给出了单位角度下主梁所受自激气动力矩。此时，控制箱将计算好的进动角速度转化为链条驱动装置的转速，同时陀螺稳定器以预测得到的自转角转速自上而下的进行转动，最后通过链条驱动装置，带动陀螺稳定器沿进动方向转动，产生与进动方向相反的陀螺力矩，并平衡外力矩-自激气动力矩，改善主梁断面的颤振稳定性。
[0087]
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容作出些许更动或修饰
为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

技术特征：
1.一种用于提升大跨度桥梁颤振稳定性的主动式智能多向陀螺稳定器，其特征在于，包括电机一、姿态角度传感器、供电箱、控制箱、陀螺稳定主体、链条驱动装置以及滑槽固定装置；所述陀螺稳定主体包括球形框架和设置在球形框架内的陀螺转子，陀螺转子中心转轴竖直设置，转轴上下端分别与球形框架顶端和底端活动连接，转轴顶端与电机一连接，电机一位于球形框架上方，在电机一的带动下陀螺转子在球形框架内旋转；电机一上固定姿态角度传感器；球形框架安装在支架上，支架包括立柱和固定在立柱顶端的圆环，球形框架位于圆环内，并通过两个左右对称设置的插销将球形框架与圆环连接，且球形框架能够在圆环内以两个插销为固定点上下旋转；所述链条驱动装置包括内嵌的电机二和链条，链条的一端与电机二的动力输出端连接，链条另一端通过齿轮与球形框架连接，通过电机二提供动力，链条传动带动球形框架在圆环中以两个插销为固定点上下旋转，即实现陀螺转子进动；所述控制箱分别与姿态角度传感器、电机一和电机二连接，控制箱通过分析姿态角度传感器传来的数据给出最优陀螺自转角速度和进动角速度，并通过电机一使陀螺转子自转以及链条驱动装置驱使陀螺转子进动，达到抑制桥梁弯扭模态振动的目的。2.如权利要求1所述的用于提升大跨度桥梁颤振稳定性的主动式智能多向陀螺稳定器，其特征在于，所述滑槽固定装置是由两个长方形板拼接而生的安装板，安装板用于将陀螺稳定主体固定在桥梁上，安装板上设置可拉伸的伸缩杆，伸缩杆上设置安装孔用于与桥梁固定连接，通过调节伸缩杆的长度以适应不同桥梁宽度。3.如权利要求2所述的用于提升大跨度桥梁颤振稳定性的主动式智能多向陀螺稳定器，其特征在于，所述立柱有四根，立柱底端与安装板固定连接。4.如权利要求1所述的用于提升大跨度桥梁颤振稳定性的主动式智能多向陀螺稳定器，其特征在于，所述球形框架由多个经线板和一个赤道板组成，赤道板与支架的圆环通过插销固定连接。5.如权利要求1所述的用于提升大跨度桥梁颤振稳定性的主动式智能多向陀螺稳定器，其特征在于，所述供电箱为整个设备供电。6.一种用于权利要求1-5任意一项所述主动式智能多向陀螺稳定器的智能控制算法，其特征在于，步骤如下：s1、建立陀螺稳定器-主梁耦合运动控制方程，方程如下：其中，α代表主梁扭转振动，i
m
、c、k分别代表主梁转动惯量、扭转阻尼和扭转刚度；u为来流速度，b为全桥特征宽度，k为折减频率，h为主梁断面在流场作用下产生的竖向振动；无量纲常数a
i*
，i＝1,2,3,4；ρ为空气密度，是扭转振动速度，代表竖向振动速度，是扭转加速度；s2、运用仿真技术建立主梁与陀螺稳定器的仿真计算模型，通过此模型实现原型桥梁的模拟，将运用颤振导数计算得到的主梁单位角度气动自激力输入到主梁模型中，对主梁
进行运动状态仿真，同时不断改变陀螺稳定器的转速，记录主梁运动状态，实现对不同工况的模拟，建立多工况下主梁姿态与陀螺稳定器转动角速度及进动速度之间的关系；然后通过bp神经网络训练，最终实现智能控制陀螺稳定器的运动状态与姿态行为；利用陀螺进动过程中产生的陀螺力矩平衡桥梁所受自激气动力矩，提升桥梁大跨度颤振稳定性。7.如权利要求6所述智能控制算法，其特征在于，步骤s2中，bp神经网络训练具体是：使用bp神经网络构建主梁扭转角与陀螺稳定器自转角速度预测模型，选用3层神经元，分为输入层、隐藏层及输出层，输入层到隐藏层使用sigmoid函数作为激活函数，对输入数据进行预处理，将无边界的输入转化为可预测的形式；最后隐藏层到输出层，在mse损失函数的逼近下，陀螺稳定器自转角速度的预测值越来越趋向于真实值；其中，对输入数据进行预处理，将无边界的输入转化为可预测的形式，方法公式如下：x表示输入层的变量，通过该公式将数据转换为[0,1]之间；mse损失函数如下：其中，n表示样本数量，w
true
表示变量的真实值，w
pred
表示变量的预测值，即网格的输出值。

技术总结
本发明公开了一种用于提升大跨度桥梁颤振稳定性的主动式智能多向陀螺稳定器及其智能控制算法，陀螺稳定器的结构包括电机一、姿态角度传感器、供电箱、控制箱、陀螺稳定主体、链条驱动装置等；该陀螺稳定器通过风洞试验识别得到的颤振导数，获取主梁单位扭转角时的气动力矩。当主梁发生扭转时，结合主梁相应扭转角度下的气动力矩和基于人工智能神经网络技术建立的主梁扭转角和陀螺稳定器自转角速度之间的瞬时最优映射关系，对应输出主梁相应扭转角度下陀螺稳定器的自转角速度，以及根据陀螺进动理论计算得到的陀螺进动角速度，再通过链条驱动装置控制陀螺进动，产生陀螺力矩，智能控制稳定器的运动状态与姿态行为，提升桥梁断面的颤振稳定性。断面的颤振稳定性。断面的颤振稳定性。


技术研发人员：遆子龙 游衡锐 李永乐 杨凌 潘俊志
受保护的技术使用者：西南交通大学
技术研发日：2023.05.24
技术公布日：2023/8/21