دوره 22، شماره 2 - ( مجله مهندسی برق و الکترونیک ایران - جلد 22 شماره 2 1404 )
جلد 22 شماره 2 صفحات 64-53 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Rajabi N, Havangi R. Controlling the sliding mode of the earthquake simulator table using adaptive Uncented Kalman filter. Journal of Iranian Association of Electrical and Electronics Engineers 2025; 22 (2) :53-64
URL: http://jiaeee.com/article-1-1631-fa.html
URL: http://jiaeee.com/article-1-1631-fa.html
رجبی نیما، هاونگی رمضان، ابوالمعصومی امیرحسین. کنترل‌مد لغزشی میز شبیه‌ساز زلزله با استفاده از فیلتر کالمن بیرد تطبیقی. نشریه مهندسی برق و الکترونیک ایران. 1404; 22 (2) :53-64
دانشگاه بیرجند
چکیده: (879 مشاهده)
: زلزله‌ها به عنوان یکی از مهم‌ترین عوامل خطرناک در زمینه مهندسی سازه شناخته شده‌اند. برای حفظ امنیت عمومی و کاهش خسارات ناشی از زلزله، مهندسان سازه باید با استفاده از تکنولوژی‌های پیشرفته، سازه‌هایی را طراحی کنند که بتوانند در مقابل زلزله‌های شدید مقاومت کنند. یکی از ابزارهای کارآمد در زمینه تست مقاومت سازه‌ها در برابر زلزله، استفاده از میز شبیه‌ساز زلزله است. در این مقاله، پایدارسازی و کنترل شبیه‌ساز زلزله با استفاده از کنترل‌کننده مد لغزشی و فیلتر کالمن بیرد تطبیقی مورد بررسی قرار گرفته است. برای تطبیق فیلتر کالمن بیرد از الگوریتم تندرین شیب استفاده شده است. در روش پیشنهادی، حالتهای میز لرزه با استفاده از شتاب‌سنج، انکودر و دوربین تخمین زده شده و سپس با استفاده حالتهای تخمیین زده شده توسط فیلتر کالمن بیرد تطبیقی، کنترل‌کننده مد لغزشی برای پایدارسازی و کنترل سیستم حلقه بسته میز شبیه‌ساز استفاده میشود. کنترل‌کننده مد لغزشی سبب ردیابی ورودی مرجع، حذف اغتشاش بیرونی و نویز میشود. در اندازهگیری جابجایی توسط دوربین به صورت انلاین از رویکرد پردازش تصویر استفاده شده است. عدم نیاز به تماس مستقیم با میز، قیمت پایین و دقت خوب از مزایای استفاده از دوربین میباشد. عملکرد ساختار پیشنهادی تحت شبیه‌سازی و میز لرزه‌ی مرکز تحقیقات دانشگاه اراک مورد بررسی قرار گرفته است. نتایج حاصله نشان می‌دهند که روش پیشنهادی از کارآمدی خوبی برخوردار است.
فهرست منابع
1. [1] X. Li, T. Yang, W. Li, MJ. Brennan, M. Zhu, L. Wu, On the adaptive synchronous control of a large-scale dual-shaker platform system. Journal of Vibration and Control. 2023 Apr;29(7-8):1644-55. [DOI:10.1177/10775463211068905]
2. [2] L. Van Den Einde, JP. Conte, JI. Restrepo, R. Bustamante, M. Halvorson, TC. Hutchinson, CT. Lai, K. Lotfizadeh, JE. Luco, ML. Morrison, G. Mosqueda, NHERI@ UC San Diego 6-DOF large high-performance outdoor shake table facility. Frontiers in Built Environment. 2021 Jan 12;6:580333. [DOI:10.3389/fbuil.2020.580333]
3. [3] G. Fiorentino, C. Cengiz, F. De Luca, G. Mylonakis, D. Karamitros, M. Dietz, L. Dihoru, D. Lavorato, B. Briseghella, T. Isakovic, C. Vrettos, Integral abutment bridges: investigation of seismic soil‐structure interaction effects by shaking table testing. Earthquake Engineering & Structural Dynamics. 2021 May;50(6):1517-38. [DOI:10.1002/eqe.3409]
4. [4] J. Liang, Z. Ding, Q. Han, H. Wu, J. Ji, Online learning compensation control of an electro-hydraulic shaking table using Echo State Networks. Engineering Applications of Artificial Intelligence. 2023 Aug 1;123:106274. [DOI:10.1016/j.engappai.2023.106274]
5. [5] A. Najafi, BF. Spencer Jr, Modified model‐based control of shake tables for online acceleration tracking. Earthquake Engineering & Structural Dynamics. 2020 Dec;49(15):1721-37. [DOI:10.1002/eqe.3326]
6. [6] BS. Twitchell, MD. Symans, Analytical modeling, system identification, and tracking performance of uniaxial seismic simulators. Journal of engineering mechanics. 2003 Dec;129(12):1485-8. [DOI:10.1061/(ASCE)0733-9399(2003)129:12(1485)]
7. [7] BF. Spencer Jr, G. Yang, Earthquake simulator control by transfer function iteration. InProceedings of the 12th ASCE engineering mechanics conference 1998 May 17 (pp. 17-20).
8. [8] M. Moradi, H. Bolandi, M. Abedi, Federated Extended Kalman Filter for Sensor Fault Detection and Isolation. Journal of Iranian Association of Electrical and Electronics Engineers 2017; 13 (4) :71-79
9. [9] J. Yao, D. Di, G. Jiang, S. Gao, H. Yan, Real-time acceleration harmonics estimation for an electro-hydraulic servo shaking table using Kalman filter with a linear model. IEEE Transactions on Control Systems Technology. 2013 Apr 29;22(2):794-800. [DOI:10.1109/TCST.2013.2256136]
10. [10] L. Kong, X. Peng, Y. Chen, P. Wang, M. Xu, Multi-sensor measurement and data fusion technology for manufacturing process monitoring: a literature review. International journal of extreme manufacturing. 2020 Mar 30;2(2):022001. [DOI:10.1088/2631-7990/ab7ae6]
11. [11] N. Sadeghzadeh Nokhodberiz, B. Soltani, M. Pasand, H. Radmanesh, Additive Multi-rate Delayed Extended Kalman Filter Attitude Estimation Fusing Gyroscope and Star Tracker Sensors. Journal of Iranian Association of Electrical and Electronics Engineers 2023; 20 (3) :149-158 [DOI:10.52547/jiaeee.20.3.149]
12. [12] Y. Wei, S. Lyu, W. Li, X. Yu, Z. Wang, L. Guo, Contact Force Estimation of Robot Manipulators With Imperfect Dynamic Model: On Gaussian Process Adaptive Disturbance Kalman Filter. IEEE Transactions on Automation Science and Engineering. 2023 Jun 5. [DOI:10.1109/TASE.2023.3280750]
13. [13] D. Sabzevari, A. Chatraei, INS/GPS sensor fusion based on adaptive fuzzy EKF with sensitivity to disturbances. IET Radar, Sonar & Navigation. 2021 Nov;15(11):1535-49. [DOI:10.1049/rsn2.12144]
14. [14] S. Yazdkhasti, D. Sabzevari, JZ. Sasiadek, Adaptive H-infinity extended Kalman filtering for a navigation system in presence of high uncertainties. Transactions of the Institute of Measurement and Control. 2023 May;45(8):1430-42. [DOI:10.1177/01423312221136022]
15. [15] N. Rajabi Namini, R. HAVANGI, Design and Implementation of Fuzzy Sliding Mode Controller for Motion Control of an Electric Shake Table Using Adaptive Extended Kalman Filter. Nashriyyah -i Muhandisi -i Barq va Muhandisi -i Kampyutar -i Iran,2021;19(2):90-98.
16. [16] Y. Huang, J. Zhang, D. Chen, J. Qi, Model reference adaptive control of marine permanent magnet propulsion motor based on parameter identification. Electronics. 2022 Mar 24;11(7):1012. [DOI:10.3390/electronics11071012]
17. [17] Z. Xu, T. Yan, SX. Yang, SA. Gadsden, Distributed Leader Follower Formation Control of Mobile Robots based on Bioinspired Neural Dynamics and Adaptive Sliding Innovation Filter. IEEE Transactions on Industrial Informatics. 2023 May 3. [DOI:10.1109/TII.2023.3272666]
18. [18] J. Hou, J. Liu, F. Chen, P. Li, T. Zhang, J. Jiang, X. Chen, Robust lithium-ion state-of-charge and battery parameters joint estimation based on an enhanced adaptive unscented Kalman filter. Energy. 2023 May 15;271:126998. [DOI:10.1016/j.energy.2023.126998]
19. [19] L. Jiang, H. Zhang, Redundant measurement-based second order mutual difference adaptive Kalman filter. Automatica. 2019 Feb 1;100:396-402. [DOI:10.1016/j.automatica.2018.11.037]
20. [20] M. Kumar, S. Mondal, State estimation of radar tracking system using a robust adaptive unscented Kalman filter. Aerospace Systems. 2023 Apr 15:1-7.
21. [21] Earthquake and Station Details. Retrieved from http://www.peer.berkeley.edu.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License (CC BY NC 4.0) قابل بازنشر است. |
