高经纬， 涂建维， 刘康生， 李 召

(武汉理工大学 道路桥梁与结构工程湖北省重点实验室，武汉 430070)

针对土木工程结构振动的主动控制，传统方法多采用基于“分散采集，集中控制”思想的集中化控制策略[1-2]。随着施工技术的发展，建筑结构的体量和复杂程度不断提高，传统方法暴露出计算成本大、可靠度较低等弊端[3]，因此，基于大系统理论的分散控制策略得到各国学者高度的关注。潘兆东等[4-5]将大系统理论分别和PID(proportional integral derivative)、模糊滑模控制结合，构造不同的分散控制器，对9层Benchmark模型进行仿真，验证了提出分散控制方法较集中控制具有更好的减振效果；Amini等[6]提出一种基于夹杂原理的多叠层钢结构分散脉冲控制方法，并对钢结构模型进行仿真，结果表明，该方法在不同工况下均能有效降低结构响应。以上结合传统算法的分散控制需建立精确的数学模型，结构、数据的复杂性和不确定性可能导致系统的不稳定和控制性能的失效。因此，现行方法更倾向于神经网络等智能分散控制。如Lopez-franco等[7]提出了一种利用离散递归高阶神经网络和扩展卡尔曼滤波算法的最优分散控制法，实现了损失函数的最小化和多智能体系的稳定化。

但是，人工神经网络在其发展历程中仍存在过拟合和局部最优等问题[8]。为解决这些问题，深度学习的概念被Hinton等[9]提出，并被逐渐运用于智能控制领域。如Zhang等[10]将深度学习中的卷积神经网络(convolutional neural network，CNN)运用于机械手臂的抓取目标识别，提高了抓取精度和速度；……