Control performance of a smart tuned mass damper (TMD) mainly depends on control algorithms. A lot of control strategies have been proposed for semi-active control devices. Recently, machine learning begins to be applied to development of vibration control algorithm. In this study, a reinforcement learning among machine learning techniques was employed to develop a semi-active control algorithm for a smart TMD. The smart TMD was composed of magnetorheological damper in this study. For this purpose, an 11-story building structure with a smart TMD was selected to construct a reinforcement learning environment. A time history analysis of the example structure subject to earthquake excitation was conducted in the reinforcement learning procedure. Deep Q-network (DQN) among various reinforcement learning algorithms was used to make a learning agent. The command voltage sent to the MR damper is determined by the action produced by the DQN. Parametric studies on hyper-parameters of DQN were performed by numerical simulations. After appropriate training iteration of the DQN model with proper hyper-parameters, the DQN model for control of seismic responses of the example structure with smart TMD was developed. The developed DQN model can effectively control smart TMD to reduce seismic responses of the example structure.

This paper is concerned with an experimental research to control of random vibration caused by external loads specially in cable-stayed bridges which tend to be structurally flexible. For the vibration control, we produced a model structure modelled on Seohae Grand Bridge, and we designed a shear type MR damper. On the center of its middle span, we placed a shear type MR damper which was to control its vibration and also acquire its structural responses such as displacement and acceleration at the same site. The experiments concerning controlling vibration were performed according to a variety of theories including un-control, passive on/off control, and clipped-optimal control. Its control performance was evaluated in terms of the absolute maximum displacements, RMS displacements, the absolute maximum accelerations, RMS accelerations, and the total power required to control the bridge which differ from each different experiment method. Among all the methods applied in this paper, clipped-optimal control method turned out to be the most effective to reduces of displacements, accelerations, and external power. Finally, It is proven that the clipped-optimal control method was effective and useful in the vibration control employing a semi-active devices such MR damper.

본 연구에서는 풍진동 제어를 위해 39층 테크노마트 건물에 능동형 질량 감쇠기를 적용하기 위한 수치해석적 연구를 수행하였다. 먼저, 태풍 풍응답 계측 및 풍동실험을 통해 테크노마트 단변방향 진동에 대한 사용성 개선이 필요함을 확인하였다. AMD에 요구되는 스트로크 확보를 위한 건물의 여유 공간, 설치 위치, 허용 무게 등을 알아보고 제진장치 배치 및 사양을 결정하였다. 그리고 테크노마트의 최상거주층인 39층 단변방향을 대상으로 한 1자유도 해석모델에 대해 선형제어방법인 속도피드백, LQR, LQG 알고리즘과 비선형제어방법인 Bnag-bang 알고리즘을 적용하는 해석연구를 수행하였다. 해석결과 제어 전·후의 최대가속도는 11.83cm/s2에서 4.19cm/s2으로, 진동감지확률은 90%에서 50%이하로 감소하여 Bang-bang 제어알고리즘을 적용할 경우 제어성능이 가장 좋은 것을 확인하였으며 각각의 알고리즘으로 구현된 AMD의 최대 스트로크가 모두 허용범위 수준을 만족하는 결과가 나왔다. 또한, 실제 AMD의 안정적은 작동을 위해 요구되는 원점보정 신호 방안을 제안하여, 제한된 스트로크 내에서 제진장치를 안정적으로 운행할 수 있음을 확인 하였다.

저자는 기존의 연구에서 대용량-비선형성을 가지는 유체의 최적화를 수행하기 위해 몇 가지 강력한 방법들을 제시한 바 있다. 즉, 최적화 과정에서 수렴성을 높이기 위해 step by step기법을 사용하였고, 또한 수렴속도를 높이기 위하여 최적화이터레이션 과정에서 얻어지는 민감도정보를 이용하여 시스템 평형방정식의 해석을 위한 좋은 초기치를 제공하는 방법과, 평형방정식을 구속조건으로 사용하는 동시기법(simultaneous technique)에서 착안하여 해석과 최적화 수렴 판정치를 조작하는 방법을 제시한 바 있다. 그러나 그들 기법은 기본적으로 유사뉴턴법에 기본을 두고 있다. 현재까지 최적화에서 SQP기법을 사용할 때는 정확한 헤시안 매트릭스의 유도가 매우 까다롭고 힘들기 때문에 유사뉴턴법을 사용하고 있는 실정이다. 그러나 3차원 문제와 같이 더욱 큰 용량의 문제를 위해서는 진정한 의미에서의 뉴턴법, 트루 뉴턴법(true Newton method)을 사용할 필요가 있다. 본 연구에서는 트루 뉴턴법을 사용하기 위해 헤시안 매트릭스의 정확치를 얻는 과정을 유도하고 이를 기본으로 트루 뉴턴법을 이용한 최적화 루틴을 만들었다. 그리고 이를 3차원 문제에 적용하여 그 효과를 검증하였다.

본 연구의 최종 목적은 유체가 빠른 속도로 가해지는 물체의 경계면에서 흡입(suction) 혹은 방출(injection)을 통해 유체를 제어함으로 드래그(drag)를 감소하고자 하는 것이다. 그러나 유체는 대용량, 비선형성을 가지고 있어서 직접적인 해석은 물론, 최적화를 적용한다는 것은 매우 어려운 일이다. 이를 위해 우리는 새로운 알고리즘과 기법들을 개발하였다. 본 연구에서는 이 기법들에 대한 검증을 하고, 나아가 최적화 기법을 사용하여 드래그를 감소하기 위해 흡입량과 방출량을 구하였다. 그리고 이 흡입과 방출을 가할 수 있는 구멍의 수와 위치에 따른 변화를 알아보았다. 본 연구에서 개발된 알고리즘과 기법들을 사용하였을 경우, 기존에는 해결 할 수도 없었던 문제를 가능하게 만들었으며, 기존에 저자가 1차로 개발한 바 있는 방법에 비해서도 더욱 효과적이라는 것을 입증하였다. 그리고 드래그 감소라는 차원에서 본다면 흡입과 방출을 가할 수 있는 구멍의 숫자가 많을수록 효과가 높으나 그다지 많은 수를 필요로 하지 않는다는 것을 알게 되었으며, 구멍의 위치는 유체의 경계층이 분리되는 약간 아래가 가장 최적의 위치라는 것을 알게 되었다.

바람에 저항하는 초고층 건물, 비행기나 자동차, 물에 저항하는 선박 등은 동일한 거동을 보여준다. 즉, 유속이 빨라 질경우, 건물 혹은 비행기, 자동차, 선박 뒤편에는 마이너스 압력과 와류가 발생하게 되는데 이로 인해 건물에서는 변위가 크게 발생하게 되고, 비행기나 자동차, 선박 등에서는 속력이 저하된다. 본 연구에서는 흡입과 방출이라는 기법을 이용하여 유체의 흐름을 우리가 원하는대로 적극적으로 제어하고자 한다. 그렇게 할 수만 있다면 초고층 건물에서의 변위를 대폭 줄일 수 있을 것이고, 자동차나 비행기 선박 등은 더 빠른 속도로 달릴 수 있을 것이다. 그렇다면 문제는 유체를 제어하기 위한 최적의 흡입 혹은 방출량을 구하는 것이고, 이 최적의 양들을 어떤 방법으로 구하는 것이냐 하는 것이다. 본 연구는 최적화 기법을 사용하여 Navier-Stokes 유체를 받는 물체의 표면에서 최적의 흡입, 그리고 방출량을 결정하려는 시도에서 출발하였다. 그러나 이 문제는 큰 Reynols Number 상태에서는 높은 비선형성으로 인하여 직접 한번에 Navier-Stokes 유체의 해석조차 불가능하였고, 더군다나 너무나 많은 변수로 인하여 기존의 방법으로는 최적화는 도저히 불가능 하였다. 본 연구에서는 이를 해결하기 위한 최적화 알고리즘을 제안하고, 또한 수렴속도도 대폭 증가시키기 위한 매우 효율적인 몇 가지 방법들을 제안하였다.

구조물이 가지는 에너지의 확률밀도함수를 이용한 능도제어 알고리듬을 제안한다. 구조물의 에너지는 Rayleigh 확률분포를 가지는 것으로 가정된다. 이것은 에너지가 항상 양의 값을 가지고 최소에너지가 발생할 확률은 1이라는 조건을 Rayleigh 확률분포가 만족시킨다는 사실에 근거한다. 제어력의 크기는 가정된 확률밀도함수에 따라 구조물의 에너지가 설계자에 의해 설정된 에너지 임계값을 넘을 확률의 크기에 비례하도록 산정되며, 제어력의 방향은 Lyapunov 제어기 설계기법에 따라 결정된다. 제시된 알고리듬은 LQR 제어기와 비교하여 최대응답을 줄이는 효과를 가지며, 제어력의 임계를 고려할 수 있는 장점을 가진다. 또한 Lyapunov 제어기에서 발생가능한 채터링(chattering)현상을 피할 수 있다.