%0 Journal Article
%T Desarrollo de dos modelos inversos de un amortiguador magneto-reol車gico para el control de vibraciones en estructuras civiles Development of two inverse models of a magnetorheological damper for the control of vibrations in civil structures
%A Jos谷 Medina
%A Manuel Marichal
%A Sim車n Morales
%J Bolet赤n T谷cnico
%D 2008
%I Scientific Electronic Library Online
%X Esta publicaci車n presenta el desarrollo de dos modelos que emulan la din芍mica inversa de un amortiguador magneto-reol車gico, estos modelos estiman el voltaje requerido para que el amortiguador pueda producir la fuerza deseada seg迆n alguna estrategia de control lineal. El primer modelo inverso ha sido construido utilizando una red neuronal tipo perceptr車n multicapas entrenada bajo el algoritmo de Levenberg-Marquardt, y el segundo modelo atiende a una estrategia de identificaci車n difusa, basada en un sistema Takagi-Sugeno de orden uno cuyas reglas son obtenidas a trav谷s del m谷todo de agrupamiento difuso fuzzy C-Means. Finalmente, y a modo de validaci車n, se eval迆a el comportamiento de estos modelos para reducci車n de la respuesta s赤smica de un edificio de tres grados de libertad con el uso de un regulador cuadr芍tico lineal. En las conclusiones se comenta lo exitoso que resulto la incorporaci車n de estos modelos dentro de una lazo de control lineal. This paper presents the development of two models that emulate the inverse dynamic of a magnetorheological damper, these models estimate the required voltage to produce the force determinated by some linear control strategy. The first inverse model has been implemented using a multilayer perceptron neural network trained under the Levenberg-Marquardt＊s algorithm, and the second model is based on a fuzzy identification strategy, it consists in a first order Takagi-Sugeno model whose rules are created by the fuzzy C-Means clustering method. Finally, and as validation, it evaluates the behavior of these models to reduce the seismic response of a three degrees of freedom building using a linear quadratic regulator. In the conclusions is discussed how successful results incorporate these models in a linear control loop
%K Control Estructural
%K Amortiguador Magneto-Reol車gico
%K Identificaci車n Neuronal
%K Identificaci車n Difusa
%K Structural control
%K Magnetorheological Damper
%K Neural Identification
%K Fuzzy Identification
%U http://wwww.scielo.org.ve/scielo.php?script=sci_arttext&pid=S0376-723X2008000200001