房屋建筑是人类赖以生存和发展的重要基础设施,其破坏将给人类带来巨大的灾难和财产损失。当前我国正处于地震活跃期,因此对建筑结构进行振动控制是提高建筑的抗震能力和保障人民生命财产安全的重要的措施。然而传统的结构振动控制算法需要精确的数学模型,而且数据处理和控制力的实施等的实时控制中会产生时滞,对不同的结构和地震作用适应性差。面对建筑结构的复杂程度越来越高和地震预测难度大,这些传统的主动控制算法越来越无法适用于建筑结构的振动控制问题。并且目前结构振动控制策略大多局限于集中控制,但集中控制对自由度数较多的高层建筑而言,存在计算成本大、可靠性不足等弊端。因此本文将分散控制理论和神经网络理论结合起来导出的分散神经网络振动控制进行了研究和数值仿真,研究工作主要有以下几个方面:1、对分散控制策略、神经网络控制算法和模糊神经网络控制算法进行了理论分析,重点论述了BP神经网络控制算法、RBF神经网络控制算法和Takagi-Sugeno型模糊神经网络控制算法,并将分散控制策略和上述三种智能控制算法相结合,提出分散神经网络控制方案。2、针对神经网络集中控制容易出现的问题,将20层建筑结构振动Benchmark模型划分为2个、4个和5个子结构三种工况,分别对每个子结构设计BP和RBF神经网络控制器,利用MATLAB计算分析软件进行数值仿真。分别比较了两种神经网络的分散振动控制和集中控制的结构振动控制效果和控制出力。3、针对BP神经网络和RBF神经网络的各自特点,分别对比了两种分散神经网络振动控制算法对20层建筑结构的振动控制率和能量消耗大小。4、针对模糊神经网络的优点,对某6层建筑结构每层设计一个模糊神经网络控制器,并对其进行数值模拟与分析,分析了分散模糊神经网络振动控制的控制效果;其次对此6层建筑模型进行了模态分析,采用了对前四阶模态中地震反应最大的四个楼层进行控制,比较其与分散模糊神经网络振动控制的控制效果与节约的控制力。本文的研究结果表明:本文提出的分散神经网络振动控制方法,可以有效减小结构地震反应,达到神经网络集中控制的控制效果,并提高了建筑结构振动控制的可靠性,由于子系统控制器网络结构的简化,缩短了神经网络训练时间消除时滞,使得神经网络分散控制更加易于应用于工程实际。