随着建筑结构的高度不断增高、结构体系不断趋于复杂,再加上地震、台风等自然灾害的不可预知性,结构抗震、抗风设计也遇到了新的挑战。我国沿海地区超高层建筑一般以风控为主,强风作用下结构可能会出现舒适度超标,甚至会造成结构及附属构件损坏。大量理论研究和实践证明,主动质量阻尼器(AMD)控技术能够有效地增加结构阻尼,减小超高层结构风致振动和地震响应。因此,应用AMD控制技术,减轻结构在风荷载作用下的响应,提高建筑舒适性,对提高建筑使用性能和品质有重要意义。控制算法是主动控制的核心。土木工程主动控制常用的几种控制算法,包括线性二次型最优控制(LQR和LQG)、极点配置法、瞬时最优控制、独立模态控制、最优多项式控制等。本文以深圳京基金融中心为背景工程,主要做了以下研究工作:1)建立了结构的串联单向多自由度降阶模型,通过比较三维有限元模型和降阶模型的动力特性,证明了降阶模型的可靠性。采用混合自回归滑动平均模型模拟脉动风荷载时程,进行了风时程的谱检验和相关性检验,表明本文给出的风速时程模拟结果满足荷载规范要求。通过比较降阶模型和ETABS模型在脉动风荷载作用下的结构时程响应,也证明了降阶模型的精度满足要求。2)为实现极点配置算法的部分极点的重新配置控制策略,本文研究了线性二次型经典最优控制(LQR)算法对控制系统极点的影响。以此为借鉴提出了控制系统期望极点的设计方案,研究了AMD期望极点对控制系统性能的影响。针对实际结构采用极点配置算法可能会出现控制力过大的现象,本文通过对质量振型参与系数的分析,选取结构前几阶振型作为控制目标,保证了系统控制力不会过大,又能实现控制效果。该方法目标明确、可操作性较强。以深圳京基金融中心为算例,对其采用了LQR算法和本文提出的极点配置算法,从增加的结构阻尼比和控制效果分析表明极点配置算法比LQR算法更有效。3)基于Takagi-Sugeno模型的模糊神经网络的基本理论,本文建立了模糊神经网络预测模型,该模型结合神经网络控制和预测控制的优点,解决了控制中的时滞问题,提高了控制系统的鲁棒性。研究了基于聚类法产生模糊神经网络预测控制的模糊逻辑系统,该方法便捷地解决了模糊逻辑控制中模糊控制规则基于专家控制策略和经验而无自学习能力的困难。以深圳京基金融中心为算例,利用模糊神经网络预测算法控制结构在风荷载下的振动,仿真结果表明模糊神经网络预测算法能够有效地减小高柔结构加速度响应。