1.一种半主动模糊控制方法，其特征在于：包括以下步骤：

步骤S1：针对地震波激励下的磁流变阻尼器建筑结构体系建立运动方程，推导其状态空间方程，并将结构响应作为模糊控制器的输入；

步骤S2：建立基于控制结构响应的多目标函数和适应度函数；

步骤S3：对乌鸦搜索算法进行改进；

步骤S4：用改进的乌鸦搜索算法对模糊控制器进行优化设计；

步骤S5：根据步骤S4优化得到的模糊控制器最优参数，确定最优的模糊控制器，从而确定最优的磁流变阻尼器控制电压；

步骤S6：利用步骤S5得到的最优的磁流变阻尼器控制电压，借助磁流变阻尼器的正向模型，利用仿真平台确定最优阻尼力，实现对建筑结构的半主动模糊控制。

2.根据权利要求1所述的一种半主动模糊控制方法，其特征在于：步骤S2中，为了兼顾结构的安全性和其间人员的舒适性，将所述多目标函数定为最小化结构的位移和加速度的最大值和均方根值，所述多目标函数为：Obj＝w×Obj1+(1-w)×Obj2；

其中，

Obj1＝w1J1+(1-w1)J2；

Obj2＝w2J3+(1-w2)J4；

式中，xi(t)和 分别是受控时第i层的位移和加速度；xunc和 分别是无控时的最大位移和最大加速度；xrms,unc和 分别是无控时位移的均方根值和加速度的均方根值；J1和J2是分别使最大位移响应和最大加速度响应最小化的单目标函数，J3和J4是分别使位移响应的均方根值和加速度响应的均方根值最小化的单目标函数，w、w1以及w2是反映相对重要性的权重系数；在改进乌鸦搜索算法中，将该多目标函数作为适应度函数F；由于这是求最小解的问题，因此在优化过程中适应度越小越好；

其中所述位移和加速度分别为相对位移和绝对加速度。

3.根据权利要求1所述的一种半主动模糊控制方法，其特征在于：步骤S3具体包括：一、根据模糊控制器的优化参数的特点，采用连续型和离散型相混合的编码形式，并提出相应的离散型编码更新策略；

二、为了提高收敛效率并防止搜索陷入局部最优解，对被跟踪的乌鸦进行优选；

三、在原始乌鸦搜索算法的基础上，对每只乌鸦位置的更新方案进行改进。

4.根据权利要求3所述的一种半主动模糊控制方法，其特征在于：第一点具体为：针对模糊控制器的隶属函数参数和输入量化因子，采用连续型编码形式，即原始乌鸦搜索算法的编码形式；针对模糊控制器的模糊规则，采用离散型编码形式。

5.根据权利要求4所述的一种半主动模糊控制方法，其特征在于：所述离散型编码形式具体为：假设输出语言变量的数量为p，则针对每条模糊规则，用从1到p这p个整数对其相应的语言变量进行编码；相应地，代表模糊规则的编码段的更新方法如下所示：式中，k是迭代次数；j∈[1，N]；Xdi是乌鸦i的位置Xi中代表模糊规则的编码段；Xdi是乌鸦j食物藏匿记忆位置Mj中代表模糊规则的编码段；Ydi是随机产生的二进制序列；Xdi、Mdj和Ydi的长度均为len1；N代表乌鸦种群的大小。

6.根据权利要求3所述的一种半主动模糊控制方法，其特征在于：第二点具体为：为了提高收敛效率并防止搜索陷入局部最优解，使用三角概率法优选乌鸦j的食物藏匿记忆位置Mj：首先，按照适应度从小到大的顺序对藏匿食物记忆位置(M1,M2,...MN)进行排序，然后利用三角概率法优选出若干个Mj，具有这些位置记忆的乌鸦j将成为被跟踪对象。

7.根据权利要求6所述的一种半主动模糊控制方法，其特征在于：所述三角概率法的具体操作如下：如果

pi＞t (i＝1,2,…N)

则乌鸦i将被选中作为被跟踪对象，即乌鸦j，令其食物藏匿记忆位置为Mj；式中，pi＝2(N+1-i)/[N(N+1)]是分配给乌鸦i的位置Xi的概率，t＝[2+2(N-1)rand]/[N(N+1)]，rand是从0到1之间的随机小数。

8.根据权利要求3所述的一种半主动模糊控制方法，其特征在于：第三点具体为：改进乌鸦搜索算法的解的更新策略具体为：式中，1≤i≤N；rand和rk都是在0-1之间均布的随机数；k是迭代次数；AP是感知概率；FL是飞行长度；Xci是乌鸦i的位置Xi中代表隶属函数参数和输入量化因子的编码段；Mcj是乌鸦j的食物藏匿记忆位置Mj中代表隶属函数参数和输入量化因子的编码段；Xci和Mcj的长度均为len-len1；Ydi是随机产生的二进制序列；Xdi是乌鸦i的位置Xi中代表模糊规则的编码段。

9.根据权利要求8所述的一种半主动模糊控制方法，其特征在于：所述感知概率AP＝

0.15；所述飞行长度FL＝1.5。

10.根据权利要求1所述的一种半主动模糊控制方法，其特征在于：步骤S4具体包括以下步骤：步骤S41：确定模糊控制器的结构，包括输入对象和输出对象，输入和输出的隶属函数的数量和类型；

步骤S42：对待优化对象进行编码设计，并确定每个优化参数的取值范围；

步骤S43：初始化改进乌鸦搜索算法的参数，包括种群大小N、迭代次数k、感知概率AP、飞行长度FL；

步骤S44：随机产生初始种群X(0)＝(X1,X2,...XN)，并令其为初始M(0)＝(M1,M2,…MN)；

步骤S45：计算Xi的适应度F(Xi)；

步骤S46：开始第一次迭代，令Cycle＝1；

步骤S47：判断是否满足终止条件，如果是，则输出最优解，否则将整个种群按照适应度值从小到大的顺序排列；

步骤S48：利用三角概率法找出较优的若干个乌鸦j，其藏匿食物记忆位置为Mj；

步骤S49：从优选的若干个Mj中任选一个，将与之相对应的乌鸦j作为Xi的跟踪对象；

步骤S410：根据下式，当随机数rk≥AP时，Xi向Mj逼近；当rk＜AP时，则给Xi赋予规定范围内的随机数：式中，1≤i≤N；rand和rk都是在0-1之间均布的随机数；Xci是乌鸦i的位置Xi中代表隶属函数参数和输入量化因子的编码段；Mcj是乌鸦j的食物藏匿记忆位置Mj中代表隶属函数参数和输入量化因子的编码段；Xci和Mcj的长度均为len-len1；Ydi是随机产生的二进制序列；Xdi是乌鸦i的位置Xi中代表模糊规则的编码段；

步骤S411：判断新产生的Xi是否为有效解，如果是，则用新产生的Xi替代原来的Xi，否则，令Xi保持原值；

步骤S412：判断新产生的Xi的适应度F(Xi)是否有改进，如果是，用新的Xi替代旧的Mi，否则令Mi保持原值；

步骤S413：如果i＜N，则i＝i+1，并重复步骤S49至步骤S412的操作，直至i＝N时记录本轮迭代最优解；

步骤S414：如果Cycle＜K，则Cycle＝Cycle+1，并重复步骤S47至步骤S413的操作，直至Cycle＝K，输出最优解，即得到模糊控制器的最优参数。