基于神经网络智能结构振动控制中的辨识

以智能结构振动控制为对象,采用BP神经网络进行辨识研究。分析了神经网络系统辨识的原理及BP神经网络的算法。仿真结果表明,神经网络是建立智能结构振动控制系统模型的一种有效的方法。     

基于神经网络的结构振动主动控制方法

以矩形简支薄板为研究对象,设计了一种基于神经网络的结构振动主动控制系统,通过对薄板表面施加激振力,来控制其振动噪声的辐射特性,采用有辨识器和无辨识器两种反馈控制算法实施频域控制.控制系统中的控制器和辨识器的拓扑结构均采用神经网络,分别称为神经网络控制器(neural network nontroller,简称NNC)和神经网络辨识器(neural network identifier,简称NNI).仿真结果表明,两种控制策略均可实现多频点控制,前者精度高,后者易实现.构建了简支薄板振动主动控制实验系统,针对易实现的无辨识器控制算法进行实验验证.实验控制效果良好,验证了该算法的正确性和可行性.     

一种基于神经网络的振动主动控制方法

分析了表面贴有压电材料ＰＺＴ作为作动器的悬臂梁系统的特性,从控制角度推导出系统的传递函数,在此基础上采用神经网络对系统进行振动主动控制。分别利用线性神经网络和ＢＰ神经网络作为辨识器和控制器,同时将速度信号引入到控制器中以提高系统性能。数值仿真证明了方法的可行性。     

基于MATLAB的神经网络模型参考控制仿真

基于神经网络在系统辨识和动态系统控制中的成功使用,介绍了典型前向网络的BP算法,采用模型参考控制的神经网络控制结构对一简支梁进行了振动主动控制研究,并详细阐述了在MATLAB环境下的仿真过程和仿真结果,最后展望了神经网络在冶金行业板形控制中的应用。     

连铸结晶器非正弦振动系统模糊神经网络跟踪控制

针对结晶器非正弦振动液压伺服系统参数易变、模型不确定这一特点，对模型未知的系统用神经网络模型逼近，并采用改进的递阶遗传算法对神经网络的权值和结构同时进行训练，实现系统模型的精确辨识；将模糊控制与神经网络相结合，提出一种模糊神经网络控制方法，实现连铸结晶器非正弦振动系统的跟踪控制。仿真验证了该方案能提高非正弦振动系统跟踪控制性能和鲁棒性，且易于工程实现。     

基于次级通道在线辨识新算法的振动主动控制

提出一种基于改进滤波型最小均方(filtered-X least mean square,简称FXLMS)算法次级通道在线辨识方法,将其应用到结构自适应振动主动控制中。该算法可以消除主动控制环节和次级通道辨识环节相互影响,加快系统的收敛速度,并有效消除附加随机信号对待控制区域残余振动的影响,简化了系统算法的复杂度。将该方法基于LABVIEW进行振动控制仿真,从收敛性能和振动控制效果两方面进行比较,得出其改进优势。以简支梁为控制对象,用本研究方法进行结构振动主动控制的试验研究。结果表明,该控制系统对简支梁的振动响应有很好的抑制作用,说明该基于次级通道在线辨识的主动控制方法的有效性。     

基于RBF神经网络的非线性系统智能控制

针对工业控制领域中复杂非线性时变系统，采用传统的控制方法不能达到满意的控制效果，提出了基于神经网络的PID自适应控制方案。采用神经网络辨识器在线辨识系统模型，自动调整PID控制器参数，从而实现系统的智能控制。仿真结果表明该方法对于复杂非线性系统能进行有效的控制并且具有很好的自适应性和鲁棒性。     

微粒群优化倒立摆神经网络控制器设计研究

将微粒群算法和多层前馈神经网络相结合,提出了一种利用微粒群算法代替BP算法训练多层前馈神经网络权值,以实现神经网络控制的方法,并对非线性模型的辨识问题和一级直线倒立摆的控制问题进行了仿真研究。仿真实验表明：微粒群算法在神经网络控制及非线性模型辨识方面效果良好,具有良好的应用前景。     

混沌光学系统之快速神经网络自适应控制研究

提出一种用于光动力学系统控制之快速神经网络自适应控制技术。该技术以一前向神经网络作为光动力学系统之系统辨识器,由其与光动力学系统之输出差值对系统控制参数进行调整以达到控制目的,由于神经网络系统辨识器在混沌加速BP算法的支持下可从光动力学系统输出时间序列进行快速动力学模型重构,因而此控制技术特别适用于对未知动力学表述的光动力学系统进行快速控制。文中成功地将此神经网络自适应控制技术应用于布喇格声光混沌系统进行的快速控制仿真实验中     

直线伺服系统模型参数辨识及其实验研究

为了使伺服驱动系统具有较好的控制性能,对系统建模与辨识、系统性能进行了研究。传统方法建立的直线伺服系统数学模型误差大,为了求出精确的系统模型参数,将基于最小二乘的阶跃辨识法应用在直线伺服系统的模型参数辨识中,并计算出实验数据与仿真数据的拟合误差(0.0018)和相关系数(0.9970)。仿真与实测结果表明,该模型辨识算法可行,对输出测量噪声不敏感,鲁棒性好。采用极点配置法设计了位置控制器,并对其进行了实验研究。通过合理配置系统极点的位置,显著地减小了摩擦力对系统性能的影响。     

基于最近邻均匀设计神经网络逆模型的电磁标准振动台谐波控制方法研究

针对低频电磁标准振动台输出振动受刚度非线性影响而产生严重谐波失真问题,首先基于非线性特性幂级数等效原理,分析了输出振动的加速度失真特性。然后,为克服振动台逆模型辨识样本传统均匀采样法存在的效率低及精度差等问题,提出了最近邻均匀设计输入输出样本提取方法,由均匀设计法在传统采样点中选择小样本数据集,再依据近邻法将不能准确辨识的其他样本点加入数据集,构成最优训练样本集。进一步,辨识得到待控制振动台的神经网络逆模型,将其与原振动台模型串联后构建了谐波失真开环控制系统。最后,仿真及实验分析表明,神经网络控制可将整个工作频段内不同位移幅值振动加速度失真控制在标准要求的2%以内,而提出的最近邻均匀设计样本优化神经网络控制具有更优的谐波失真抑制效果。     

基于类神经网络的磁流变主动振动控制研究

以类神经网络为基础进行磁流变主动振动控制,针对隔振系统自然频率与负载干扰记性振动抑制进行了研究,并分别利用回馈与前馈2种控制模式进行主动控制研究,其目的是为了降低系统自然频率共振与负载干扰的振动量。通过数值模拟与试验验证证实了运用类神经网络的主动控制抑制系统自然频率振动进行研究是可行的。     

振动自适应模糊控制方法研究

将自适应模糊控制理论引入振动控制工程领域,提出了一种基于模糊逻辑系统的在线自学习控制方法。给出了该控制方法的学习算法及初始振动模糊控制器的产生方法。分析了该方法与其它非线性控制方法（神经网络控制）相比所具有的优点。仿真结果表明该自适应模糊控制方法能有效地抑制振动。     

直升机主减半主动反共振隔振技术研究

根据现有主减反共振隔振和主动控制理论，设计新型直升机主减隔振原理样机模型。随着直升机工作频率的改变，隔振系统识别频率的变化，自动调节隔振器质量块位置，使系统始终有隔振效果。以直升机原理样机为对象，加入基于神经网络的控制方法，对实验对象进行动力学特性标定，获得质量块位置与工作频率之间的关系。研究频率跟踪算法，将神经网络和频率跟踪算法两者结合，编制出可以采集信号，识别频率的LabVIEW程序。实验结果证明，新型主减隔振系统隔振效果和控制效果符合预期，可以为直升机主减的振动主动控制系统设计提供一定的指导。     

压电振动系统的神经网络建模和预测研究

本文应用MATALB／XPC实时仿真工具测量了贴有压电元件的复合材料薄壁结构的振动响应。并对其进行神经网络的离线建模和预测。比较了几种网络的优缺点。选择了引进外部反馈的前向BP网络作为非线性系统建模的方法，有望推广用于智能结构的健康监测和振动主动控制。     

超精密机床磁致伸缩作动器隔振系统

针对超精密机床系统振动的非定值性,提出了磁致伸缩作动器隔振方案,并运用人工神经网络生成查询表,对隔振系统进行控制。仿真与实验研究结果证明了该方案的正确性。     

新的超声波振动电源控制模型设计与应用

设计了基于BP神经网络的超声波振动电源控制模型,并应用到新的超声波振动电源中。在730℃铝合金熔体铸造实验过程中,新的超声波振动电源输出频率为19.259kHz~20.086kHz,超声波平均振幅为15.93μm,输出功率为1.073kW~1.203kW,晶粒的平均尺寸为143.63μm,晶粒尺寸大小均匀。系统仿真与实验结果表明,使用新的超声波振动电源控制模型可以提高电源输出功率和频率的精度,有助于超声波振动电源的稳定工作,提高了铝合金的铸造质量。     

基于神经网络的薄壳多目标振动优化控制研究

针对目前主动控制方法主要集中于减振降噪方面的研究,无法满足工程中频率特性改变的需求等问题,结合神经网络的多目标并行处理能力,提出基于神经网络的多目标振动优化控制方法。首先,基于神经网络算法,构造频域主动控制架构,相较于时域方法,该架构一个控制循环只需一次傅里叶变换(Fast Fourier transform,FFT),无傅里叶逆变换(Inverse fast Fourier transform,IFFT),因此,控制时效性得到有效保证。其次,基于全局频域误差与特征频点误差,构造混合型误差评判准则,提升算法的自适应性,可靠性与抗干扰能力。再次,基于多自由度系统方程,研究了多目标控制中的可控性问题,保证控制的可行性。最后,通过大型薄壳结构的八点多目标振动优化控制,有效验证了方法的有效性与可行性。     

神经网络在柴油机振动有源控制中的应用

将神经网络技术应用于柴油机双层隔振系统,构造了一种AVC(Active vibration control)系统。用Matlab语言进行有源控制仿真计算之后,采用液压执行机构在柴油机双层隔振试验台上进行试验研究,结果表明神经网络技术在振动有源控制中具有一定的可行性,在某些主要频率下振动可衰减8dB左右。     

基于BP神经网络的立铣加工振动快速预估

结合研制的立铣加工过程虚拟仿真系统和实验测量铣削力信号,训练并建立BP神经网络模型,快速实现铣削过程刀具-工件系统振动状态的预估.预估的振动结果与实验测量数据较为吻合,表明铣削虚拟仿真系统与神经网络技术的结合能够高效低耗地用于不同铣削加工条件下铣削振动状态的快速预估和加工过程监测.