VCS振动控制系统控制算法研究

振动控制系统是研制、鉴定和生产可靠性试验必备的设备.介绍正弦振动控制算法、随机振动控制算法、正弦加随机信号的分离算法、随机加随机振动控制算法.振动控制系统已应用于四综合(温度、湿度、高度、振动)试验系统中.     

柔性结构振动跟踪控制H∞混合灵敏度法

基于H∞混合灵敏度控制算法,提出了一种将H∞混合灵敏度控制应用于高阶柔性结构振动跟踪控制的加权函数选择方法.该方法能够快速地使输出信号跟踪到参考信号.首先,建立了振动系统的多输入多输出跟踪控制模型;然后选择合适的性能加权函数和限幅加权函数,引入了模型的不确定性扰动,给出了一种针对高阶柔性控制系统的加权函数选择方法,利用混合灵敏度H∞控制设计方法,将鲁棒反馈控制器设计转化为标准H∞控制问题求解;最后,以一悬臂梁为研究对象,完成了两输入两输出结构振动控制的控制器设计和算法仿真.仿真结果表明,针对高阶柔性结构系统设计的控制器,在保证稳定性的前提下,输出信号对参考信号的跟踪结果满足了预定指标要求.     

电液振动台正弦振动自适应控制方法

电液振动台是大型结构正弦振动模拟实验的关键设备。受液压系统频宽及系统中存在的死区、摩擦力等因素影响,正弦振动实验中加速度输出信号存在跟踪精度低、波形失真度大等问题。为提高电液振动台控制精度,提出正弦振动自适应逆控制及谐波抑制复合控制策略。通过带遗忘因子的RLS算法构建自适应逆控制器,提高正弦波形的跟踪精度。基于快速块LMS算法构建双次自适应谐波抑制控制器,减小系统加速度输出信号波形失真度。最后通过振动台实验,验证了控制策略的有效性。     

一种MIMO非高斯振动的逆多步预测法

为了实现多输入多输出(multi-input-multi-output,简称MIMO)非高斯振动试验控制,提出了一种MIMO非高斯振动逆多步预测法。首先,该方法基于广义高斯分布构造零记忆非线性变换,并使用该变换生成非高斯参考信号;其次,推导系统的逆多步预测模型,将参考信号作为该模型的输入,生成试验所需的驱动信号;然后,在控制过程中分别根据控制点的功率谱密度和峭度与相应控制目标之间的误差,对参考非高斯信号进行调整,并利用逆多步预测模型对驱动信号进行更新,以实现非高斯振动控制;最后,进行三轴振动台试验。试验结果表明,该方法对功率谱与峭度都取得了良好的控制效果,验证了其可行性。     

线性摩擦焊机振动系统幅相控制策略研究

为保证线性摩擦焊接过程能量输入的稳定性，提高线性摩擦焊机振动系统幅值与相位的控制精度，建立了振动系统目标信号、输入信号与输出信号之间的关系，提出幅相控制策略，设计了幅相控制算法控制器，并采用Simulink建立了系统控制模型，通过模拟仿真，得到了不同焊接参数下的算法输入参数。通过典型参数下的焊接试验，验证了幅相控制的可行性。根据焊接过程参数分析了不同控制方法的控制效果，结果表明采用所设计的幅相控制策略，焊接过程中振动系统的振幅误差为1.2%，相位误差为0.16°。     

基于多分辨谱分析的正弦加随机振动试验控制算法的研究

针对正弦加随机振动试验中低频正弦信号控制精度不高的难题,提出以多分辨谱分析方法为基础,结合维纳-辛钦定理,从频域获取正弦信号的幅值,从而实现正弦响应信号与随机响应信号的准确分离,提高了低频正弦信号的控制精度。经过仿真试验对比,该算法获得了很好的控制效果,解决了低频控制精度差的问题。     

多输入多输出冲击振动试验研究

基于多输入多输出线性系统控制理论,提出了通过时频转换求取多个振动台输入的方法,并用MATLAB对算法进行了数值仿真.在悬臂梁上进行双振动台冲击振动模拟试验,用LabVIEW编写控制软件驱动PXI总线仪器实现输入信号的发生及响应信号的采集、分析与处理.试验结果表明.被控两点的输出加速度信号满足了预定要求,从而验证了本文方法在工程应用中的有效性.     

焦化鼓风机系统智能控制策略研究及应用

针对焦化鼓风机系统具有非线性时变、多变量、强耦合及存在随机干扰的特点,通过采用基于最近邻聚类方法的RBF神经网络快速学习算法,实时在线辨识,建立被控对象的精确逆模型并用于控制,实现了将具有强耦合特性的多输入多输出(MIMO)系统解耦成单个独立的伪线性对象,并提出一种基于RBF神经网络逆控制与非线性比例积分微分(PID)控制相结合的智能控制策略,保证了系统稳定的同时改善了控制系统性能.仿真和应用结果证实了该控制策略具有快速适应对象和过程变化的能力及较强的鲁棒性.     

基于LabVIEW的电磁式振动台试验系统

针对目前电磁式振动台试验系统振动输出控制精度低的问题,设计了基于LabVIEW的电磁式振动台试验系统。在对系统进行结构分析与硬件设计的基础上,进行了相应的软件设计,系统软件在LabVIEW环境下进行开发,为提高振动试验精度,在振动试验中引入闭环控制的思想,针对正弦振动和随机振动2种试验模式分别采取PID算法和随机振动功率谱复现迭代算法作为其控制方法。实际振动试验测试结果表明,所设计的振动台系统实现了对正弦振动和随机振动输出的有效控制。     

直升机振动谱线在仿真分析中的转化方法研究

直升机平台的正弦加随机振动谱线无法直接做为边界条件施加在有限元模型上,必须转化为仿真软件可用的谱线.文中详细介绍了传统的正弦加随机谱线转化为窄带加宽带谱线的方法及其转化公式,并提出了2 种新的谱线转化方法,即分离为纯正弦谱线和纯随机谱线的方法,以及基于振动试验的一种新的转化为窄带加宽带谱线方法,最后以某PCB板组件为例在NX Nastran中进行了对比仿真分析.结果表明,3 种转化方法中基于试验的转化方法最为严酷,分离为纯正弦与纯随机方法次之,传统的转化方法响应最小.     

任意概率分布随机振动激励源的设计与实现

随机振动台是航空航天产品重要的研制、鉴定、可靠性及生产试验设备,提高振动模拟试验的逼真性和振动试验的效果都需要产生非高斯分布的随机激励信号.本文对具有给定功率谱密度分布的非高斯随机振动激励信号的生成技术进行研究与分析,使数字式随机振动控制系统可以同时具有频谱和幅度分布的控制能力.给出了采用数字信号处理技术高精度和快速地产生任意概率分布的随机振动时域激励信号的方法.采用这种方法得到的宽带随机信号的信噪比可达到70 dB,可用于精密随机振动台的驱动控制信号,准确地实现被试验产品的模拟实验.计算机仿真和实验结果也证实了该方法的正确性和有效性.     

进化规划在多振动台随机振动控制中的应用

针对多振动台随机振动控制中求解补偿矩阵的广义逆算法，提出利用进化规划对补偿矩阵的初值进行优化的方法，解决了实时控制中的非线性、宽区间内的极值求解问题。双振动台随机振动控制的仿真实验研究表明，将基于进化规划的广义逆求解补偿矩阵方法引入随机振动控制过程，在同等计算精度条件下，计算时间大大缩短，并改善了控制中共振峰处的奇异性，为广义逆算法在多振动台随机振动控制中的在线应用提供了有力支持。     

随机振动试验中时域随机化技术的研究

分析了目前时域随机化技术中直接加窗重叠所存在的频谱泄漏以及控制动态范围低等缺陷,针对这些缺陷进行了理论推导以及进行了基于不同加窗函数的控制试验对比,分析出了加窗函数造成频谱泄漏的主要原因。经过比较,采用了低旁瓣的汉宁窗,但又引入了时域周期性波动的新问题。最后在理论推导以及大量控制试验的基础上提出了以汉宁窗为加窗函数,在时域进行幅值修正的方法,并给出了幅值修正的系数公式。该方法成功地解决了频谱泄漏、控制动态范围低以及加窗造成时域信号周期性波动等问题,提高了系统的频谱控制精度和控制动态范围,并应用于实际随机振动试验控制系统中,取得很好的控制效果。     

高速列车非平稳振动信号盲源分离方法及应用

高速列车具有若干时变激励源,传统的时频分析方法只能对观测的混合振动的总体强度分布、时频域结构加以分析,不能分离出与各振源对应的信号分量从而明晰振源状态与故障特征。盲源分离是一种可行的分析方法,但由于高速列车振动信号具有时变振源数目、时变信号长度、受车速调制的变频非平稳等特征,传统的盲源分离方法不适用。为了提高高速列车非平稳信号的盲源分离效果,基于自适应滤波理论提出全局最优信噪比盲源分离新方法,并对其可分离性的判别依据进行论证。新方法的有效性经仿真计算和实测数据分析得到验证。研究表明：新方法对高速列车时变非平稳信号的盲源分离效果优于传统的基于非线性函数的盲源分离方法和基于高阶累积量的盲源分离方法。     

混合信号振声源分离与多机组故障诊断

针对机房设备混合信号难以提取有用信息,提出了多参数的振声诊断方法。应用最小互信息梯度下降的盲分离算法,通过展开边缘熵和修正四阶累积量估计值的方法改善算法性能,在故障源数量未知且可能大于传感器数量的情况下,根据信息源之间的独立性测度关系依次提取最显著的特征值。仿真结果证明,改进算法估计误差减小且算法可靠。在诊断实例中,首先,分离机房内的混合噪声信号以确定主要故障来源;然后,采集故障源的振动信号进行非线性盲分离,提取热泵机组压缩机不对中、齿轮啮合不良和碰磨的故障特征;最后,根据分离的振源信号特征识别故障类型,建立基于盲源分离算法的大空间设备群的振声诊断方法。     

强脉冲干扰非线性混叠转子故障信号分离

由于旋转机械在运行过程中,传感器测得的振动信号是各振源的混叠信号且含有很强的噪声,常规的信号处理方法难以分离混叠信号,对设备的状态监测和故障诊断造成了很大的困难。针对这一问题,介绍了盲源分离基本原理和方法,指出源分离算法在脉冲噪声环境下失效。针对强脉冲噪声环境下的混叠振动信号,首先,通过中值滤波降噪方法对振动信号进行降噪;然后,通过盲源分离算法对降噪后的信号分离;最后,利用该方法对实测混叠转子振动信号成功实现了降噪和故障信号分离。仿真结果验证了提出方法的有效性。     

多振源卷积混合的时域盲源分离算法

在机械多源振动传播和卷积混合模型的基础上,提出一种基于时域的多振源卷积混合信号的盲源分离算法.该算法以独立性为评判准则,采用反向学习和合理简化滤波器系数的方式,进行滤波器系数的学习,进而实现基于时域的多振源卷积混合信号的分离.仿真试验和多机振动源试验结果表明,该算法对于多源卷积混合信号具有很好的分离效果,可应用于机械设备多激振源卷积混合情况下机械振动源信号的有效分离.