一种基于NARX神经网络的振动主动控制方法

针对主被动混合隔振系统中次级通道的非线性因素和时变特性，设计一种基于有源非线性自回归神经网络(Nonlinear Auto-regressive With Exogenous Inputs Neural Network,NARX-NN)的次级通道系统辨识的方法，并成功应用于振动主动控制系统中。首先，使用NARX神经网络对次级通道进行辨识得到准确的次级通道模型；其次，采用FIR滤波器重构初级通道的输出，从而获得作动器的输出信号，基于重构得到数据对辨识的网络进行在线学习，可以避免由白噪声激励在系统中带来的随机振动对控制效果的影响；最后搭建仿真模型以及实验平台，仿真结果表明，该控制算法可以克服次级通道的时变性导致的次级通道失真问题；实验结果表明，该算法对15、20 Hz的线谱分别取得30.1、40.4 dB的能量衰减效果，能够有效地实现振动主动控制。