本发明专利技术公开一种壳体结构表面变频率特性的主动控制方法。首先构建频域神经网络辨识器（FNNI）对受控对象进行辨识，采用频域振动响应信号和作动参数作为输入，实现被控结构的建模和响应的一步预测功能，建立响应和激励参数之间的关系；然后构建频域神经网络控制器，由FNNI权值、辨识信号与频域目标信号的误差以及作动参数组成FNNC的输入，采用全局频域误差与特征频点误差相结合的评判准则，由FNNC产生新的作动参数，不断循环迭代，直至达到预设的振幅，完成壳体结构表面变频率特性的主动控制。整个过程集中于频域进行，节省了信号转换时间，构造的评判准则有效提高算法的可靠性、抗干扰性，适于振动和噪声的主动抑制以及结构动态频率特性主动控制。
【技术实现步骤摘要】
本专利技术属结构振动主动控制
，具体涉及。
技术介绍
对于汽车、飞机以及机械加工机器等机械部件，一般情况下都以恒定的动态频率特性工作，但固定的频率特性有时无法满足工作的需求，例如军事装备的伪装以及产品性能的改进等。为了实现对结构的振动控制，工程上可采用不同的方法，传统的被动振动控制无需从外部输入能量，而是通过改变结构的质量分布来降低其振动响应，它具有结构简单、易于实现、经济性好、可靠性高、对高阶振动抑制效果好等特点，但随着结构控制性能要求的提高，被动振动控制的局限性就逐渐暴露出来。振动主动控制在控制过程中，根据所检测到的振动信号，应用一定的控制策略，经过实时计算，进而驱动作动器对控制目标施加一定的影响，达到抑制或消除振动的目的。其具有控制效果好、适应性强、结构阻尼比高和消除振动能量迅速等特点。传统的主动控制算法在结构性能控制中有着很好的表现，但是大多集中于振动和噪声的控制，无法实现结构频率特性的任意改变。本专利技术在传统的主动控制算法基础上构造出一种变频率特性主动控制算法，实现结构对外辐射频率特性的主动控制。
技术实现思路
本专利技术的目的在于克服上述现有技术的缺点，提供，该控制方法整个过程集中于频域进行，节省了信号转换时间，构造的评判准则有效提高算法的可靠性、抗干扰性，适用于振动和噪声的主动抑制以及结构动态频率特性的主动控制。本专利技术的目的是通过以下技术方案来解决的这种壳体结构表面变频率特性的主动控制方法，包括以下步骤I)首先构建频域神经网络辨识器对受控对象进行辨识，采用频域振动响应信号和作动参数作为频域神经网络辨识器的输入，实现被控结构的建模和响应的一步预测功能，建立响应和激励参数之间的关系；2)构建频域神经网络控制器，由频域神经网络辨识器权值、辨识信号与频域目标信号的误差以及作动参数组成频域神经网络控制器的输入，采用全局频域误差与特征频点误差相结合的评判准则，由频域神经网络控制器产生新的作动参数，不断循环迭代，直至达到预设的振幅，完成壳体结构表面变频率特性的主动控制。上述的构建频域神经网络辨识器对受控对象进行辨识，实现被控结构的建模和响应的一步预测功能的方法如下构建频域神经网络辨识器，所述频域神经网络辨识器是一个两层的线性网络，其输入为被控对象的频域振动响应和作动器的作动参数即幅值A、频率w和相位灼输出层采、用线性传递函数，经过神经网络输入层与输出层的传递计算后得到被控对象的一步预测响应；采用频域振动响应和作动参数作为频域神经网络辨识器输入，实现被控结构的建模和响应的一步预测功能，建立响应和激励参数之间的关系，通过权值参与频域神经网络控制器的迭代。进一步，上述的构建频域神经网络控制器，采用全局频域误差与特征频点误差相结合的评判准则，由频域神经网络控制器产生新的作动参数，不断循环迭代，完成壳体结构表面变频率特性的主动控制的方法如下所述频域神经网络控制器是一个三层误差反向传播网络，包含输入层、隐层和输出层，由辨识信号与频域目标信号的误差以及作动参数组成频域神经网络控制器的输入，经过神经网络传递计算后得到的输出作为新的作动参数，频域神经网络控制器通过不断的激励、采集、比较，实现与预设振幅的一步步逼近，完成壳体结构表面变频率特性的主动控制；根据基本BP算法，权值与阈值的修正正比于误差函数负梯度方向，结合动量梯度下降法，得到变频率特性主动控制算法中频域神经网络控制器权值阈值的动量法修正公式；变频率特性主动控制算法中采用将全局频域误差与特征频点误差相结合的评判准则；频域全局误差函数J和特征频点误差E定义为权利要求1.，其特征在于，包括以下步骤 1)首先构建频域神经网络辨识器对受控对象进行辨识，采用频域振动响应信号和作动参数作为频域神经网络辨识器的输入，实现被控结构的建模和响应的一步预测功能，建立响应和激励参数之间的关系； 2)构建频域神经网络控制器，由频域神经网络辨识器权值、辨识信号与频域目标信号的误差以及作动参数组成频域神经网络控制器的输入，采用全局频域误差与特征频点误差相结合的评判准则，由频域神经网络控制器产生新的作动参数，不断循环迭代，直至达到预设的振幅，完成壳体结构表面变频率特性的主动控制。2.根据权利要求I所述的壳体结构表面变频率特性的主动控制方法,其特征在于,所述的构建频域神经网络辨识器对受控对象进行辨识，实现被控结构的建模和响应的一步预 测功能的方法如下 构建频域神经网络辨识器，所述频域神经网络辨识器是一个两层的线性网络，其输入为被控对象的频域振动响应和作动器的作动参数即幅值A、频率w和相位炉;输出层采用线性传递函数，经过神经网络输入层与输出层的传递计算后得到被控对象的一步预测响应； 采用频域振动响应和作动参数作为频域神经网络辨识器输入，实现被控结构的建模和响应的一步预测功能，建立响应和激励参数之间的关系，通过权值参与频域神经网络控制器的迭代。3.根据权利要求I所述的壳体结构表面变频率特性的主动控制方法,其特征在于,所述的构建频域神经网络控制器，采用全局频域误差与特征频点误差相结合的评判准则，由频域神经网络控制器产生新的作动参数，不断循环迭代，完成壳体结构表面变频率特性的主动控制的方法如下 所述频域神经网络控制器是一个三层误差反向传播网络，包含输入层、隐层和输出层，由辨识信号与频域目标信号的误差以及作动参数组成频域神经网络控制器的输入，经过神经网络传递计算后得到的输出作为新的作动参数，频域神经网络控制器通过不断的激励、采集、比较，实现与预设振幅的一步步逼近，完成壳体结构表面变频率特性的主动控制； 根据基本误差反向传播BP算法，权值与阈值的修正正比于误差函数负梯度方向，结合动量梯度下降法，得到变频率特性主动控制算法中频域神经网络控制器权值阈值的动量法修正公式； 变频率特性主动控制算法中采用将全局频域误差与特征频点误差相结合的评判准则；频域全局误差函数J和特征频点误差E定义为全文摘要本专利技术公开。首先构建频域神经网络辨识器(FNNI)对受控对象进行辨识，采用频域振动响应信号和作动参数作为输入，实现被控结构的建模和响应的一步预测功能，建立响应和激励参数之间的关系；然后构建频域神经网络控制器，由FNNI权值、辨识信号与频域目标信号的误差以及作动参数组成FNNC的输入，采用全局频域误差与特征频点误差相结合的评判准则，由FNNC产生新的作动参数，不断循环迭代，直至达到预设的振幅，完成壳体结构表面变频率特性的主动控制。整个过程集中于频域进行，节省了信号转换时间，构造的评判准则有效提高算法的可靠性、抗干扰性，适于振动和噪声的主动抑制以及结构动态频率特性主动控制。文档编号G05B13/04GK102749849SQ20121022769公开日2012年10月24日 申请日期2012年7月3日 优先权日2012年7月3日专利技术者何正嘉, 卢立勤, 张兴武, 游上钦, 王义杰, 陈雪峰 申请人:西安交通大学本文档来自技高网...
【技术保护点】
一种壳体结构表面变频率特性的主动控制方法，其特征在于，包括以下步骤：1）首先构建频域神经网络辨识器对受控对象进行辨识，采用频域振动响应信号和作动参数作为频域神经网络辨识器的输入，实现被控结构的建模和响应的一步预测功能，建立响应和激励参数之间的关系；2）构建频域神经网络控制器，由频域神经网络辨识器权值、辨识信号与频域目标信号的误差以及作动参数组成频域神经网络控制器的输入，采用全局频域误差与特征频点误差相结合的评判准则，由频域神经网络控制器产生新的作动参数，不断循环迭代，直至达到预设的振幅，完成壳体结构表面变频率特性的主动控制。
【技术特征摘要】
【专利技术属性】
技术研发人员：陈雪峰，王义杰，张兴武，卢立勤，游上钦，何正嘉，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。