一种基于神经网络的壳体结构表面振动一致性控制方法

摘要

本发明公开一种基于神经网络的壳体结构表面振动一致性控制方法。该方法首先基于神经网络优化算法构建振动一致性控制架构，控制架构主要包含辨识器和控制器两部分核心模块，其中辨识器用于被控壳体模型的辨识与振动响应的预测，控制器用于激励参数的优化与控制目标的实现；然后，基于梯度下降法推导辨识器、控制器权值与阈值的迭代公式，用于循环参数的优化与更新；再进一步计算全局误差与频点误差并将它们相结合，构造一种新型的误差评判准则，用于判别控制效果与目标的差异；最后，以壳体结构表面多点振动响应的协同控制为目标，同步实现壳体结构表面多点振动响应的一致性控制。

主权项

一种基于神经网络的壳体结构表面振动一致性控制方法，所述方法用于壳体结构振动抑制与表面振动的一致性控制，其特征在于，所述方法包括以下步骤：S100.构建控制架构：所述控制架构包含辨识器，控制器和被控壳体，所述辨识器用于被控壳体的辨识与振动响应的预测，所述控制器用于优化激励参数以及控制目标的实现；S200.输入激励：设定被控壳体振动频域的目标振动响应信号；通过初始激励参数对被控壳体进行激励得到振动响应信号；S300.判别差异：将全局误差与频点误差相结合，构造误差评判准则，用于判别振动响应信号与目标振动响应信号的差异；S400.终止：首先设定目标精度；然后将振动响应信号与目标振动响应信号的差异与目标精度进行比较；如果两者差异不能满足目标精度，则对辨识器和控制器进行优化直到两者差异满足目标精度，其中，所述对辨识器和控制器进行的优化包括对辨识器映射函数的优化、对控制器输入层与隐层之间相关系数的优化和对控制器隐层与输出层相关系数的优化；其中，辨识器的映射函数的优化公式为：式中，e_i为辨识器辨识输出结果与被控壳体实际振动频域响应的误差值；α_i∈(0，2)为衰减因子；ε为非零常数；k为迭代步数计数器；F_i(k)表示辨识器第i个输入量的第k步迭代输入；u_i(k)表示辨识器第i个输入量的第k步迭代映射函数；控制器输入层与隐层之间相关系数的优化公式为：w_ji(k+1)＝w_ji(k)+Δw_ji(k)，a_ji(k+1)＝a_ji(k)+Δa_ji(k)，其中：w_ji(k+1)、w_ji(k)分别表示k+1步和第k步迭代中控制器输入层与隐层权值系数 矩阵[W]的第j行第i列元素；Δw_ji(k)表示第k步迭代中控制器输入层与隐层权值系数矩阵[W]第j行第i列元素的调整量；a_ji(k+1)、a_ji(k)分别表示k+1步和第k步迭代中控制器输入层与隐层阈值系数矩阵[A]的第j行第i列元素；Δa_ji(k)表示第k步迭代中控制器输入层与隐层阈值系数矩阵[A]第j行第i列元素的调整量； Δw_ji(k)＝ηδ_jE_i Δa_ji(k)＝ηδ_j其中，E_i表示控制器输入向量E的第i个元素；η为控制器的学习率，用于控制控制器权值系数、阈值系数的改变量；D_k表示目标信号向量D的第k个元素；O_k表示控制输出信号的第k个元素；V_kj表示控制器隐层与输出层权值系数矩阵[V]的第k行第j列元素，f′(net_k)、f′(net_j)分别表示控制器输入层与隐层、隐层与输出层之间的网络函数的导数；控制器隐层与输出层之间的相关系数优化公式为：v_ji(k+1)＝v_ji(k)+Δv_j(k)，b_ji(k+1)＝b_ji(k)+Δb_ji(k)，其中：v_ji(k+1)、v_ji(k)分别表示k+1步和第k步迭代中控制器隐层与输出层权值系数矩阵[V]的第j行第i列元素；Δv_ji(k)表示第k步迭代中控制器隐层与输出层权值系数矩阵[V]第j行第i列元素的调整量；b_ji(k+1)、b_ji(k)分别表示k+1步和第k步迭代中控制器输入层与隐层阈值系数矩阵[B]的第j行第i列元素； Δv_kj(k)＝ηδ_kH_j Δb_ji(k)＝ηδ_k其中，H_j表示隐层输出向量H的第j个元素。