一种壳体结构表面变频率特性的主动控制方法

摘要

本发明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。

主权项

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，称为FNNI，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，该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，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；2)构建频域神经网络控制器，称为FNNC，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；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：$J=\frac{1}{2}\underset{n}{\Sigma }{\left(r_n-y_n\right)}^2=\frac{1}{2}{\left(r-Y\right)}^2$$E=\frac{1}{n}\underset{n}{\Sigma }(r_k-Y_k)$其中，r＝[r₁,r₂,…,r_n]为被控结构的目标信号，Y＝[y₁,y₂,…,y_n]为结构实时振动频域信号，r_k为目标频谱第k个特征频点的幅值，Y_k为实时振动频谱第k个特征频点的幅值；n是特征频点的个数；迭代收敛评判准则为：J≤err_goal1&E≤err_goal2其中，err_goal1为全局频域误差的收敛精度，err_goal2为特征频点误差的收敛精度。