神经网络在悬臂梁振动控制中的应用：在线辨识与主动抑制

"这篇论文是2013年由宋哲、陈文卿和徐志伟在南京航空航天大学机械结构力学及控制国家重点实验室发表的研究成果，主题聚焦于利用神经网络进行悬臂梁的在线辨识与振动主动控制。研究中采用了NARMA-L2神经网络模型，设计了在线辨识器和振动控制器，对系统的鲁棒性和振动抑制效果进行了实验验证。" 文章深入探讨了基于神经网络的悬臂梁振动控制技术，具体包括以下几个关键知识点： 1. **压电悬臂梁结构**：压电材料具有将机械能转化为电能或反之的能力，常用于传感器和执行器。悬臂梁是一种常见的结构形式，其一端固定，另一端自由，易受振动影响，因此在许多工程应用中需要进行振动控制。 2. **NARMA-L2神经网络**：NARMA（Nonlinear Autoregressive Moving Average with eXogenous inputs）模型是一种非线性自回归滑动平均模型，L2则表示网络的输出与目标之间的平方误差。这种网络模型适用于系统辨识和控制，能捕捉复杂的非线性动态行为。 3. **在线辨识**：在线辨识是指系统在运行过程中实时更新其模型参数，以适应不断变化的环境或状态。在这种情况下，神经网络被用来实时学习和更新悬臂梁的振动特性。 4. **振动主动控制**：主动控制是一种利用外部反馈来减少结构振动的技术，通过实时监测和调整来改善系统的性能。结合神经网络的在线辨识，可以更有效地预测和抑制悬臂梁的振动。 5. **神经网络设计与分析**：文章详细介绍了神经网络的输入输出结构和权重、阈值的调整公式，这是构建有效控制策略的基础。 6. **实验验证**：通过单频和扫频信号的外扰激励实验，证明了所设计的控制系统能够有效抑制悬臂梁的振动响应，并且表现出良好的鲁棒性，即对系统参数变化和外界干扰有一定的抵抗能力。 7. **关键词**：论文的关键词突出了研究的核心内容，包括神经网络在系统辨识中的应用，以及振动主动控制技术对于悬臂梁振动的抑制。 8. **文献分类号和标识码**：0328和TB535是论文在工程技术和动力学领域的分类编号，文献标识码A表示这是一篇原创性的科学论文。 该研究通过神经网络的在线辨识与振动主动控制技术，为压电悬臂梁的振动管理提供了创新方法，实验结果证实了这种方法的有效性和实用性，对于相关领域的工程实践和理论研究具有重要意义。