LQR-IMCS算法提升智能结构振动主动控制的鲁棒性和稳定性

本文主要探讨了基于LQR-IMCS（改进的最小控制综合）算法的智能结构振动主动控制方法，针对传统MCS（最小控制综合）算法在面对快速扰动时的鲁棒性不足以及LQR（线性二次调节器）在处理非线性扰动时易导致系统不稳定的问题。LQR-IMCS算法通过引入自适应增益补偿函数，对MCS算法进行了优化，旨在提高系统的稳定性和控制性能。 首先，文章构建了这种新的控制策略，它结合了线性化处理和自适应控制的优势，使得控制器能够在扰动环境下更好地跟踪系统状态并保持稳定。作者采用了波波夫稳定理论对所提出的LQR-IMCS算法进行了稳定性分析，确保了算法在实际应用中的可行性。 具体实验中，研究者选择了实验室中的压电壁板结构作为研究对象，特别关注其第一阶振动模态的控制。实验中，对壁板施加了随机扰动和高次谐波扰动，通过仿真和实验数据对比，结果显示LQR-IMCS算法表现出明显的优越性：相较于标准的MCS算法，它具有更快的收敛速度和更小的跟踪误差，这意味着在实际操作中能更快地响应变化并达到精确控制目标。 此外，该方法对于壁板的第1阶振动模态抑制表现出良好的控制效果和鲁棒性，无论扰动如何变化，都能够保持稳定的控制性能，这对于结构健康监测和振动控制有着重要的实践意义。因此，关键词包括壁板、振动、最小控制综合、压电片、随机和谐波、线性二次调节器，这些都揭示了论文的核心研究内容和焦点技术。 总结来说，这篇文章是一项关于智能结构振动控制领域的创新工作，通过LQR-IMCS算法的运用，提升了系统在扰动条件下的控制性能，为振动控制提供了有效的解决方案，具有较高的学术价值和工程应用潜力。