压电智能结构神经网络预测控制

论文摘要

近年来,压电智能结构与振动主动控制技术相结合为柔性结构的振动控制开辟了一条新途径。然而,这种智能结构是一个力电耦合结构,具有非线性特性,并且压电片和主体结构的粘贴都存在着一定的不确定性,数学模型很难精确建立,这使得依赖于精确数学模型的传统控制方法,控制效果不理想。为了实现对压电智能结构良好的振动控制效果,本文利用了神经网络的非线性逼近能力,对压电智能结构进行预测建模,然后用基于参数模型的非线性预测控制方法对压电智能结构进行振动主动控制的研究。考虑到推导压电智能结构的数学模型复杂和求解困难以及通过实验的方式获取结构的动力反应数据繁琐的问题,以表面离散粘贴压电片的智能悬臂梁为例,用大型有限元分析软件ANSYS来建模、分析获取压电智能结构的动力参数及给定荷载作用下的动力反应时间序列,用于神经网络预测辨识的训练。同时介绍了两个专门用于神经网络辨识和控制设计的工具箱,神经网络辨识工具箱(Neural Network Based System IdentificationToolbox,简称NNSYSID)和神经网络控制工具箱(Neural Network Based ControlSystem Design Toolkit,简称NNCTRL),并通过实例进行了仿真,方便地实现了基于神经网络预测模型的非线性预测控制对压电智能结构自适应控制。通过本课题对压电智能结构振动主动控制的研究,实现压电智能结构的基于神经网络预测模型的非线性自适应预测控制,同时利用现有的神经网络辨识工具箱和神经网络控制工具箱完成控制算法的实现,为控制系统设计者提供了一种简便且行之有效的方法,具有很重要的工程实用价值。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 引言
• 1.2 压电智能结构
• 1.3 振动主动控制技术
• 1.3.1 传统的振动主动控制方法
• 1.3.2 智能控制方法
• 1.4 压电智能结构振动主动控制研究现状
• 1.5 本文研究的主要内容
• 第2章 神经网络基本理论
• 2.1 概述
• 2.2 神经网络基本模型
• 2.3 神经网络的分类
• 2.4 神经网络的学习
• 2.5 神经网络拓扑结构
• 2.6 神经网络的应用
• 2.7 本章小结
• 第3章 神经网络预测控制
• 3.1 概述
• 3.2 预测控制
• 3.2.1 预测模型
• 3.2.2 滚动优化
• 3.2.3 反馈校正
• 3.3 神经网络预测控制方法
• 3.3.1 神经网络非线性多步预测模型
• 3.3.2 三层前向神经网络预测模型
• 3.3.3 神经网络预测控制结构
• 3.4 本章小结
• 第4章 MATLAB神经网络辨识与控制工具箱
• 4.1 概述
• 4.2 MATLAB神经网络辨识工具箱
• 4.2.1 神经网络训练算法
• 4.2.2 估计模型
• 4.2.3 验证模型
• 4.3 神经网络控制工具箱
• 4.4 本章小结
• 第5章 压电智能结构的ANSYS分析
• 5.1 概述
• 5.2 ANSYS软件简介
• 5.2.1 ANSYS软件的功能
• 5.2.2 ANSYS参数化设计语言（APDL）
• 5.2.3 ANSYS分析的一般步骤
• 5.4 压电智能结构ANSYS分析
• 5.4.1 模态分析
• 5.4.2 瞬态分析
• 5.5 本章小结
• 第6章 压电智能结构结构的神经网络辨识
• 6.1 概述
• 6.2 压电振动系统描述
• 6.3 神经网络辨识结构
• 6.4 神经网络估计模型的选择
• 6.5 神经网络训练
• 6.4 本章小结
• 第7章 压电智能结构神经网络预测控制
• 7.1 概述
• 7.2 神经网络预测控制基础
• 7.3 控制实例
• 7.4 本章小结
• 第8章 结论
• 参考文献
• 致谢
• 作者简介
• 发表论文和参加科研情况说明