基于模糊神经网络梁结构主动振动控制算法研究

摘要

压电材料作为一种智能材料，同时具备传感器与作动器的功能，由于其能够减轻结构质量，所以广泛应用于结构振动控制中。本文使用模糊控制，模糊神经网络（FNN）控制以及基于可变学习效率的FNN控制作为控制算法，针对粘贴有压电材料的悬臂梁进行主动振动控制研究。
　　首先本文利用欧拉伯努利梁理论推导了压电悬臂梁的运动微分方程，对梁在自由状态下受到冲击激励时的时间位移曲线进行了仿真。然后，阐述了模糊控制的基本理论和模糊控制器的设计方法由此设计了模糊控制器。由于模糊控制器不需要被控对象的精确数学模型，所以广泛应用于各种工业控制器中。但是模糊控制器不具备自学习能力，不能自动适应外界环境的改变，所以本文提出了模糊神经网络控制算法。模糊神经网络结合了模糊系统不需要被控对象的精确数学模型和神经网络具备自学的优点，在智能控制中受到技术人员的关注。
　　然而，模糊神经网络收敛速度常常不理想，导致训练时间过长，不适用于实时自动控制系统。基于此问题，本文提出了一种基于可变学习速率的模糊神经网络优化方法。优化后的FNN控制系统在每次训练中都选择最优的学习速率，所以能够在系统允许最大误差前提下达到提高神经网络的收敛速度的效果。
　　本文采用MATLAB来测试模糊系统，FNN系统，和优化后的FNN控制系统对压电悬臂梁的振动控制效果，通过仿真，可以得到各算法在振动抑制中的控制效果。同时仿真说明基于可变学习速率优化方法能够加快网络收敛从而提高控制算法性能。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪 论

1.1研究背景

1.2国内外研究现状

1.3课题的提出及研究内容和方法

第2章 压电陶瓷的力学性能和电气特性

2.1压电方程

2.2压电悬臂梁的振动微分方程

2.3 MATLAB仿真

2.4本章小结

第3章 结构模糊控制算法设计及仿真

3.1控制系统的模型

3.2模糊控制器结构的设计

3.3仿真过程及分析

3.4本章小结

第4章 模糊神经网络控制算法及仿真

4.1神经网络介绍

4.2模糊神经网络介绍

4.3模糊神经网络的设计

4.4模糊神经网络主动振动控制仿真

4.5本章小结

第5章 BP神经网络的优化

5.1 BP神经网络优化介绍

5.2一种基于可变学习速率模糊神经网络优化方法

5.3仿真分析

5.4本章小结

总结与展望

致谢

参考文献

附录