基于自适应BP神经网络的结构损伤检测

描述基于人工神经网络的结构损伤检测的基本步骤以及该方法在实际5层钢框架结构损伤检测上的应用．提出了一种改进的BP神经网络方法，它能够解决传统BP神经网络在实际应用中存在的两个问题：收敛速度慢并存在局部极小．其基本思想是引入动态自适应算子加速传统BP算法的梯度下降速度，从而提高运算速度，通过自调节保证学习过程中每一时刻具有较大的sigmoid函数值，从而可以避免局部极小．数值仿真结果表明基于该自适应神经网络的结构损伤检测方法具有强的鲁棒性，而且与传统的BP神经网络相比，不仅提高了计算速度，并且具有很高的精度．最后，实例的应用也证明了该方法的有效性．     

复杂系统的神经网络自适应预测控制

本文针对复杂诉时变非线性动力学，提出一种基于神经网络的并行自适应预测控制器，它由实时神经控制、神经控制和控制品质监督机构三部分组成。该结构使控制的调整和系统的实时控制为可并行进行，提高了控制系统的适应能力和响应性能，使复杂系统的在线学习控制成为可能，仿真表明该控制器具有良好的鲁棒性和控制精度。     

耦合时空混沌的模糊混沌神经网络鲁棒自适应控制

将模糊逻辑系统和混沌神经网络结合起来,利用模糊逻辑系统的逼近能力和混沌神经网络的时空混沌行为,对模型未知的耦合时空混沌系统提出了一种模糊混沌神经网络自适应控制方案;同时考虑系统扰动、未建模动态特性和建模误差的影响,设计自适应补偿器,增强时空混沌系统控制的鲁棒性;并用Laypunov方法证明了该方案的稳定性;仿真验证了方案的有效性和鲁棒性。     

自适应结构减振技术

自适应结构选用压电材料作为功能材料进行振动减缓是一种有效的方案.本文对自适应减振压电结构研究了自适应结构的综合建模、自适应结构的最优控制和自适应减振评估与验证.阐述了综合建模的正确性是进行减振控制的基础;应用小生境遗传算法进行控制增益与压电片布置同时优化的有效性;采用试验的方法进行自适应减振评估与验证的重要性.     

挠性自适应结构控制的分析与实验研究

采用自适应结构的原理和方法，对压电元件用于挠性结构振动的一些问题进行了探讨。对压电驱动器与匹配关系进行了理论分析，对模态传感／驱动器在挠性悬臂板结构中的布置方案进行了优化设计，并进行了结构的振动控制实践，从而验证了方法的有效性。     

飞轮控制航天器的自适应姿态跟踪

本文讨论飞轮控制航天器的姿态控制问题。由于航天器在运行过程中受各种复杂环境因素的影响，难以确定其动力学参数的准确值，因此姿态控制系统必须具有自适应能力，以适应不可预计的干扰和航天器自身参数的改变。文中基于滑模控制方法提出一种改进的自适应姿态控制规律，适用于有内扰动力短存在的航天器。此控制规律可在不须提供动力学参数的情况下，使飞轮控制航天器跟踪期望的姿态变化规律以实现姿态机动。利用Lyapunov直接方法证明了控制系统的渐近稳定性。对于受随机扰动力短作用的航天器姿态跟踪的时间历程进行了数值仿真，计算结果证实上述方法的有效性。     

挠性自适应结构振动控制的分析与实验研究

采用自适应结构的原理和方法,对压电元件用于挠性结构振动控制的一些问题进行了探讨。对压电驱动器与结构的匹配关系进行了理论分析,对模态传感/驱动器在挠性悬臂板结构中的布置方案进行了优化设计,并进行了结构的振动控制实验,从而验证了方法的有效性     

压电复合材料层合板自适应结构的振动控制

本文针对板壳型自适应结构,研究了压电材料作为作动器的自适应结构的振动控制。利用四节点压电复合材料层合板单元进行自适应结构的有限元动力分析;采用模态控制方法,将结构的各阶模态的阻尼比作为控制目标,并以此计算出各压电片的控制电压,达到控制结构振动的目的。算例给出了数值计算的结果。     

结构基于独立模态空间控制的神经网络控制

在对柔性结构振动的主动控制中，独立模态空间控制是一种适合于柔性结构振动控制的方法，但如果控制器选择不好就会带来观测溢出和控制溢出．神经网络控制则具有较好的泛化作用和鲁棒性，对抑制观测溢出和控制溢出具有较好的效果．本在独立模态空间控制的基础上设计了一种神经网络控制，并对柔性梁及板进行了控制的数值仿真，取得了较好的效果．     

基于自适应神经元的结构振动智能PID控制

首先提出基于自适应神经元的振动智能ＰＩＤ控制策略及相应高效算法，然后通过数字仿真与模型实验验证了这种算法的有效性。这种方法具有控制器参数少、结构简单、算法收敛速度快、便于实时控制等优点。与传统ＰＩＤ控制相比，控制器参数整定可通过神经网络的自组织来实现。数字仿真与实验结果表明这种方法能够有效地控制动态特性未知、所受干扰不可测的黑箱振动系统的任意振动     

三轴仿真转台外框电液位置伺服系统自适应神经元网络控制

本文针对三轴飞行姿态仿真转台外框电液位置伺服系统的特点和技术要求，采用自适应神经元网络控制策略对其控制。仿真结果表明，自适应神经元网络控制以其特有的自学习、非线性等优点，完全满足三轴飞行姿态仿真转台外框电液伺服系统对控制策略的要求，由其构成的控制系统既具有良好的动态性能，又具有较强的鲁棒性与适应性。     

基于神经网络的结构变形估计和形状控制

准确的变形估计是智能结构形状控制的前提。本文基于人工神经网络（ＡＮＮ）方法设计了智能桁架结构的变形估计器和形状控制器，根据结构系统有限数目的测量值可以估计结构变形并用于形状控制。该方法同时适于处理结构非线性问题。算例表明方法的可行性与有效性。     

内模控制及其在机构振动主动控制中的应用

振动主动控制通常采用最优控制,文中根据柔性机构的特点,采用内模控制策略。内模控制主要适合于具有周期性扰动信号的调节问题和具有周期性参考信号的跟踪问题,它的优点是对控对象参数具有鲁棒性,克服了最优控制需要精确掌握被控对象参数的缺点,文中首先介绍了内模控制的基本原理,然后给出了数值仿真结果,最后将算法应用柔性四连杆机构振动主动控制试验中,试验结果证明了方案的可行性。     

模糊—神经网络控制算法及其在离心力—振动复合环境试验系统中的应用

针对离心－振动复合环境试验系统所存在的耦合性、非线性和不确定性提出了一种模糊－神经网络控制算法,利用被控对象输入输出信息离线、在线相结合学习系统的动态特性,对时变、非线性系统进行跟踪控制,并研究了该算法在系统中的实现方法。实现表明了控制系统具有良好的跟踪能力。该算法也适用于快速变化这类系统的实时控制。     

Adaptive Feedback Linearization for the Control of a Typical Wing Section with Structural Nonlinearity

Earlier results by the authors showed constructions of Lie algebraic, partial feedback linearizing control methods for pitch and plunge primary control utilizing a single trailing edge actuator. In addition, a globally stable nonlinear adaptive control method was derived for a structurally nonlinear wing section with both a leading and trailing edge actuator. However, the global stability result described in a previous paper by the authors, while highly desirable, relied on the fact that the leading and trailing edge actuators rendered the system exactly feedback linearizable via Lie algebraic methods. In this paper, the authors derive an adaptive, nonlinear feedback control methodology for a structurally nonlinear typical wing section. The technique is advantageous in that the adaptive control is derived utilizing an explicit parameterization of the structural nonlinearity and a partial feedback linearizing control that is parametrically dependent is defined via Lie algebraic methods. The closed loop stability of the system is guaranteed to be stable via application of La Salle's invariance principle.     

On Fractional Adaptive Control

Introducing fractional operators in the adaptive control loop, and especially in Model Reference Adaptive Control (MRAC), has proven to be a good mean for improving the plant dynamics with respect to response time and disturbance rejection. The idea of introducing fractional operators in adaptation algorithms is very recent and needs to be more established, that is why many research teams are working on the subject. Previously, some authors have introduced a fractional model reference in the adaptation scheme, and then fractional integration has been used to deal directly with the control rule. Our original contribution in this paper is the use of a fractional derivative feedback of the plant output, showing that this scheme is equivalent to the fractional integration, one with a certain benefit action on the system dynamical behaviour and a good robustness effect. Numerical simulations are presented to show the effectiveness of the proposed fractional adaptive schemes.     

结构损伤的小波分形神经网络检测

用神经网络进行结构损伤检测、分析的有效性在很大程度上取决于训练样本的好坏。小波变换在时域和频域都具有表征信号局部特征的能力,小波包分析利用可以伸缩和平移的可变视窗能够聚焦到信号的任意细节,因此对有损伤的结构的非线性动力特性能进行有效的分析。利用分形几何方法不依赖于系统的数学模型的特点,将分形维数与小波分析相结合,建立了结构损伤的小波分形神经网络检测方法。研究结果表明,结构不同状态下的振动信号的各频段分形维数有明显的不同,可以将振动信号的各频段分形维数作为结构损伤检测的特征量,并用神经网络将结构的不同状态模式识别出来。     

基于RBF网络的有源噪声控制

提出一种神经自适应噪声有源控制（ANC）的方法。应用RBF（Radial Basis Function)网络对噪声进行有源控制。针对RBF的网络特点,使用递阶遗传算法确定网络参数（连接权、隐节点中心和宽度），同时解决了网络拓扑结构的优化训练。利用RBF网络的有源噪声控制系统用于三维空间传播的宽频带空调噪声的降噪获得了良好的效果。     

基于动态神经元网络的激光陀螺输出误差模型

惯性敏感器误差补偿技术对提高武器装备的性能具有重要的意义,而误差补偿的关键在于误差模型的辨识。由于动态神经元网络是在前馈网络的节点引入前馈和反馈环节,理论上已证明其具有很强的动态逼近能力,可用来描述任意的非线性动态系统。根据惯性敏感器误差的动态特性,本探讨将动态神经元网络引入到激光陀螺误差建模中去,详细介绍了网络结构和对应的动态梯度算法。通过仿真算例说明,动态神经元网络在激光陀螺输出误差建模时具有一定的优点：网络收敛速度快、较好的跟踪性能、稳定性好。