基于神经网络的薄壳多目标振动优化控制研究.pdf

基于神经网络的薄壳多目标振动优化控制研究.pdf

ID:52210780

大小:978.95 KB

页数:9页

时间:2020-03-25

基于神经网络的薄壳多目标振动优化控制研究.pdf_第1页
基于神经网络的薄壳多目标振动优化控制研究.pdf_第2页
基于神经网络的薄壳多目标振动优化控制研究.pdf_第3页
基于神经网络的薄壳多目标振动优化控制研究.pdf_第4页
基于神经网络的薄壳多目标振动优化控制研究.pdf_第5页
资源描述:

《基于神经网络的薄壳多目标振动优化控制研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第52卷第9期机械工程学报Vol.52No.92016年5月JOURNALOFMECHANICALENGINEERINGMay2016DOI:10.3901/JME.2016.09.056*基于神经网络的薄壳多目标振动优化控制研究1,21,21,21,2张兴武刘金鑫陈雪峰曹宏瑞(1.西安交通大学机械工程学院西安710049;2.西安交通大学机械制造系统工程国家重点实验室西安710054)摘要:针对目前主动控制方法主要集中于减振降噪方面的研究,无法满足工程中频率特性改变的需求等问题,结合神经网络的多目标并行处理能力,提出基

2、于神经网络的多目标振动优化控制方法。首先,基于神经网络算法,构造频域主动控制架构,相较于时域方法,该架构一个控制循环只需一次傅里叶变换(FastFouriertransform,FFT),无傅里叶逆变换(InversefastFouriertransform,IFFT),因此,控制时效性得到有效保证。其次,基于全局频域误差与特征频点误差,构造混合型误差评判准则,提升算法的自适应性,可靠性与抗干扰能力。再次,基于多自由度系统方程,研究了多目标控制中的可控性问题,保证控制的可行性。最后,通过大型薄壳结构的八点多目标振动优化控

3、制,有效验证了方法的有效性与可行性。关键词:神经网络;混合误差准则;频率特性;多目标;振动优化中图分类号:TB535NeuralNetworkBasedMulti-objectiveActiveVibrationOptimizationMethodforShellStructure1,21,21,21,2ZHANGXingwuLIUJinxinCHENXuefengCAOHongrui(1.SchoolofMechanicalEngineering,Xi’anJiaotongUniversity,Xi’an710049;

4、2.StateKeyLaboratoryforManufacturingSystemEngineering,Xi’anJiaotongUniversity,Xi’an710054)Abstract:Activecontrolmethodmainlyfocusesonvibrationandnoisesuspensionatpresentthuscan’tsatisfytherequirementoffrequencycharacteristicscontrol.Therefore,basedonthemulti-obje

5、ctiveparallelprocessingabilityofneuralnetwork,themulti-objectivevibrationoptimizationmethodisproposedtodealwiththisproblem.First,thefrequency-domaincontrolframeisconstructedbasedonneuralnetworkalgorithm.Comparedwithtraditionaltime-domainmethods,theproposedcontrol

6、framejustrequireonceFFTineachiterationandnoIFFTneeded,sothecontrolefficiencycanbeguaranteed.Second,hybriderrorcriterionisconstructedbycombiningglobalfrequencyerrorandfrequencynodeerrortogethertoimprovetheadaptability,reliabilityandanti-interferenceability.Third,t

7、hecontrollabilityproblemofthemulti-objectivemethodinimplementationisstudiedthroughmathematicalanalysis.Atlast,theeffectivenessoftheproposedmulti-objectivemethodisverifiedthroughvibrationoptimizationoneightpointsofshellstructure.Keywords:neuralnetwork;hybriderrorc

8、riterion;frequencycharacteristic;multi-objective;vibrationoptimization性、良好的低频特性控制能力,因此受到学术界和*[1][2]0前言工程界的广泛关注,并广泛地应用于汽车、机床[3]以及舰船等领域。机械装备的振动抑制与优化是机械工程学科主动控制的雏

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。