风洞悬臂杆结构主动减振系统的研究

风洞测试时悬臂杆振动会影响测试数据的准确性,为了抑制悬臂杆振动,设计了基于压电驱动器的主动减振系统,提出了将人工神经网络与传统比例积分微分(proportion integration differentiation,简称PID)相结合的智能控制算法,实现了控制参数在线实时调整。对该控制系统的减振性能分别进行了地面试验和风洞试验,并与采用传统PID控制的试验结果进行对比。结果表明,神经网络PID控制下的振动收敛时间比传统PID缩短了50%,而且在不同风速和攻角下,悬臂杆系统的1阶模态振动均得到了有效衰减(衰减幅度>19dB),表现出良好的鲁棒性。

人工神经网络在形状记忆合金驱动技术中的应用研究

根据形状记忆合金(SMA)直线驱动的特点,提出了基于BP神经网络的控制方法,探讨了该方法在控制系统中的应用。通过分析研究SMA的主要特性,获得了形状记忆合金性能参数,对人工神经网络方法进行了研究,并结合MATLAB神经网络工具箱展开编程工作。结合SMA丝硬件驱动器,完成了人工神经网络算法程序,获得训练后应变量与控制量之间的拟合关系。实验结果表明,人工神经网络训练效果良好,吻合度高,我们可以利用所得曲线,在已知所需应变量的情况下,反向控制PWM波的占空比,达到精确控制的目的。