双层隔振系统耦合振动主动控制试验研究

为减少柴油机交变力向基础的传递，提出多点自适应有源控制策略，进行双层隔振系统多方向耦合振动的主动控制试验研究。以双层隔振系统的上层质量来模拟柴油机，在下层质量上合理地布置次级振源，选取合适的误差评价点，针对这些点的振动响应实施控制。当自适应过程收敛时，下层各拾振点的振动在最小均方误差准则下得到有效抑制，则下层质量的耦合振动自然得到了有效的控制，从而减少了对基础的力传递。主动隔振模拟试验结果表明，这种多点自适应有源隔振策略对于多方向耦合振动的有源控制是切实可行的，而且简单、实用。     

内燃动车动力总成隔振性能分析

大功率柴油机产生的宽频带振动,双层隔振系统具有良好的高频隔振能力,已在船舶等领域得到了应用。但在中、高速柴油机的内燃机车等领域,国内对于双层隔振系统的应用研究很少。结合国内首次研制的某型内燃动车动力总成系统,对双层隔振系统的隔振性能进行了仿真和实验研究。首先采用理论计算和实验识别结合的方法确定了作用在柴油发电机组上的激振力（矩）特性;然后建立了双层隔振系统多体动力学模型,通过仿真计算,求得了理论力传递率;最后进行了双层隔振系统力传递率测试,获得了双层隔振系统实际力传递率,其力传递率明显低于单层隔振系统。对于双层隔振系统设计和工程应用有一定的参考。     

刚柔混合法在双层隔振系统隔振效果预测中的应用

首先建立双层隔振多刚体动力学计算模型,研究系统参数对隔振效果的影响。然后以6L16/24柴油机为研究对象,在原有单层隔振系统的基础上进行双层隔振设计。最后针对所设计的双层隔振系统,在Ansys中建立曲轴、机体和中间质量块的有限元模型,进行子结构缩减;在AVL-Excite中建立柴油机柔性体虚拟样机模型,仿真计算各悬置点的加速度,基于此计算其1/3倍频程谱和振动量级,在设计阶段从振级落差的角度预测双层隔振柴油机的隔振效果。     

电动式主动吸振技术研究

研制了一种电磁式主动吸振器,并将之与被动双层隔振系统的结合形成组合减振装置,针对船舶柴油机的振动特点,开发了基于MLMS算法的自适应控制器,进行了数值仿真及模拟柴油机要机台架减振效果振,试验结果表明,该装置对复杂振动具有良好的控制控制效果。     

双层隔振系统量化因子模糊自调整主动控制技术研究

针对常规模糊控制器量化因子自调整困难、难以做到在线自适应的问题,提出一种应用于柴油机双层隔振系统主动控制的量化因子模糊自调整控制策略。它利用系统误差和“标准加速度”的信息作为输入,通过模糊推理实现模糊控制器输入输出量化因子的在线自调整。仿真和试验结果表明,此控制策略能明显地提高系统的隔振效果。     

柴油机双层隔振非线性系统主动隔振研究

针对柴油机双层隔振系统,考虑误差通道严重非线性影响动力系统建模、振动分析以及主动控制策略设计、隔振效果,在预补偿模型参考自适应逆控制的线性化算法基础上,集成自适应陷波算法,形成自适应复合控制策略。在柴油机双层隔振系统主动隔振试验中,基于Hammerstein型非线性系统解耦及基频广义频响函数分析,建立线性化参考模型及提取误差通道相频特性曲线,分析提出的自适应复合控制策略,结果表明:接近目标非线性系统的线性参考模型,能够获得好的线性化效果和提供精确的误差通道相频特性曲线,并与相频曲线FIR模型拟合一起,决定着自适应复合控制策略的隔振效果;而与系统能量建模结果对比表明,只有通过消除系统非线性来抑制其对谐频振动影响,才能获得最优的系统振动能量级隔振效果。     

双层隔振系统的模糊-PID控制方法

PID算法简单，稳态性能好，但动态性能差．模糊控制方法灵活，适应性强，不依赖于受控对象的数学模型，可以处理系统参数的非线性和不确定性问题，动态性能好，但稳态性能差．为提高双层隔振系统隔离低频结构噪声的不足，将模糊控制理论应用于双层隔振系统，较好地实现了两种算法的结合，弥补了该系统动态性能差的缺陷．仿真结果表明该方法有良好的减振效果．     

列车用双层隔振系统隔振性能实验

为评估某内燃动车组车下柴油发电机组的双层隔振系统隔振效果,对系统进行台架振动测试,根据加速度响应信号进行频域和时域传递特性分析,并结合振动评定指标评价该系统的隔振性能。然后,对车体和机组双层隔振系统进行模态实验和模态匹配性分析。结果表明,该系统隔振性能良好,且不与车体发生耦合共振,隔振参数设计合理。最后,通过车辆线路运行试验验证了分析结果。     

船舶齿轮箱硬弹性隔振技术研究

船舶齿轮箱是中高速柴油机主推进系统的重要组成设备,随着柴油机隔振性能不断提升,齿轮箱的振动源不断突出,已成为影响船舶声学性能的重要振源,迫切需要突破齿轮箱隔振技术,对齿轮箱采取与柴油机一致的振动控制措施。论文以带齿轮箱的某双机并车柴油机推进系统进行隔振设计研究,设计硬弹性隔振器实现齿轮箱的振动控制,用有限元方法对隔振装置进行模态分析,通过试验验证预期的隔振效果。     

磁悬浮支承双层隔振系统的半主动模糊隔振控制

设计了磁悬浮支承单元结构,并将其应用于双层隔振系统中。根据该结构和磁悬浮支承与双层隔振的特征,建立了半主动输出反馈的模糊控制器,通过调节磁悬浮支承单元的电流,改变磁力从而获得系统的最佳刚度。仿真分析该半主动控制双层隔振系统与最优被动双层隔振系统在相同复杂信号激励下输出力曲线。另外,还仿真分析了在冲击激励下,系统的输出力曲线。结果表明,半主动输出反馈模糊控制下的磁悬浮支承双层隔振系统的隔振效果与抗冲击特性优于常规最优被动隔振。     

频域加权的LQG振动主动控制实验研究

针对实际工程领域中存在的伴有大量宽频干扰/噪声的复杂振动环境,直接影响了常规振动主动控制(AVC)的性能甚至稳定性。本文提出了频域加权的线性二次高斯型(LQG)控制方法,实现对特定振动主频重点衰减的同时,保证宽频域的干扰/噪声控制作用。最后利用压电陶瓷贴片的悬臂梁,振动主动控制试验验证了该方法的有效性。     

跨声速风洞测力模型主动减振系统的试验研究

跨声速风洞测力试验模型通常采取尾部支撑方式，构成的模型系统刚度较低。试验过程中，受气流脉动力的作用，模型在进入大攻角试验状态时，极易产生剧烈的低频振动，严重影响风洞测力试验的正常进行。针对跨声速风洞测力试验模型系统及其动力学特性，采用主动控制技术来实现风洞模型的振动抑制。建立了一套计算机实时主动减振系统；利用白行研制的、具有激振与减振双重功能的作动器来实施控制，作动器直接装载于模型的内结构空腔，不改变或破坏试验模型的外形结构；基于学习控制策略，提出了相应的控制律设计方法，并给出了一种简单、实用的控制算法；以内含实际支撑装置的风洞测力试验模型系统为对象，通过大量的地面试验评估了整个减振系统的性能。试验结果验证了该主动减振系统的可行性与有效性。     

基于缸盖振动信号频域特征识别气缸压力的研究

在不同的燃烧状况下同时测量缸盖表面振动信号和缸内压力信号,对平均处理后的信号进行频域分析,发现缸内压力信号中相对于基频前50阶的谐波分量包含了所关心的主要信息.根据频域分析得到的复数谱的对称特性建立了训练样本,并对建立的BP和RBF神经网络进行训练.训练的结果表明RBF神经网络可以在更短的训练时间内,获得更小的均方误差.利用不同的神经网络进行了缸内压力信号的识别,识别的结果表明,RBF神经网络识别的精度高于BP神经网络.     

转子-轴承系统混沌运动的神经网络反馈控制方法

用神经网络技术对刚性Jeffcott转子-轴承系统进行混沌滞延反馈控制研究。研究结果表明,当转子-轴承系统进入混沌状态后,引入时间滞延反馈控制信号,可以消除转子-轴承系统的混沌振动,使嵌入在混沌吸引子中的不稳定周期轨道回到稳定周期轨道上。采用间接误差计算的BP神经网络学习方法和自适应学习率BP算法结合而形成的改进型BP神经网络方法,可以快速搜寻到次优化的滞延反馈控制强度,从而即时有效地消除转子-轴承系统的混沌振动。一旦混沌振动回归稳态周期振动,则反馈控制信号自动消失。该方法为控制转子-轴承系统的振动状态提供了理论依据,特别是对工程实际转子系统有实用价值。     

基于改进BP神经网络的轧机扭振智能控制

针对轧机传动系统扭振控制问题,建立考虑负载转矩的轧机传动系统动力学模型。考虑到扭振模型比较复杂和参数不易测量的特点,提出基于神经网络的状态观测器,并对标准BP网络进行优化处理。设计基于改进BP神经网络状态观测器的智能控制系统,并利用SIMULINK对轧机实例进行仿真。结果表明设计的智能控制系统对轧机传动系统的扭振有良好的控制效果。     

利用结构化神经网络识别振动系统非线性特性

本文提出了振动系统非线性特性识别的结构化神经网络方法。与传统的前馈神经网络不同的是，该法把系统分为线性和非线性两部分，学习得到的神经网络可以单独识别出系统非线性模型，而不是线性与非线性综合在一起的模型。本文将其应用于振动系统非线性特性的识别。实例表明该方法是可行的。     

基于神经网络混合建模的结构振动滑模控制

将神经网络和标称系统混合建模方法引入到离散滑模控制当中,得到神经网络滑模控制,然后对结构振动进行控制,振动结构为具有不确定性参数的柔性附件,并受到随机外扰作用。离散滑模控制的滑模面是以标称系统为基础,由最优二次型价值函数求解黎卡提方程确定。利用标称模型和神经网络混合建模方法来减小系统的不确定性,达到提高滑模控制在实际控制系统中的控制效果。其中利用前馈神经网络来对不确定部分进行建模。最后通过对滑模控制和神经网络滑模控制进行仿真,结果表明,本文所提出的神经网络滑模控制对具有不确定性参数和随机外扰的柔性结构系统振动的控制效果要优于滑模控制。     

基于注意力BiGRU的机械故障诊断方法研究

为了解决机械故障诊断领域传统方法自适应性差、参数选择过于依赖人工的问题,提出了一种基于循环神经网络的机械故障诊断算法。该方法利用预处理后的机械振动信号,搭建了双向门控循环单元的故障诊断模型,并进行了基于注意力机制的模型优化,提高了特征提取效率。经过美国凯斯西储大学轴承数据集以及自采集的柴油机故障实验数据验证,相比于传统神经网络算法提升了计算效率和诊断准确率,并表现出了良好的抗噪能力。结果表明,该方法可以有效适用于基于机械振动信号的故障诊断,具有一定的工程应用价值。     

基于遗传神经网络的履带行驶系统载荷识别方法

针对煤矿掘进机器人履带行驶系统工作环境恶劣,载荷无法直接有效获取这一工程实际问题,提出了基于遗传神经网络的振动信号载荷识别方法。构建了遗传算法(GA)优化BP(back propagation)神经网络载荷识别模型,采用路试法试验采集了履带小车的5组振动加速度数据和单组应力载荷数据,探讨路面不平度频率和驱动轮啮频等对履带车振动和应力载荷的影响规律;借助快速傅里叶变换(FFT)对原始应力载荷数据进行去噪处理,依据履带小车行驶平顺性指标,利用sym8小波函数对振动加速度信号进行5层特征提取以提高载荷识别的精度,然后将5组小波变换分解的加速度数据和滤波后的应力载荷数据分别作为GA-BP神经网络的输入和输出进行训练及验证,揭示了履带行驶系统运动过程中振动与应力载荷之间的关系。研究结果表明,路面不平度频率、驱动轮啮频及转频为小车振动的主要频率成分,路面不平度引起的振动频率为13.765 Hz,驱动轮啮频为68.25 Hz,转频为3.25 Hz。多组试验得到的BP神经网络最佳隐含层神经元数为63,GA-BP神经网络识别的应力载荷与期望应力载荷具有较高吻合度,相对误差为4.5%,验证了该方法的有效性...     

非线性振动系统神经网络自适应控制方法研究

将人工神经网络理论引入振动控制工程领域，并将现代控制理论中的状态反馈理论与人工神经网络理论相结合，提出了一种基于ＢＰ网络的自适应控制方法。给出了该方法的学习算法和网络参数选择原则，分析了它在建模和控制方面所具有的优点，并就典型的非线性振动ＶａｎＤｅｌＰｏｌ和Ｄｕｆｉｎｇ方程进行了辨识和控制，仿真结果表明该方法对于非线性振动系统具有较强的辨识和控制能力。