基于递推最小二乘自适应滤波振动主动控制算法分析.docVIP

基于递推最小二乘自适应滤波振动主动控制算法分析 　　摘要：针对自适应滤波X最小均方差（FXLMS）和滤波U最小均方差（FULMS）振动主动控制算法收敛性较为缓慢的问题，给出一种基于递归最小二乘（RLS）方法的自适应滤波控制算法。该算法大致有无限长脉冲响应（IIR）滤波器结构和RLS算法两部分组成，IIR滤波器作为整个算法的主体框架，采用RLS算法针对滤波器的权值进行实时调整，实现了自适应滤波控制算法的功能。仿真对比分析表明，所提算法收敛速度较快。经过实验平台验证，被控对象的整体振动响应下降了65%左右，证明了算法的有效性和可行性。 　　关键词：智能结构；振动主动控制；自适应滤波控制；无限脉冲响应滤波器 　　中图分类号：TP273.2，TB535 　　文献标志码：A 　　0引言 　　在航空航天领域里，基于压电智能结构的振动主动控制方法已成为该领域的研究热点，它几乎已涉及到现代控制理论的所有分支，发展了多种振动主动控制方法，如：Sinha为代表的独立模态控制方法、Hanagud为代表的最优控制方法、Elbuni为代表的极点配置方法、鲁棒控制方法、自适应控制方法、神经网络控制方法等[1-3]。但总体而言，这些方法仅获得了初步的实现，发展并不成熟，应用也各有其局限性，因此还有待于进一步的深入探索和研究。 　　近年来，基于数字信号处理领域演变而来的自适应滤波控制方法逐渐成为主动减振智能结构领域的研究热点[4-5]。目前，自适应滤波振动控制方法均基于最小均方（Least Mean Square， LMS）准则的控制方法[6-10]，其中具有代表性的主要有基于有限脉冲响应（Finite Impulse Response， FIR）滤波器结构的滤波X最小均方差（FilteredX LMS， FXLMS）算法[6-7]，以及基于无限脉冲响应（Infinite Impulse Response， IIR）滤波器结构的滤波U最小均方差（FilteredU LMS， FULMS）算法[8-9]等。虽然FXLMS控制算法具有结构简单和计算量小的优点，但它实现控制算法的前提条件是干扰源可测；由于FULMS控制算法结构中包含一个IIR滤波器，在一定程度上它解决了干扰源不可测的问题。由于FXLMS算法和FULMS算法均基于LMS准则，因此它们的收敛速度相对较慢[11]，针对振动主动控制方法的技术需求和实际控制效果，???要进一步地研究更为有效的控制方法。 　　本文采用IIR滤波器的结构，结合递归最小二乘（Recursive Least Square， RLS）算法效率，研究了一种面向结构振动主动控制的滤波U递归最小二乘（FilteredU RLS，FURLS）控制算法，包括控制器结构设计、控制算法过程推导和相关特性分析。在此基础上，通过仿真算例进行了RLS算法与LMS算法的性能分析，并通过分析比较IIR和FIR滤波器结构控制器针对结构振动控制效果的影响。最后给出FURLS控制算法的仿真控制效果。研究结果表明：基于FURLS算法的控制器效果良好，尤其体现在具有快速的收敛速率，从而为提高智能结构振动控制方法的效率，提供了新的技术探索思路。 　　1FURLS结构振动控制方法 　　选用压电智能柔性板为研究对象，进行FURLS结构振动控制器的设计。首先介绍控制模型结构，它采用悬臂梁方式，基体材料为环氧树脂板，以表面分布式粘贴PZT压电片作为结构振动激励单元，以及结构振动响应传感单元和振动主动控制作动单元。实验模型结构示意如图1所示，悬臂梁根部一列压电片（4个）作为激振单元，另外两列分别为通道1和通道2的作动器，尺寸比较小的2个压电片分别为通道1和通道2的传感器。结构振动的基本控制过程为：通过压电激振单元施加激扰信号于悬臂梁，悬臂梁受到外激扰信号被迫振动起来，此时，分布在悬臂梁上的传感器感知结构振动信息，控制算法依据振动感知信息生成控制信号，最终将其施加于作动器，以实现结构振动响应的抵消或抑制的目的。 　　5结语 　　本文以压电智能柔性结构振动主动控制为宗旨，针对当前广泛研究的自适应滤波FXLMS和FULMS控制算法的不足之处，研究了一种面向结构振动主动控制的FURLS控制算法。本文着重分析基于IIR结构的FURLS自适应振动控制方法，主要包括控制器结构设计、控制算法实现过程和相关特性分析，通过仿真分析验证所提算法的有效优越性，最后利用振动控制实验平台，对其进行实验验证分析。实验结果表明，FURLS算法具有较快的收敛速度及较好的控制效果，是一种值得深入研究的高效振动主动控制方法。 　　参考文献： 　　[1]MORALES A L， RONGONG J A， SIMS N D. A finite element method for acti