风洞测力模型的神经网络辨识及振动主动控制研究-工程力学专业论文.docxVIP

万方数据 万方数据 Nanjing University of Aeronautics and Astronautics The Graduate School College of Aerospace Engineering Research on Neural Network Identification and Active Vibration Control Approaches for Wind Tunnel Test Model A Thesis in Engineering Mechanics by Sun Hua-liang Advised by Prof. Chen Wei-dong Submitted in Partial Fulfillment of the Requirements for the Degree of Master of Engineering December, 2013 万方数据 万方数据 承诺书 本人声明：所呈交的硕士学位论文是本人在导师指导下进行 的研究工作及取得的研究成果。除了文中特别加以标注和致谢 的地方外，论文中不包含其他人已经发表或撰写过的研究成果， 也不包含为获得南京航空航天大学或其它教育机构的学位或证 书而使用过的材料。 本人授权南京航空航天大学可以将学位论文的全部或部分 内容编入有关数据库进行检索，可以采用影印、缩印或扫描等 复制手段保存、汇编学位论文。 (保密的学位论文在解密后适用本承诺书) 作者签名： 日 期： 南京航 南京航空航天大学硕士学位论文 风洞测 风洞测力模型的神经网络辨识及振动主动控制研究 万方数据 万方数据 万方数据 万方数据 摘 要 风洞测力模型一般以尾部支撑方式固定于由俯仰机构和偏航机构组成的支撑系统上。飞行器 模型与尾部支撑系统共同构成一个悬臂式结构，该结构呈现低刚度特性，表现为一阶固有频率低， 易于风洞气流脉动频率相耦合。在风洞测力试验中，气流脉动压力主要集中在低频阶段，随模型 姿态角、气流马赫数等诸多因素的影响，极易与被测模型结构耦合产生低频共振，影响实验数据 的精确度，严重时甚至以疲劳的失效方式损坏试验设备。为了确保风洞测力实验的顺利进行，有 必要进行风洞测力模型振动控制方面的研究。 为抑制低频脉动力下风洞测力试验中模型低频大幅俯仰振动的影响，首先通过 ERA（特征系 统实现算法）模型辨识方法得到试验结构的数学模型，将其作为神经网络离线辨识的基准模型， 用来验证神经网络辨识方法的有效性。然后，针对辨识得到的数学模型设计 LQG 最优控制器， 进一步基于 BP 神经设计神经网络自适应控制器和神经网络 PID 控制器，实现对模型低频振动的 抑制。利用 Matlab 仿真平台实现风洞测力模型的振动主动控制数值仿真研究。最后，基于 BORLAND C++软件平台编制的振动主动控制实验系统，进行了相关控制方法的试验研究。结果 表明，最优控制器和神经网络 PID 控制器均能够有效抑制模型振动，能够将振动幅值抑制减小 80%左右，具有一定的实用性。 关键词：风洞测力模型，系统模型辨识，振动主动控制，LQG 控制，神经网络自适应控制，PID 神经网络控制 i ABSTRACT When conducting wind tunnel test of aircraft, disturbed by the unsteady aerodynamic interference, vibrations will generate on the experimental model. In order to perform the measurement of the aircraft aerodynamic forces during wind tunnel test, the test model is usually mounted on the pitching and yawing structure by back-support method. The combination structure-of testing object and support system, similar to a cantilever beam, is usually flexible with low natural frequencies less than 100 Hz. During transonic testing, the fluctuation pressure caused by the airflow distributes in the range of low frequency bandwidth, and, furthermore,