SCLD车身结构动态模型辨识与响应预测

摘要

智能结构在结构振动、噪声控制方面具有广泛的应用前景，而利用机敏约束阻尼(SCLD)技术实现对结构的振动控制是近年来国内外研究的热点之一。建立精确完善的动力学模型是SCLD结构振动主动控制的基础。目前，仅存在对形状规则的简单SCLD结构通过结构假设和简化进行了解析法或数值法建模研究，对更复杂的SCLD结构的建模仍存在相当大的问题。基于系统辨识的实验方法为这类内部结构和特性不很清楚的复杂系统的建模提供了一条有效途径。本文借鉴动态神经网络在非线性复杂系统模型辨识问题中的优良性能，深入探讨利用该方法实现SCLD车身结构的动态模型辨识，进而为SCLD车身结构振动噪声主动控制器设计打下基础。
　　 首先，针对NARX神经网络辨识模型，讨论影响神经网络泛化能力的主要因素和神经网络拓扑结构设计问题，在分析神经网络结构设计的理论依据和设计准则的基础上，给出基于相关性剪枝算法的神经网络拓扑结构优化方法，并以算例验证这种方法的优越性。
　　 然后，以SCLD板结构为研究对象，选取NARX网络为系统辨识模型，采用串并联与并联相结合的辨识方法，根据实验数据分别对表征系统动态性能的外扰通道和控制通道进行建模以及响应预测分析。通过对单一正弦、复杂周期信号和白噪声等不同激励条件下的通道建模结果，证明NARX网络能够快速、准确地建立SCLD板的动态模型。根据模型及频响预测分析，说明辨识模型能够真实的表征SCLD板的动态特性，所建模型可直接用于控制器的设计。
　　 最后，采用NARX网络对车身缩尺模型--SCLD厢体结构的动态模型进行辨识及其响应预测。在不同的外界激励下，获得了该复杂结构的外扰通道和控制通道的动力学辨识模型，并达到较为满意的效果。针对发动机特定转速激励下的实际SCLD车身结构进行模型辨识，同样取得了较为满意的建模效果。这些研究结果表明，所建SCLD结构的辨识模型能够表征系统主要的动力学特性，这些通道模型能够为SCLD结构振动噪声主动控制的深入研究提供参考。