随着压电智能结构和振动控制技术的迅速发展，复杂边界条件的压电智能结构振动的自主抑制问题得到了越来越多的学者关注。实际应用的压电结构具有外界激励未知、由边界条件的多样性和结构自身强非线性等引起的机电耦合模型参数不确定性、压电驱动器/传感器异位配置引起的相位滞后，以及传感器量测噪声等, 这些因素都会给压电结构的振动主动控制带来很大挑战。针对这些问题，本项目开展了引起结构振动的干扰主动控制的若干理论和应用研究，提出了一套高性能的主动振动控制新方法，并在实验平台上开展了功能验证。其次，针对传统扰动观测器技术需要系统名义模型等方面的局限性，研究了基于神经网络干扰补偿的控制技术。重点开展了这几个方面的研究工作：1) 四面固支压电加筋板结构的系统设计、建模分析和实验测试；2) 复杂压电智能结构的抗干扰复合振动控制及其功能验证；3) 两自由度的复合抗干扰振动控制及其功能验证；4) 最优结构的神经网络干扰补偿方法及其应用研究。 本项目取得了如下的研究成果：1）结合压电元件的本构方程和振动理论，充分考虑压电材料与基体结构的耦合作用，基于模态分析法建立了四面固支压电板结构完整的机电耦合状态空间模型，并搭建了一套压电加筋结构的振动实验平台；2）分析了振动主动控制系统中，存在的不确定激励、控制溢出、高次谐波和建模误差等因素，基于扰动观测器（DOB）技术补偿不确定干扰的方法，结合PID反馈控制策略，提出了基于扰动观测器的振动控制策略（DOBVC），并对控制器参数进行了自动优化设计，保证了整个振动控制系统的鲁棒性，且具有优良的振动抑制性能；3）针对传感器量存在的高频量测噪声，增加高通滤波器，基于二自由度控制的思想提出了一种改进型的扰动观测器振动控制策略，并将时延环节引入到名义模型通道，消除了系统时延，并从理论上进行振动抑制性能和稳定性分析，实验结果表明了所提方法的可行性和有效性；4）针对传统DOB观测器技术需要系统的名义模型的局限性，提出一种基于变聚类半径的在线训练RBF神经网络的NNDOBC方法，通过构造伪系统的方法解决系统非最小相位、时延引起的系统不稳定问题，并验证所提方法的有效性。

外界未知干扰容易引起结构的大幅振动，长期的振动不仅影响结构的性能，还将导致结构的疲劳裂纹，甚至造成重大的安全隐患。工程实际和理论分析表明，复杂加筋板壳结构的振动主动控制存在如下技术瓶颈：边界条件多样化和外界环境复杂性等导致的模型不精确，以及驱动器/传感器异位配置引起的非最小相位和多模态振动控制中存在的模态耦合等。针对这些技术瓶颈，本项目提出一套基于主动抗干扰的结构振动自主控制方法。具体内容为：1)压电驱动器/传感器优化配置研究：选择合理的优化准则，设计基于混沌序列的全局优化算法；2)基于神经网络的主动抗干扰振动控制研究：设计结构合理并具有在线学习功能的神经网络抗干扰振动控制器，为大型复杂板壳结构振动的智能自主控制提供切实有效的理论和方法；3)振动控制系统集成：选择电子元器件，设计并集成出紧凑、效率高、智能自主的振动控制实验系统。本课题的研究将为实际工程中复杂结构振动问题的解决提供有力支撑。

按材料分类，加筋板可分为金属加筋板，复合材料加筋板。

磁约束阻尼系统通过动态磁力与约束层、阻尼层和基本结构的耦合作用，对基本结构产生显著阻尼效应，从而实现有效的振动控制。本项目将针对板壳结构的特殊性，建立适用于减振分析的阻尼层本构模型、含有磁约束阻尼的板壳结构动力学模型，探索和建立有效的求解方法；深入研究各种关键因素与减振效果的关系和规律，建立参数选取优化方法；研究新型的阻尼层约束结构和磁约束方式，探索建立板壳结构磁约束阻尼的主、被动控制系统。磁约束阻尼系统与压电陶瓷、形状记忆合金、磁致伸缩元件等为机敏元件的系统相比，具有结构简单、易于实现，性能稳定可靠，控制作用效果强等优越性，是一种具有重要应用价值的人工阻尼系统；但目前在板结构中的应用探索还刚刚开始，而在壳体结构中的应用研究基础还基本是空白。本项目取得的成果，将为板壳结构磁约束阻尼系统的发展和应用提供有力的理论和技术支撑。 2100433B