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。