直升机的振动载荷主要是旋翼桨毂中心的三个方向的力和三个方向的力矩,其中每一个方向的力或力矩都包含多阶谐波成分,这些谐波载荷传递到直升机机体上,引起机身剧烈的稳态谐波振动。直升机振动已有很多控制方法,其中基于直升机机身的振动主动控制方法具有控制效果好、适应性强、对旋翼气动特性没有影响等优点,已成为直升机振动控制领域的关注重点。直升机机身振动主动控制的核心是高性能的控制算法和高效的作动器。控制算法要求能适应直升机复杂的振动环境,具有良好的自适应性能;作动器要求质量轻、响应快、作动力大、易于安装。压电叠层作动器具有重量轻、响应速度快、输出力大的优点,是直升机机身振动主动控制中十分理想的执行元件。根据直升机机身振动的特点,本文结合基于最小均方误差法的谐波系数识别和自适应滤波控制,提出了多谐波多输入多输出前馈自适应滤波控制算法,建立了多谐波多载荷激励下压电叠层作动器驱动的直升机机身振动主动控制新方法。采用与Z-11直升机动力学特性相似的直升机机身地板结构缩比框架模型为研究对象,进行了多种载荷激励情况下的仿真研究。结果表明多谐波多输入多输出前馈自适应滤波控制算法相比滤波X–LMS算法具有更好的多谐波振动抑制效果,并且对振动相位、幅值和频率的变化具有良好的自适应控制性能,是适用于直升机机身非平稳多谐波振动的控制算法。为试验验证控制算法的性能,本文构建了压电叠层作动器驱动的直升机机身振动主动控制试验系统。试验系统中,采用Z-11直升机机身地板缩比框架试验模型,将压电叠层作动器整合到框架试验模型结构中,试验控制器通过数字信号处理器实现,并将多谐波多输入多输出前馈自适应控算法编写到试验系统的控制器中进行了多组振动主动控制试验。结果表明多谐波多输入多输出前馈自适应算法相比滤波X–LMS算法具有更好的多谐波振动控制效果,并且具有很好的自适应性,能够跟踪控制实测的直升机响应,是十分理想的直升机机身振动主动控制算法。试验结果也说明了压电叠层作动器能够满足直升机非平稳和多谐波振动的控制需求,是非常高效的直升机机身振动主动控制的作动器。压电材料的迟滞非线性会导致压电叠层作动器的驱动电压与输出位移之间存在不同步,当压电叠层作动器作为振动主动控制的驱动元件时,受控结构上会出现高阶谐波响应,使控制效果降低。为了提高控制效果,需要对压电叠层作动器的迟滞非线性进行补偿。通常采用的基于迟滞模型的非线性补偿方法难以精确模拟压电叠层作动器非对称的迟滞特性,并且较少有研究关注多谐波信号驱动下的迟滞非线性。神经网络具有很强的非线性拟合能力,并且具有数据驱动的自适应性和泛化能力,非常适合应用于压电叠层作动器迟滞非线性建模与补偿。为了消除压电叠层作动器迟滞非线性对多谐波振动主动控制的影响,本文提出了基于神经网络的压电叠层作动器迟滞非线性模型和非线性补偿模型。通过试验采集相同谐波频率,不同总幅值、幅值比和相位差的两阶谐波信号驱动下的压电叠层作动器输入输出关系作为训练样本,对神经网络进行训练,使之能够拟合和补偿相同谐波频率的任意两阶谐波驱动下的压电叠层作动器迟滞非线性。神经网络非线性补偿试验结果表明非线性补偿神经网络模型可以很好的补偿压电叠层作动器的迟滞非线性,并且具有很好的适应性。将非线性补偿神经网络整合到压电叠层作动器驱动的直升机机身振动主动控制试验系统的控制器中,进行了具有压电叠层作动器非线性补偿的直升机机身振动主动控制试验研究。结果表明基于神经网络的压电叠层作动器非线性补偿方法能提高振动主动控制系统的振动抑制效果,并且对不同总幅值、幅值比和相位差的振动具有很好的适应性。