主动平衡减速器是一种集主动平衡和减速功能于一体的新型动力性能柔性调节装置,主动平衡减速器实验系统是为了验证主动平衡减速器动力性能而搭建的。构建系统精确的数学模型是系统动力性能分析的基础。在使用动力学方法所建系统理论模型对主动平衡减速器实验系统进行仿真分析和实验研究时发现,两者的结果存在一定的偏差。系统辨识是根据已知或测得的实验数据构建系统数学模型的方法。为了获得与实际系统更加吻合的系统模型,本文采用系统辨识方法对实验系统进行了研究。本文采用神经网络系统辨识方法构建主动平衡减速器实验系统的数学模型。基于系统理论模型和辨识模型对主动平衡减速器实验系统进行动力性能分析,仿真和实验结果表明,采用系统辨识方法构建的系统辨识模型与实际系统更加吻合,将此模型用于系统动力性能分析使系统的动力性能得到了明显的提高。具体工作内容包括:(1)基于实验室现有实验设备,搭建了主动平衡减速器实验系统的数据采集系统;设计了实验方案,并完成了不同实验条件下的实验和数据采集,获得了系统辨识所需的原始数据。(2)结合实验数据特点,提出了将消除趋势项、小波阈值去噪和基于低频滤波的频域积分三种方法结合的数据处理方法,对实验数据进行处理,得到了满足要求的系统振动响应数据。(3)根据实验系统的非线性特征,对几种BP神经网络算法及其辨识效果进行了仿真分析,选定其中辨识效果最好的Levenberg-Marquardt算法对主动平衡减速器实验系统进行了辨识,得到了系统辨识模型。(4)构建了主动平衡减速器实验系统的理论模型,并基于系统理论模型和辨识模型进行系统动力性能的仿真和实验研究,证明了系统辨识模型更加接近真实系统,同时还表明,基于系统辨识模型对主动平衡减速器控制参数进行优化设计,可以获得对系统动力性能更好的调节效果。