本文密切结合工程中复杂系统振动控制需要,将人工神经网络理论与振动主动控制技术相结合,以黑箱振动系统为对象,系统深入地开展了基于神经网络的振动智能辨识与控制理论的研究。 在振动系统辨识与控制理论研究方面,结合振动主动控制的需要,选择反向传播(BP—Back Propagation)神经网络学习算法作为振动系统的辨识与控制器设计的核心学习算法,对BP算法的优化算法进行深入分析,采用动态神经元具有局部反馈特点的全新动态前向网络模型,这一模型不仅克服了静态网络与反馈网络各自的局限性,而其充分发挥了前向网络的非线性映射和反馈网络的动态演化能力。动态网络模型及其算法的提出为振动系统的神经网络辨识与控制奠定了良好的基础。 振动系统辨识与控制的仿真实现采用MATLAB神经网络辨识与控制工具箱函数—NNSYSID和NNCTRL,对工具箱中现有网络结构、参数进行修改,模型部分是一个描述被控对象动力学过程的一个函数,设计参数部分是MATLAB脚本文件,里面含有需要初始化的变量和参数,具体有参考输入的选择、采样频率的选择、仿真步数、模型函数的名称、辨识与控制器参数的设定。 仿真实例结果证明,MISO系统辨识器与MIMO系统辨识器均取得了良好的辨识效果,振动系统控制也取得了良好的控制效果。总之,本文所采用的方法在用于某些黑箱振动系统控制问题时不失为一种行之有效的方法。