CN102369140B - 利用自适应参考模型算法的旋翼飞机中的振动控制系统和方法 - Google Patents

Abstract

本发明公开了一种利用自适应参考模型算法的旋翼飞机中的振动控制系统和方法。自适应参考模型算法使用结合有定制的最小平方法程序的获取进度特征，作为自适应方法用于调节反馈控制，从而说明了转移函数(G)中的振动，因此使AVC系统的有效性得以优化。最小平方法程序能识别位于后台进程中的转移函数，并无需中断闭环振动控制。这种识别方法的完成无需AVC致动器的有意询问，也无需有意的振动水平的改变。对于这种自适应控制逻辑，位于AVC致动器和传感器之间的动态关系通过转移函数(G)的数学模型所表达。转移函数(G)的数学模型通过最小平方法程序连续地更新。反馈增益(H)从转移函数(G)数学模型中计算，反馈增益(H)通过转移函数(G)的数学模型的每一次更新而更新。

Description

利用自适应参考模型算法的旋翼飞机中的振动控制系统和方法

技术领域

本发明涉及一种旋翼飞机中的振动控制。

背景技术

飞机，例如旋翼飞机，感觉到的振动部分地起因于一个或多个大型旋翼。旋翼为旋翼飞机机身振动的原始来源。较大的机身振动会导致飞行控制问题、材料疲劳、维修成本以及飞行员疲劳，等等。旋翼飞机产业中的大多时间和花费用于试图减少和取消旋翼飞机振动。惯常地是，旋翼飞机的振动通过例如振动隔离系统和动力吸收器的被动装置进行处理。这些被动装置相对于飞机旋翼的工作频率而调谐，已证实对于传统的旋翼飞机而言是非常有效的。然而，旋翼速度(RPM)可变的旋翼飞机构型由于能够主动改善表现和减少噪声污染从而变得更有吸引力。因此，当被动振动解式在旋翼速度可变的旋翼飞机上执行时，原始的作用于单旋翼速度的旋翼飞机的被动振动解式变得有缺陷。

因此，亟需一种旋翼飞机中的控制振动的改进的系统和方法。

附图说明

本申请系统的新颖性特征在随附的权利要求书中得以阐述。然而，所述系统本身和优选的使用模式，以及另外的目的和优势，将通过参阅下述的细节描述并结合阅读随附的附图得以较好地理解，其中：

图1为根据优选实施方式的主动振动控制系统的方框图；

图2为图1中所示系统中自适应参考模型算法的方框图；以及

图3为根据本申请的具有主动振动控制系统的旋翼飞机的示意图。

本申请的系统易于作出各种改变和可替换形式，特定的实施方式已通过实例的方式在附图中示出并在此详细描述。应当理解地是，特定实施方式的描述并不用于限制所揭露的特殊形式，与此相反地是，其目的是为了覆盖落入本申请随附权利要求书所限定的精神和保护范围中的所有改变、等同物以及替换物。

具体实施方式

本申请的系统的说明性的实施方式如下所述。为了清楚起见，实际装置的所有的特征并非都在说明书中得以描述。应当理解地是，任何此类实际的实施方式、众多特定实现的决定必须用于实现改进者的特定目标，例如遵守系统相关和业务相关的限制，将一种装置改变为另一种装置。此外，应当理解地是，这种发展努力可能是复杂和耗费时间的，但对于得益于本发明的本领域普通技术人员而言仍然是例行承诺。

在说明书中，可参考位于多种组件之间的空间关系，以及如随附附图中描述的装置中组件的不同方面的空间定位。然而，正如由完全阅读过本申请的本领域普通技术人员认同地是，文中所描述的装置、元件、机构等等，可能采取任何预期的定位。因此，使用例如“上方”、“下方”、“顶部”、“底部”或其他类似的术语来描述多种组件间的空间关系，或描述这种组件方面的空间定位，将能够被理解以描述位于组件之间的相对关系或这种组件的方面的空间定位，正如此处描述的装置可能处于任何预期的方向。

所揭露的系统和方法使用主动振动控制(AVC)系统，以用于减小旋翼飞机中的振动。本系统和方法的实施方式能够应用于旋翼飞机、固定翼飞机、倾转旋翼机以及部分为旋翼飞机且部分为公路车辆的混合动力飞机等等。本发明的AVC系统通过使用致动器，来产生可控动作以减小机身振动，即减少主旋翼系统产生的振动。致动器能够在旋翼系统或机身中运行。优选地是，AVC系统中所使用的致动器位于旋翼飞机机身内部；然而，可替换的实施方式能够将其作用的部件(effectors)设置在各种位置，包括机身的外部。致动器可为各种形式，例如连接到机身结构上的机电动力生成装置、连接到机身/旋翼接口处的装置、连接到每一旋翼叶片上的装置或以可控方式改变旋翼叶片的形状的装置。

本申请的AVC系统特别适合于旋翼速度(RPM)可变的旋翼飞机配置；然而，甚至恒定的RPM旋翼飞机也能够有效地使用本发明的AVC系统。例如，在任何旋翼飞机中，旋翼飞机的动态响应能够极大地改变，正如旋翼飞机的毛重会因为油耗和货物量变化而改变。旋翼飞机的机身振动特征也会因为时间、使用、和机身的老化，以及非标准装置的安装而改变。另外，单独的旋翼飞机的振动特征会因为制造和组装过程中的正常耐受力变化而变化，因此使得每一旋翼飞机都具有特定的某种级数。本申请的AVC系统为稳固的，并具有适应性，其具有能够抑制机身振动特征中的预期振动的能力。另外，AVC系统的自适应特征对于飞机的乘客而言是显而易见的，以使得AVC系统的调节不会由旋翼飞机的占有者感知。进一步地，AVC系统的自适应机制为自动的，因此无需飞行员和乘务员的参与。

现参阅附图中的图1，方框图示出了根据优选实施方式的与旋翼飞机相配合的AVC系统101的功能。主旋翼系统103(在图3中示出)，为旋翼飞机推进器系统的一部分，影响直升机机身105(在图3中示出)的物理振动，所述直升机机身105处于基于旋翼叶片数量和旋转速度的谐频。AVC系统101进一步包括传感器107，例如用于测量机身振动105的测振仪。AVC系统101还包括控制器115或计算机，用于处理来自传感器107的振动数据，以及向致动器113输出控制指令。致动器113产生可控的机身振动以取代由主旋翼系统103产生的振动。放大器可用于放大来自控制器115的控制指令，以向致动器113提供合适的驱动信号。转速计111用于可选择地对控制器115提供来自主旋翼系统103的频率和相位信息。飞机参数109被记录并提供给控制器115，参数可包括：旋翼飞机毛重、油量、空气速度、高度信息、对振动控制而言较为重要的其他参数。应当理解地是，根据配置，其他飞机参数109能够被记录以提供给机身115另外的数据。为了使AVC系统101有效地运行，振幅、相位和由致动器113产生的振动频率必须抵消不需要的振动。传感器107和致动器113之间的级数和相位关系也涉及转移函数(G)，所述级数和相位关系必须为公知的，以使得AVC系统101能有效地抑制振动。

如果转移函数(G)保持恒量或表现为线性，则频率范围最佳控制公式将会得以使用。如同1982年3月的Nasa技术论文1996中的WayneJohnson(1982)的名为“直升机振动的多周波控制的自调谐调整器”，表达式(5)为频率范围最佳控制公式，该控制公式呈现了位于合成振动和从AVC致动器输出的振动负荷之间的线性转移函数(G)关系。表达式(1)-(4)描述了表达式(5)中的最佳控制公式的推导。在频率范围内，由每一传感器或测振仪测量到的处于叶片通过频率(NΩ)的振动可以表示为：

$x_i\left(t\right)=X_{\mathrm{Re}\_i}*\cos \left(\mathrm{N\Ωt}\right)+X_{\mathrm{Im}\_i}*\sin \left(\mathrm{N\Ωt}\right)=\left[\begin{array}{cc}\cos \left(\mathrm{N\Ωt}\right)& \sin \left(\mathrm{N\Ωt}\right)\end{array}\right]\left\{\begin{array}{c}{X}_{\mathrm{Re}\_i}\\ X_{\mathrm{Im}\_i}\end{array}\right\}$

{x}＝{X_{Re_1} X_{Im_1} X_{Re_2} X_{Im_2}…X_{Re_p} X_{Im_p}}^T    (1)

i＝1，2，…，p

相类似地，致动器指令信号的频率范围代表式可以表示为：

$u_i\left(t\right)=U_{\mathrm{Re}\_i}*\cos \left(\mathrm{N\Ωt}\right)+U_{\mathrm{Im}\_i}*\sin \left(\mathrm{N\Ωt}\right)=\left[\begin{array}{cc}\cos \left(\mathrm{N\Ωt}\right)& \sin \left(\mathrm{N\Ωt}\right)\end{array}\right]\left\{\begin{array}{c}{U}_{\mathrm{Re}\_i}\\ U_{\mathrm{Im}\_i}\end{array}\right\}$

{u}＝{U_{Re_1} U_{Im_1} U_{Re_2} U_{Im_2}…U_{Re_p} U_{Im_p}}^T     (2)

i＝1，2，…，q

精确地是，振动控制问题能够由全局模型(global model)表示：

{z}＝{x}+{y}＝{x}+[G]{u}     (3)

其中，变量{z}为可控振动响应的谐波系数，{x}为根据例如主旋翼的外部激发的非可控振动响应，{y}为由AVC系统产生的振动谐波系数。矩阵[G]为位于AVC致动器输入{u}和机身振动响应之间的复合转移函数。当变量{z}的标准达到零，或当变量{y}的谐波系数与相对应的变量{x}为同等级数且异号时，能够实现有效的振动抑制。合适的控制动作{u}基于优化控制理论得以计算，其能够减小二次成本函数。成本函数J为合成振动和控制动作的加权总和(weighted sum)，其定义为：

J＝{z}^T[W_z]{z}+{u}^T[W_u]{u}    (4)

其中，[W_z]和[W_u]为加权因子的对角矩阵。加权矩阵[W_z]和[W_u]可用于在控制工作减弱时，加强振动的减少，反之亦然。同时，[W_z]和[W_u]用于分别加强某种{z}或{u}元素。通过减少成本函数J，最佳控制方案同时达到通过最少的控制工作，得到最大的振动减少。成本函数的减少产生下述最佳控制工作公式：

{u}＝-([G]^T[W_z][G]+[W_u])^-1*([G]^T[W_z])*{z}＝[H]*{z}   (5)

上述控制表达式(5)为最佳的，并有效提供的转移函数[G]为主动AVC系统动态的精确的表达式。数字反馈控制规律的一个实施方式为利用最佳控制解式，其表达式(6)如下所述：

{u}_k+1＝{u}_k+α[H]{z}_k  (6)

其中，下标k代表离散的时间指数，α代表注意因素(0＜α＜1)，[H]为最佳增益矩阵，{z}为处于当前时间阶段的谐波系数的变量，{u}为谐波系数的致动器指令信号变量。应当理解地是，可替换的反馈控制规律能够包含于算法中。

然而，在实践中，旋翼飞机的飞行中转移函数(G)并不是恒定的，并且其相对相同机型的另一个旋翼飞机而言也不是恒定的。通常地是，转移函数(G)与频率相关、与旋翼飞机机身相关、以及与旋翼飞机飞行中的时间改变相关。转移函数(G)会因为飞行RPM变化的旋翼飞机、油耗、货量改变、旋翼飞机寿命或制造改变而改变。如果恒定的反馈增益矩阵(H)得以使用，转移函数(G)的改变较大，则这种AVC系统将会变得不稳定，并会增加振动而非减少振动。转移函数(G)中的改变采用级数变化、相位变化、或级数和相位结合变化的形式。由于转移函数(G)中的振动，AVC系统101的AVC系统控制器115需要自适应控制器算法，自适应控制器算法能够提供转移函数(G)中的变化，以最佳地控制振动。

现参阅图2，自适应参考模型算法(adaptive reference model algorithm)201示意性地位于图1中的AVC系统控制器115。自适应参考模型算法201使用结合有定制的最小平方法程序(customized Least-Squares routine)205的获取进度特征(gain scheduling feature)，作为自适应方法用于调节反馈控制，从而说明了转移函数(G)中的振动，因此使AVC系统101的有效性得以优化。最小平方法程序205能识别位于后台进程中的转移函数，并无需中断闭环振动控制。这种识别方法的完成无需有意的询问AVC致动器113，也无需有意的改变振动等级。对于这种自适应控制逻辑(adaptive controllogic)而言，位于AVC致动器113和传感器107之间的动态关系通过转移函数(G)的数学模型所表达。转移函数(G)的数学模型通过最小平方法程序205连续地更新。反馈增益(feedback gain)(H)从转移函数(G)数学模型中计算，反馈增益(H)通过转移函数(G)的数学模型的每一次更新而更新。

最小平方法程序205用于减少误差209。误差209为由传感器107测量到的振动响应和来自转移函数(G)的数学模型的预测振动响应之间的差异。预测振动响应由转移函数(G)的数学模型计算，并控制致动器113。当误差209达到零，转移函数(G)的数学模型精确地代表真实的系统动态，预测的振动与由传感器107测量到的振动相匹配。当转移函数(G)的数学模型为精确的代表式，来源于转移函数(G)的数学模型的反馈增益(H)也为精确的，从而提供最佳的振动衰减。应当理解地是，如自适应参考模型211部分示出的转移函数识别方法，并非有意地激发致动器113，以确定转移函数(该转移函数可产生由直升机的飞行员和机务人员感知的干扰振动)。应当理解地是，虽然如下信息为有益的，但自适应参考模型211不需要来自飞机参数109的值，例如毛重、油量、空气速度、高度以及类似参数。

最小平方法程序205利用由传感器107测量到的振动，并利用指令控制致动器113。为了调节转移函数(G)的数学模型，在完成调节之前必须选择和处理有限集的数据。因此，最小平方法程序205可能不会较好地响应快速转移函数变化。为了克服这种限制，自适应参考模型211通过获取进度数据库203来增加获取进度，用于公知的快速转移函数变化。另外，自适应参考模型211需要原始的起点推测以进行调整。因此，原始的参考模型211可以作为原始的起点推测。应当理解地是，当承受到AVC转移函数(G)的公知意外和快速改变时，获取进度函数允许处于自适应参考模型211中的转移函数(G)的数学模型发生改变。当转移函数(G)随时间缓慢改变，足够的数据将会得到处理以合适地调节转移函数(G)的数学模型，并且最小平方法程序205也单独地较好地响应。

用于参考模型211的最小平方法程序205来源于分离的时间变化。误差209为实际测量到的振动响应和来自转移函数(G)的数学模型的预测振动响应之间的差异，由表达式(7)表示：

${\left\{e\right\}}_k=({\left\{z\right\}}_k-{\left\{z\right\}}_{k-1})-({\left\{x\right\}}_k-{\left\{x\right\}}_{k-1})-\left[\hat{G}\right]({\left\{u\right\}}_k-{\left\{u\right\}}_{k-1})$

${\left\{e\right\}}_k={\left\{\mathrm{\Δz}\right\}}_k-{\left\{\mathrm{\Δx}\right\}}_k-\left[\hat{G}\right]{\left\{\mathrm{\Δu}\right\}}_k---\left(7\right)$

其中，{e}为对于每一控制传感器的谐波系数的误差变量，{z}为测量到的振动响应，{x}为不可控的振动响应，{u}为AVC指令信号。矩阵为AVC转移函数(G)的数学参考模型。每一个响应变量代表了处于两个分离时间的值之间的区别。两个连续时间指数用于阐述目的，但并不是必须的。推断地是，在可选择的时间之间表示已经改变的指令信号({Δu}＞0)，测量到的振动的变化{Δz}主要归因于AVC指令信号变化{Δu}。因此，推断的{Δx}相比于{Δy}少，并且误差公式简化为表达式(8)：

参考模型矩阵为一个(n x m)矩阵，并且指令信号变量为(m x 1)。参考模型矩阵和指令变量能够如下表述：

${\left[\mathrm{\Φ}\right]}_k^T\left\{\widehat{\mathrm{\θ}}\right\}=\left[\hat{G}\right]{\left\{\mathrm{\Δu}\right\}}_k\≅{\left\{\mathrm{\Δz}\right\}}_k$

${\left\{e\right\}}_k\≅{\left\{\mathrm{\Δz}\right\}}_k-{\left[\mathrm{\Φ}\right]}_k^T\left\{\widehat{\mathrm{\θ}}\right\}---\left(9\right)$

变量为(nm x 1)，并由的行堆叠成列变量而构成。矩阵为(nx nm)，并由指令信号变量{Δu}构成，作为重复行以形成主对角线矩阵。误差函数以最小平方法意义减小，通过若干观察值的一批模式处理的解式为：

$\left\{\widehat{\mathrm{\θ}}\right\}={\left({\left[\mathrm{\Φ}\right]}_k^T{\left[\mathrm{\Φ}\right]}_k\right)}^{-1}{\left[\mathrm{\Φ}\right]}_k^T{\left\{\mathrm{\Δz}\right\}}_k---\left(10\right)$

解式变量包括参考模型矩阵参数，其能够减少最小平方法意义中的误差函数。因此，基于选择和分析的数据，参考模型目前为实际AVC转移函数(G)的精确代表式。解式也能够通过循环的最小平方法公式的形式获取：

${\left\{\widehat{\mathrm{\θ}}\right\}}_k={{\left\{\widehat{\mathrm{\θ}}\right\}}_{k-1}+\left({\left[\mathrm{\Φ}\right]}_k^T{\left[\mathrm{\Φ}\right]}_k\right)}^{-1}{\left[\mathrm{\Φ}\right]}_k({\left\{\mathrm{\Δz}\right\}}_k-{\left[\mathrm{\Φ}\right]}_k^T{\left\{\widehat{\mathrm{\θ}}\right\}}_{k-1})---\left(11\right)$

另一个能够避免矩阵倒置的简化的循环解式为最小均方(LMS)解式的形式：

${\left\{\widehat{\mathrm{\θ}}\right\}}_k={\left(\widehat{\mathrm{\θ}}\right)}_{k-1}+\mathrm{\γ}{\left[\mathrm{\Φ}\right]}_k({\left\{\mathrm{\Δz}\right\}}_k-{\left[\mathrm{\Φ}\right]}_k^T{\left\{\widehat{\mathrm{\θ}}\right\}}_{k-1})---\left(12\right)$

0＜γ＜2

应当理解地是，这些最小均方解式中的其他变量可能存在，但是潜在的解式特征是相类似的。如何获取解式并不是关键的，解式的获取仅用于减少误差函数。

再次参阅图2，自适应参考模型算法201包括两个平行并同时运行的主要环路。第一环路为由控制规律207遵循的谐波分析程序215，该控制规律207在每一时间阶段都执行。第二环路为自适应参考模型最小平方法程序205，其提供有控制规律207中所利用的反馈获取矩阵(H)。

仍参阅图2，以进一步的细节示出了根据优选实施方式的自适应参考模型算法201。谐波分析程序215处理来自传感器107的振动数据，以用于提取处于旋翼叶片通过频率(Nb/rev)的振幅和相位，以及其他预期旋翼谐波。因此谐波分析程序215输出了用于每一传感器107的频率范围谐波系数(frequency domain harmonic coefficients)。飞机参数数据109和主旋翼RPM数据111接收进入获取进度数据库(gain schedule database)203，合适的参考模型从获取进度数据库203提取。参考模型传输到最小平方法程序205以初始化参考模型的适应性。另外，位于特定数量的时间阶段之间的控制规律计算指令信号中的改变是计算的(例如，{ΔU}＝{U}_k-{U}_k-i)。另外，位于特定数量的时间阶段之间的测量到的振动响应中的相对应改变是计算的(例如，e.g.{ΔZ}＝{Z}_k-{Z}_k-i)。利用当前的参考模型位于特定数量的时间阶段之间的振动响应中的预期改变是计算的(例如，)。误差函数变量由测量到的振动和预测振动中计算(例如， $\left\{\mathrm{\θ}\right\}=\left\{\mathrm{\ΔZ}\right\}-\left\{\mathrm{\ΔY}\right\}=\left\{\mathrm{\ΔZ}\right\}-\left[\hat{G}\right]\left\{\mathrm{\ΔU}\right\}).$

该方法伴随有来自参考模型的最小平方法程序205处理数据、测量到的振动响应的改变{ΔZ}、计算的指令信号的改变{ΔU}和误差的功能变量{e}。如果计算指令信号的改变级数|{ΔU}|比特定的阀值大，则参考模型的参数估计得以更新，否则参数估计不作改变。这种阶段强制执行以确认最小平方法程序205的持续激发。例如，参考模型用于初始化参数估计如果|{ΔU}|＞magU_threshold，则{Δu}_k用于构造并且参数估计通过 ${\left\{\widehat{\mathrm{\θ}}\right\}}_k={\left\{\widehat{\mathrm{\θ}}\right\}}_{k-1}+\mathrm{\γ}{\left[\mathrm{\Φ}\right]}_k({\left\{\mathrm{\Δz}\right\}}_k-{\left[\mathrm{\Φ}\right]}_k^T{\left\{\widehat{\mathrm{\θ}}\right\}}_{k-1})$ 得以更新。如果|{ΔU}|＜magU_threshokl，则基于原始的标准，参数估计重复更新。经过特定数量的更新，参数估计用于构造新的参考模型新的参考模型用于产生新的反馈获取矩阵[H](例如， $\left[H\right]{=-\left({\left[\hat{G}\right]}^T\right[W_z\left]\right[\hat{G}]+[W_u\left]\right)}^{-1}*\left({\left[\hat{G}\right]}^T\right[W_z\left]\right).$ 新的数学参考模型和新的反馈获取矩阵[H]得以输出。进程继续更新具有新参考模型的获取进度数据库203，新参考模型合适地基于其他飞机参数数据109和旋翼速度RPM数据111。应当注意地是，致动器指令信号持续地通过平行反馈路径计算。谐波分析程序215用于输出振动的谐波系数{z}，联合有当前反馈获取矩阵[H]，并且计算具有控制规律{u}_k+1＝{u}_k+α[H]{z}_k的下一套指令信号。

现参阅图3，示出的旋翼飞机301具有根据优选实施方式的AVC系统101。AVC传感器107在旋翼飞机301的各种领域中以图的形式示出。转速计111用于计算主旋翼的旋转率。AVC致动器113在旋翼飞机301的各种领域中以图的形式示出，包括机身105和旋翼系统103的旋翼。作为单独计算机的AVC控制器115以图的形式在旋翼飞机301中示出。然而，应当理解地是，控制器115可以是位于旋翼飞机301中各种位置处的复合计算机。应当理解地是，传感器107、转速计111、致动器113可以位于旋翼系统301中各种部分处。传感器107、转速计111、致动器113也与控制器115进行信息交换。例如，电线(未示出)能够作为位于系统101的多种组件间的交流介质。

明显地是，具有重要优势的申请已经得以描述和阐述。虽然，本申请仅以有限量的形式示出，但是本申请并不局限于这些形式，各种改变和修改并不脱离本申请的精神。

Claims (12)

1.一种旋翼飞机中的控制振动的方法，包括：

通过传感器测量旋翼飞机中的机身振动，该机身振动来源于旋翼飞机的推进器系统；

通过自适应参考模型算法确定致动器指令信号，其中，通过自适应参考模型算法确定致动器指令信号包括一个或多个迭代法：

通过最小平方法程序连续识别转移函数参考模型，该转移函数参考模型代表了位于传感器和振动控制致动器之间的预测关系；

计算来自闭环中的转移函数参考模型的反馈控制增益；

每次新识别出真实的转移函数时，更新反馈控制增益；以及

其中通过最小平方法程序连续地识别转移函数参考模型，所述连续地识别转移函数参考模型发生在并不中断确定致动器指令信号的后台进程中，所述连续地识别转移函数参考模型无需来自飞机的参数，并非有意地激发振动控制致动器；以及

通过致动器指令信号来控制振动控制致动器，以通过如下方式消除振动，即：至少部分地抵消来自于推进器系统的振动。

2.如权利要求1所述的方法，其中，转移函数参考模型为数学矩阵。

3.如权利要求1所述的方法，其中，通过最小平方法程序连续地识别转移函数参考模型的完成，无需询问振动控制致动器。

4.如权利要求1所述的方法，其中，通过自适应参考模型算法确定致动器指令信号进一步包括：

通过最小平方法程序减小误差函数，误差函数为传感器测量到的机身振动的变化和转移函数参考模型计算的预测振动响应的变化之间的差异；

其中，减少误差函数使得转移函数参考模型类似于真实的转移函数，从而使得旋翼飞机中的振动衰减得以优化；以及

其中真实的转移函数代表了传感器和振动控制致动器之间的实际的动态关系。

5.如权利要求4所述的方法，其中，只有当致动器指令信号发生改变时，才计算预期振动响应的变化。

6.如权利要求1所述的方法，进一步包括：

测量用于控制旋翼飞机振动和转移函数参考模型的旋翼飞机参数，该参数包括旋翼飞机毛重、旋翼飞机油量、旋翼飞机空气速度和旋翼飞机高度中的至少一个，以及

将测量到的旋翼飞机参数变化提供给自适应参考模型算法的闭环部分中的反馈控制逻辑。

7.如权利要求1所述的方法，进一步包括：

测量旋翼的每分钟转速（RPM）；以及

将测量到的旋翼飞机参数提供给所述闭环中的反馈控制逻辑。

8.如权利要求1所述的方法，其中，所述闭环包括获取进度数据库，该获取进度数据库用于在快速转移函数变化的时期提供数据给转移函数参考模型。

9.如权利要求8所述的方法，其中，获取进度数据库一直伴随旋翼飞机并可自动地更新。

10.如权利要求1所述的方法，其中，最小平方法程序配置用于在缓慢改变真实的转移函数的时期中识别转移函数参考模型，识别转移函数参考模型无需从获取进度数据库中获得信息。

11.如权利要求1所述的方法，其中，通过最小平方法程序连续地识别转移函数参考模型在闭环振动控制中完成，无需询问振动控制振动器。

12.如权利要求1所述的方法，其中，通过自适应参考模型算法确定致动器指令信号进一步包括：

通过最小平方法程序减小误差函数，误差函数为传感器测量到的机身振动中的变化和转移函数参考模型估算的预测振动响应的变化之间的差异；

其中机身振动的变化主要归因于致动器指令信号中的公知变化；

其中减少误差函数使得转移函数参考模型类似于真实的转移函数，从而使得旋翼飞机中的振动衰减得以优化；以及

其中真实的转移函数代表位于传感器和振动控制致动器之间的实际动态关系。