CN114637199B - 一种基于扩散协作策略的分布式主动振动抑制方法 - Google Patents
一种基于扩散协作策略的分布式主动振动抑制方法 Download PDFInfo
- Publication number
- CN114637199B CN114637199B CN202210152667.8A CN202210152667A CN114637199B CN 114637199 B CN114637199 B CN 114637199B CN 202210152667 A CN202210152667 A CN 202210152667A CN 114637199 B CN114637199 B CN 114637199B
- Authority
- CN
- China
- Prior art keywords
- control
- diffusion
- node
- nodes
- control node
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000009792 diffusion process Methods 0.000 title claims abstract description 33
- 230000001629 suppression Effects 0.000 title claims abstract description 22
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 58
- 230000008878 coupling Effects 0.000 claims abstract description 22
- 238000010168 coupling process Methods 0.000 claims abstract description 22
- 238000005859 coupling reaction Methods 0.000 claims abstract description 22
- 230000004044 response Effects 0.000 claims abstract description 21
- 239000013598 vector Substances 0.000 claims abstract description 14
- 239000011159 matrix material Substances 0.000 claims description 24
- 230000005284 excitation Effects 0.000 claims description 14
- 230000004927 fusion Effects 0.000 claims description 10
- 238000012546 transfer Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 14
- 238000004891 communication Methods 0.000 abstract description 8
- 230000008901 benefit Effects 0.000 abstract description 4
- 230000009467 reduction Effects 0.000 abstract description 4
- 230000005540 biological transmission Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 18
- 238000013139 quantization Methods 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000001808 coupling effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供一种基于扩散协作策略的分布式主动振动抑制方法,解决了传统集中式算法在主动振动抑制中运算量庞大和减振效果下降及物理不可实现的问题,包括:在受控对象的待减振位置上布置控制节点;量化不同控制节点间的次级通道耦合程度以获得控制网络拓扑结构;基于控制网络拓扑结构,采用扩散协作策略更新控制节点的控制权向量并基于控制权向量计算各控制节点的作动力;控制节点的作动力经次级通道引起的次级响应与待减振位置处的期望信号进行叠加,实现抑制待减振位置处的振动。本发明降低了实际应用系统数据传输所消耗的通信资源并降低了算法的运算量,提高了收敛速度和鲁棒性,且主动振动控制系统的规模越大该扩散算法的优势越明显。
Description
技术领域
本发明属于振动控制领域,具体涉及一种基于扩散协作策略的分布式主动振动抑制方法。
背景技术
直升机飞行时机体振动水平高严重影响了机乘人员的舒适性和工作效率,并降低结构的疲劳寿命与机械设备的可靠性,严重时会引起精密设备的失效,进而给直升机的飞行安全带来隐患。研究资料表明,40%的直升机事故都与振动有关。因此,必须采取一定的措施来控制直升机的振动水平,使其降低到用户可接受的水平,这也成为现代直升机研制过程中最为关键的技术问题之一。
目前,直升机振动控制措施主要分为被动控制方法和主动控制方法两大类。传统的吸振、隔振等被动振动控制方法陆续应用到直升机上,减振效果比较明显,但其引起的增重问题也日益突出。随后出现了更具优势的直升机主动振动控制方法,包括:高阶谐波控制、独立桨叶控制、主动控制襟翼、结构响应主动控制(Active Control of StructuralResponse,ACSR)等。其中由欧洲Westland公司于80年代提出的ACSR技术由于减振效果好、功耗低、系统重量代价低、适应性强和易于工程实现等显著优点,成为了最具发展潜力的直升机振动主动控制技术,已在国内外多款直升机型号上得到了正式装备。
常规直升机的ACSR技术通常仅关注驾驶员和乘员座椅附近少数位置的振动水平,主动控制系统规模普遍不大。如:UH-60M直升机的ACSR系统采用了3套作动器和5个反馈控制点,即控制规模为五入三出(5×3);EC225/EC725的直升机ACSR系统采用了两套作动器来控制座舱内四个控制点的振动水平,即控制规模为4×2。
随着高速直升机、倾转旋翼机等新构型直升机的快速发展,除驾驶员和乘员座椅附近少数位置外,仪表板、主减和尾梁等处的振动水平也日益受到关注。Sikorsky公司采用规模为10×6的ACSR技术解决了X2高速直升机大速度前飞时机体振动大的问题,X2高速直升机控制规模明显比UH-64M和EC225/EC725的控制规模大。由此可见,待减振位置多、分布区域跨度大将成为新构型直升机ACSR技术的新特点。
随着控制系统规模的进一步增大,次级通道数量也急剧增加,导致传统集中式多通道算法靠单个处理器在工程上将无法实现。此外,集中式算法要考虑所有次级通道的耦合,最优控制参数取值困难常使得控制效果变差。这些不利因素对目前ACSR技术用于直升机大规模主动振动控制系统而言是灾难性的。
发展主动振动控制(Active Vibration Control,AVC)领域的分布式算法是解决当前ACSR技术应用于直升机多区域、大跨度系统减振的关键。目前已有的分布式算法采用分散式解耦控制方法,其将多通道系统的每个通道看成是独立的控制回路,忽略实际次级通道的耦合作用。该方法复杂程度低、易于工程实现,但由于简单粗暴忽略了所有次级通道的耦合作用,使得控制算法沿着错误的方向收敛,最终导致控制系统发散。因此,该分布式算法仅适用于完全没有耦合的系统,实际物理结构难以满足该要求。
发明内容
针对上述现有技术中存在的缺陷,本发明提供一种采用扩散协作策略的方式考虑不同控制节点间次级通道耦合情况的基于扩散协作策略的分布式主动振动抑制方法,解决了传统集中式算法应用于新构型直升机多区域、大跨度系统主动振动抑制面临的运算量庞大和减振效果下降及物理不可实现的工程难题。
本发明提出的技术方案如下:
本发明公开了一种基于扩散协作策略的分布式主动振动抑制方法,包括以下步骤:
确定受控对象的待减振位置,在所述待减振位置上布置控制节点,其中控制节点由误差传感器、作动器和处理器组成;量化不同控制节点间的次级通道耦合程度,保留耦合程度满足预设阈值的次级通道,得到控制网络拓扑结构;
基于所述控制网络拓扑结构,根据基于扩散协作策略的分布式主动振动抑制算法更新控制节点的控制权向量,并基于所述控制权向量计算各控制节点的作动力;
控制节点的作动力经次级通道引起的次级响应与待减振位置处的期望信号进行叠加,实现抑制待减振位置处的振动,其中所述期望信号为受控对象的外扰激振力经初级通道引起的初级响应。
进一步地,所述误差传感器和作动器布置在同一物理位置。
进一步地,所述量化不同控制节点间的次级通道耦合程度具体包括:
第一控制节点的作动器输出与所述受控对象外扰激振力相同的激励,并采集所有控制节点的误差信号幅值;
第二控制节点的作动器输出与所述受控对象外扰激振力相同的激励,并采集所有控制节点的误差信号幅值;
遍历所有控制节点的作动器并采集所有误差信号幅值,将采集到的幅值按上述遍历顺序保存为N*N的矩阵C,其中N为控制节点的总数;
判断所述矩阵C中的元素是否满足所述预设阈值,若满足,则将该元素置0,否则置1,得到矩阵A。
进一步地,对所述矩阵A进行无向化操作获取融合矩阵,所述无向化操作具体为:
A=A+AT+I
其中,T为矩阵转置,I为单位矩阵。
进一步地,所述基于扩散协作策略的分布式主动振动抑制算法具体包括:
获取控制节点的邻居次级通道传递函数的离线辨识结果;
基于所述辨识结果对参考信号进行滤波获取滤波参考信号,其中所述参考信号与受控对象的外扰激振力相同;
基于所述控制网络拓扑结构对所述滤波参考信号进行融合获取融合滤波参考信号;
计算所述期望信号与次级响应间的误差信号;
更新控制节点的控制权向量;
计算控制节点的作动力;
对上述过程进行循环迭代,直到所述误差信号满足预设条件。
进一步地,对所述滤波参考信号进行融合根据以下公式计算:
其中,{aj,k≥0}为融合系数,表示滤波参考信号,L为控制滤波器阶数,j为控制节点k的邻居控制节点,n为当前时刻。
进一步地,所述误差信号根据以下公式计算:
其中,W(n)是控制网络的拓扑结构在第n时刻对全局理论解Wo∈RLJ的估计值,e(n)=[e1(n),e2(n),…,eJ(n)]T,d(n)=[d1(n),d2(n),…,dJ(n)]T,表示期望信号,J为控制网络中控制节点的总数,k为当前控制节点编号。
进一步地,所述作动力根据以下公式计算:
其中,wk(n)=[W(n)]L(k-1)+1:Lk,x(n)=[x(n),x(n-1),…,x(n-L+1)]T,最后可得y(n)=[y1(n),y2(n),…,yJ(n)]T。
进一步地,所述控制节点的控制权向量根据以下公式进行更新:
其中,μ为收敛系数。
现有技术中广泛采用集中式控制算法,随着直升机用户对作战性能、舒适性等要求的提高、控制区域和点数的增多,振动主动控制系统中次级通道数呈指数急剧增加,使得控制系统稳定性变差和控制效果下降,本发明提出的基于扩散协作策略的分布式主动振动抑制方法,使用多处理器共同分担整个算法的运算量使该主动振动控制系统具备物理可实现性,通过量化不同控制节点间次级通道耦合程度,舍弃耦合程度较弱的次级通道,一定程度上降低了主动控制系统中次级通道的数量,进而降低了整个算法的运算量,通过分布式控制网络拓扑结构获取控制节点的邻居节点,在更新控制节点的控制滤波器权系数时只使用其邻居控制节点的数据和与该控制滤波器相对应的误差信号,降低了实际应用系统数据传输所消耗的通信资源,明显降低了整个主动控制算法的运算量,提高了收敛速度和鲁棒性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对技术方案描述时所需要使用的附图作简单地介绍,显而易见地,本发明的示意性实施例及其说明仅用于解释本发明,并不构成对本发明的不当限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。在附图中:
图1是本发明中方法的工作步骤示意图;
图2是本发明中由J个控制节点组成的控制网络拓扑结构示意图;
图3是本发明中控制网络结构连通性示意图,其中图(a)为非连通网络,图(b)为连通网络;
图4是本发明中结构为I×J×K的控制系统的基于扩散协作策略的FxLMS主动振动控制算法框图;
图5是本发明中四个控制节点间次级通道耦合量化后的网络拓扑结构示意图;
图6是本发明实施例中1×4×4控制系统的基于扩散协作的分布式主动控制算法框图;
图7是本发明实施例中直升机机体纯梁结构模型示意图;
图8是本发明实施例中直升机机体有限元模型及控制节点位置分布示意图;
图9是本发明实施例中控制网络拓扑结构示意图;
图10是本发明实施例中控制节点误差传感器加速度时间历程示意图;
图11是本发明实施例中控制效果时间历程示意图;
图12是本发明实施例中控制节点作动器输出力时间历程示意图;
图13基于FxLMS算法的单通道ACSR系统框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供一种基于扩散协作策略的分布式主动振动抑制方法,参照图1,该方法包括以下步骤:
S1:确定受控对象的待减振位置,在所述待减振位置上布置控制节点,其中控制节点由误差传感器、作动器和处理器组成;量化不同控制节点间的次级通道耦合程度,保留耦合程度满足预设阈值的次级通道,得到控制网络拓扑结构;
具体地,假设由J个控制节点组成的自适应控制网络随机地分布在待减振区域内,本发明采用无向图G=(V,E)来表示该控制网络的拓扑结构,其中V={1,2,…,J}为控制节点集合,E={(l,k)|l,k∈V}为边的集合即互通链路的集合,当且仅当节点k和节点l有通信链路时,满足{(l,k)∈E},此时节点l和节点k互为邻居节点。为节点k的邻居节点集合,记其邻居节点的个数(也称该节点的自由度)为|Nk|,当然包括节点k本身。参照图2,本发明中控制节点1的邻居节点集合为N1={1,2,k,J},|N1|=4。
进一步地,无线传感器网络(Wireless Sensor Network,WSN)领域不同节点间能否相互通信取决于节点间的通信距离,当其他节点在某节点的通信范围内,则这些节点间就有相互通信链路,节点间不同的通信距离形成的WSN拓扑结构一般不同。借鉴上述通信距离的判断标准,在AVC领域可以通过不同控制节点的振动响应幅值相对大小可量化彼此之间次级通道的耦合程度,形成适用于大规模系统的一个统一量化标准,便于确定AVC控制网络的拓扑结构。不同控制节点间次级通道耦合量化阈值和控制网络拓扑结构是相辅相成、相互制约的,耦合量化阈值决定控制网络拓扑结构的复杂度及算法的运算量,而量化所得网络结构要满足无向图连通性的要求反过来影响该量化阈值的选取;
本发明给出了一种适合直升机多区域、大跨度系统AVC应用背景的量化标准,以10个控制节点为例,具体操作过程为:第一个控制节点的作动器输出与外扰激振力相同的激励,然后测得所有控制节点误差传感器加速度响应幅值,接着换第二个控制节点作动器激励,然后测所有控制节点误差传感器加速度响应幅值,重复此过程遍历所有控制节点的作动器,最后将这些数据按上述遍历顺序构造成一个维数为10×10的振动幅值矩阵C,根据麦克斯韦互易定理可知该矩阵为对称矩阵。
处理矩阵C可得不同节点间次级通道耦合的强弱:从其第一行元素开始,每行元素小于该行最大元素的某个百分比(比如88%)可认为这些控制节点间为弱耦合,相应位置元素置0,否则置1,即该量化条件为预设阈值,遍历所有行将得到一个维数为10×10的矩阵A,并对其进行无向化后即为本扩散算法的融合矩阵,即A=A+AT+I,其中T为矩阵转置,I为单位矩阵。当其满足控制网络无向图的连通性时,即在控制网络无向图G=(V,E)中,l,k∈V,l和k之间存在通路,该百分比即可作为量化阈值,连通性直观表达如图3所示,(a)是非连通网络,(b)是连通网络。
S2:基于所述控制网络拓扑结构,根据基于扩散协作策略的分布式主动振动抑制算法更新控制节点的控制权向量,并基于所述控制权向量计算各控制节点的作动力;
具体地,基于图2所示的控制网络拓扑结构,每个控制节点k仅利用邻居的次级通道传递函数进行自身控制权向量的自适应更新,舍弃非邻居次级通道传递函数,达到进一步降低算法的运算量的目的。假设多通道振动主动控制系统中有I个参考传感器、J个次级作动器和K个误差传感器,故存在I×K个初级通道和J×K个次级通道,为便于划分控制节点,本发明中设定K=J,参照图4,图4所示为基于扩散协作策略的FxLMS主动振动控制算法框图,可划分为J个控制节点。
假设节点k的所有邻居次级通道传递函数的辨识结果为这些辨识值在节点k先对参考信号进行滤波,即:
式中xs(n)=[x(n),x(n-1),…,x(n-Ls+1)]T,Ls为次级通道滤波器阶数;
接着对滤波参考信号进行融合,即:
式中,L为控制滤波器阶数,融合系数{aj,k≥0}由控制节点协作网络拓扑结构确定。
然后求期望信号与次级响应间误差信号为:
W(n)是控制网络的拓扑结构在第n时刻对全局理论解Wo∈RLJ的估计值,e(n)=[e1(n),e2(n),…,eJ(n)]T,d(n)=[d1(n),d2(n),…,dJ(n)]T,表示期望信号,J为控制网络中控制节点的总数,k为当前控制节点编号;
需要说明的是,在另外一些实施例中,在实际物理控制系统中,该误差信号通过误差传感器测得而不是计算获得。
进一步求解各作动器的输出力:
其中,wk(n)=[W(n)]L(k-1)+1:Lk,x(n)=[x(n),x(n-1),…,x(n-L+1)]T,最后可得y(n)=[y1(n),y2(n),…,yJ(n)]T。
最后控制节点的控制权向量的自适应更新过程:
其中,μ为收敛系数,其取值范围经稳定性分析可得。
由此可知,所提算法中融合系数{aj,k≥0}非常重要,代表着控制网络拓扑结构协作信息,且对算法的稳定性有明显影响。
S3:控制节点的作动力经次级通道引起的次级响应与待减振位置处的期望信号进行叠加,实现抑制待减振位置处的振动,其中所述期望信号为受控对象的外扰激振力经初级通道引起的初级响应,也称无控响应;
进一步地,以1×4×4的控制系统为例予以说明。图5给出了四个控制节点间次级通道耦合量化后所得的控制网络拓扑结构,图6为图5所示控制系统的DFxLMS算法框图。参照图6,DFxLMS算法框图中每个控制节点在计算滤波参考信号时用到的次级通道比集中式少了一部分,这是其基于图5所示控制网络拓扑结构进行简化的结果。此外,DFxLMS算法在更新某个控制滤波器权系数时仅用与其对应的误差信号,与集中式算法需用所有误差信号区别很大,这在一定程度上能提高控制系统的鲁棒性。
S4:分析基于扩散协作策略的分布式主动振动抑制算法(DFxLMS)的运算量;
|Nk|是衡量不同控制节点间次级通道耦合程度的指标,取值为1~J,当取1时代表该控制节点仅与自身的次级通道有耦合,所提算法将退化为分散式算法;当取J时表示该控制节点与所有次级通道都有耦合,所提算法将演化为集中式算法,参照表1,表1所示为基于扩散协作策略的FxLMS主动振动控制算法(DFxLMS)的运算量统计情况;
表1 DFxLMS算法运算量统计
参照表2,表2所示为DFxLMS算法和集中式算法(MIMO)的运算量比较;
表2不同算法运算量对比
运算复杂度 | 平均乘加次数 |
MIMO | IJK(L+Ls)+IJL |
DFxLMS | |Nk|IJLs+(J+1)IJL |
S5:分析基于扩散协作策略的分布式主动振动抑制算法(DFxLMS)的稳定性;
依据李雅普诺夫定理等知识可以得到关于收敛系数的取值范围为:
融合系数{aj,k}对算法稳定性的影响体现在中,当各节点的自适应控制滤波器收敛系数满足该条件时,采用DFxLMS算法的主动控制系统就能够收敛并保持稳定。
实施例1
具体地,本实施例通过仿真对本发明的技术方案及取得的技术效果进行定量分析。参照图7,图7为本实施例选用的直升机的机体纯梁结构示意图,所述模型由机身、尾梁、桨架、尾斜梁和外短翼等部分组成,图中标注尺寸单位为米(m),所用结构梁均为钢材,可得模型总重G=6.114×103kg;
根据工程需要将控制系统规模设置为10×10,即整个控制系统中有10个作动器和10个误差传感器,另外再设置10个处理器即可将该控制系统划分为10个控制节点,每个控制节点由一个作动器、一个误差传感器和一个处理器构成,并且每个控制节点的误差传感器和作动器布置的位置很靠近,几乎可以认为是在物理结构的同一位置;在有限元模型的11号节点引入外扰力模拟直升机旋翼的激振力,在1~10号节点引入主动控制力,并以这些节点处的加速度响应作为误差信号和评价DFxLMS算法主动控制性能指标,参照图8,图8所示为本实施例选用的直升机有限元模型及控制节点位置;
基于图8中选取的控制节点,依次采集所有作动器输出与外扰激振力相同的激励引起待减振位置处(控制节点处)的振动响应,对于本实施例将会获得10×10=100个振动响应作为次级通道传递函数辨识的期望信号,然后采用最小均方算法依次进行次级通道离线辨识,最终获得与所有次级通道传递函数等效的100组FIR滤波器权系数,一般辨识误差要控制在10%以内,否则可能会影响整个分布式算法的控制效果;
本实施例设置的仿真条件为:在11号控制节点处给予频率为17Hz,幅值为400N的外扰激振力,参考信号与外扰激振力相同,期望信号为外扰激振力经初级通道引起的振动响应;控制滤波器抽头数为设置为64,初值为0,采样率1000Hz,仿真时长100s,收敛系数μ=5.358×10-2。次级通道耦合量化阈值设置为88%,由融合矩阵A可得单频外扰时控制网络拓扑结构,如图9所示。各节点控制效果由式(7)可得,全局控制效果由式(8)可得,引入外扰激励4s后开始施加主动控制,仿真结果如图10~12所示,图10为10个控制节点误差传感器加速度时间历程,图11为10个控制节点根据式(7)所得控制效果时间历程,图12为10个控制节点作动器输出力时间历程;
从图10和图11对比结果可以看出:扩散算法总体上达到了与集中式一致的控制效果,只是VR4和VR5两曲线重合度有些偏差,其他节点两曲线都是降20dB后才出现分叉。图11中各作动器输出力都能快速稳定,除节点10两种算法输出力差不多外,其他9个节点的作动器输出力差别很大,特别是y4和y5相差约600N。
此时,以6号控制节点(|N6|=4)为例,表3给出了集中式算法与扩散算法的运算量对比。扩散算法的运算量明显小于集中式算法的运算量,降低了28.57%。值得说明的是,随着控制规模的增大,扩散算法在减小计算量方面的优势将更加明显。
表3算例运算量对比
运算复杂度 | 平均乘加次数 |
MIMO | 13440 |
DFxLMS | 9600 |
需要说明的是,本发明中供对比的集中式算法在仿真中可实现,并不代表其实际物理可实现,其中涉及处理器性能等多方面硬件技术的支持,对于本发明所面临的大规模系统主动控制需求集中式算法目前是无法物理实现的,但扩散算法是能够物理实现的,图13给出了基于FxLMS算法的单通道ACSR物理实现系统框图。
进一步需要说明的是,主动振动控制系统的规模越大该扩散算法的优势越明显。
另外,本发明实施例还提供一种计算机可读存储介质,其中,该计算机可读存储介质可存储有程序,该程序执行时包括上述方法实施例中记载的任何基于扩散协作策略的分布式主动振动抑制方法的部分或全部步骤。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储器中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器、随机存取器、磁盘或光盘等。
以上所述的具体实施方式,对本申请的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本申请的具体实施方式而已,并不用于限定本申请的保护范围,凡在本申请的技术方案的基础之上,所做的任何修改、等同替换、改进等,均应包括在本申请的保护范围之内。
Claims (5)
1.一种基于扩散协作策略的分布式主动振动抑制方法,其特征在于,所述方法包括以下步骤:
确定受控对象的待减振位置,在所述待减振位置上布置控制节点,其中控制节点由误差传感器、作动器和处理器组成;量化不同控制节点间的次级通道耦合程度,保留耦合程度满足预设阈值的次级通道,得到控制网络拓扑结构;
基于所述控制网络拓扑结构,根据基于扩散协作策略的分布式主动振动抑制算法更新控制节点的控制权向量,并基于所述控制权向量计算各控制节点的作动力;具体包括:基于控制网络拓扑结构,每个控制节点k仅利用邻居的次级通道传递函数进行自身控制权向量的自适应更新,舍弃非邻居次级通道传递函数,假设多通道振动主动控制系统中有I个参考传感器、J个次级作动器和K个误差传感器,存在I×K个初级通道和J×K个次级通道,设定K=J;
假设节点k的所有邻居次级通道传递函数的辨识结果为辨识值在节点k先对参考信号进行滤波,即:
式中xs(n)=[x(n),x(n-1),…,x(n-Ls+1)]T,Ls为次级通道滤波器阶数;
接着对滤波参考信号进行融合,即:
式中,{aj,k≥0}为融合系数,表示滤波参考信号,L为控制滤波器阶数,j为控制节点k的邻居控制节点,n为当前时刻,融合系数{aj,k≥0}由控制节点协作网络拓扑结构确定;
然后求期望信号与次级响应间误差信号为:
W(n)是控制网络的拓扑结构在第n时刻对全局理论解Wo∈RLJ的估计值,e(n)=[e1(n),e2(n),…,eJ(n)]T,d(n)=[d1(n),d2(n),…,dJ(n)]T,表示期望信号,J为控制网络中控制节点的总数,k为当前控制节点编号;
求解各作动器的输出力:
其中,wk(n)=[W(n)]L(k-1)+1:Lk,x(n)=[x(n),x(n-1),…,x(n-L+1)]T,最后得到y(n)=[y1(n),y2(n),…,yJ(n)]T;
最后控制节点的控制权向量的自适应更新过程:
其中,μ为收敛系数;
控制节点的作动力经次级通道引起的次级响应与待减振位置处的期望信号进行叠加,实现抑制待减振位置处的振动,其中所述期望信号为受控对象的外扰激振力经初级通道引起的初级响应。
2.根据权利要求1所述的一种基于扩散协作策略的分布式主动振动抑制方法,其特征在于,所述误差传感器和作动器布置在同一物理位置。
3.根据权利要求1所述的一种基于扩散协作策略的分布式主动振动抑制方法,其特征在于,所述量化不同控制节点间的次级通道耦合程度具体包括:
第一控制节点的作动器输出与所述受控对象外扰激振力相同的激励,并采集所有控制节点的误差信号幅值;
第二控制节点的作动器输出与所述受控对象外扰激振力相同的激励,并采集所有控制节点的误差信号幅值;
遍历所有控制节点的作动器并采集所有误差信号幅值,将采集到的幅值按上述遍历顺序保存为N*N的矩阵C,其中N为控制节点的总数;
判断所述矩阵C中的元素是否满足所述预设阈值,若满足,则将该元素置0,否则置1,得到矩阵A。
4.根据权利要求3所述的一种基于扩散协作策略的分布式主动振动抑制方法,其特征在于,对所述矩阵A进行无向化操作获取融合矩阵,所述无向化操作具体为:
A=A+AT+I
其中,T为矩阵转置,I为单位矩阵。
5.一种计算机可读存储介质,其特征在于,所述存储介质中含有如权利要求1至4任一项所述的一种基于扩散协作策略的分布式主动振动抑制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210152667.8A CN114637199B (zh) | 2022-02-18 | 2022-02-18 | 一种基于扩散协作策略的分布式主动振动抑制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210152667.8A CN114637199B (zh) | 2022-02-18 | 2022-02-18 | 一种基于扩散协作策略的分布式主动振动抑制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114637199A CN114637199A (zh) | 2022-06-17 |
CN114637199B true CN114637199B (zh) | 2024-03-19 |
Family
ID=81945827
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210152667.8A Active CN114637199B (zh) | 2022-02-18 | 2022-02-18 | 一种基于扩散协作策略的分布式主动振动抑制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114637199B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115767788A (zh) * | 2022-10-18 | 2023-03-07 | 中国船舶重工集团公司第七一九研究所 | 一种面向复杂系统的网络拓扑主动振动控制方法 |
CN115933400B (zh) * | 2022-12-21 | 2023-05-16 | 哈尔滨工业大学 | 一种多自由度精密运动台动态解耦控制方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001035175A1 (en) * | 1999-11-10 | 2001-05-17 | Adaptive Control Limited | Controllers for multichannel feedforward control of stochastic disturbances |
CN102518743A (zh) * | 2011-12-30 | 2012-06-27 | 中联重科股份有限公司 | 一种塔吊-索塔结构耦合振动的振动控制方法 |
CN105652662A (zh) * | 2016-01-30 | 2016-06-08 | 西北工业大学 | 一种窄带自适应滤波的压电结构振动主动控制方法 |
CN105843270A (zh) * | 2016-03-31 | 2016-08-10 | 南京航空航天大学 | 一种直升机多频振动主动控制方法 |
CN106628132A (zh) * | 2016-09-12 | 2017-05-10 | 南京航空航天大学 | 一种直升机结构响应主动振动控制系统及其控制方法 |
CN108225714A (zh) * | 2018-02-02 | 2018-06-29 | 哈尔滨工程大学 | 一种应用于风洞模型振动抑制的主动抑振装置 |
AU2020103330A4 (en) * | 2020-11-09 | 2021-01-21 | Southwest University | distributed adaptive quantization estimation algorithm |
CN113485118A (zh) * | 2021-07-28 | 2021-10-08 | 华中科技大学 | 一种基于Nadam改进FUNLMS算法的ANC优化控制方法 |
-
2022
- 2022-02-18 CN CN202210152667.8A patent/CN114637199B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001035175A1 (en) * | 1999-11-10 | 2001-05-17 | Adaptive Control Limited | Controllers for multichannel feedforward control of stochastic disturbances |
CN102518743A (zh) * | 2011-12-30 | 2012-06-27 | 中联重科股份有限公司 | 一种塔吊-索塔结构耦合振动的振动控制方法 |
CN105652662A (zh) * | 2016-01-30 | 2016-06-08 | 西北工业大学 | 一种窄带自适应滤波的压电结构振动主动控制方法 |
CN105843270A (zh) * | 2016-03-31 | 2016-08-10 | 南京航空航天大学 | 一种直升机多频振动主动控制方法 |
CN106628132A (zh) * | 2016-09-12 | 2017-05-10 | 南京航空航天大学 | 一种直升机结构响应主动振动控制系统及其控制方法 |
CN108225714A (zh) * | 2018-02-02 | 2018-06-29 | 哈尔滨工程大学 | 一种应用于风洞模型振动抑制的主动抑振装置 |
AU2020103330A4 (en) * | 2020-11-09 | 2021-01-21 | Southwest University | distributed adaptive quantization estimation algorithm |
CN113485118A (zh) * | 2021-07-28 | 2021-10-08 | 华中科技大学 | 一种基于Nadam改进FUNLMS算法的ANC优化控制方法 |
Non-Patent Citations (1)
Title |
---|
自适应主动振动控制仿真分析;孙文豪;《噪声与振动控制》;第37卷(第6期);第23-30页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114637199A (zh) | 2022-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114637199B (zh) | 一种基于扩散协作策略的分布式主动振动抑制方法 | |
CN110058519B (zh) | 一种基于快速自适应技术的主动编队容错控制方法 | |
CN109116736B (zh) | 基于滑模的线性多智能体系统执行器故障的容错控制方法 | |
Calise et al. | Direct adaptive reconfigurable control of a tailless fighter aircraft | |
CN110673649B (zh) | 基于拓扑优化的时变信道下无人机编队一致性控制方法、系统、装置及存储介质 | |
CN105204499B (zh) | 基于未知输入观测器的直升机协同编队故障诊断方法 | |
CN111487991B (zh) | 一种面向无人机集群的安全等级预测方法及系统 | |
CN109884902B (zh) | 一种基于区间观测器无人机编队系统故障检测方法 | |
CN112650290A (zh) | 带有扰动补偿的高层消防无人机编队优化控制方法及系统 | |
Arcari et al. | Dual stochastic MPC for systems with parametric and structural uncertainty | |
CN111221311B (zh) | 基于参数变分法的复杂网络分布式脉冲同步方法及系统 | |
CN110362103B (zh) | 分布式自主水下航行器姿态协同优化控制方法 | |
CN115309047A (zh) | 一种基于事件触发的多控制器系统稳定控制方法 | |
Huber et al. | Self-repairing flight control system | |
Rego et al. | Cooperative path-following control with logic-based communications: Theory and practice | |
Marcosig et al. | Hybrid adaptive control for UAV data collection: A simulation-based design to trade-off resources between stability and communication | |
Lunze et al. | Introduction to networked control systems | |
CN110162074B (zh) | 一种基于层级结构的直升机群的姿态健康管理方法 | |
CN116781754A (zh) | 一种网络攻击下多智能体鲁棒容错协同控制方法 | |
Liang et al. | Simulation studies on the boundary stabilization and disturbance rejection for fractional diffusion-wave equation | |
Horn et al. | Probabilistic robust control of rotorcraft | |
Yu et al. | Active Quantizer-Based Model-Free Adaptive Consensus Tracking for Multiple HSTs Against Sensor Bias | |
Caplin et al. | Damage-mitigating control of aircraft for enhanced structural durability | |
Nitzsche et al. | Closed-loop control tests for vertical fin buffeting alleviation using strain actuation | |
Hess | A pilot modeling technique for handling-qualities research |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |