基于机敏结构的轿车车身振动主动抑制试验研究

《基于机敏结构的轿车车身振动主动抑制试验研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、TheActiveVibrationSuppressionExperimentalResearchBasedontheSmartStructureoftheCarBodyAThesisSubmittedtoChongqingUniversityinPartialFulfillmentoftheRequirementfortheProfessionalDegreeByLiaoYichengSupervisedbyProf.DengZhaoxiangPluralisticSupervisedbyJinYanSpeci

2、alty:ME（VehicleEngineeringField）CollegeofMechanicalEngineeringChongqingUniversity,Chongqing,ChinaMarch2013重庆大学硕士学位论文中文摘要摘要随着对轿车车身轻量化的要求越来越高，车身板件振动加剧和乘坐舒适性下降。因此，控制轿车车身板件的振动有很大的必要性。本文基于机敏结构对车身振动控制进行研究，利用神经网络对SCLD结构控制通道进行辨识，将得到的控制通道网络模型运用于FXLMS控制器中，在不同的激励条件下，探讨车

3、身板件在SCLD单元同时控制和单独控制时振动控制效果，并开展实验研究，从而为SCLD结构在轿车车身上的应用打下基础。首先，针对给定的非线性系统，探讨典型动态时延网络辨识性能，并对神经网络在线辨识进行可行性验证。结果表明NARX网络离线辨识具有收敛速度快、精度较高且迭代步数少等特点，适用于非线性系统辨识。然后，以局部覆盖SCLD结构的薄板为研究对象，采用FXLMS算法设计了主动控制器，并将由NARX网络离线辨识得到的控制通道网络模型运用于控制器中，在不同的激励条件下，通过仿真试验和实验验证，探讨薄板在SCLD单元同

4、时控制和单独控制时振动控制效果。研究表明：NARX网络离线辨识能够得到SCLD板结构控制通道的精确模型；在单一正弦信号激励下，采用控制通道网络模型的FXLMS控制器的SCLD结构具有良好的振动抑制能力，振动加速度幅值下降明显；在0～200HZ白噪声信号激励下，压电单元同时控制下无法实现振动抑制，采用压电单元单独控制时效果较好。最后，将前述方法和结论用于实际的车身振动控制，以某轿车车身缩尺模型为研究对象，搭建了基于SCLD技术的车身结构振动主动控制实验系统，对车身结构振动进行实验研究，证明SCLD结构用于车身振动控

5、制的有效性，为SCLD结构运用于工程实际奠定了良好的基础。关键词：车身，振动控制，SCLD结构，FXLMS，NARX网络I重庆大学硕士学位论文英文摘要ABSTRACTWiththetrendofenvironmentalprotectionandenergysaving,thedemandoflightweighttothebodyofvehicleisbecomingincreasinglyhigher.Accordingly,theproblemoftheaggravationofvehiclepanel’s

6、vibrationandtheproblemofthedeclineofridecomfortwillbebroughtaboutinthiscase.Hence,itisessentialtocontrolthevibrationofvehiclepanel’svibration.Thestudyofvehicle’svibrationiscarriedoutbasedonthesmartconstrainedstructure.Smartconstrainedlayerdamping(SCLD)structu

7、re’scontrolpassageisdistinguishedthroughneuralnetwork.AndthecontrolpassagenetworkmodelisusedinFXLMScontroller.Ondifferentstimulationconditions,thecontroleffectofvehiclepanel’svibrationisstudiedincludingtheoryandexperimentresearchwhentheSCLDelementsarecontroll

8、edatthesametimeandsolely,respectively.ThisresearchwouldlaythefoundationfortheapplicationofSCLDstructureonvehicle.Firstly,theidentificationperformanceofclassicallydynamictimedelaynetworkis