振动台控制系统.pptx

邓石磊1.振动台新的控制技术时域正弦控制。它是在输入信号中除了输入期望正弦信号外，同时加入响应信号中包含的高次谐波分量，并且适当调整高次谐波的幅值和相位，以抵消在响应信号中的高次谐波，使输出波形成为理想的正弦信号。
(2)幅相控制
由于大多数自适应滤波算法都存在稳定性问题，而且一直没能确定这些算法稳定的充分条件，近年来，也有学者进行了一些新的尝试。美国加州大学SanDiego分校的两位学者Antranik和Miroslav于2007年提出了一种极值搜索算法，通过实时计算响应信号和期望信号的幅值和相位差值，控制幅相控制器实现正弦加速度波形的精确跟踪。
(3)自适应逆控制该技术则是将期望的随机信号通过一个补偿滤波器产生被控系统的驱动信号，使系统的输出波形收敛于参考波形。这个补偿滤波器的传递函数通过特定的自适应算法收敛于被控系统传递函数的逆函数。当算法收敛时输出信号就会跟踪上输入的期望信号。
对于线性系统一般采用线性自适应滤波器，而对于非线性系统一般采用基于神经网络的自适应滤波器等。在文献中我看到大部分都是讲的是横向的滤波器，所以我推测这可能是考虑到地震横波或面波到达时地面震动最猛烈对建筑结构产生的影响也是最大，一般资料都认为地震动在地表引起的破坏主要是横波（S波）的水平振动导致。

2.自适应滤波器及自适应算法
自适应滤波器由滤波系统和自适应算法两部分组成，如图1-2所示。滤波系统根据功能要求的不同具有不同的结构形式；自适应算法用来调整滤波系统的结构参数。自适应滤波算法可以分为两类最基本的算法：最小均方误差（LMS）算法和递推最小二乘（RLS）算法。最小均方误差(LMS)算法计算量小、易于实现，得到了广泛的应用，通常采用变步长的策略解决收敛精度与收敛速度的矛盾问题；递归最小二乘法（RLS），具有快速收敛性，却是以牺牲计算复杂度和鲁棒稳定性为代价的，求解RLS问题时经常遇到稳态发散现象。
最速下降法利用梯度信息分析自适应滤波性能和追踪最佳滤波状态，是理解各种基于梯度的自适应滤波方法的基础。
代价函数J(W)是某个未知权向量W的连续可微函数，将向量W映射为实数。自适应滤波的过程就是寻找一个最优解，使得代价函数取得最小值。适合于自适应滤波的最优化算法是局部迭代下降的思想，即从某一初始值出发，产生一系列权向量使得代价函数在算法的每一次迭代都是下降的，从而逐步逼近最优解。最速下降法是通过沿最速下降的方向（即负梯度方向），连续调整权向量W。
因此最速下降法可表示为式3-2所示的形式。

1960年，美国斯坦福大学的Widrow等提出了最小均方（LMS）算法，
这是一种用瞬时值估计梯度矢量的方法，如式3-3所示。

式3-3是梯度矢量的无偏估计，用其代替最陡下降法中的梯度矢量可以得到LMS算法的滤波系数更新公式如式3-4所示。收敛条件为0<μ<2/tr(R)。

归一化的LMS算法就是一种应用变步长策略的LMS算法，其滤波器权矢量更新方程如式3-5所示。收敛条件为0<μ<2。

式中μ——控制失调的固定收敛因子；
γ——为避免步长过大而设置的参数。