| 摘要 | 第8-10页 |
| ABSTRACT | 第10-12页 |
| 目录 | 第13-16页 |
| 第一章 绪论 | 第16-35页 |
| 1.1 课题来源 | 第16页 |
| 1.2 课题研究的目的和意义 | 第16-18页 |
| 1.3 压电智能结构振动控制的研究概况 | 第18-27页 |
| 1.3.1 智能结构概述 | 第18-20页 |
| 1.3.2 压电智能材料在结构振动研究中的应用 | 第20-21页 |
| 1.3.3 压电智能结构振动控制研究现状 | 第21-25页 |
| 1.3.4 压电智能结构振动主动控制系统的关键技术 | 第25-27页 |
| 1.4 自适应滤波振动主动控制技术 | 第27-33页 |
| 1.4.1 自适应滤波算法概述 | 第27-28页 |
| 1.4.2 自适应滤波振动控制发展现状 | 第28-31页 |
| 1.4.3 压电智能结构自适应滤波振动控制的关键性问题 | 第31-33页 |
| 1.5 论文的主要研究内容 | 第33-34页 |
| 1.6 本章小结 | 第34-35页 |
| 第二章 压电智能结构动力学分析 | 第35-54页 |
| 2.1 引言 | 第35页 |
| 2.2 压电智能结构的动力学建模概况 | 第35-36页 |
| 2.3 压电传感作动原理 | 第36-41页 |
| 2.3.1 压电效应简介 | 第36-38页 |
| 2.3.2 压电动力学方程 | 第38-41页 |
| 2.4 压电智能梁的动力学 | 第41-47页 |
| 2.4.1 外力激励下波的传播 | 第41-43页 |
| 2.4.2 均质梁的强迫振动响应 | 第43-45页 |
| 2.4.3 等效弹性模量理论 | 第45页 |
| 2.4.4 压电智能梁的强迫振动响应 | 第45-47页 |
| 2.5 压电智能框架结构的动力学 | 第47-52页 |
| 2.5.1 L 型框架振动响应 | 第47-51页 |
| 2.5.2 L 型框架仿真分析 | 第51-52页 |
| 2.6 本章小结 | 第52-54页 |
| 第三章 压电智能结构的传感器/作动器优化配置 | 第54-73页 |
| 3.1 引言 | 第54页 |
| 3.2 压电元件优化配置的研究现状 | 第54-56页 |
| 3.3 传感器/作动器优化配置准则 | 第56-60页 |
| 3.3.1 传感器优化配置准则 | 第56-58页 |
| 3.3.2 作动器优化配置准则 | 第58-60页 |
| 3.4 基于粒子群的传感器/作动器优化算法 | 第60-68页 |
| 3.4.1 粒子群优化算法 | 第60-62页 |
| 3.4.2 优化目标函数的建立 | 第62-63页 |
| 3.4.3 粒子群优化过程与结果分析 | 第63-68页 |
| 3.5 压电智能框架结构的构建 | 第68-72页 |
| 3.5.1 实验模型结构设计 | 第68-69页 |
| 3.5.2 框架结构的传感器/作动器的位置配置方案 | 第69-72页 |
| 3.6 本章小结 | 第72-73页 |
| 第四章 有限脉冲响应自适应滤波控制策略 | 第73-92页 |
| 4.1 引言 | 第73页 |
| 4.2 自适应滤波器的基本原理 | 第73-77页 |
| 4.3 最小均方算法 | 第77-79页 |
| 4.4 自适应滤波-X LMS 振动控制算法 | 第79-80页 |
| 4.5 改进型滤波-X LMS 算法 | 第80-86页 |
| 4.5.1 基于滤波-X 的参考信号自提取控制策略 | 第80-82页 |
| 4.5.2 基于滤波-X 的控制通道在线辨识控制策略 | 第82-86页 |
| 4.6 算法仿真分析 | 第86-91页 |
| 4.6.1 自适应滤波-X LMS 振动控制算法 | 第86-87页 |
| 4.6.2 基于滤波-X 的参考信号自提取的振动控制算法 | 第87-89页 |
| 4.6.3 基于滤波-X 的控制通道在线辨识的自适应控制算法 | 第89-91页 |
| 4.7 本章小结 | 第91-92页 |
| 第五章 无限脉冲响应自适应滤波控制策略 | 第92-113页 |
| 5.1 引言 | 第92页 |
| 5.2 自适应滤波-U LMS 振动控制算法 | 第92-97页 |
| 5.2.1 滤波-U 最小均方算法概述 | 第92-93页 |
| 5.2.2 自适应滤波-U LMS 振动控制算法 | 第93-97页 |
| 5.3 改进型滤波-U LMS 算法 | 第97-99页 |
| 5.3.1 基于滤波-U 的参考信号自提取振动控制策略 | 第97-98页 |
| 5.3.2 基于滤波-U 的控制通道在线辨识控制策略 | 第98-99页 |
| 5.4 算法的性能分析 | 第99-104页 |
| 5.4.1 收敛性分析 | 第99-102页 |
| 5.4.2 快速性分析 | 第102-103页 |
| 5.4.3 稳定性分析 | 第103-104页 |
| 5.5 算法仿真分析 | 第104-111页 |
| 5.5.1 自适应滤波-U LMS 振动控制算法 | 第104-105页 |
| 5.5.2 基于滤波-U 的参考信号自提取振动控制算法 | 第105-106页 |
| 5.5.3 基于滤波-U 的控制通道在线辨识控制算法 | 第106-111页 |
| 5.6 本章小结 | 第111-113页 |
| 第六章 实验平台构建与实验结果分析 | 第113-129页 |
| 6.1 引言 | 第113页 |
| 6.2 实验平台开发与构建 | 第113-115页 |
| 6.2.1 实验平台的硬件构成 | 第113-114页 |
| 6.2.2 实验平台的软件开发 | 第114-115页 |
| 6.3 自适应滤波振动控制实验方法与步骤 | 第115-117页 |
| 6.4 自适应滤波-X 实验与结果分析 | 第117-122页 |
| 6.4.1 自适应滤波-X LMS 振动控制算法 | 第117-118页 |
| 6.4.2 基于滤波-X 的参考信号自提取算法 | 第118-120页 |
| 6.4.3 基于滤波-X 的控制通道在线辨识振动控制算法 | 第120-122页 |
| 6.5 自适应滤波-U 实验与结果分析 | 第122-128页 |
| 6.5.1 自适应滤波-U LMS 振动控制算法 | 第122-124页 |
| 6.5.2 基于滤波-U 的参考信号自提取算法 | 第124-125页 |
| 6.5.3 基于滤波-U 的控制通道在线辨识振动控制算法 | 第125-128页 |
| 6.6 本章小结 | 第128-129页 |
| 第七章 结论与展望 | 第129-133页 |
| 7.1 结论 | 第129-131页 |
| 7.2 展望 | 第131-133页 |
| 参考文献 | 第133-152页 |
| 作者在攻读博士学位期间科研论文发表及专利申请情况 | 第152-154页 |
| 作者在攻读博士学位期间所参加的主要科研项目 | 第154-155页 |
| 致谢 | 第155-156页 |
