| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 引言 | 第11页 |
| 1.2 压电抑振技术研究现状 | 第11-14页 |
| 1.2.1 压电传感器/致动器优化设计研究 | 第12页 |
| 1.2.2 控制策略及算法的研究 | 第12-13页 |
| 1.2.3 车身结构压电抑振技术研究 | 第13-14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 第2章 压电抑振控制系统传感器/致动器布置形式研究 | 第15-23页 |
| 2.1 模态分析 | 第15-20页 |
| 2.1.1 压电矩形薄板模态分析 | 第15-18页 |
| 2.1.2 车门外板模态分析 | 第18-20页 |
| 2.2 灵敏度分析 | 第20-21页 |
| 2.3 传感器/致动器位置分布 | 第21-22页 |
| 2.3.1 压电矩形薄板致动器位置布置 | 第21-22页 |
| 2.3.2 车门外板传感器/致动器位置分布 | 第22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 压电抑振系统数值建模及仿真分析 | 第23-37页 |
| 3.1 压电材料机电特性 | 第23-29页 |
| 3.1.1 正逆压电效应 | 第23-25页 |
| 3.1.2 压电陶瓷其他特性 | 第25页 |
| 3.1.3 压电方程 | 第25-26页 |
| 3.1.4 压电矩形薄板的状态空间方程 | 第26-29页 |
| 3.2 压电矩形薄板振动响应仿真 | 第29-32页 |
| 3.3 压电智能薄板的神经网络建模 | 第32-36页 |
| 3.3.1 神经网络设计 | 第32-33页 |
| 3.3.2 压电智能板的神经网络建模 | 第33-35页 |
| 3.3.3 基于神经网络模型的振动响应仿真 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 压电智能板抑振仿真分析 | 第37-63页 |
| 4.1 经典 PID 控制 | 第37-45页 |
| 4.1.1 PID 控制算法 | 第37-38页 |
| 4.1.2 PID 控制的参数调节规律 | 第38-39页 |
| 4.1.3 经典 PID 振动控制仿真 | 第39-45页 |
| 4.2 神经网络控制 | 第45-50页 |
| 4.2.1 神经 PID 设计 | 第45-46页 |
| 4.2.2 神经网络 PID 振动控制仿真 | 第46-50页 |
| 4.3 模糊控制 | 第50-58页 |
| 4.3.1 模糊控制设计 | 第50-54页 |
| 4.3.2 模糊控制振动控制仿真 | 第54-58页 |
| 4.4 不同控制算法的振动控制对比 | 第58-61页 |
| 4.5 本章小结 | 第61-63页 |
| 第5章 基于 LabVIEW 振动测控平台的主动抑振实验研究 | 第63-81页 |
| 5.1 振动控制实验设计 | 第63-69页 |
| 5.1.1 实验测试原理介绍 | 第63-64页 |
| 5.1.2 振动测试实验平台简介 | 第64-66页 |
| 5.1.3 基于 LabVIEW 的振动测控系统 | 第66-69页 |
| 5.1.4 软件系统运行原理 | 第69页 |
| 5.2 压电矩形薄板主动抑振的实验验证 | 第69-77页 |
| 5.2.1 控制算法的实验验证及结果分析 | 第70-71页 |
| 5.2.2 不同激励信号的实验及结果分析 | 第71-73页 |
| 5.2.3 致动器布置形式的影响 | 第73-74页 |
| 5.2.4 不同传感器的影响 | 第74-76页 |
| 5.2.5 其他实验条件的影响 | 第76-77页 |
| 5.3 车门系统的主动抑振实验验证 | 第77-79页 |
| 5.4 本章小结 | 第79-81页 |
| 第6章 结论与展望 | 第81-85页 |
| 6.1 结论 | 第81-82页 |
| 6.2 展望 | 第82-85页 |
| 参考文献 | 第85-89页 |
| 作者简介 | 第89-91页 |
| 致谢 | 第91页 |