本发明专利技术提出了一种基于CompactRIO的实时主动减振系统及减振方法。所述主动减振系统包括：数据采集模块、数据处理模块、控制信号输出模块、作动抑振模块，所述数据采集模块用于获取被控系统的原始振动信号；所述数据处理模块用于根据原始振动信号通过控制算法的运算获得控制分量；所述控制信号输出模块用于将控制分量转换为模拟信号输出；所述作动抑振模块用于根据控制模拟信号对被动系统的振动进行抑制。本发明专利技术基于简化的迭代学习控制策略的软硬件平台设计方案，所依据的迭代学习控制策略将实现有限区间上的完全跟踪任务，通过对系统进行控制尝试，以输出信号与目标信号的偏差修正不理想的控制信号，提高系统的跟踪性能。提高系统的跟踪性能。提高系统的跟踪性能。
【技术实现步骤摘要】
一种基于CompactRIO的实时主动减振系统及减振方法
[0001]本专利技术涉及结构动力学振动主动控制领域，具体涉及一种基于CompactRIO的实时主动减振系统及减振方法。
技术介绍
[0002]在诸多工程
，结构不必要的振动及环境噪声扰动将对结构的性能造成一定的影响，结构长久的损耗更可能引发十分严重的后果。振动主动控制是一种“以动制动”的控制方式，在振动控制过程中，根据所检测到的振动信号应用一定的控制策略，经过实时计算，进而驱动作动器对控制目标施加一定的影响，达到抑制或消除振动的目的。振动主动控制能够有效地抑制扰动，具有自适应强、功耗低，应用广等特点，使其成为近年来振动控制领域研究的热点。
[0003]随着新材料技术的发展，功能材料也越来越丰富，功能材料通常有两类，一类是对外界刺激（如：声、光、电、磁、力）产生反应，通常称为感知材料，可做成各种传感器。另一类是对外部环境条件发生变化产生响应，称为智能材料，适合做成各种驱动器。其中压电材料特有的力电耦合正逆压电效应使其在工程中应用范围不断扩大，尤其是结构振动控制领域中，压电智能材料因具有自感知、自适应、自调节、高频宽、易成形、方便粘贴于结构表面或埋置于结构内部等特性，而成为弹性结构主动控制中最受欢迎的智能材料。
[0004]LabVIEW作为图形化的编程开发环境，是工业界公认的标准的数据采集和仪器控制软件。其开发环境组成有：前面板，后面板以及图标/连接器三部分。前面板是图形化交互界面，用于设置输入数值和观察输出值，类似于传统仪器的人工操作面板。后面板则包含虚拟仪器程序的图形化源代码，通过选取并连接各功能模块，无需文本编程就可实现程序的逻辑功能。LabVIEW RT在LabVIEW的基础上增添了实时控制模块，在保持原有图形化编程特点的基础上，在相关硬件或软件时钟的支持下提供了实时控制功能，为开发实时测控系统提供了一个很好的解决方案。
[0005]现有的基于压电智能材料的结构振动主动控制测控系统多受限于层合压电结构本身的动力学建模，即被控结构模型的变更将对控制效果产生较大影响，测控系统的普适性不高。因此有必要加以改进，提高测控系统的实用性。
技术实现思路
[0006]专利技术目的：针对现有技术的不足，本专利技术提出一种基于CompactRIO的实时主动减振系统，通过软硬件协作达到对结构的主动减振目的，实现工程人员实时的数据处理及响应监测。
[0007]本专利技术的另一目的是提供一种基于CompactRIO的实时主动减振方法。
[0008]技术方案：一种基于CompactRIO的实时主动减振系统，包括：数据采集模块、数据处理模块、控制信号输出模块、作动抑振模块，所述数据采集模块用于获取被控系统的原始振动信号；所述数据处理模块用于根据原始振动信号通过控制算法的运算获得控制分量；
所述控制信号输出模块用于将控制分量转换为模拟信号输出；所述作动抑振模块用于根据控制模拟信号对被动系统的振动进行抑制。
[0009]其中，所述数据采集模块包括加速度传感器、PCB传感器电缆，加速度传感器用于测量被控系统的实时加速度信号，PCB传感器电缆用于将传感器连接至数据处理模块，将传感器测得的信号传输至数据处理模块。
[0010]进一步地，所述数据处理模块包括NI 9234采集板卡、NI CRIO嵌入式硬件、以及LabVIEW RT实时测控软件程序，所述LabVIEW RT实时测控软件程序运行于PC终端上；NI 9234采集板卡插在NI CRIO嵌入式硬件上，通过NI CRIO嵌入式硬件与PC相连，将实时测得的信号数据送到PC端的LabVIEW RT实时测控软件程序内进行分析。
[0011]进一步地，所述所述控制信号输出模块包括NI 9264输出板卡，所述NI 9264输出板卡插在所述NI CRIO嵌入式硬件上，PC的控制信号输出至NI 9264输出板卡，NI 9264输出板卡上输出信号通过导线接到作动抑振模块。
[0012]进一步地，所述所述作动抑振模块采用PZT压电驱动片。
[0013]进一步地，所述控制算法的设计如下：选取被控系统中作动器对应位置处的加速度响应e作为被控量，以、分别为定增益与变增益学习控制分量，设置、分别作为全局控制中权衡、的控制增益，为采样时刻，迭代学习的控制算法设计为：为采样时刻，迭代学习的控制算法设计为：为采样时刻，迭代学习的控制算法设计为：为采样时刻，迭代学习的控制算法设计为：为变增益学习控制分量的学习增益，设置为：其中M、N为预设的变增益学习控制分量的权重参数，是e的分段函数，且。
[0014]进一步地，所述控制算法还包括：引入限幅控制，对全局控制输入进行饱和处理，设置，参数输入为控制作动器的过载输入电压，其中为饱和函数，其定义为：，为标准符号函数；为控制作动器的过载输入电压。
[0015]一种基于CompactRIO的实时主动减振方法，包括以下步骤：利用数据采集模块获取被控系统的原始振动信号；数据处理模块根据采集的原始振动信号通过通过控制算法的运算获得控制分量；
控制信号输出模块将控制分量转换为模拟信号进行输出；作动抑振模块根据输出的控制模拟信号对被动系统的振动进行抑制。
[0016]其中，所述数据采集模块包括加速度传感器、PCB传感器电缆，加速度传感器测量被控系统的实时加速度信号，PCB传感器电缆用于将传感器连接至数据处理模块，将传感器测得的信号传输至数据处理模块；所述数据处理模块包括NI 9234采集板卡、NI CRIO嵌入式硬件、以及LabVIEW RT实时测控软件程序，所述LabVIEW RT实时测控软件程序运行于PC终端上；NI 9234采集板卡插在NI CRIO嵌入式硬件上，通过NI CRIO嵌入式硬件与PC相连，将实时测得的信号数据送到PC端的LabVIEW RT实时测控软件程序内进行分析；所述所述控制信号输出模块包括NI 9264输出板卡，所述NI 9264输出板卡插在所述NI CRIO嵌入式硬件上，PC的控制信号输出至NI 9264输出板卡，NI 9264输出板卡上输出信号通过导线接到作动抑振模块；所述所述作动抑振模块采用PZT压电驱动片。
[0017]有益效果：本专利技术提出基于简化的迭代学习控制策略的软硬件平台设计方案，所依据的迭代学习控制策略将实现有限区间上的完全跟踪任务，通过对系统进行控制尝试，以输出信号与目标信号的偏差修正不理想的控制信号，提高系统的跟踪性能。该方案在具有较强的非线性耦合、较高的位置重复精度、难以建模和高精度轨迹跟踪控制要求的被控系统上对于动力学建模及相关参数上依赖程度较小，控制律设计满足实时性强、减振效率高、快速性好等特点，实例实用性更强、适用性更广，并具有良好的交互体验，有着非常重要的意义。
附图说明
[0018]图1为本专利技术实施例的实时主动减振系统组成结构示意框图；图2为本专利技术实施例的LabVIEW实时测控程序设计流程图；图3为本专利技术实施例的迭代学习控制器基本结构示意图；图4为本专利技术实施例的LabV本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于CompactRIO的实时主动减振系统，其特征在于，包括：数据采集模块、数据处理模块、控制信号输出模块、作动抑振模块，所述数据采集模块用于获取被控系统的原始振动信号；所述数据处理模块用于根据原始振动信号通过控制算法的运算获得控制分量；所述控制信号输出模块用于将控制分量转换为模拟信号输出；所述作动抑振模块用于根据控制模拟信号对被动系统的振动进行抑制。2.根据权利要求1所述的基于CompactRIO的实时主动减振系统，其特征在于，所述数据采集模块包括加速度传感器、PCB传感器电缆，加速度传感器用于测量被控系统的实时加速度信号，PCB传感器电缆用于将传感器连接至数据处理模块，将传感器测得的信号传输至数据处理模块。3.根据权利要求2所述的基于CompactRIO的实时主动减振系统，其特征在于，所述数据处理模块包括NI 9234采集板卡、NI CRIO嵌入式硬件、以及LabVIEW RT实时测控软件程序，所述LabVIEW RT实时测控软件程序运行于PC终端上；NI 9234采集板卡插在NI CRIO嵌入式硬件上，通过NI CRIO嵌入式硬件与PC相连，将实时测得的信号数据送到PC端的LabVIEW RT实时测控软件程序内进行分析。4.根据权利要求3所述的基于CompactRIO的实时主动减振系统，其特征在于，所述控制信号输出模块包括NI 9264输出板卡，所述NI 9264输出板卡插在所述NI CRIO嵌入式硬件上，PC的控制信号输出至NI 9264输出板卡，NI 9264输出板卡上输出信号通过导线接到作动抑振模块。5.根据权利要求1所述的基于CompactRIO的实时主动减振系统，其特征在于，所述所述作动抑振模块采用PZT压电驱动片。6.根据权利要求1所述的基于CompactRIO的实时主动减振系统，其特征在于，所述控制算法的设计如下：选取被控系统中作动器对应位置处的加速度响应e作为被控量，以、分别为定增益与变增益学习控制分量，设置、分别作为全局控制中权衡、的控制增益，迭代学习的控制算法设计为：控制增益，迭代学习的控制算法设计为：控制增益，迭代学习的控制算法设计为：控制增益，迭代学习的控制算法设计为：为采样时刻，为变增益学习控制分量的学习增益。7.根据权利要求6所述的基于CompactRIO的实时主动减振系统，其特征在于，所述控制算法还包括：引入限幅控制，对全局控制输入进行饱和处理，设置，参数输入为控制作动器的过载输入电压，其中为饱和函数，其定义为：，为标准符号函数；为控制作动器的过载输入电压。8.一种基于C...
【专利技术属性】
技术研发人员：姜金辉，叶可，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。