原文传递
面向多阶模态的氢燃料电池商用车驾驶室声振主动控制方法研究
| 论文题名： | 面向多阶模态的氢燃料电池商用车驾驶室声振主动控制方法研究 |
| 关键词： | 氢燃料电池商用车;驾驶室;声振主动控制;多阶模态控制;PSO算法;LSTM神经网络 |
| 摘要： | 氢燃料电池商用车作为近几年国家大力推动发展的环保、高效新能源车辆，其振动噪声控制是企业和用户重点关心的问题之一。面向其核心驾驶室结构设计针对性的控制方案实现声振抑制，对提升驾驶品质有重要意义。 本文面向多模态复合控制的大空间非规则复杂工程，基于 COMSOL-MATLAB交互仿真平台，探究了针对驾驶室结构的声振主动控制方法，解决了氢燃料电池商用车在中低频段尤其是低频段的振声抑制难题，为主动噪声控制系统在大型机械产品和设备中的工程转移应用提供了借鉴和参考。 首先，基于对氢燃料电池商用车的噪声源特性分析，确定了核心控制频段和被控对象；以驾驶室工程模型基础，对白车身结构进行合理的有限元建模与简化设计；同时，结合车辆实际工况的模拟，仿真获得结构振动模态特性，讨论模态振动与噪声控制之间的联系，考虑基于多模态控制的声振抑制方向。 其次，分析大空间非规则结构特性，基于压电控制原理，确立以模态振动能量为核心的评价指标，实现对主要控制阶数及传感器/作动器数目的配置；设计面向多模态复合控制的改进可观性/可控性准则，确立以等效替换为拾振点位置多阶模态表面振速矢量为核心参数的粒子群算法优化目标函数，实现传感器/作动器最优位置匹配；同时，提出改进线性-自适应分段函数粒子群算法（ Liner-Adaption Particle Swarm Optimization，LA-PSO），满足复杂结构对收敛性能和精确度的需求。 最后，采用NADAM优化的滤波-U归一化最小均方根算法（Filter-U Normalization Least Mean Square，FUNLMS）整合前述配置，建立面向多模态的大空间非规则结构主动控制系统；基于长短时神经网络（Long Short Time Neural Network，LSTM），实现控制信号的识别和预测，改善系统在工程实际运行处理大量数据时的硬件时滞性问题，优化控制效果。最终，基于 COMSOL-MATLAB 联合仿真平台搭建交互式实时控制框架，实现对方法的模拟和验证。 本文以氢燃料电池商用车驾驶室白车身结构为例，搭建了针对大空间非规则结构的声振主动控制方法体系，同时结合自适应理论、LSTM识别预测，改进了PSO、Nadam-FUNLMS算法，改善了所设计控制系统的迭代收敛性能及声振抑制效果，提升了被控对象的整体性能，具备良好的工程借鉴性。 |
| 作者： | 赵开阳 |
| 专业： | 机械工程 |
| 导师： | 黄其柏 |
| 授予学位： | 硕士 |
| 授予学位单位： | 华中科技大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
