[发明专利]一种用于直升机主减反共振隔振的惯性元件独立控制方法

摘要

本发明公开了一种用于直升机主减反共振隔振的惯性元件独立控制方法，包括：在主减隔振系统有限元模型和实体模型中，仿真测量获得主减隔振系统的四个质量块位置和对应的反共振频率样本；采用BP神经网络方法，训练有限元模型和实体模型质量块位置预测神经网络；以单个质量块位置最大变化量最小为约束条件，分别在有限元模型和实体模型中，多组神经网络决策最优质量块位置；综合频率跟踪算法和神经网络算法，编制控制质量块独立运动的控制程序；根据测得的激励频率，电机驱动各质量块到预测的最优质量块位置，使得系统迅速恢复隔振效果。本发明可使隔振效率能够覆盖频段所有频率，并且当外激励改变时，使隔振系统更快恢复隔振效果。

主权项

1.一种用于直升机主减反共振隔振的惯性元件独立控制方法，采用主减隔振系统，所述的主减隔振系统包括：四根主减速器撑杆汇于一虚焦点，在整个旋翼与主减速器旋翼旋转平面内的激振力作用下能绕虚焦点摆动；四个共振梁上各设置有一个线性模组，每个线性模组上方设置有一个质量块；由控制电机调节质量块的移动；其特征在于，所述方法包括：步骤一、测取主减隔振系统的外激励频率；步骤二、针对主减隔振系统有限元模型，仿真获得主减隔振系统有限元模型质量块位置预测神经网络训练样本；步骤三、选择BP神经网络结构、参数以及训练方法，训练多组主减隔振系统有限元模型质量块位置预测神经网络；以单个质量块位置最大变化量最小为优化目标，多组神经网络决策最优质量块位置；步骤四、针对主减隔振系统实体模型，对照主减隔振系统有限元模型仿真样本数据，试验获得主减隔振系统实体模型质量块位置预测神经网络训练样本；步骤五、针对主减隔振系统有限元模型实体模型质量块位置预测神经网络训练样本，训练多组主减隔振系统有限元模型实体模型质量块位置预测神经网络，并以单个质量块位置最大变化量最小为优化目标，多组神经网络决策最优质量块位置；步骤六、针对主减隔振系统实体模型，综合频率跟踪算法和神经网络算法，设计基于神经网络质量块独立运动跟频控制试验，验证质量块独立运动的控制方法。