58、自适应模糊控制在主动隔振器中的应用研究

自适应模糊控制在主动隔振器中的应用研究

1. 广义在线自构建模糊神经网络（GOSFNN）

GOSFNN 实现了 TSK 模糊推理系统。通过定义非对称高斯函数（DGF）引入了广义椭球基函数（GEBF），该函数释放了标准高斯函数在输入变量各维度上的对称性。这使得输入空间的划分更加灵活高效，从而提升了模糊神经网络的性能。
在在线学习过程中，通过创建 GEBF 来确定规则生成的标准，以识别 GOSFNN 的结构。采用扩展卡尔曼滤波器（EKF）方法对 GOSFNN 的参数进行估计。

以下是 GOSFNN 的优势总结：
- 输入空间划分 ：GEBF 使输入空间划分更灵活高效。
- 性能提升 ：增强了模糊神经网络的性能。
- 结构识别 ：通过规则生成标准确定网络结构。
- 参数估计 ：使用 EKF 方法进行参数估计。

在多维函数逼近中，GOSFNN 的有效性和优越性得到了证明。仿真结果表明，它能够在线自构建具有更好泛化性能的紧凑模糊神经网络。与其他流行方法的综合比较显示，GOSFNN 在简约结构、高逼近和泛化能力方面表现更优。

2. 主动隔振器的自适应模糊控制

2.1 研究背景

振动隔离在许多应用中非常重要，主要有两种类型：设备与振动源的隔离以及振动源与支撑的隔离。本研究关注前者，即基础隔离，目标是降低位移传递率。

以往的主动隔振器存在一些问题，如比例反馈下闭环系统因执行器的时间延迟而稳定性裕度较窄，且系统具