本发明属于结构振动控制领域，涉及一种基于主动学习的振动主动控制方法。
背景技术：
1、基于压电材料的逆压电效应，智能压电结构可以实现高可靠、轻量化、低功耗的振动控制系统。智能压电振动控制已成为目前振动控制研究和应用中一个很有前途且非常活跃的领域，随着智能压电结构的尺寸不断扩大和服役环境的进一步严峻，采用多通道的压电作动器进行分散式控制的控制理念逐渐得到发展，如飞机尾翼振动控制、卫星太阳能板振动控制、旋转机械振动抑制等。
2、随着控制通道数与结构柔性的不断增加，控制器面临的高维数问题以及由此引发的不确定性和多通道控制耦合问题，使得大量控制参数的整定变得异常复杂。振动抑制效果与控制参数的选择有最直接的关系。因此，如何快速且准确地确定高维耦合系统的控制参数，成为了一个亟待解决的问题。
3、轻量化、集成化、大尺寸的柔性结构在航空航天、机器人领域得到广泛应用。随着智能材料和结构的进一步使用，机翼、卫星太阳能板等典型结构的尺寸变大、柔性增加，导致其固有频率进一步降低，更容易产生振动。同时，附生的材料非线性、几何非线性问题，以及大尺寸结构振动控制对多通道的控制需求，进一步加剧了上述结构的振动控制难度。在航空领域，机翼结构需要在飞行过程中保持稳定的形状以确保气动性能。然而，由于外部气流的影响，这些结构可能会产生振动，影响飞行稳定性和结构的耐久性。在航天领域，卫星上的太阳能板在太空环境中会受到各种微小的振动影响，这些振动可能会降低太阳能板的发电效率和缩短其使用寿命。
技术实现思路
1、为了解决针对复杂系统的多通道控制耦合，难以整定大量控制参数的问题，本发明采用的技术方案是：一种基于主动学习的振动主动控制方法，包括以下步骤：
2、构建振动结构的控制消耗和振动响应的二次型目标函数；
3、基于自抗扰控制算法设计振动结构的振动控制器；
4、获取振动控制器的控制指令和相应指令下的振动响应，构建振动结构的初始克里金代理模型；
5、根据控制参数的设计域自适应缩减方法和加点采样准则确定新的控制参数组；
6、基于新的控制参数组对振动结构进行振动控制训练，得到训练好的克里金代理模型；
7、基于训练好的克里金代理模型及最小的二次型目标函数，确定振动结构的最优控制参数，即振动结构的最优控制策略，实现对振动结构的振动主动控制。
8、进一步地：所述设计域自适应缩减方法表达式为：
9、
10、其中，lb表示控制参数设计域的下边界，ub表示控制参数设计域的上边界，best_set表示当前最优的控制参数组，k为设计域缩减系数。
11、进一步地：所述加点采样准则包括以下之一：
12、ei加点准则；
13、或者msp加点准则；
14、或者mse加点准则；
15、或者pi加点准则。
16、进一步地：所述振动结构采用频率≤500hz的柔性结构。
17、进一步地：所述基于自抗扰控制算法设计振动控制器表示为：
18、
19、其中，v为要跟踪的信号值，e是跟踪误差，u0为虚拟控制量，u是最终控制输出，kp，kd为控制增益，根据控制带宽ωc确定，表示为kp＝ωc2，kd＝2ωc。
20、进一步地：所述控制参数：控制带宽ωc，观测带宽ω0和控制增益b0。
21、进一步地：所述根据控制参数的设计域自适应缩减方法和加点采样准则确定新的控制参数组的过程如下：
22、在全局搜索的基础上，基于当前最优的控制参数组和振动控制参数的当前的设计空间上边界、下边界，
23、采用设计域自适应缩减策略计算得到振动控制参数新的设计空间上边界、下边界；
24、对振动控制参数的设计空间进行缩减后，根据采用的加点采样准则，在新的设计空间内选择新的样本点，即新的控制参数组。
25、本发明提供的一种基于主动学习的振动主动控制方法，是一种新的数据驱动主动学习优化控制方法，并基于克里金代理模型、自抗扰控制算法、设计域自适应缩减策略和加点采样准则提出，该方法具有以下优点：
26、本发明旨在满足对复杂激励引发的多模态振动控制问题、以及高效多通道控制参数自适应整定的更高要求。该方法在保证振动控制效果的同时，可以显著提高控制参数寻优效率。此外，还可以自适应地调整设计域，从而减少对前期初始控制参数选取时所需的动力学特性的依赖。本发明的主要贡献在于为柔性结构的多通道控制参数整定提供了一种高效、自适应和动态更新的策略。本发明还适用于其他多通道控制耦合系统的控制参数整定。尤其适合航空航天工程、机器人等领域的工程快速实现。本申请能够通过主动学习算法更新控制参数，有效抑制结构振动。
27、本发明实施例的参数训练过程快速高效，能够自适应的缩减设计变量空间，降低对系统动力学特征需求，需要的训练次数更少，适用于线性系统和非线性系统的多通道振动控制，特别是结合分布式压电作动器后，尤为适合振动频率500hz以内的大尺寸柔性结构的低频振动控制，该发明也可以扩展应用于诸多领域的具有多个控制参数的控制问题或规划问题的快速控制策略求解。
1.一种基于主动学习的振动主动控制方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于主动学习的振动主动控制方法，其特征在于：所述设计域自适应缩减方法表达式为：
3.根据权利要求1所述的一种基于主动学习的振动主动控制方法，其特征在于：所述加点采样准则包括以下之一：
4.根据权利要求1所述的一种基于主动学习的振动主动控制方法，其特征在于：所述振动结构采用频率≤500hz的柔性结构。
5.根据权利要求1所述的一种基于主动学习的振动主动控制方法，其特征在于：所述基于自抗扰控制算法设计振动控制器表示为：
6.根据权利要求1所述的一种基于主动学习的振动主动控制方法，其特征在于：所述控制参数：控制带宽ωc，观测带宽ω0和控制增益b0。
7.根据权利要求1所述的一种基于主动学习的振动主动控制方法，其特征在于：所述根据控制参数的设计域自适应缩减方法和加点采样准则确定新的控制参数组的过程如下：
