1.一种基于神经网络逆模型的电磁振动台谐波控制系统，其特征是：包括程控信号源、电磁振动台系统、振动检测单元、数据采集单元及神经网络逆模型；程控信号源用于产生输入振动信号；电磁振动台系统包括功率放大器及电磁振动台；振动检测单元包括振动加速度传感器及放大器或适配器；数据采集单元包括数据采集卡及计算机；神经网络逆模型由计算机内部安装的数据处理软件对电磁振动台的输出振动加速度信号以及输入振动信号数据进行处理构成神经网络训练样本集，并基于神经网络训练样本集辨识获得。

2.一种基于神经网络逆模型的电磁振动台谐波控制方法，其特征是：包含如下步骤：

步骤1，变负载电磁振动台神经网络逆模型组的获取：

1.1为使电磁振动台适应不同负载下准确控制输出振动加速度信号谐波的要求，提出了负载分段等效方法，将电磁振动台可驱动负载范围均匀分为若干小段并将每段负载中间值作为该段负载代表值，在电磁振动台上依次安装选定负载值的振动加速度传感器，将不同负载工作状态下电磁振动台等效为代表不同负载分段下的电磁振动台模型组；

1.2以第一段负载下电磁振动台模型为例辨识其神经网络逆模型，在设定测试频率范围与电磁振动台振动位移范围内密集选择特征点，根据特征点选取相应的测试频率点与位移点，由程控信号源产生各频率点及位移行程的输入振动信号，经功率放大器放大后驱动电磁振动台产生各频率点及位移行程的振动加速度信号；所述测试频率范围下限值为电磁振动台需施加波形失真控制下限频率的0.1倍，上限值为电磁振动台需施加波形失真控制上限频率的10倍；所述振动位移范围为电磁振动台额定振动位移范围；

1.3由振动检测单元的振动加速度传感器检测并由放大器或配适器生成电磁振动台在各频率点对应位移行程的输出振动加速度信号，并由数据采集卡同步采集输出振动加速度信号及程控信号源产生的输入振动信号，然后，将该输出振动加速度信号及输入振动信号送入计算机；

1.4在计算机中进一步求得输出振动加速度信号的一阶积分、二阶积分对应的输出振动速度信号与输出振动位移信号，以输出振动加速度信号、输出振动速度信号、输出振动位移信号为输入层，输入振动信号为输出层建立神经网络训练样本集，并对训练样本集进行归一化处理，通过神经网络辨识工具对神经网络进行辨识训练，获得该负载分段的电磁振动台的神经网络逆模型；

1.5设定神经网络逆模型的精度要求为λ，通过在训练样本集中随机选取数据对神经网络逆模型的辨识精度进行验证，调整神经网络训练算法和改变神经网络传输函数，使得神经网络逆模型达到精度要求；

1.6选定第二段负载下电磁振动台模型，根据第一段负载下电磁振动台相应的神经网络逆模型辨识方法，辨识其对应的神经网络逆模型，以此类推，辨识所有负载段电磁振动台对应的神经网络逆模型，使电磁振动台模型组与神经网络逆模型组一一对应；

步骤2，基于神经网络逆模型的变负载电磁振动台谐波控制：

2.1确定电磁振动台负载在步骤1中所属负载分段，选择该负载分段对应的电磁振动台模型与神经网络逆模型；

2.2将神经网络逆模型的输出与电磁振动台的输入串接，将电磁振动台的期望输出振动加速度、速度和位移信号通过程控信号源输入到神经网络逆模型中，获得电磁振动台输入振动信号；然后，将输入振动信号输入到电磁振动台中，激励电磁振动台输出振动加速度信号；

2.3采用谐波分析软件，对步骤2.2得到的输出振动加速度信号计算得到信号中包含的基频及各阶谐波成分的频率、幅值、相位及对应的波形失真度值；

2.4设定电磁振动台的输出加速度信号波形失真度的最大允许值为α，判断输出振动加速度信号的波形失真度值是否满足小于或等于α，若满足，说明神经网络逆模型控制器满足控制要求；若不满足，则执行步骤1.2‑1.5重新辨识该负载分段对应的神经网络逆模型，同时通过细化特征点增大训练样本集数据量，并增加神经网络隐含层数量及隐含层神经元个数，当辨识神经网络逆模型的精度达到λ/10时，该负载分段对应的新神经网络逆模型辨识完成，继续执行步骤2.2‑2.3，如重新控制后波形失真度值仍不满足小于或等于α，则设定神经网络逆模型的精度为上一次辨识的1/10，同时继续更加细化特征点增大训练样本集数据量，并增加神经网络隐含层数量及隐含层神经元个数，再次训练新神经网络逆模型并再次执行步骤2.2‑2.3，重复以上步骤直至输出振动加速度信号的波形失真度值小于或等于α，完成该负载段神经网络的最终辨识，使得电磁振动台在该负载段的谐波控制达到要求。