飞机垂直尾翼的持续涡流载荷会导致垂直尾翼的疲劳损伤,影响飞行器的飞行性能和飞行安全,因此对尾翼进行振动主动控制是非常有必要的。本文以某型飞行器50%的垂尾模型为研究对象,针对垂尾结构控制系统的不确定性和非线性等复杂特性,开展了基于人工神经网络的垂尾结构控制系统的非线性振动模型辨识和振动主动控制研究和实验。本文的主要研究内容包括:(1)分别采用6Hz单频信号、2~15Hz和2~50Hz频率范围的扫频信号作为激励信号,对垂尾结构控制系统进行数据采集实验;(2)基于外时延反馈的双BP神经网络,采用改进的非线性自回归滑动平均模型NARMA-L2对模型结构进行辨识和动态建模;(3)研究并设计了基于NARMA-L2模型的间接神经网络自校正控制器,用于垂尾结构的振动主动控制;(4)完成了振动主动控制系统的软硬件设计;(5)采用6Hz单频信号、2~15Hz和2~50Hz频率范围的扫频信号作为垂尾外扰的激励信号,分别对垂直尾翼进行振动主动控制的实验研究,实验结果表明神经网络自校正控制方法应用于垂尾振动主动控制的可行性和有效性。