电液伺服振动台负载能力强,能够产生大激振力和大位移的振动,是用于进行振动试验的一种重要设备,广泛应用于工程领域。因此,深入研究电液伺服振动台具有重要的理论研究意义和实用价值。本文针对振动台正弦振动试验中导致加速度响应信号出现失真现象的谐波成分,研究如何采用小波分析构建谐波辨识系统,本文研究旨在为谐波抑制提供谐波成分信息,从而降低响应信号的波形畸变,提高加速度响应信号的复现精度。首先,分析振动台的国内外研究应用现状和相关领域对于谐波辨识方法的研究成果,建立电液伺服振动台的液压动力机构控制系统模型,设计了满足系统频宽要求的三状态控制器。随后用基于Matlab\xPC Target搭建的双机实时试验系统进行了振动台的正弦振动试验,获取了正弦振动试验的数据。试验的波形显示出响应信号的严重失真,除含有基频响应信号外,还包含整数次谐波成分,采用谐波总失真度THD来衡量响应信号波形的失真程度。为了消除谐波成分,降低信号的失真度,需要将加速度响应信号中的谐波成分辨识出来。其次,研究了小波分析在信号处理方面独特的优势,证明了小波变换二尺度方程与滤波器组的等价性,表明小波分析在划分频谱上的有效性。对于谐波信号,可以先利用小波分析滤波器组得到不同频带上的信号,再采用相关函数法估计幅值,采用Chirp-Z变换法估计相位,通过实验数据的处理分析表明:先对信号进行多分辨率滤波器组处理,然后利用相关函数估计幅值,Chirp-Z变换估计相位可以得到较为精确的辨识结果。第三,针对仅采用小波分析算法辨识谐波中存在精度较低的问题,基于现代控制理论,建立了加速度响应信号的状态空间模型;将小波函数与神经网络结合起来,构成小波神经网络;将这种信号模型分别与小波神经网络结合,构建了加速度响应信号谐波辨识模型,利用仿真实验验证了辨识模型的有效性。最后,用所建立的辨识系统对正弦振动试验中获取的加速度响应信号数据进行谐波辨识实验。通过实验数据来验证辨识算法的有效性,对信号状态空间模型与小波神经网络学习算法构成的谐波辨识系统进行验证分析,证明基于小波神经网络的辨识模型有足够的谐波辨识精度,可以满足振动台试验系统的需要。