飞行器在实际飞行过程中垂直尾翼处产生的持续涡流载荷将对垂尾造成严重的疲劳损伤，从而降低了飞行器的使用寿命。因此对垂尾的减振是航空领域的当务之急。神经网络作为智能控制方法的热点，在非线性系统的辨识和控制领域得到了广泛地发展和应用。本文将神经网络技术应用于振动主动控制中，以50%某军用飞机垂尾模型为研究对象，对垂尾进行基于神经网络的振动主动控制理论和实验研究。针对垂尾的振动控制研究，本文采用两种方法：第一种方法是基于控制通道模型离线辨识的神经网络振动主动控制方法，选用非线性自回归滑动模型NARMA L2作为控制通道的网络结构进行离线辨识和动态建模，将辨识得到的模型作为垂尾的神经网络模型，并研究设计了基于NARMA L2的神经自校正控制器，用于垂尾的振动主动控制，实验表明这种方法具有很好的控制效果。第二种方法则是基于控制通道模型在线辨识的神经网络振动主动控制方法，考虑到飞行器在实际飞行过程中外界环境对尾翼的影响会改变垂尾的控制通道模型，离线辨识得到的模型误差将变大，因此对模型的在线辨识是振动控制的发展趋势，该方法相比较第一种方法更复杂，所以以悬臂梁替代垂尾来简化模型，以NARMA L2作为神经网络模型，在数据采集的每个周期内都进行控制通道的辨识，并将辨识得到的实时模型参数提供给设计出的基于控制通道模型在线辨识的控制器中，实现对对象的实时控制，实验表明基于模型在线辨识的振动主动控制具有一定的效果，有实际可行性。