导读:本文包含了自适应噪声主动控制论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:噪声,递归,自适应,算法,主动,噪声控制,小二。
自适应噪声主动控制论文文献综述
李涛,肖罡,李状,沈召源,罗竹辉[1](2018)在《基于FxLMS定收敛因子的自适应前馈主动噪声控制》一文中研究指出为研究自适应前馈主动噪声控制FxLMS算法的收敛特性,通过Simulink仿真,表明定收敛因子条件下FxLMS算法在次级通道传递函数已知时,输出声信号能实时跟踪输入噪声源信号的反相信号,残余误差信号能快速减小并达到稳态。(本文来源于《中国新技术新产品》期刊2018年18期)
刘晓伟,钟棉卿,郭一民[2](2018)在《递归最小二乘格型自适应滤波算法在噪声主动控制中应用》一文中研究指出在噪声主动控制中,滤波-x递归最小二乘(Fx RLS)算法收敛速度快而计算复杂度较大。噪声控制过程分为两部分,文中采用递归最小二乘格型(RLSL)自适应滤波结构和算法来实现控制过程的自适应和采用格型联合估计器对初始信号滤波产生次级源信号。文中分别介绍了基于后验估计误差的递归最小二乘格型(PEE-RLSL)滤波算法和带误差反馈的先验估计误差的递归最小二乘格型(PEEEF-RLSL)滤波算法,联系噪声控制系统的实际对联合估计过程进行改进得到基于各阶估计误差的联合过程估计权系数更新关系。仿真结果表明PEEEF-RLSL滤波算法收敛性能远优于PEE-RLSL滤波算法,有快的收敛速度,小的稳态误差且对突变有好的跟踪性能;也表明要得到好的噪声控制效果不仅与选择的算法有关,还应当合理的选取滤波器阶数和初始化参数。(本文来源于《北京力学会第二十四届学术年会会议论文集》期刊2018-01-21)
浦玉学[3](2015)在《自适应振动噪声主动控制若干关键问题研究》一文中研究指出机械系统在其平衡位置附近的往复运动称为振动,它是自然界和工程界的常见现象,振动是基础物理和经典力学研究的重要组成部分。机械结构在空气中的振动以声音的形式传递给人们,在人与机械的交互上,噪声问题也通常被归为振动问题。可见噪声是一种特殊的振动形式,振动与噪声问题的相关研究往往具有类比性和统一性。振动噪声现象在在我们的生存环境中非常普遍。工业生产制造、建筑施工过程以及各种交通工具、家用电器工作时都存在各种振动噪声现象。其中500赫兹以下的低频振动噪声波长较长,采用传统被动控制方法对低频振动噪声的控制效果差,不易于实现。为了解决这类难题,振动噪声主动控制随着计算机、控制器、作动器以及传感器等方面的发展完善,逐渐开始被广泛的研究和应用。振动噪声主动控制技术也称有源控制,主要原理是通过数据采集系统对声场和结构响应进行实时采集,通过一定的控制律产生于初级振动噪声相干涉的次级振源或次级声源,从而达到减震降噪的目的。对于受控系统结构与参数存在严重不确定性的情况,采用自适应振动噪声控制可以避免结构参数的计算,提高控制效率。经典自适应控制模型是以FXLMS(Filtered-X Least Mean Square)算法为基础算法的前馈控制系统模型,然而该算法在应用过程中受次级通道建模影响,输出时滞以及通道耦合等系列关键问题的限制,实际应用还不成熟。因此本文以此为背景,研究了次级通道辨识误差对FXLMS算法控制效果的影响以及精确高效在线建模算法,提出了输出时滞的在线估计和补偿方法,将研究成果应用到多通道的主动控制系统中,并就集中式多通道控制系统耦合的问题,提出了解耦方案。全文共分为七章,主要内容可以归纳为:1、介绍自适应振动噪声主动控制的相关理论基础。首先对振动噪声主动控制的物理机制进行了探讨,分别以有限梁模型和自由声场模型,从运动方程开始推导出对振动噪声进行主动控制的物理机制。其次比较了自适应前馈算法的优势,给出FXLMS算法的推导过程,并分析了该算法的稳定性和收敛性,为后续的关键问题研究做出理论铺垫。2、分析了次级通道对主动控制算法的影响,研究了次级通路建模误差对主动控制系统稳定性,收敛性和控制效果叁方面的影响;并从主动控制算法的收敛性和稳定性以及在线建模环节对残余振动噪声影响等叁个方面对次级通路在线辨识算法进行改进,给出了次级通路在线建模的叁种算法,在尽量减少自适应滤波器数目,降低算法复杂度的原则下,消除主动控制环节和次级通道辨识环节相互影响,加快系统的收敛速度和在线辨识精度。3、分析了输入时滞的产生原因以及对主动控制系统的影响。从输出时滞的估计和补偿两个方面进行研究。首先给出了输出时滞环节离线和在线估计方法;其次,为了消除输出时滞环节的影响,提出了输出时滞的滤波补偿算法,最后为了进一步改善时滞补偿环节的收敛性能,将输出时滞环节看作低通滤波器,设计了自适应相频补偿器,将变化时滞转变为固定时滞,并结合基于LMS(Least Mean Square)算法进行时滞预测,给出了输出时滞在线预测补偿算法,实现了对输出时滞进行在线预测补偿,以消除输入时滞对控制系统的影响。4、针对LMS算法对宽带振动噪声控制收敛速度慢的特点,采用对宽带振动噪声抵消具有快速收敛能力的RLS(recursive least Square)算法,并结合无限脉冲响应滤波器IIR(Infinite Impulse Response)传递函数是一个即有零点又包含极点的结构的特点,将RLS应用到了自适应FU-滤波算法结构中去,在一定程度上解决振动噪声次级反馈可能带来的控制系统的不稳定问题,提高了算法的收敛性。将单通道次级通道在线建模算法扩展应用到多通道自适应主动控制系统当中,推导多通道次级通道在线建模的算法,对于每个次级通道的在线建模实现独立快速的收敛步长调整策略,解决了多通道次级通道在线建模问题。5、由于集中式多通道主动控制算法存在多通道耦合使得控制系统的稳定性变得脆弱的缺陷,单个作动器或误差传感器的失效将导致整个系统的失效,并且随着通道数的增加,多通道的耦合算法将不可避免的使控制系统的计算量大量增加,加大了控制算法实现的难度。为了解决这个问题,给出分散式多通道自适应主动控制算法,并分析了算法的稳定性和收敛性;并提出一种矩阵解耦的方法,通过插入解耦补偿器,可以有效的将集中式多通道主动控制进行完全解耦。6、振动和噪声自适应主动控制试验研究为了验证本课题研究的振动噪声主动控制系统,搭建基于美国国家仪器公司的可重新配置嵌入式控制盒采集系统(NI Compact RIO)振动噪声主动控制试验平台。进行了基于次级通道在线建模主动控制试验、输出时滞滤波补偿算法以及多通道自适应振动主动控制试验,验证本文算法的工程适用性。(本文来源于《南京航空航天大学》期刊2015-09-01)
周凌波[4](2015)在《FTF自适应噪声主动控制算法对比研究》一文中研究指出自适应控制是近年来在噪声主动控制领域日益受到重视的一种重要方法。LMS、RLS以及FTF算法则是目前自适应控制算法中比较热门的叁种算法。首先总结了LMS、RLS、FTF叁种自适应算法的计算流程,并基于MATLAB平台以正向自适应系统辨识为背景,将FTF与LMS、RLS算法的各项性能进行了对比研究,得出各种算法在计算量、收敛速度、收敛精度等方面的优缺点。最后做了一个仿真实验将性能更优的FTF算法应用到了自适应噪声主动控制上。(本文来源于《第十五届船舶水下噪声学术讨论会论文集》期刊2015-08-01)
宁少武,史治宇,钱登辉[5](2014)在《基于QR分解的最小二乘格型自适应滤波算法的噪声主动控制方法研究》一文中研究指出本文提出了格型联合估计滤波器结构与基于QR分解的最小二乘格型(QRD-LSL)自适应滤波算法相结合的噪声控制方法,该方法对联合估计过程进行了改进并得到了基于各阶估计误差的联合过程估计权系数更新关系,格型联合估计器结构简单,QRD-LSL自适应滤波算法数值稳定性好.采用实测信号进行仿真,仿真结果表明本文提出的噪声控制方法有良好的噪声控制效果,收敛速度快,计算量小,稳态误差小,跟踪性能好.(本文来源于《固体力学学报》期刊2014年S1期)
宁少武,史治宇[6](2013)在《QR分解的最小二乘格型自适应滤波算法在噪声主动控制中的应用》一文中研究指出在噪声主动控制系统中,滤波-x递归最小二乘(FxRLS)算法收敛速度快但计算量大。基于此,提出了格型联合估计滤波器结构与基于QR分解的最小二乘格型(QRD-LSL)自适应滤波算法相结合的噪声控制方法,该方法对联合估计过程进行了改进并得到了基于各阶估计误差的联合过程估计权系数更新关系,格型联合估计器结构简单,QRD-LSL自适应滤波算法数值稳定性好。仿真结果表明提出的噪声控制方法有良好的噪声控制效果,收敛速度快,计算量小,稳态误差小,跟踪性能好。(本文来源于《振动工程学报》期刊2013年03期)
刘思超[7](2013)在《车内噪声主动控制自适应算法的鲁棒性》一文中研究指出为了解决传统的被动噪声控制技术会增加车身质量和燃油消耗的问题,文章分析了主动噪声控制技术的前馈技术和反馈技术,前馈技术更有优势、应用也更广泛。文章对前馈技术的自适应算法进行了分析,在LMS算法基础上,通过与FXLMS算法、EE-FLXMS算法和LeakyFXLMS算法的补充和配合,可以更好地应用主动噪声控制技术达到减少汽车噪声和油耗的目的。(本文来源于《汽车工程师》期刊2013年04期)
雷旭东[8](2012)在《基于自适应神经网络的车室噪声主动控制系统研究》一文中研究指出随着汽车工业的不断发展、环保意识的增强以及人们对乘坐舒适性要求的提高,汽车噪声控制特别是车室噪声控制日益引起人类和有关部门的重视。传统的噪声控制技术主要是被动控制包括隔声、消声和吸声等方法,对中高频噪声有较好的效果,但对于路面激励或发动机激励作用下引起车身振动进而辐射的低频噪声无法实现有效的控制。相对于被动控制技术而言,噪声主动控制(Active NoiseControl)能有效地降低车室低频噪声。本文综合国内外研究手段,建立噪声主动控制模型并取得较好的降噪效果,从而为噪声主动控制技术的发展提供参考。本文针对汽车车室噪声声压级比较大、低频特性为主的特点,结合声波迭加原理和噪声主动控制理论,采用有限元分析和数学建模相结合的方法,分别构建神经网络噪声主动控制系统和自适应神经网络噪声主动控制系统,并且比较分析了两种系统的降噪效果。根据降噪要求将本文的研究内容分为两部分,第一部分为车室噪声的预测,第二部分为车室噪声主动控制。车室噪声预测通过采用结构—声场耦合有限元分析方法预测车室内的噪声。其实施步骤如下:首先分别对车身顶棚和地板进行模态分析、车室空腔进行声模态分析,得到声学共振频率进而为结构改进提供依据;然后建立1/2汽车六自由度动力学模型,并且借助Matlab和Simulink搭建动力学响应的仿真模型,运行仿真模型得到车身顶棚和车身底板的振动加速度;最后将车身顶棚和车身地板的振动加速度作为边界条件导入LMS Virtual LAB的声学模块中,进行结构—声场耦合分析,得到车室内驾驶员右耳位置对应节点的频率响应函数曲线和功率谱密度曲线,从而实现了对车室噪声的预测。车室噪声主动控制是指结合信号控制理论和噪声控制理论对车室低频噪声进行有效控制。其具体内容如下:首先根据神经网络和自适应滤波理论分别建立神经网络和自适应神经网络噪声主动控制系统原理图,并且结合Matlab编程和Simulink中的DSP Blockset/Neural Network Blockset模块求得神经网络模型的权值和阈值以及自适应滤波器的最适宜滤波器阶数和收敛因子;然后根据控制系统原理图分别建立神经网络噪声主动控制系统模型和自适应神经网络主动控制系统模型,运行仿真模型得到控制前后的时域—声压曲线、频率响应函数曲线和功率谱密度曲线,通过曲线的对比分析比较了两种噪声主动控制系统的降噪效果。结果表明:自适应神经网络噪声主动控制系统的控制效果比神经网络噪声主动控制系统的降噪效果好。(本文来源于《重庆交通大学》期刊2012-04-01)
王春云,吴亚锋,杨浩,储妮晟[9](2011)在《多通道自适应主动噪声控制系统设计及实验》一文中研究指出设计了一种多路自适应主动噪声控制系统,该系统具有4路误差输入和2路抵消输出,详细介绍了系统的设计方法、结构组成和控制原理。利用该系统,在一个普通封闭房间分别完成了对160 Hz单频正弦噪声,叁阶谐频噪声和实际录取的某型号潜艇噪声进行了控制实验,分别取得了20 dB、10 dB和8 dB的降噪效果,验证了该系统的可行性和有效性。(本文来源于《测控技术》期刊2011年08期)
马杰[10](2011)在《基于神经网络的自适应噪声主动控制研究》一文中研究指出随着现代工业和交通运输业的飞速发展,噪声问题日益引起了人们的极大关注。基于自适应控制理论的噪声主动控制技术已经成为噪声控制领域的重要研究内容之一,并取得了丰硕的成果。在自适应噪声主动控制控制系统中,控制算法是直接影响自适应控制性能的重要因素。目前,在自适应噪声主动领域,使用最为广泛的是基于线性自适应滤波器的滤波-XLMS算法,而滤波-XLMS算法存在需要较高阶次的自适应滤器和不能有效的控制非线性噪声等缺陷。因此运用新的技术手段,对自适应控制算法进行研究是一个非常有发展前景并且具有重要意义的工作。针对以上问题,本文从自适应噪声主动控制系统的基本理论出发,给出自适应前馈噪声主动控制模型,采用具有极强非线性处理能力的BP神经网络代替线性自适应滤波器作为自适应噪声主动控制系统的控制器,并提出了基于改进BP神经网络的自适应噪声主动控制算法—改进BP滤波-X算法。该算法可以有效抵消非线性噪声,但由于BP神经网络存在容易陷入局部极小值、收敛速度慢等不足,所以该算法还需要进一步优化。遗传算法是一种高效的随机搜索和优化方法,它具有很好的全局寻优能力,可以有效跳出局部极小值,并且具有良好的适应性和高度的并行性。基于遗传算法的以上优点,本文在改进BP滤波-X算法的基础上,结合遗传算法,提出了遗传-BP自适应控制算法。该算法使用遗传算法对改进BP神经网络的权值进行优化,将神经网络控制器的权值逼近全局最优值,然后利用改进BP算法较强的局部寻优能力找到全局最优值,最后把最优权值应用于神经网络控制器,从而实现噪声主动控制系统的最佳控制。为了验证本文所提出算法的降噪性能,分别对滤波-XLMS、改进BP滤波-X、遗传-BP叁种AANC控制算法在线性和非线性条件下进行了系统的仿真分析,并得出了和我们理论分析相一致的仿真结果。(本文来源于《浙江理工大学》期刊2011-03-05)
自适应噪声主动控制论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
在噪声主动控制中,滤波-x递归最小二乘(Fx RLS)算法收敛速度快而计算复杂度较大。噪声控制过程分为两部分,文中采用递归最小二乘格型(RLSL)自适应滤波结构和算法来实现控制过程的自适应和采用格型联合估计器对初始信号滤波产生次级源信号。文中分别介绍了基于后验估计误差的递归最小二乘格型(PEE-RLSL)滤波算法和带误差反馈的先验估计误差的递归最小二乘格型(PEEEF-RLSL)滤波算法,联系噪声控制系统的实际对联合估计过程进行改进得到基于各阶估计误差的联合过程估计权系数更新关系。仿真结果表明PEEEF-RLSL滤波算法收敛性能远优于PEE-RLSL滤波算法,有快的收敛速度,小的稳态误差且对突变有好的跟踪性能;也表明要得到好的噪声控制效果不仅与选择的算法有关,还应当合理的选取滤波器阶数和初始化参数。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
自适应噪声主动控制论文参考文献
[1].李涛,肖罡,李状,沈召源,罗竹辉.基于FxLMS定收敛因子的自适应前馈主动噪声控制[J].中国新技术新产品.2018
[2].刘晓伟,钟棉卿,郭一民.递归最小二乘格型自适应滤波算法在噪声主动控制中应用[C].北京力学会第二十四届学术年会会议论文集.2018
[3].浦玉学.自适应振动噪声主动控制若干关键问题研究[D].南京航空航天大学.2015
[4].周凌波.FTF自适应噪声主动控制算法对比研究[C].第十五届船舶水下噪声学术讨论会论文集.2015
[5].宁少武,史治宇,钱登辉.基于QR分解的最小二乘格型自适应滤波算法的噪声主动控制方法研究[J].固体力学学报.2014
[6].宁少武,史治宇.QR分解的最小二乘格型自适应滤波算法在噪声主动控制中的应用[J].振动工程学报.2013
[7].刘思超.车内噪声主动控制自适应算法的鲁棒性[J].汽车工程师.2013
[8].雷旭东.基于自适应神经网络的车室噪声主动控制系统研究[D].重庆交通大学.2012
[9].王春云,吴亚锋,杨浩,储妮晟.多通道自适应主动噪声控制系统设计及实验[J].测控技术.2011
[10].马杰.基于神经网络的自适应噪声主动控制研究[D].浙江理工大学.2011