一种基于延迟系数技术的次级通道在线辨识新方法

工程中控制目标区域改变、误差传感器位置变化或其他因素会引起的次级通路的实时改变,精确的辨识次级通道传递函数可以有效的提高噪声主动控制效率。基于人工延迟系数技术提出一种新的次级通道在线辨识方法,推导出主动控制环节收敛步长和次级通路建模环节收敛步长的调整表达式,从收敛性能和算法计算量两方面跟传统算法进行比较,得出其改进优势。给出新的附加噪声功率控制策略,实现对附加随机噪声功率的调节,在保证系统稳定的情况尽量消除其对残余噪声的影响。最后,进行了算法仿真和噪声主动控制实验,结果表明该算法具有收敛性好,降噪性能高的特点。     

一种用于自适应有源噪声控制的在线次级通道建模方法

针对前馈式自适应有源降噪系统次级通道在线建模问题,首先分析比较已有的在线次级通道建模方法,给出了各自的优缺点。在此基础上提出了一种基于Fx LMS算法的在线次级通道建模方法,该方法使次级通道建模步长随干扰信号和建模白噪声信号功率自适应更新,降低了初级噪声对建模的不利影响,并利用误差信号相关值和初级噪声能量来更新控制滤波器步长,有效降低了突发随机噪声对系统稳定性的影响。计算机仿真结果表明,该方法显著提高了次级通道模型的精度和系统收敛速度,取得更好的降噪效果。     

一种基于梯度下降的次级通道在线建模有源噪声控制算法

针对前馈式有源噪声控制系统中次级通道在线建模精度低及建模信号与控制信号相互影响的问题,提出一种基于梯度下降的次级通道在线建模有源噪声控制算法。根据主动控制环节与建模环节的误差能量比,分别调节两个环节的收敛因子,利用主动控制收敛因子和建模收敛因子的调节方式减小二者的相互干扰。在建模收敛因子调整过程中引入梯度下降方法,对步长设置检测阈值,当步长达到阈值,对收敛因子采取梯度变化。仿真结果表明,针对混频信号的有源噪声控制,这种算法对比已有算法能获得较快的建模收敛速度和较低的稳态误差,且可以获得较高的降噪量。     

Study and verification of an online secondary path identification algorithm for adaptive filtering based control of structural vibration

针对基于自适应滤波的振动控制算法的误差通道辨识问题,提出一种在实施该控制算法中进行误差通道模型实时在线辨识的方法.其基本思想是在振动主动控制器输出端引入一个白噪声信号,采用有限脉冲响应滤波器作为误差通道模型进行实时在线辨识,利用性能判别器实时控制辨识环节的停止与否,同时振动主动控制采用滤波-X算法.给出了具有在线辨识功能的控制器结构与算法过程,并结合实验模型结构和测控平台进行了实验分析与验证.基于MATLAB进行相关算法仿真,分析引入白噪声信号对辨识模型误差的影响,提出了一种辨识模型误差判定准则,并分析对振动控制系统性能的影响;基于实验平台进行了压电机敏柔性结构振动主动控制的验证.实验结果表明,控制通道模型实时在线辨识策略是成功的,由此验证了所设计的控制器及其控制算法的可行性和有效性.     

一种基于NARX神经网络的振动主动控制方法

针对主被动混合隔振系统中次级通道的非线性因素和时变特性,设计一种基于有源非线性自回归神经网络(Nonlinear Auto-regressive With Exogenous Inputs Neural Network,NARX-NN)的次级通道系统辨识的方法,并成功应用于振动主动控制系统中。首先,使用NARX神经网络对次级通道进行辨识得到准确的次级通道模型;其次,采用FIR滤波器重构初级通道的输出,从而获得作动器的输出信号,基于重构得到数据对辨识的网络进行在线学习,可以避免由白噪声激励在系统中带来的随机振动对控制效果的影响;最后搭建仿真模型以及实验平台,仿真结果表明,该控制算法可以克服次级通道的时变性导致的次级通道失真问题;实验结果表明,该算法对15、20 Hz的线谱分别取得30.1、40.4 dB的能量衰减效果,能够有效地实现振动主动控制。     

基于峰值预滤波次级通道在线建模的主动噪声控制系统

传统白噪声激励在线建模主动噪声控制(ANC)系统,次级通道对激励源的响应在一定程度上会干扰控制滤波器的迭代,而且会增大系统收敛后的声场能量.针对这一问题,一种新的、用于窄带噪声抵消的在线建模ANC系统被提出:利用峰值滤波器对真实次级通道进行重构,新的传递函数能够不失真地重现待抵消噪声所在频段的次级通道频率响应,并对其它频段进行抑制.最后利用该系统对舰船辐射线谱噪声进行了主动控制计算机仿真试验.结果表明:该系统简化了次级通道的传递函数,减少了白噪声对控制滤波器的干扰,提高了系统性能,并降低了系统收敛后的声场残余能量.     

自适应主动振动控制仿真分析

在FxLMS自适应算法中,次级通道会影响输入信号自相关矩阵的可对角化性和特征值扩散度,从而影响算法的收敛速度。为了降低次级通道对输入信号的影响,加快算法的收敛,提出将改进的FxLMS算法—SOFxLMS算法应用于振动主动控制研究中。在Simulink中分别搭建基于两种算法的主动振动控制仿真结构,基于系统稳定的前提,在相同条件下对两种算法进行仿真对比分析。仿真结果表明:在迭代步长较大、滤波器阶数较少的条件下,SOFxLMS算法具有更好的振动控制效果。     

次级通道在线辨识的齿轮啮合振动主动控制

针对齿轮传动系统中由于啮合误差产生的周期性振动和噪声,构建在从动齿轮轴上附加压电作动器的齿轮主动结构,提出一种次级通道在线辨识的反馈FxLMS算法进行主动控制。应用C-MEX S函数在Simulink中编写了FxLMS算法模块和次级通道进行在线建模的自适应LMS算法模块,仿真算例验证了自建模块的正确性和算法的有效性。将控制算法代码下载到dSPACE中作为控制器,与内置压电作动器的齿轮主动结构组成硬件在环系统进行实验验证。结果表明,在不同啮合频率下,经过主动控制后的齿轮传动系统振动有了不同程度的减弱,在啮合频率基频处有6.9dB的衰减。     

基于误差通道在线辨识的结构振动主动控制系统

提出一种新的基于误差通道在线辨识的有源控制方法，并把它应用于结构的主动控制。它能较好地消除误差通道辨识环节和主动控制环节之间的相互影响，从而提高系统的总体性能。针对一算例与前人的方法进行了比较，仿真结果表明无论在控制初始还是对误差通道参数及外扰变化的适应性，本文的方法均优于前两种方法。在此基础上，以悬臂梁为控制对象，对此方法进行结构振动主动控制的试验研究。试验结果表明该控制系统对悬臂梁的振动响应能有很好的抑制作用，说明这种基于误差通道在线辨识的主动控制方法是行之有效的。     

基于非线性自适应滤波算法的齿轮传动系统振动主动控制

为了削减齿轮传动系统的振动响应,提出了在靠近激励源处附加压电堆作动器同时抑制两对齿轮振动的双通道主动控制结构。鉴于Fx LMS自适应滤波算法对非线性系统应用的局限性,采用了一种非线性自适应滤波双线性Fx LMS(Bilinear Fx LMS,BFx LMS)算法。由于次级通道的准确性对于BFx LMS算法的控制性能有很大的影响,而应用较广的叠加噪声次级通道辨识技术会降低控制系统的效果,因此采用了一种直接估计误差技术对次级通道进行在线辨识,搭建了二级齿轮传动系统振动主动控制试验台,利用d SPACE作为控制器进行了半实物仿真试验。试验结果表明,在以两对齿轮啮合基频为衰减目标时,应用BFx LMS算法和Fx LMS算法控制的齿轮箱体上的振动都有明显的减弱,而BFx LMS算法在齿轮传动系统主动控制应用中有更好的控制效果,在第一对齿轮啮合基频处可以达到11 d B的衰减量,在第二对齿轮啮合基频处可以达到10 d B的衰减量。     

一种用于主动噪声抑制系统的次级通道特性识别算法的改进

本文着重研究窄带信号噪声自适应主动抑制技术中的次级通道特性在线识别问题。针对窄带噪声信号，提出了基于自适应陷波器的次级通道特性在线识别算法，该方法利用自适应陷波器技术解决在线识别时存在的激励信号干扰问题，从而提高次级通道特性在线识别的速度。同时研究了选定参数对算法性能的影响。仿真结果表明，基于自适应陷波器的次级通道特性在线识别算法能较大程度的提高对次级通道特性的识别速度。     

一种应用Fx LMS算法的双层隔振试验装置

振动主动控制中次级通道的存在会对控制效果造成影响,为了减小影响,采用Fx LMS(Filter-x Least Mean Square)自适应滤波算法,通过调整步长更新滤波器参数进行自适应控制。平台使用Compact-RIO控制器并采用Lab VIEW对其进行编程,通过设置参数对不同系统进行主动控制。控制分为三部分:参数设置、次级通道辨识、误差信号的控制。在自适应算法的理论和仿真分析基础上,进一步在c RIO实时控制平台上进行实验研究,对双层隔振平台采用自适应算法实现主动控制,取得理想的控制效果。     

齿轮啮合振动的主动控制方法与实验研究

为了有效抑制齿轮传动系统由于啮合误差引起的周期振动噪声,提出一种基于压电堆作动器并结合自适应算法的齿轮传动振动主动控制方案。首先根据控制齿轮轴横向振动的思想构建齿轮箱主动结构,应用C-MEX S函数编写FxLMS自适应控制算法模块;基于级联自适应陷波器的技术提取齿轮啮合振动信号进而合成参考信号;利用自适应NLMS滤波器对包含压电堆作动器的次级通道进行离线辨识实验,在得到次级通道传递函数的同时有效避免了次级通道辨识和控制器之间的相互干扰。最后将算法代码下载到dSPACE中作为控制器,与内置压电堆作动器的齿轮箱组成硬件在环系统进行实验验证。结果表明:由FxLMS算法控制的压电堆作动器对齿轮的啮合振动控制效果明显,在不同转速、不同负载情况下啮合振动有15~26dB的衰减。     

《次级通道在线辨识的神经网络方法》

有源噪声控制系统中次级通道对系统性能有重要影响,次级通道的辨识精度直接影响控制系统的稳定性和控制的有效性。实际的被控系统经常是时变的,因而次级通道的在线辨识成为有源控制系统的关键。神经网络具有很强的自适应和容错能力,可以将其用于次级通道的在线辨识,仿真结果表明采用神经网络在线辨识方法的有源控制系统完全是可行和有效的。     

基于神经网络的悬臂梁在线辨识与振动主动控制

针对压电悬臂梁结构进行了基于神经网络在线辨识的振动主动控制研究。设计了基于NARMA-L2神经网络模型的在线辨识器和振动主动控制器,分析了神经网络各层的输入输出结构,建立了神经网络权值和阈值调整公式。在此基础之上,进行了外扰激励为单频和扫频信号时系统的在线辨识和振动主动控制实验,结果表明：该控制系统对悬臂梁的振动响应有较好的抑制作用和较强的鲁棒性。     

一种VSSFxLMS算法及其在多自由度微振动控制中的应用

FxLMS算法常用于自适应振动控制研究领域,其固定步长导致不能同时获得快的收敛速度和小的稳态误差。针对多自由度压电结构振动主动控制,提出一种改进VSSFxLMS振动控制算法,通过利用反余切函数的特性优化算法步长的迭代规律,有效提升算法对于噪声干扰的鲁棒性,并给出该算法的动态性能与稳态性能分析。以压电结构微振动多通道控制为目标,在ADAMS软件中建立结构微振动主动控制仿真模型,通过与SIMULINK联合仿真观察振动控制算法实施效果。构建了基于压电堆作动器的多自由度主动隔振结构,以及相关测控单元与实验系统,进行了结构微振动主动控制实验与结果分析,验证了所提出振动控制算法的良好控制效果和鲁棒性。     

汽车车内噪声主动控制变步长NFB-LMS算法

为规避最小均方（Least Mean Square,LMS）算法不能同时提高收敛速度和降低稳态误差的固有缺陷,以及已有变步长LMS算法存在收敛速度慢和稳态误差估计精度差的问题,文中提出了一种基于变步长归一化频域块（Normalized Frequency-domain Block,NFB） LMS算法的汽车车内噪声主动控制方法。为了比较,应用传统的LMS算法、基于反正切函数的变步长LMS算法和变步长NFB-LMS算法分别进行实测汽车车内噪声的主动控制。结果表明,与其他两个算法相比,变步长NFB-LMS算法的收敛速度提高了70%以上,稳态误差减小了90%以上。变步长NFB-LMS算法在处理车内噪声信号时具有很高的效率,为进行汽车车内噪声主动控制提供了一种新方法。     

基于次通道在线辨识的主动隔振技术研究

基于自适应陷波器的主动隔振技术可以有效隔离周期性振动,但次通道的时变性对隔振效果有明显的影响,传统辨识方法在精度和速度等方面存在一定的缺陷.提出了一种新的辨识方法,该方法在隔振控制器工作的同时,利用叠加白噪声对次通道进行建模;预测滤波器分离误差信号中的相关性分量,获得次通道对辨识信号的响应,从而提高了建模精度.为减少次通道模型滤波器的长度,提高控制的实时性,利用周期性信号对所建立的次通道模型进行二次建模.仿真和试验结果表明,这种基于次通道在线辨识的主动隔振技术对周期性振动有较好的隔离效果,且对干扰信号和次通道的变化有较强的鲁棒性.     

两参考输入复滤波NLMS主动噪声控制系统性能分析

研究了将主动噪声控制系统应用于舰船的自噪声控制,用来抵消舰船的低频线谱噪声群时,参考输入为两个单频复正弦信号条件下,次级通道对Filtered-XNLMS算法的收敛性能影响.对该问题做了严格的数学分析和仿真试验,最终结果表明：对于本地线谱噪声有源抵消而言,由于次级通道的影响,参考输入的两正弦信号的归一化频率间隔Δf/fs以及反映次级通道幅频特性对不同频率信号的幅度加权程度比例因子α都对系统性能有影响,也就是说,当比值因子α较大时（α＞1）,系统的收敛性能只是与步长μ有关,与差频Δf的大小无关;当α较小时（α≤1）,系统的收敛系统决定于步长μ和主输入的两个正弦波的差频Δf;特别对于α＝1情况,系统很快就可以收敛,具有非常好的跟踪性能.     

车内噪声FXFU-LMS声振混合主动控制算法

目前车内振动与噪声主动控制研究主要集中在以振消声或以声消声方面,为解决消声与消振无法同时兼顾的问题,提出一种基于滤波-X最小均方算法(FXLMS)和滤波-U最小均方算法(FULMS)的车内噪声FXFU-LMS声振混合主动控制算法。以在某轿车中采集的振声传递函数为基础,在每次迭代中,首先采用FULMS算法对振动信号进行主动振动控制;然后利用振声传递函数计算出控制前后振动辐射噪声的减少量,得到进行振动主动控制后的耳侧噪声;最后采用FXLMS算法进行主动噪声控制,依次循环直至稳定。结果表明,FXFU-LMS算法能有效抑制车内噪声,且与传统FXLMS、FULMS算法相比,该算法残余误差更小,收敛速度更快,可以兼顾振动与噪声控制,更适用于车内噪声主动控制(ANC)。