管道噪声有源控制的模型研究

笔者介绍了3种建模的系统辨识方法,并用管道噪声实验系统采集的数据对这些方法进行了验证和比较。结果表明：采用不同方法得到的模型具有一致性,模型预测误差均在10％以内。     

内模型神经网络在有源噪声控制中的应用

采用IMC结构与人工神经网络方法解决了无法得到参考信号和系统非线性的问题，设计内模型神经网络控制器对噪声进行控制。通过仿真和实验证明，该控制结构能有效消除噪声中所含的周期噪声。非线性系统的仿真实例表明，内模型神经网络控制方法明显优于线性滤波X-LMS算法。     

头戴式有源噪声控制系统的分区域优化控制方法研究

本文提出了一种适用于头戴式有源噪声控制系统的有源降噪方法,结合虚拟传声器技术,并通过将水平面划分为多个子区域,实现人耳处对不同方向噪声的有效控制。初级声场传递函数的实际值与其估计值的偏差是影响头戴式有源噪声控制系统降噪量的主要因素,因此需要优化一定角度范围内的初级声场传递函数,本文提出一种基于最大化该区域最小降噪量的优化设计方法。最后,将水平面划分为不同子区域,每个子区域分别使用对应的优化初级声场传递函数进行噪声控制。实验结果验证了该噪声控制方法的有效性。      

空间自适应有源噪声控制技术

应用有源噪声控制理论,在比较反馈控制结构和前控制结构后,提出采用模型参考自适应中的ＭＲＡＳ趋稳定性设计方法,构造一种反馈结构自适应降噪的实施方案。实验表明,消声效果明显。     

基于鲁棒控制的管道噪声有源控制实验研究

以鲁棒控制理论为基础,详细研究了基于H∞鲁棒控制理论的有源控制器设计.同时,为了验证该鲁棒控制器的有效性,在消声室内以管道噪声为研究对象,进行了一系列相关实验验证.实验结果充分表明了该鲁棒控制器的控制性能.     

噪声有源反馈自校正控制

提出了一种前馈补偿和误差反馈相结合的噪声有源自校正控制方法,给出了两种未知参数的在线自适应学习算法,在控制系统中引入两个反馈闭环以改善系统的性能。仿真结果表明,前馈补偿和误差反馈相结合的噪声有源自校正控制比传统的Ｆｉｌｔｅｒ－Ｘ控制更为有效。     

管道低频宽带噪声自适应有源控制的实验研究

运用三种常用的自适应ANC算法A（FXLMS，FBFXLMS，FULMS），在一个以PC机为核心的前馈ANC实验系统上进行抗噪声试验。实验研究表明：这三种算法都能有效地衰减管道中的低频宽带噪声，其中FULMS比另两种算法具有更快的收敛速度。在次级声反馈对参考输入影响比较小的情况下，FBFXLMS算法的效果反而不如单纯的FXLMS算法。     

有源抗噪声头戴耳机

有源噪声控制为抗噪声头戴耳机提供了一种新的方法。文章读者讨论了有源抗噪声头戴耳机的理论机制，说明它在降噪的同时可以保留有用的通讯信号，并通过对于一种反馈控制系统的分析展示了这种耳机的实验设计与效果。     

基于DSP的自适应有源噪声控制系统

文章介绍了基于TITMS32 0F2 4 0DSP的自适应有源噪声控制系统 ,给出了系统的硬件结构及其工作原理 ,详细说明了有源噪声控制的自适应算法 ,并给出了程序流程图及实验结果。通过实验证明 ,该系统有较好的降噪效果。     

基于延迟LMS算法的管道噪声有源控制实验研究

在自适应有源控制中，次级通路建模对控制器算法实现有着重要的影响。以往次级通路建模通常会使用带有数十个甚至上百个系数的FIR滤波器，但过多的参数运算会对系统稳定性、控制实时性及硬件复杂度等方面带来麻烦。研究了一种在工程中实现简便的次级通路建模方法——通路时延估计法，并在消声室内进行了管道噪声有源控制实验。实验结果表明，次级通路时延影响着管道噪声有源控制的降噪频率以及降噪带宽。     

基于模糊归一化神经网络的开环子带主动消噪

将无延时开环子带自适应滤波结构应用到传统的宽带主动消噪系统中,并提出开环子带结构中的X滤波预补偿方法,弥补了滤波器延迟对系统的影响,提高了系统的收敛速度,降低了计算复杂度。此外,利用神经网络来精细模拟实际噪声的高度非线性性,提出模糊归一化收敛步长调整方法以控制开环方案带来的额外误差能量,并给出了数学证明。对实际噪声的仿真结果显示,给出的主动消噪系统和算法具有更快的收敛速度和更低的稳态误差,达到了更好的降噪效果。     

一种应对窄带非线性主动噪声控制的混合结构

分析参考信号为窄带信号、初级路径为非线性路径、次级路径为非最小相位系统的主动噪声控制（ANC）的初级噪声特性,探究有限脉冲响应（FIR）反馈预测结构和前馈函数链接人工神经网络（FLANN）结构的消噪原理,并探讨其各自的优势及局限性.通过分析总结,本文提出FLANN-FIR混合结构ANC系统,该系统对FIR反馈预测结构和前馈FLANN结构进行优势互补,不仅可以消除可预测部分噪声,对不可预测部分噪声一样具有抑制作用.仿真表明,在不同信噪比参考信号和不同非线性初级路径下,提出的混合结构都具有良好的稳态误差和收敛速度.     

基于神经网络的风机管道噪声有源控制的实验研究

通过实验来考察空气流动对传声器测量信号的影响，给出了基于神经网络的风机管道噪声有源控制的实验结果。实验结果表明，风机管道中空气流动对传声器测量信号的影响很大。在实验中采用了几项保护措施，使得次级路径的辨识结果对风机管道中空气流动不再敏感。实验结果表明了基于神经网络的风机管道噪声有源控制系统的有效性。     

一种新型的神经网络预测控制方法

预测控制算法的核心是预测过程中的滚动优化,滚动优化方法选择是确定其是否实用的关键,针对这一特点,在此提出了一种以径向基函数（RBF）神经网络为多步预测模型的非线性预测控制算法。算法采用RBF神经网络建立系统预测模型,并以微粒群优化（PSO）算法作为滚动优化算法,用来实现在有限时域内对控制序列的寻优,提高了优化过程的收敛性和求解精度。仿真结果表明了算法的有效性和高效性,获得了良好的控制效果。     

舱室的有源噪声控制

首先讨论了有界空间的有源噪声控制,并给出了一些较为成功的舱室有源噪声控制实例。例如,飞机座舱内和小汽车座舱舱内有源噪声控制系统和它们的降噪效果。     

循环神经网络自适应有源噪声对消研究

介绍了一种新颖的非线性逢适应滤波器－－循环神经网络自适应滤波器。由于这种循环神经等效于非线性ＩＩＲ滤波器,具有学习非线性函数到任意的精度及自适应能力,这种滤波器优于线性滤波器,能够适应各种噪声环境。本文将该滤波器用于有源噪声对消,仿真结果表明了这种循环神经网络自适应有源噪声对消系统具有良好的抗噪声性能。     

主动网络中的分层组播拥塞控制策略

为了满足在网络异构情况下根据不同客户端的网络状况保证Qos的组播需求,文章研究了在主动网络中的分层组播的方法,提出了根据主动包进行粗粒度的层加入和根据统计网络拥塞标志信息进行细粒度的离开的拥塞处理的组播实现策略.仿真结果表明,该策略能对网络环境的变化进行多点传输的分层的做出动态适应性调节,同时在网络中实现了与TCP的友好.该算法可以满足多媒体组播在网络异构情况下的拥塞处理.     

基于最优控制的神经网络自适应飞行控制

针对非线性动态逆控制鲁棒性差的缺点,综合最优控制和神经网络控制,提出一种自适应非线性控制策略。首先采用非线性动态逆进行基本控制律设计,然后对由于建模误差或舵面故障等因素导致的动态逆误差,利用神经网络进行在线补偿,根据最优控制理论得到神经网络权值的自适应律,并基于Lyapunov直接法证明该自适应律的稳定性和收敛性。针对某飞机的仿真结果表明,在存在较大逆误差的情况下,所设计的控制系统具有良好的鲁棒性。