基于自适应模糊神经网络的噪声抵消器

讨论了基于自适应模糊神经网络的噪声抵消器的设计方法。自适应模糊神经网络系统具有非线性映射和自学习能力，能够用于噪声信号的非线性建模。它不仅能够获取信号的最佳估计，并互能够克服信号处理中存在的模型和噪声的不确定性、不完备性。该法设计的滤波器效果良好，并可以用于多路信号和复杂信号的噪声消除。     

H2/H∞混合控制在双振动台解耦控制中的应用

研究了基于H2／H∞混合控制的振动台解耦控制器的设计方法，用缩减了高阶模态的降阶模型所设计的控制器对原系统进行解耦控制，引入了模型不确定性，克服了传统的基于模型逆的解耦控制系统鲁棒性能较差的缺点。利用双自由度控制结构的特点，将问题分解为H2和H∞两个最优控制器的设计过程，简化了问题求解的复杂性；通过整形技术提高了解耦控制的效果。与单步设计方法相比，这一双步设计方法更容易实现也更具有灵活性，能进一步提高系统的控制性能。仿真结果表明混合H2／H∞解耦控制方法不仅具有良好的解耦性能，而且能够有效控制结枸振动高阶模态的溢出。     

基于神经网络的一类不确定非线性系统自适应H∞跟踪控制

基于神经网络针对一类具有输入不确定性的非线性系统提出了一种H∞自适应跟踪控制方法.控制器由等效控制器、H∞控制器及参数自适应控制器三部分组成.H∞控制器用于减弱外部及神经网络的逼近误差对跟踪性能的影响,参数自适应控制器用于抑制输入干扰对跟踪性能的影响.所设计的控制器不仅保证了整个闭环系统的稳定性,而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标.最后给出一个算例验证了该方法的有效性.     

自适应滤波算法消除泥浆脉冲信号中的泵冲噪声

随钻测量系统中自适应噪声抵消器可根据泥浆脉冲信号的特点,运用自适应噪声抵消算法抑制噪声干扰,但同时也会抵消掉部分有用信号,影响后续解码的可靠性。在分析泥浆脉冲信号噪声干扰及自适应滤波算法的基础上,提出一种新的滤波算法,用自适应陷波器来降低主通道信号与参考信号的相关性,保护有用信号不被抵消,克服了以往单采用自适应噪声抵消器存在的最大弊端。实验结果表明,自适应陷波器、自适应噪声抵消器相配合的自适应滤波算法,能在任何信噪比情况下有效滤除泵冲噪声并保护有用信号的能量,简单可靠且适用性强,对提高泥浆脉冲信号的信噪比,降低随钻测量通信的误码率,具有较高的实用价值。     

基于RBF神经网络的语音信号的噪声消除

针对语音识别中背景噪声的消除问题,提出采用RBF神经网络实现的自适应消噪系统.本文设计的RBF神经网络噪声抵消系统不需要关于输入语音信号和背景噪声的先验知识,非线性映射能力强.采用自适应噪声抵消基本原理,构造RBF神经网络自适应滤波器,然后针对该系统,进行仿真.仿真结果表明该方法对采集的语音信号的背景噪声有良好的抑制能力.     

数字超声波信号中有色噪声的自适应滤波

针对测试环境中常存在的超声波频段的有色干扰噪声,设计了一种基于横向滤波器和最小均方误差自适应滤波算法的自适应对消器结构,并提出了固定步长和自适应步长相结合的自适应滤波算法流程。该方法增设了一个接收环境噪声的专用探头来自动跟踪噪声特性的改变,无需手动设置自适应滤波器参数和期望信号。通过自适应步长调整算法与固定步长方法结合,该方法能够在实现良好滤波效果的同时兼顾快速跟踪环境的变化。实验表明,提出的方法可以有效滤除目标超声波信号频带之外频率点处的有色干扰噪声,信噪比改善幅度可达16dB;时间复杂度为O(n),可实现实时处理。本文方法可以在无人工干预下自动、实时、有效地滤除与超声波信号频率接近的有色干扰噪声,已被成功地应用于气体超声波流量测量中。     

基于神经网络的一类不确定非线性系统自适应H∞跟踪控制

基于神经网络针对一类具有输入不确定性的非线性系统提出了一种H∞自适应跟踪控制方法.控制器由等效控制器、H∞控制器及参数自适应控制器三部分组成.H∞控制器用于减弱外部及神经网络的逼近误差对跟踪性能的影响,参数自适应控制器用于抑制输入干扰对跟踪性能的影响.所设计的控制器不仅保证了整个闭环系统的稳定性,而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标.最后给出一个算例验证了该方法的有效性.     

基于噪声白化准则的自适应噪声抵消方法

提高泄漏检测信号的信噪比是提高管道泄漏检测定位性能的重要途径,针对泄漏检测定位的工程实际提出一种新的噪声抑制方法,基于噪声白化准则的自适应噪声抵消方法。用噪声白化准则控制检测信号的线性预测,提取出与干扰噪声相关、与泄漏信号不相关的信号作为自适应噪声抵消器的参考输入,这样能够有效抵消泄漏检测信号中自相关长度小于泄漏信号自相关长度的干扰噪声。实验结果和实际应用表明,该方法能有效抑制泄漏检测信号中的干扰噪声。     

微制造平台微振动的H2/H∞混合控制

基于啄木鸟头部生物构造及其仿生隔振机理 ,采用混合隔振技术建立了微制造平台隔振系统。该系统以空气弹簧和橡胶层作为被动隔振元件、超磁致伸缩致动器作为主动隔振元件。针对 H2 最优控制和 H∞ 鲁棒控制的优缺点 ,主动控制器采用H2 / H∞ 混合控制进行设计 ,并通过 L MI凸优化方法求解 H2 / H∞ 混合控制器。仿真结果表明所设计的 H2 / H∞ 混合控制器具有良好的鲁棒稳定性和时域性能 ,可在非常宽的频率范围对基础干扰和由微制造设备产生的直接干扰所引起的微制造平台振动进行有效的控制 ,其振动控制效果明显优于 H∞ 控制     

非平稳信号自适应滤波的小波模型与滤波方法

分析自适应滤波和小波滤波的原理与方法,建立非平稳信号的自适应滤波的小波模型和滤波方法。利用小波变换的多尺度分解,将分离出来的噪声成分作为自适应滤波器的输入信号。通过自适应滤波器组能同时实现对多种噪声成分的最佳滤波,是实现信噪分离的最佳滤波方法,具有优良的滤波性能。模型验证和工程实例应用表明,该方法能实现非平稳信号在同频段对噪声成分和有用信号的最佳估计。     

不确定时滞系统的鲁棒H∞控制

针对具有状态滞后且模型中具有时变参数不确定性和外部扰动不确定性的一类线性系统,本文研究了其鲁棒H∞控制问题.利用线性矩阵不等式LMI(Linear Matrix Inequality)处理方法,提出了无记忆状态反馈鲁棒H∞控制器的存在条件.本文所设计的状态反馈控制器能够使时滞系统不仅对时变参数不确定性具有鲁棒性,而且对外部扰动满足预定的衰减性能指标.     

煤矿钢芯输送带缺陷信号非平稳强噪声滤波研究

煤矿钢芯输送带缺陷电磁检测信号易受到煤矿工况中非平稳强噪声影响,因此,提出一种改进阈值小波的变步长LMS自适应滤波算法对缺陷信号非平稳强噪声进行滤波。该方法首先运用改进阈值小波多尺度分解后的高频信号作为自适应滤波的参考噪声信号,然后运用变步长LMS自适应滤波方法对缺陷信号进行滤波。该方法克服了小波软、硬阈值的缺陷和固定步长LMS自适应滤波中收敛速度和稳态误差对步长因子要求不一致的矛盾。并与改进阈值小波滤波方法进行了对比,结果表明:该方法具有更好的滤波效果,能有效地滤除缺陷信号中的非平稳强噪声。     

柔性结构振动跟踪控制H∞混合灵敏度法

基于H∞混合灵敏度控制算法,提出了一种将H∞混合灵敏度控制应用于高阶柔性结构振动跟踪控制的加权函数选择方法.该方法能够快速地使输出信号跟踪到参考信号.首先,建立了振动系统的多输入多输出跟踪控制模型;然后选择合适的性能加权函数和限幅加权函数,引入了模型的不确定性扰动,给出了一种针对高阶柔性控制系统的加权函数选择方法,利用混合灵敏度H∞控制设计方法,将鲁棒反馈控制器设计转化为标准H∞控制问题求解;最后,以一悬臂梁为研究对象,完成了两输入两输出结构振动控制的控制器设计和算法仿真.仿真结果表明,针对高阶柔性结构系统设计的控制器,在保证稳定性的前提下,输出信号对参考信号的跟踪结果满足了预定指标要求.     

H∞混合灵敏度控制在液压伺服系统中的应用

运用H∞混合灵敏度控制理论，针对液压伺服系统的特点，通过仿真，总结了一般加权阵的选取规律和方法，提出采用线性矩阵不等式设计典型电液位置伺服系统H∞控制器的计算方法，并设计了控制器，使系统在保证鲁棒稳定性的同时可以确保系统的瞬态性能指标。通过 设计举例说明了控制器的设计方法，并通过与原系统参数摄动时系统特性的比较，验证了H∞控制器不仅可以提高系统的频宽，改善系统的响应速度,而且可以改善参数变化对系统性能的影响，从而说明际H∞控制器的有效性。     

基于LMI的压电智能板的H∞振动控制

研究了压电智能板结构的H∞振动控制问题,推导出其有限元运动微分方程并对其进行解耦,在状态空间中利用最小实现和平衡降阶法对其进行降阶处理.基于线性矩阵不等式(LMI)方法,针对压电智能板结构设计了次优H∞状态反馈控制器和最优H∞状态反馈控制器.以智能悬臂板结构为例,设计了相应的控制器.仿真结果表明,此方法成功地实现了压电智能板结构对干扰的抑制.     

一种绕线伺服张力器建模及其H∞仿真控制研究

针对异形线圈绕制时速度波动造成的张力波动问题,为了降低张力波动幅度,设计出了一种伺服张力控制装置并研究了其控制方法。在分析跳辊上、下游绕线长度和跳辊上绕线速度的基础上,建立了该张力器的张力数学模型,并分析了各扰动对张力的影响程度。研究了H∞控制方法在异形线圈绕线过程中的控制应用和设计方法,以及权函数的选择方法。利用Matlab工具箱设计得到了H∞控制器,使扰动至张力传递函数H∞范数最小,并设计PI控制器进行了对比,分析了闭环控制系统中扰动至张力的幅频特性,并在不同频率、不同速度正弦信号扰动输入下对控制系统进行了仿真分析。研究结果表明,该伺服张力器能有效控制张力波动幅度,与PI相比H∞控制方法能适应不同频率的扰动,且其张力波动幅度仅是PI控制下的1/3。     

基于NPCA的后非线性盲源分离方法

提出一种基于非线性主元分析和H∞滤波算法相结合的后非线性盲源分离方法,首先根据后非线性混叠的线性时变模型构造用于求解时变解混矩阵的非线性主元分析代价函数,然后利用H∞滤波算法优化其函数来恢复混合在非线性观测信号中的源信号,该方法仅需要源信号统计独立特性的先验信息。仿真实验结果表明,该方法不仅能以比其他传统方法更好的估计性能分离服从超高斯和亚高斯不同分布的源信号,还能在线动态地实现信号的后非线性盲分离。     

小波变换的流体压力信号自适应滤波方法研究

为了有效地消除流体压力信号中的噪声,提出了一种基于小波变换的自适应滤波算法,该算法针对信号和噪声经小波变换后在不同尺度上的特征不同,先对信号进行小波多尺度分解,然后对各尺度分解的信号分别选用不同的滤波参数,进行自适应滤波处理,并用该方法对液压系统运行中采集的压力信号进行降噪处理.试验结果表明,该方法比普通的自适应滤波方法能更有效地消除流体压力信号中的噪声.     

超声电机驱动多关节机器人的非线性H∞控制

利用超声电机低速大转矩特性,实现了三关节机器人的直接驱动.一方面,由于超声电机是通过定转子间的摩擦驱动,其模型无法精确描述,另一方面,由于无法在方程中将关节机器人的所有动力参数表达出来,因而该机器人在控制中存在摩擦干扰和参数不确定带来的动力干扰.针对这些干扰,采用了非线性H∞控制方式,以L2增益作为设计指标,设计了H∞控制器.实践证明,非线性H∞控制器不仅可以保证机器人稳定运行,而且位置精度大为提高.最后,还对控制器的鲁棒性进行了实验验证,结果表明该控制器有很好的抗干扰能力.     

基于ATF与ASAD的变转速齿轮故障诊断

针对变工况、强噪声状态下齿轮的故障特征难以提取的问题,提出了一种基于自适应时变滤波(Adaptive time-varying filtering,ATF)与角域同步平均降噪(Angle domain synchronous average denoising,ASAD)的齿轮故障诊断方法.将ASAD与ATF相结合,对降噪后的信号进行阶次谱分析,并通过阶次谱中的调制边频带即可诊断齿轮局部故障.通过分析模拟数据及变转速齿轮箱试验台的数据表明,该方法对变转速状态下的齿轮振动信号有很好的信号分析自适应性,不仅能很好地滤除噪声干扰,提升通带内的噪声抑制效果,且能有效凸显变转速下的齿轮故障特征.