简化的结构振动自适应前馈控制方法研究

发展一种基于ARX模型描述的实时自适应前馈控制系统,并将其应用到具有拟周期扰力的结构振动控 制中。采用RLS算法处理在线辨识问题,而采用LMS算法进行控制律的更新。实时控制中,辨识和控制的计算都由高 速数字信号处理器完成。此种方法,对于周期扰力以及拟周期扰力激起的结构振动响应都有很好的控制效果。     

基于神经网络的自适应控制

神经网络与自适应控制相结合的研究,已成为智能控制的一个新的分支.自适应具有强鲁棒性,神经网络则具有良好的自学习功能和良好的容错能力,神经网络自适应控制由于较好地融合了两者的优点而具有强大的优势.     

视频会议室之回声消除

视频会议室音频不仅会出现声反馈,而且会出现回声现象。分析回声和反馈的区别以及回声消除的原理的基础上,给出了回声消除设备的具体连接方法及具体使用情况;预见能实现本地和远端同时消除回声的设备将在多点视频会议项目中大显身手。     

前馈控制的神经网络实现

不依赖对象模型,在前馈－反馈定值控制系统中,借助神经网络构成前馈控制器,以反馈输出引导网络权值及输出的调整,使网络逐步学成前馈补偿功能,并最终在控制中占据主导地位,实现对主要可测干扰的补偿。文章分析了神经网络前馈控制器的作用效果,并与根据精确模型设计的常规前馈控制器的作用特性进行了比较。文中采用两种不同方式对神经网络进行训练,仿真结果证实了在模型未知的条件下,利用神经网络实现前馈控制的有效性。     

前馈神经网络开发工具的研究

本文应用面向对象编程的Ｃ＋＋语言,建立了一个功能全面的前馈神经网络开发工具（ＢＰＮｅｔｗｏｒｋＴｏｏｌ,ＢＰＮＴ）,该工具具有构造各种结构的前向网络,修改学习参数,编辑训练样本,进行网络训练,检验网络性能以及存取网络数据等功能,为前馈神经网络的研究和应用提供了一个有力手段。     

一种基于谱减的声纳噪声自适应消除方法

噪声自适应消除是声纳信号处理的重要研究内容之一.传统的噪声自适应抵消算法需要单独的阵列(阵元)以获得不含期望信号的参考噪声信号,这在实际工程应用中往往是不现实的.提出在不增加阵元的情况下,通过相邻两个阵元输出信号进行加权处理,合成一路不包含给定方向信号的噪声信号;同时,借鉴语音信号处理中普遍应用的谱减降噪处理方法,达到...     

基于循环神经网络的自适应滤波方法及应用研究

针对目前地震工程研究领域在滤波方法上存在人为因素、峰值突刺、噪声干扰等方面的缺陷,结合递归最小二乘法(RLS)和循环神经网络(RNN)模型,提出了一种自适应滤波的新方法。研究分析表明,该方法通过设置自适应调节滤波器参数以及算法的自我迭代等方式进行滤波,对噪声识别能力和滤波速度上均优于美国地质调查局(United States Geological Survey, USGS)所推荐的传统滤波方法,并可有效降低滤波后对原始波形的失真损坏以及相位提前等问题。同时,运用所提自适应滤波方法将其应用于不同场地类型台站的含速度脉冲近场地震记录,进一步验证了自适应滤波方法的有效性和适用性。研究成果为地震工程领域的滤波分析提出了一种新思路和新方法,也可为地震记录处理及相关应用工作提供参考。     

子带自适应回声抵消

1.序言: 出于性能价格比的因素人们一直在探索更好的自适应滤波器结构和算法以实现长阶AEC[1-4].在所研究过的各种滤波器结构中,子带自适应滤波器一直是最具吸引力和有效的.子带自适应滤波器基于"分频带"的概念提高LMs算法收敛性能的方法.降低采样率的操作使其计算量大大减少,而减少的程度依赖于子带的数目和分析、综合滤波器组的特性.最近的发表的工作表明对于长阶AEC的实际应用研究也都着重于这些方面.     

会议系统回声消除输入卡

HiQnet音频网络用的会议系统（包括近、远程会议系统）回声消除输入卡,可以实现单机消除多层空间产生的回声,可以消除通道上的稳态噪声,可以处理动态消减消噪不足或消噪过剩状态。     

非线性逼近的自适应小波神经网络方法

利用小波空间中函数的多分辨率分解思想,构造了一种用于学习的小波网络模型。其中采用具有紧支撑集的尺度函数和小波函数作为激励函数,从理论上得到确定子网络隐层节点数目的依据,解决了传统学习网络隐层节点数难以确定的问题。模型包括初始的学习网络和在训练过程中不断并入的子网络。该模型通过自适应的并入新的子网络来不断提高学习精度,而对新子网络的训练不会影响到已训练成功的原网络的结构。实验也证明,这种网络不但可以精确的表示一般样本集的非线性关系,同样可以实现对混池时间序列的精确学习。     

基于FxLMS定收敛因子的自适应前馈主动噪声控制

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。     

基于可控参数的前馈神经网络出水总氮预测模型研究

当前,出水总氮(TN)稳定达标是我国城镇污水处理厂面临的关键问题.本文基于我国城镇污水处理厂主流工艺——序批式活性污泥工艺(SBR),构建了一种基于可控参数的前馈神经网络(FFNN)出水总氮预测模型.与已有预测模型相比,本模型具备以下两个特点:①采用可控参数(表面气速与缺氧段时长)代替溶解氧作为模型主要输入参数,明显提...     

基于自适应模糊神经网络的发动机故障诊断

发动机是车辆的核心部件,及时有效地发现并排除故障,对降低维修费用,减少经济损失,增加发动机工作时的可靠性,避免事故发生具有重大的意义。以某型号发动机为研究对象,运用测试技术、信号处理、小波分析、神经网络和模糊控制理论,提出了自适应模糊神经网络发动机故障诊断。首先建立了发动机故障信号采集试验台,在试验台上人工模拟四种工况,通过加速度传感器采集正常工况和异常工况的振动信号。再利用小波理论对采集到的振动信号进行消噪处理,提高信噪比,并提取出故障信号的特征值,作为网络训练和测试的样本数据。用样本数据训练和检测自适应模糊神经网络,即对发动机故障进行模式识别。通过仿真分析,取得了很好的诊断效果;同时与传统的BP神经网络故障诊断方法进行对比,无论在诊断精度上还是学习速度上,模糊神经网络在故障诊断中更具有优势。     

基于进化规划的自适应高斯神经网络

自适应高斯神经网络能够对目标信号的功率谱有效识别特征进行自动提取和分类,但此网络使用BP算法,其误差能量函数是一个不规则的超曲面,容易陷入局部极小值．因此,提出了一种使用进化规则来设计和训练自适应高斯神经网络的新方法．该方法能够自动地确定网络的最优结构和联结权值,同时避免网络的局部优化．实验结果表明,将该方法用于被动声纳目标的分类识别,能够有效地克服局部最小问题,具有更好的识别率．     

前馈型神经网络算法优化分析

文章介绍了人工神经网络的模型,分别以BP神经网络为例介绍了前馈神经网络,并用三种方法对BP神经网络算法进行优化改进。     

基于DSP的前馈式自适应有源低频噪声控制系统设计

本文阐述了前馈式有源噪声控制系统原理及FxLMS算法。设计了一种基于DSP的前馈式自适应有源低频噪声控制系统,采用LMS算法实现次级通路辨识,采用FxLMS算法实现自适应有源噪声控制。实验结果表明,对于频率为300Hz的低频噪声,能够取得14dB左右的降噪量。     

STFT及其在回声消除方面的应用

论述了STFT(Short-Time Fourier Transform)理论及其特点,设计了一个在桌面音频系统中由于麦克风和听筒的耦合而产生语音干扰(主要是回声)的消除系统,该系统利用STFT将所需信号和噪声信号变换到频域,通过频谱相减消除噪声。提出了一个基于多信道回声消除器的子带最小二乘滤波器理论分析和估算方法,该方法具有较强的自适应能力、算法收敛快、控制精度高。     

一类非线性振动自适应控制的神经网络方法

针对一类非线性振动系统，本文详细阐述了非线性振动自适应控制的神经网络方法。首先提出一类非线性系统的控制模型与自适应控制策略；然后介绍了神经网络控制器的模型，进而导出了基于神经网络的振动自适应控制算法，数字仿真结果表明了这种方法的有效性。     

一种基于神经网络的自适应滤波器设计

利用神经网络的结构和算法构造一种新型的数字滤波器,具有非线性和自适应的滤波性能.通过同构滤波器逼近实验验证该滤波器的有效性.     

基于自适应概率神经网络的损伤模式识别研究

在传统的概率神经网络(PNN)的基础上,提出了通过Gap-Based方法初步估算平滑因子σ,并以遗传算法优化σ参数集的自适应概率神经网络(APNN)模式分类识别方法.以桥梁健康监测委员会提出的两跨桥梁Benchmark模型为例,通过将小波包分解结构在正弦激励和交通激励载荷模型下的动力响应信号的能量特征向量作为网络的输入样本,利用APNN进行了损伤模式进行识别.结果表明, APNN不仅识别精度高和抗噪性能好,而且还能用于输入特征向量参数筛选和降维,提高学习效率和识别精度.