考虑约束的频域算法在有源噪声控制中的应用

有源噪声控制广泛应用于中低频噪声控制中.传统的有源控制都是在时域内使用LMS算法进行控制.使用频域算法可以提高LMS算法的收敛速度.频域算法的优点不仅仅是提高LMS算法的收敛速度,而且可以方便地加入频域约束.从最基本的性能函数出发,根据实际的需要和目的,作出不同的性能函数,然后根据最速下降法和LMS算法,推导出相应的频域LMS算法.从实验结果可以看出:频域算法比时域算法具有更多的优势.     

基于人工智能的故障诊断方法的新发展

纵缆了在采用人工智能方法的动态系统中模型的故障诊断技术,以一个典的自动控制系统为例,说明了故障的类型及故障诊断的基本任务。阐述了基于知识模型的残差产生办法。     

噪声有源自校正预测控制

有源噪声控制（ANC）的经典方法是采用有限脉冲响应（FIR）滤波器的Filter-X算法，该算法的一个主要缺点是次级声路径响应对控制滤波器参数自适应的收敛速度有较大影响。将预测控制方法应用到有源噪声控制领域，给出了一种参数在线自适应算法，该算法的收敛速度不受次级声路径响应的影响。仿真结果表明，给出的控制方法比传的Filter-X控制有更小的稳态误差，而且收敛速度更快。     

基于压电结构的有源耳罩研究

目前有源耳罩大都采用固定的模拟反馈控制器，不能够最大限度地消除低频噪声。根据内模型系统原理，设计出基于内模型的自适应反馈控制器，使用数字方式针对周期性噪声进行控制。实验中采用压电陶瓷作为次级声源，使装置在体积与质量方面有显著改善。通过仿真和测试表明，该控制结构能有效消除噪声中所含的单周期噪声和双周期噪声。当耳罩内容积发生较大变化后，仍能保持良好的降噪效果，具有较强的鲁棒性。     

噪声有源控制的递归神经网络方法

使用Filter－X算法研究有源噪声控制问题,存在需要较高阶次的滤波器和当噪声出现非线性时控制效果不佳的缺陷。为此提出一种基于对角递归神经网络的非线性噪声有源自适应控制方法,并给出一种基于误差梯度下降的在线学习算法,同时证明了闭环控制系统在Lyapunov意义下的稳定性。数值仿真表明,基于对解递归神经网络的噪声有源自适应控制是一种非常有效的噪声控制方法。     

基于增益调度的结构振动分布式反馈控制

使用多传感器和驱动器控制简支板的振动.传感器和驱动器局部连接组成独立的闭环.在仿真中分别采用了点力驱动器和压电陶瓷驱动器.以极小化系统的总动能为目标,使用同步扰动方法对结构振动的分布式反馈增益进行最优调度.仿真结果表明,所提出的方法可以有效地抑制结构振动.     

噪声有源控制的模糊神经网络方法

使用Filter-X算法研究有源噪声控制问题，存在需要较高阶次的滤波器和当主噪声路径是非线性时控制效果不佳的缺陷，为此提出了一种基于模糊神经网络的非线性噪声有源自适应控制方法，并给出了一种基于误差梯度下降的学习算法，一个非线性的仿真例子表明，模糊神经网络控制方法对于非线性噪声控制效果明显。     

步进电动机的微机控制

介绍了一种采用89C51同时对两台步进电动机进行控制的实用电路。重点介绍了软件设计的基本技巧。该电路已成功应用于自动络筒机中纱库电机及上蜡电机的控制。实验证明该方法简单、实用。     

噪声有源控制的人工神经网络方法

讨论了有源噪声控制（ＡＮＣ）问题,提出一种基于人工神经网络的非线性噪声有源自适应控制方法,给出了一种基于误差梯度下降的学习算法,证明了闭环控制系统在Ｌｙａｐｕｎｏｖ意义下的稳定性。     

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。