本文關(guān)鍵詞：基于迭代學(xué)習(xí)控制的主動噪聲控制技術(shù)研究

  更多相關(guān)文章： 主動噪聲控制 迭代學(xué)習(xí)控制 IIR濾波器 粒子群優(yōu)化 量子粒子群優(yōu)化

【摘要】：現(xiàn)代工業(yè)生產(chǎn)活動中的噪聲污染日益成為不可忽視的環(huán)境污染問題。傳統(tǒng)的被動消噪技術(shù)無法有效抑制低頻噪聲,且代價高昂。主動噪聲控制技術(shù)作為一種新型的低頻噪聲抑制技術(shù),被應(yīng)用于工業(yè)生產(chǎn)、日常生活、國防軍事等各個領(lǐng)域。該技術(shù)需要生成一個與目標(biāo)噪聲同頻同幅反相的聲音與噪聲相消,其性能依賴于對噪聲的跟蹤精度。而迭代學(xué)習(xí)控制技術(shù)是近幾年得到各國重視的新型軌跡跟蹤技術(shù),能提高主動噪聲控制的噪聲跟蹤性能,結(jié)合兩者優(yōu)點的噪聲控制系統(tǒng)具有很高的研究價值。本文針對具有重復(fù)、低頻特性的噪聲,研究基于迭代學(xué)習(xí)控制的主動噪聲控制系統(tǒng)設(shè)計新方法,以實現(xiàn)主動噪聲控制系統(tǒng)降噪性能的提升。設(shè)計基于迭代學(xué)習(xí)控制的主動噪聲控制系統(tǒng)存在的問題主要是如何統(tǒng)一兩種技術(shù);如何建立和論證系統(tǒng)模型;如何優(yōu)化系統(tǒng)參數(shù)提升性能。本文針對這些問題展開研究,研究內(nèi)容和成果如下:1.從頻域上進(jìn)行分析,建立了一種廣義迭代學(xué)習(xí)主動噪聲控制系統(tǒng),推導(dǎo)了該系統(tǒng)的收斂條件、收斂誤差和收斂速度公式。2.結(jié)合IIR濾波器、粒子群優(yōu)化算法,提出一種廣義迭代學(xué)習(xí)主動噪聲控制系統(tǒng)的IIR學(xué)習(xí)濾波器最優(yōu)化設(shè)計方法。該方法設(shè)計的學(xué)習(xí)濾波器能在保證系統(tǒng)收斂的同時使收斂速度達(dá)到最大。3.在此基礎(chǔ)上利用量子粒子群算法改進(jìn)IIR學(xué)習(xí)濾波器設(shè)計方法,提高了設(shè)計效率同時保證了降噪性能。
【關(guān)鍵詞】：主動噪聲控制 迭代學(xué)習(xí)控制 IIR濾波器 粒子群優(yōu)化 量子粒子群優(yōu)化
【學(xué)位授予單位】：浙江工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TB535
【目錄】：

• 摘要5-6
• ABSTRACT6-9
• 第1章 緒論9-13
• 1.1 引言9
• 1.2 主動噪聲控制的發(fā)展歷程9-11
• 1.3 國內(nèi)外研究現(xiàn)狀11
• 1.4 本文主要工作11-13
• 第2章 主動噪聲控制與迭代學(xué)習(xí)控制介紹13-34
• 2.0 引言13
• 2.1 主動噪聲控制原理13
• 2.2 主動噪聲控制系統(tǒng)類型13-18
• 2.2.1 寬帶前饋主動噪聲控制系統(tǒng)14-15
• 2.2.2 窄帶前饋主動噪聲控制系統(tǒng)15-16
• 2.2.3 反饋主動噪聲控制系統(tǒng)16-17
• 2.2.4 多通道主動噪聲控制系統(tǒng)17-18
• 2.3 自適應(yīng)濾波算法18-22
• 2.3.1 基本概念18-20
• 2.3.2 最陡下降法20-21
• 2.3.3 LMS算法21
• 2.3.4 FXLMS算法21-22
• 2.4 FXLMS-ANC系統(tǒng)仿真22-24
• 2.5 迭代學(xué)習(xí)控制背景24-25
• 2.6 迭代學(xué)習(xí)控制原理25-26
• 2.7 迭代學(xué)習(xí)控制的研究內(nèi)容26-29
• 2.8 ILC-ANC系統(tǒng)仿真29-33
• 2.9 本章小結(jié)33-34
• 第3章 廣義迭代學(xué)習(xí)主動噪聲控制系統(tǒng)34-40
• 3.1 引言34
• 3.2 一種簡單廣義迭代學(xué)習(xí)控制機(jī)制34-36
• 3.3 受干擾的廣義迭代學(xué)習(xí)主動噪聲控制系統(tǒng)36-39
• 3.4 本章小結(jié)39-40
• 第4章 廣義迭代學(xué)習(xí)主動噪聲控制系統(tǒng)最優(yōu)化設(shè)計40-53
• 4.1 引言40
• 4.2 IIR濾波器實現(xiàn)學(xué)習(xí)濾波器40-41
• 4.3 基于粒子群優(yōu)化算法求解最優(yōu)學(xué)習(xí)濾波器參數(shù)41-46
• 4.3.1 粒子群優(yōu)化算法的原理41-43
• 4.3.2 基于PSO的GILCS-ANC系統(tǒng)仿真43-46
• 4.4 基于量子粒子群優(yōu)化算法求解最優(yōu)學(xué)習(xí)濾波器參數(shù)46-52
• 4.4.1 量子粒子群優(yōu)化算法的原理46-48
• 4.4.2 基于QPSO的GILCS-ANC系統(tǒng)仿真48-50
• 4.4.3 FXLMS-ANC、ILC-ANC、GILCS-ANC系統(tǒng)對比仿真50-52
• 4.5 本章小結(jié)52-53
• 第5章 總結(jié)與展望53-55
• 5.1 總結(jié)53-54
• 5.2 展望54-55
• 參考文獻(xiàn)55-58
• 致謝58-59
• 攻讀學(xué)位期間參加的科研項目和成果59

【共引文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 姜曉明;陳興林;;有限長迭代學(xué)習(xí)控制及在掃描光刻中的應(yīng)用[J];電機(jī)與控制學(xué)報;2014年09期

2 陳興林;姜曉明;王程;;晶圓掃描光刻系統(tǒng)的有效非因果學(xué)習(xí)控制[J];控制理論與應(yīng)用;2013年10期

3 丁健;楊慧中;;基于遺忘因子最小二乘的自適應(yīng)學(xué)習(xí)控制[J];控制工程;2013年06期

4 孫明軒;張偉博;嚴(yán)求真;;非參數(shù)不確定系統(tǒng)約束迭代學(xué)習(xí)控制[J];控制理論與應(yīng)用;2014年04期

5 姜曉明;陳興林;;不確定性系統(tǒng)的非因果魯棒學(xué)習(xí)控制[J];控制與決策;2014年12期

6 Chun-Li Zhang;Jun-Min Li;;Adaptive Iterative Learning Control of Non-uniform Trajectory Tracking for Strict Feedback Nonlinear Time-varying Systems[J];International Journal of Automation & Computing;2014年06期

7 管海娃;孫明軒;齊麗強(qiáng);;保證瞬態(tài)性能的迭代學(xué)習(xí)控制[J];控制理論與應(yīng)用;2014年10期

8 David H.Owens;Chris T.Freeman;Bing Chu;;Generalized Norm Optimal Iterative Learning Control with Intermediate Point and Sub-interval Tracking[J];International Journal of Automation and Computing;2015年03期

9 Chiang-Ju Chien;Yu-Chung Hung;Rong-Hu Chi;;On the Current Error Based Sampled-data Iterative Learning Control with Reduced Memory Capacity[J];International Journal of Automation and Computing;2015年03期

10 孫明軒;何海港;孔穎;;基于神經(jīng)網(wǎng)絡(luò)的時變非線性系統(tǒng)迭代學(xué)習(xí)辨識[J];系統(tǒng)科學(xué)與數(shù)學(xué);2013年06期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前8條

1 曹偉;迭代學(xué)習(xí)控制及其在故障診斷中的應(yīng)用研究[D];哈爾濱工程大學(xué);2013年

2 孫何青;改進(jìn)的迭代學(xué)習(xí)控制算法及其在列車運(yùn)行控制應(yīng)用中的幾類問題研究[D];北京交通大學(xué);2014年

3 郝建根;數(shù)據(jù)驅(qū)動控制方法在交通控制中的應(yīng)用研究[D];北京交通大學(xué);2014年

4 盧達(dá);永磁同步電機(jī)調(diào)速系統(tǒng)控制策略研究[D];浙江大學(xué);2013年

5 孫麗麗;互聯(lián)系統(tǒng)的分散式自適應(yīng)迭代學(xué)習(xí)控制及應(yīng)用研究[D];浙江大學(xué);2014年

6 李蘭蘭;步進(jìn)掃描投影光刻機(jī)同步運(yùn)動控制策略及方法研究[D];中國科學(xué)院研究生院（光電技術(shù)研究所）;2014年

7 姜曉明;迭代學(xué)習(xí)控制方法及其在掃描光刻系統(tǒng)中的應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2014年

8 許光偉;基于優(yōu)化策略的迭代學(xué)習(xí)控制算法研究[D];大連理工大學(xué);2014年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 金亞蓉;基于遺傳算法的模糊迭代學(xué)習(xí)控制算法研究[D];蘭州理工大學(xué);2013年

2 朱淑;基于初態(tài)學(xué)習(xí)的非線性控制系統(tǒng)的自適應(yīng)迭代學(xué)習(xí)算法研究[D];北京交通大學(xué);2013年

3 唐曙;具有未知分布時滯的非線性系統(tǒng)的自適應(yīng)學(xué)習(xí)控制[D];西安電子科技大學(xué);2013年

4 趙葉蕾;時變參數(shù)不確定非線性系統(tǒng)的自適應(yīng)迭代學(xué)習(xí)控制[D];中國計量學(xué)院;2013年

5 巨圓圓;優(yōu)化迭代學(xué)習(xí)控制的邊值問題研究[D];蘭州理工大學(xué);2014年

6 何超;自適應(yīng)神經(jīng)網(wǎng)絡(luò)在迭代學(xué)習(xí)和分散化控制中的應(yīng)用與綜合[D];西安電子科技大學(xué);2014年

7 張丹;網(wǎng)絡(luò)化復(fù)雜動態(tài)多智能體的協(xié)作控制[D];西安電子科技大學(xué);2014年

8 王超;迭代學(xué)習(xí)控制算法的設(shè)計與應(yīng)用研究[D];燕山大學(xué);2014年

9 鄭平安;含有時變延遲的雙線性參數(shù)化非線性系統(tǒng)自適應(yīng)學(xué)習(xí)控制[D];云南師范大學(xué);2014年

10 何海港;基于時變神經(jīng)網(wǎng)絡(luò)的非線性時變系統(tǒng)迭代學(xué)習(xí)辨識與控制[D];浙江工業(yè)大學(xué);2014年

，

本文編號：955783