基于迭代学习控制的主动噪声控制技术研究

发布时间：2017-10-01 21:28

  本文关键词：基于迭代学习控制的主动噪声控制技术研究

  更多相关文章： 主动噪声控制 迭代学习控制 IIR滤波器 粒子群优化 量子粒子群优化

【摘要】：现代工业生产活动中的噪声污染日益成为不可忽视的环境污染问题。传统的被动消噪技术无法有效抑制低频噪声,且代价高昂。主动噪声控制技术作为一种新型的低频噪声抑制技术,被应用于工业生产、日常生活、国防军事等各个领域。该技术需要生成一个与目标噪声同频同幅反相的声音与噪声相消,其性能依赖于对噪声的跟踪精度。而迭代学习控制技术是近几年得到各国重视的新型轨迹跟踪技术,能提高主动噪声控制的噪声跟踪性能,结合两者优点的噪声控制系统具有很高的研究价值。本文针对具有重复、低频特性的噪声,研究基于迭代学习控制的主动噪声控制系统设计新方法,以实现主动噪声控制系统降噪性能的提升。设计基于迭代学习控制的主动噪声控制系统存在的问题主要是如何统一两种技术;如何建立和论证系统模型;如何优化系统参数提升性能。本文针对这些问题展开研究,研究内容和成果如下:1.从频域上进行分析,建立了一种广义迭代学习主动噪声控制系统,推导了该系统的收敛条件、收敛误差和收敛速度公式。2.结合IIR滤波器、粒子群优化算法,提出一种广义迭代学习主动噪声控制系统的IIR学习滤波器最优化设计方法。该方法设计的学习滤波器能在保证系统收敛的同时使收敛速度达到最大。3.在此基础上利用量子粒子群算法改进IIR学习滤波器设计方法,提高了设计效率同时保证了降噪性能。
【关键词】：主动噪声控制 迭代学习控制 IIR滤波器 粒子群优化 量子粒子群优化
【学位授予单位】：浙江工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TB535
【目录】：

• 摘要5-6
• ABSTRACT6-9
• 第1章 绪论9-13
• 1.1 引言9
• 1.2 主动噪声控制的发展历程9-11
• 1.3 国内外研究现状11
• 1.4 本文主要工作11-13
• 第2章 主动噪声控制与迭代学习控制介绍13-34
• 2.0 引言13
• 2.1 主动噪声控制原理13
• 2.2 主动噪声控制系统类型13-18
• 2.2.1 宽带前馈主动噪声控制系统14-15
• 2.2.2 窄带前馈主动噪声控制系统15-16
• 2.2.3 反馈主动噪声控制系统16-17
• 2.2.4 多通道主动噪声控制系统17-18
• 2.3 自适应滤波算法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系统仿真22-24
• 2.5 迭代学习控制背景24-25
• 2.6 迭代学习控制原理25-26
• 2.7 迭代学习控制的研究内容26-29
• 2.8 ILC-ANC系统仿真29-33
• 2.9 本章小结33-34
• 第3章 广义迭代学习主动噪声控制系统34-40
• 3.1 引言34
• 3.2 一种简单广义迭代学习控制机制34-36
• 3.3 受干扰的广义迭代学习主动噪声控制系统36-39
• 3.4 本章小结39-40
• 第4章 广义迭代学习主动噪声控制系统最优化设计40-53
• 4.1 引言40
• 4.2 IIR滤波器实现学习滤波器40-41
• 4.3 基于粒子群优化算法求解最优学习滤波器参数41-46
• 4.3.1 粒子群优化算法的原理41-43
• 4.3.2 基于PSO的GILCS-ANC系统仿真43-46
• 4.4 基于量子粒子群优化算法求解最优学习滤波器参数46-52
• 4.4.1 量子粒子群优化算法的原理46-48
• 4.4.2 基于QPSO的GILCS-ANC系统仿真48-50
• 4.4.3 FXLMS-ANC、ILC-ANC、GILCS-ANC系统对比仿真50-52
• 4.5 本章小结52-53
• 第5章 总结与展望53-55
• 5.1 总结53-54
• 5.2 展望54-55
• 参考文献55-58
• 致谢58-59
• 攻读学位期间参加的科研项目和成果59

【共引文献】

中国期刊全文数据库 前10条

1 姜晓明;陈兴林;;有限长迭代学习控制及在扫描光刻中的应用[J];电机与控制学报;2014年09期

2 陈兴林;姜晓明;王程;;晶圆扫描光刻系统的有效非因果学习控制[J];控制理论与应用;2013年10期

3 丁健;杨慧中;;基于遗忘因子最小二乘的自适应学习控制[J];控制工程;2013年06期

4 孙明轩;张伟博;严求真;;非参数不确定系统约束迭代学习控制[J];控制理论与应用;2014年04期

5 姜晓明;陈兴林;;不确定性系统的非因果鲁棒学习控制[J];控制与决策;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;孙明轩;齐丽强;;保证瞬态性能的迭代学习控制[J];控制理论与应用;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 孙明轩;何海港;孔颖;;基于神经网络的时变非线性系统迭代学习辨识[J];系统科学与数学;2013年06期

中国博士学位论文全文数据库 前8条

1 曹伟;迭代学习控制及其在故障诊断中的应用研究[D];哈尔滨工程大学;2013年

2 孙何青;改进的迭代学习控制算法及其在列车运行控制应用中的几类问题研究[D];北京交通大学;2014年

3 郝建根;数据驱动控制方法在交通控制中的应用研究[D];北京交通大学;2014年

4 卢达;永磁同步电机调速系统控制策略研究[D];浙江大学;2013年

5 孙丽丽;互联系统的分散式自适应迭代学习控制及应用研究[D];浙江大学;2014年

6 李兰兰;步进扫描投影光刻机同步运动控制策略及方法研究[D];中国科学院研究生院（光电技术研究所）;2014年

7 姜晓明;迭代学习控制方法及其在扫描光刻系统中的应用研究[D];哈尔滨工业大学;2014年

8 许光伟;基于优化策略的迭代学习控制算法研究[D];大连理工大学;2014年

中国硕士学位论文全文数据库 前10条

1 金亚蓉;基于遗传算法的模糊迭代学习控制算法研究[D];兰州理工大学;2013年

2 朱淑;基于初态学习的非线性控制系统的自适应迭代学习算法研究[D];北京交通大学;2013年

3 唐曙;具有未知分布时滞的非线性系统的自适应学习控制[D];西安电子科技大学;2013年

4 赵叶蕾;时变参数不确定非线性系统的自适应迭代学习控制[D];中国计量学院;2013年

5 巨圆圆;优化迭代学习控制的边值问题研究[D];兰州理工大学;2014年

6 何超;自适应神经网络在迭代学习和分散化控制中的应用与综合[D];西安电子科技大学;2014年

7 张丹;网络化复杂动态多智能体的协作控制[D];西安电子科技大学;2014年

8 王超;迭代学习控制算法的设计与应用研究[D];燕山大学;2014年

9 郑平安;含有时变延迟的双线性参数化非线性系统自适应学习控制[D];云南师范大学;2014年

10 何海港;基于时变神经网络的非线性时变系统迭代学习辨识与控制[D];浙江工业大学;2014年

，

本文编号：955783