基于迭代学习控制的主动噪声控制技术研究

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。

目录

声明

摘要

第1章 绪论

1．1 引言

1．2 主动噪声控制的发展历程

1．3 国内外研究现状

1．4 本文主要工作

第2章 主动噪声控制与迭代学习控制介绍

2．1 引言

2．1 主动噪声控制原理

2．2 主动噪声控制系统类型

2．2．1 宽带前馈主动噪声控制系统

2．2．2 窄带前馈主动噪声控制系统

2．2．3 反馈主动噪声控制系统

2．2．4 多通道主动噪声控制系统

2．3 自适应滤波算法

2．3．1 基本概念

2．3．2 最陡下降法

2．3．3 LMS算法

2．3．4 FXLMS算法

2．4 FXLMS-ANC系统仿真

2．5 迭代学习控制背景

2．6 迭代学习控制原理

2．7 迭代学习控制的研究内容

2．8 ILC-ANC系统仿真

2．9 本章小结

第3章 广义迭代学习主动噪声控制系统

3．1 引言

3．2 一种简单广义迭代学习控制机制

3．3 受干扰的广义迭代学习主动噪声控制系统

3．4 本章小结

第4章 广义迭代学习主动噪声控制系统最优化设计

4．1 引言

4．2 IIR滤波器实现学习滤波器

4．3 基于粒子群优化算法求解最优学习滤波器参数

4．3．1 粒子群优化算法的原理

4．3．2 基于PSO的GILCS-ANC系统仿真

4．4 基于量子粒子群优化算法求解最优学习滤波器参数

4．4．1 量子粒子群优化算法的原理

4．4．2 基于QPSO的GILCS-ANC系统仿真

4．4．3 FXLMS-ANC、ILC．ANC、GILCS-ANC系统对比仿真

4．5 本章小结

第5章 总结与展望

5．1 总结

5．2 展望

参考文献

致谢

攻读学位期间参加的科研项目和成果