自适应滤波在有源消声中的应用

从分析有源消声的难点出发 ,综述了自适应滤波算法在有源消声中的应用 ,给出了相应的实例 .对自适应滤波在有源消声中应用的未来发展趋势作了展望 .     

自适应管道有源消声系统的研究

有源消声技术对于管道中低频噪声的控制非常有效。本文描述的自适应管道有源消声系统,性能稳定,对单频的消声量可达30dB,对宽带随机噪声的消声量不低于14dB。     

改进的萤火虫算法优化BP神经网络及应用

针对传统萤火虫算法存在收敛速度慢和易陷入局部最优解的问题,将传统的固定搜索步长修改为与个体分布密度相关的自适应调整步长,提出了自适应步长萤火虫算法。将自适应步长萤火虫算法和BP神经网络结合,通过自适应步长萤火虫算法寻优,获取BP神经网络最优的权值和阈值,并将其作为BP神经网络的初始参数进行训练,以提高BP神经网络的训练精度和速度。以弹道导弹突防效能评估为例,构建突防效能评估指标体系,建立基于改进BP神经网络的弹道导弹突防效能评估模型。算例分析和仿真试验表明,采用自适应步长萤火虫算法优化的BP神经网络计算结果准确率高、收敛性强,在弹道导弹突防效能评估中具有推广应用价值。     

神经网络在精确打击目标识别中的应用研究

目标识别正确与否直接影响到防空火力的部署、分配及有效打击.利用BP神经网络识别精确打击目标并进行了仿真实验.建立了样本库,提取图像的不变矩作为神经网络的输入量,分别采用基本梯度下降算法、有动量和自适应学习速率梯度下降算法和Levenberg-Marguardt优化算法训练BP网络.仿真结果表明,不变矩理论很好地解决了3维物体的2维图像在旋转、平移、缩放时能否成功提取图像特征的问题,而采用LM优化算法的BP神经网络训练速度快,识别准确率高.     

基于微机控制实现的自适应有源消声

提出一个以微机为核心的自适应有源消声系统,该系统能为研究不同系统结构的有源消声提供一个灵活的实验平台。文中采用ＬＭＳ算法为自适应滤波控制器,能自动补偿背景噪声、环境参数和电声参数变化对消声效果的影响,能在较宽频带内取得显著的消声量。实验结果表明：在双次级源的自由空间布放方式下,该系统对５０～４００Ｈｚ范围内的单频、窄带随机噪声取得的最大消声量在４０ｄＢ以上。     

神经网络PID在空空导弹自动驾驶仪中的应用

采用改进型BP神经网络与传统PID相结合作为控制器,应用于空空导弹自动驾驶仪的设计中。BP神经网络算法的运用,使得所设计的自动驾驶仪能够针对非线性、时变的气动特性自适应地调整控制参数,利用MATLAB软件对系统进行仿真,给出了相应的仿真结果。实现对PID控制器参数的寻优整定,简化了设计过程。     

应用于有源消声的变换域LMS算法

针对自适应有源消声最常用的滤波—XLMS算法(FLMS)运算量小、收敛缓慢、宽带消声效果差等不足之处,利用误差通道滤波特性,提出了变换域滤波—XLMS算法。新算法的突出优点是收敛速度较快、宽带消声效果较好。     

模糊神经网络在发电机励磁控制中的应用

采用含有惯性项学习算法的BP神经网络代替模糊PID控制器,对同步发电机励磁控制系统进行仿真。仿真结果表明,在系统遭受扰动或突加减载时,所设计的模糊神经网络励磁控制器具有良好的控制效果。     

模拟退火优化BP神经网络在航向控制系统中的应用

目前,广泛运用于神经网络中的误差反向传播算法(BP算法)训练时间较长,且易陷入局部最优.为了克服BP算法的固有缺陷,文中提出了在BP算法中加入模拟退火算法权因子.在航向控制系统中进行了仿真,数据显示该算法比单纯BP算法更能优化控制器性能参数和全局搜索能力,收敛速度更快,精度提高比较明显.     

自适应逆控制FXLMS算法有源噪声控制仿真研究

前馈有源噪声控制方法可在较宽的频带有效,使之获得了广泛的应用.在前馈有源噪声控制中,直接使用传统的FXLMS算法时,由于次级通道传递函数往往是非最小相位系统,导致系统的性能下降.文中提出一种基于非最小相位系统逆控制的自适应前馈有源噪声控制FXLMS算法,用带宽随机噪声信号和实测风机通风管道噪声信号进行仿真实验研究,结果表明,较传统的FXLMS算法有明显的改进.     

Luenberger观测器与LADRC在稳瞄系统中的应用

针对稳瞄系统的性能有一定改进空间,而对象机械特性又改善受限的问题,试图从电气控制角度寻求更好的解决方法。为此,以某上反稳瞄系统为平台,对Luenberger观测器和LADRC(线性自抗扰控制器)两种能提高系统性能的先进控制算法进行了半实物仿真研究。首先,介绍了Luenberger观测器和LADRC的基本原理。其次,对某上反稳瞄系统的对象特性进行了分析,设计了基于两种控制模型的控制器参数。然后,运用MATLAB/Simulink工具和d SPACE半实物仿真系统,对某上反稳瞄系统进行了两种控制算法的对比研究。Luenberger观测器的控制性能相对较好,受噪声的影响,离工程实现还有一段距离。如何有效抑制噪声有待进一步研究。     

柔性神经网络滑模主动控制技术

针对复杂激励条件下的振动控制,对Jiles-atherton模型的磁致伸缩作动器在双层隔振系统中的主动控制进行了研究。以传统滑模控制为基础,提出一种柔性神经网络滑模控制算法。用正则化方法设计控制器的切换矩阵,建立神经网络权值和柔性映射参数更新学习公式,并将该控制策略应用于双层隔振系统的振动主动控制中。通过单频、多频及随机信号激励进行仿真研究,结果表明:柔性神经网络滑模控制器具有较强的鲁棒性,具有较好的控制效果。     

基于混合遗传算法优化的制导炸弹BP网络PID控制器

经典的PID控制方法虽然其物理意义明确、参数调整简便,但是面对现代的过程控制对象所具有的非线性、时变和多种不确定干扰等特性,使得基于精确线性数学模型的设计思路很难直接获得满意的动静态控制效果.在BP神经网络控制的基础上,采用混合遗传算法优化BP反向传播权系数值,推导了算法过程,设计了基于混合遗传算法优化的制导炸弹BP网络PID控制器.最后,以某制导炸弹纵向通道设计为例,仿真结果表明控制器能使得制导炸弹准确命中目标,并且具有较好的鲁棒性能.     

非线性系统的神经网络广义预测控制

研究了神经网络广义预测控制方法在非线性系统中的应用,基于BP网络构造神经网络预测器,利用非线性系统的开环输入输出数据离线训练神经网络,根据拟牛顿BFGS优化算法使得二次型性能指标函数达到最小,得到了最优的控制序列。同时给出了神经网络广义预测控制算法的步骤,讨论了提高系统鲁棒性的措施。仿真结果表明,这种神经网络预测控制算法具有响应速度快、控制效果好和跟踪精度高等特点。     

管道中高次波的有源控制

探讨管道中高次波的有源控制问题.首先,对消声条件下的次级声源强度进行了理论分析,并对误差传声器的数目与位置进行了讨论.最后,进行了控制方截面管中(0,0)次波(平面波)和(1,0)次波的实验.结果表明,对管道中的高次波实施有源控制是完全可能的.     

基于趋近律的离散滑模位置跟踪控制

针对不确定对象的主要特点,运用离散滑模变结构理论探索不确定对象的位置跟踪问题。设计了一种离散趋近率滑模位置跟踪算法,推导了滑模控制的可达性条件。该算法以离散位置信号作为输入,设计了离散指数趋近率,根据系统当前的状态,有目的地调整控制器,采用离散Kalman滤波器对干扰和噪声进行滤波。经仿真研究,该算法不仅在无扰动无噪声条件下,能够准确的进行位置跟踪,而且在扰动和噪声时,具有较强的鲁棒性和抗干扰性,较好地满足了位置跟踪控制的要求。     

组网雷达的改进粒子滤波算法

针对现代战争中有源雷达容易受到干扰和反辐射导弹的摧毁,以及无源雷达隐蔽性高,只能测量方位角度,测量精度小等特点,提出利用集中式有源雷达系统与无源雷达系统协同组网对目标进行跟踪。但是在实际环境中,噪声属性以及有源雷达,无源雷达接收信号的特点决定了组网雷达需要应用非线性滤波技术对信号进行处理。传统的非线性技术包括卡尔曼滤波、扩展卡尔曼滤波(EKF)或无迹卡尔曼滤波(UKF)等方法。非线性近似过程带来的误差相对较大,而且均要求观测噪声和过程噪声为独立或相关的高斯白噪声。而粒子滤波避免了传统非线性滤波方法的缺陷,但是存在粒子退化,于是用EKF和UKF在每一时刻更新粒子,用更新的粒子及其协方差构造重要性函数,然后重采样。仿真实验表明这两种改进粒子滤波方法有很好的效果。