當(dāng)前位置:首頁(yè) > 工業(yè)控制 > 工業(yè)控制
[導(dǎo)讀]引言有源噪聲控制技術(shù)近年來得到了廣泛重視,特別適合低頻噪聲(1000Hz以下)的控制。有源噪聲控制從結(jié)構(gòu)上可分為兩類:一類是需要參考輸入信號(hào)的前向控制算法;另一類是不需要參考輸人信號(hào)的反饋控制算法[1]。隨著高性

引言

有源噪聲控制技術(shù)近年來得到了廣泛重視,特別適合低頻噪聲(1000Hz以下)的控制。有源噪聲控制從結(jié)構(gòu)上可分為兩類:一類是需要參考輸入信號(hào)的前向控制算法;另一類是不需要參考輸人信號(hào)的反饋控制算法[1]。隨著高性能低成本數(shù)字信號(hào)處理器(DSP)的出現(xiàn),有源噪聲控制已經(jīng)成為可以用于實(shí)際工程的技術(shù)[2]。目前,使用最廣泛的是采用Filter-x最小二乘算法的前向控制算法[3],但它需要測(cè)量與主噪聲相關(guān)的參考信號(hào),同時(shí)要已知次級(jí)聲學(xué)路徑的模型。然而,在實(shí)際應(yīng)用中往往無法獲得或需要付出非常高的代價(jià)才能獲得參考信號(hào)。而且,次級(jí)聲學(xué)徑往往是時(shí)變的。因此,前向控制技術(shù)在實(shí)際應(yīng)用中受到一定限制。不易測(cè)量參考信號(hào)的問題可采用反饋控制技術(shù)來解決,次級(jí)聲學(xué)路徑模型已有多種不同的在線建模方法"提出。然而,由于濾波、A/D轉(zhuǎn)換和信號(hào)傳遞過程等時(shí)間延遲的影響,反饋控制技術(shù)主要適用于窄帶噪聲控制。Meur-en[5]等提出了一種基于頻率選擇濾波的反饋控制技術(shù)。其主要優(yōu)點(diǎn)是不需要進(jìn)行傅立葉變換,各頻率獨(dú)立進(jìn)行控制,每個(gè)頻率控制的參數(shù)只有幅值和相位。該方法可采用在線建模方法處理次級(jí)聲學(xué)路徑時(shí)變的問題。本文利用Meurers的思想,使用無模型控制技術(shù)給出了一種新的周期噪聲控制方法。仿真結(jié)果表明,這種方法對(duì)次級(jí)聲學(xué)路徑的時(shí)變有較好的魯棒性。

2 基于FSF的周期噪聲反饋控制間

圖1給出了單頻噪聲控制結(jié)構(gòu)圖,其中x(ω)是單頻噪聲干擾信號(hào),e(ω)為輸出信號(hào)。P(ω)為主噪聲路徑,G(ω)為次級(jí)聲學(xué)路徑,H(ω)為控制濾波器。目標(biāo)是產(chǎn)生控制信號(hào)u(ω)使系統(tǒng)的輸出盡量接近零。假設(shè)系統(tǒng)的各環(huán)節(jié)都是線性的,對(duì)于多頻干擾,每個(gè)正弦信號(hào)和對(duì)象的動(dòng)力響應(yīng)可以用復(fù)數(shù)方便地表示為:
e(jωn)=d(jωn)+ G(jωn)u(jωn) ,n=l,2,…,N (1)
為消除噪聲,控制器產(chǎn)生的控制信號(hào)應(yīng)滿足
u(jωn)=-d(jωn)/G(jωn), n=1,2, …,N (2)
"是干擾頻率的數(shù)目,誤差信號(hào)中的每個(gè)頻率分量可由用頻率選擇濾波獲得,濾波器由3個(gè)串聯(lián)的2階濾波器構(gòu)成:
Fn(q)=f1n(q)F1n(q),n=1,2…,N (3)
 


其中
 

T是采樣周期,參數(shù)r<l,但是r~1,實(shí)際應(yīng)用中常選r=0.97??刂葡到y(tǒng)采用分塊方式運(yùn)行,設(shè)每塊內(nèi)的樣本數(shù)為M。在第忌塊定義代價(jià)函數(shù)為
J(jωn)=e(jωn)2, n=l,2…,N(5)
誤差輸出寫為實(shí)部和虛部組成的向量形式
e=Gu-,M+n (6)
其中,刀為測(cè)量噪聲。用梯度下降算法可得到控制增益
的自適應(yīng)規(guī)律:
uk+l=uk-μGTe (7)
從(7)式可以看出,該算法需要次級(jí)聲學(xué)路徑的模型。可采用在線估計(jì)方法確定該模型,但需事先記錄干擾信號(hào),同時(shí)必須保持信號(hào)的同步[5]。

3 無模型噪聲控制算法[6]

實(shí)質(zhì)上,自適應(yīng)調(diào)節(jié)的關(guān)鍵是誤差梯度的計(jì)算,直接解析計(jì)算的結(jié)果需要次級(jí)聲學(xué)路徑的模型,可以采用差分等數(shù)值方法計(jì)算誤差梯度
Δui=μJ(u+cei)-J(u)/c(8)

Δui是參數(shù)的修正量,μ是學(xué)習(xí)系數(shù),c是攝動(dòng)量,ei是第i個(gè)基向量。該算法的缺點(diǎn)是需要多次函數(shù)值的計(jì)算,當(dāng)調(diào)節(jié)參數(shù)較多時(shí),計(jì)算量太大無法實(shí)際應(yīng)用。采用隨機(jī)梯度算法可以減少計(jì)算量
Δui=μJ(u+cs)-J(u)/csi(9)
其中,s是隨機(jī)符號(hào)向量,si是其中第i個(gè)分量。這里假設(shè),隨機(jī)向量的每個(gè)分量都是零均值,且相互獨(dú)立。則:
E(Δui)=J(u)ui (10)
使用隨機(jī)梯度算法只需要計(jì)算兩次函數(shù)值,與調(diào)節(jié)參數(shù)數(shù)目無關(guān)。

4 基于FSF的周期噪聲無模型反饋控制

4.1 控制算法

使用無模型控制技術(shù),可以有效地克服次級(jí)聲學(xué)路徑模型對(duì)控制系統(tǒng)的影響。采用頻率選擇濾波的周期噪聲有源控制方法,能有效地分離出誤差信號(hào)中的周期成分,不同的頻率成分可以獨(dú)立有選擇地進(jìn)行控制。下面將頻率選擇和無模型控制技術(shù)相結(jié)合,給出一種基于FSF的周期噪聲無模型反饋控制方法。為敘述簡(jiǎn)便,省略了頻率的下標(biāo)描述。 

(1)給定學(xué)習(xí)系數(shù)小攝動(dòng)量c、控制增益"的初值;

(2)參數(shù)不變進(jìn)行M個(gè)樣本周期的控制;

(3)使用頻率選擇方法分離出周期分量,計(jì)算評(píng)價(jià)函數(shù)值J(u);

(4)產(chǎn)生隨機(jī)符號(hào)向量s,控制增益調(diào)為U+cs;

(5)參數(shù)不變進(jìn)行M個(gè)樣本周期的控制;
(6)使用頻率選擇方法分離出周期分量,計(jì)算評(píng)價(jià)函數(shù)值J(u+cs);

(7)使用(9)式計(jì)算控制增益修改量,并對(duì)控制增益進(jìn)行修正;

(8)若到達(dá)最大運(yùn)行時(shí)間,結(jié)束;否則轉(zhuǎn)(2)。

4.2控制算法實(shí)現(xiàn)

假設(shè)干擾頻率已知,則控制量可以表示為:

u=urcos(ωt)+uisin(ωt) (11)

同理,采用FSF以后,誤差信號(hào)可以表示為

e=ercos(ωt)+eisin(ωt) (12)
對(duì)每個(gè)周期分量,控制量為兩個(gè)實(shí)系數(shù)。評(píng)價(jià)函數(shù)的計(jì)算可以采用兩種方法,一是直接將FSF后的誤差平方求和作為評(píng)價(jià)函數(shù);另一種是用(12)式中兩個(gè)實(shí)系數(shù)的平方和作為評(píng)價(jià)函數(shù)。

4.3單頻控制仿真

仿真時(shí)干擾頻率選500Hz,采樣頻率選4000Hz,每塊樣本數(shù)M=1000,攝動(dòng)量c=0.01,學(xué)習(xí)系數(shù)μ=0.00001,仿真時(shí)間為30s。主噪聲和次級(jí)聲學(xué)路徑分別取
P(z)=0.8z-9+0.6z-10-0.2z-11-0.5z-12-0.1z-13+0.4z-14-0.05z-15
C(z)=z-5+2.5-6+1.76z-7+0.15z-8-0.4825z-9
0.186 25 z-10-0.005z-11-0.001 875Z-12
在15s時(shí),次級(jí)聲學(xué)路徑的純延遲數(shù)增加1。圖2給出了輸出誤差的時(shí)間變化曲線??梢钥闯鲈诖渭?jí)聲學(xué)路經(jīng)發(fā)生變化的情況下,控制系統(tǒng)仍收斂。圖3給出了輸出誤差的功率譜,500Hz的噪聲降低了近30dB。
 


5 結(jié)論

基于頻率選擇的周期噪聲無模型反饋控制方法,是采用頻率選擇濾波的周期噪聲有源控制方法,能有效地分離出誤差信號(hào)中的周期成分,不同頻率成分可獨(dú)立控制,同時(shí)可以有選擇地控制。使用無模型控制技術(shù)可有效地克服次級(jí)聲學(xué)路徑模型對(duì)控制系統(tǒng)的影響。將頻率選擇和無模型控制技術(shù)相結(jié)合可以在進(jìn)行頻率選擇控制的同時(shí)克服次級(jí)聲學(xué)路徑模型對(duì)控制 
統(tǒng)的影響。仿真例子表明,筆者提出的方法是有效的。

本站聲明: 本文章由作者或相關(guān)機(jī)構(gòu)授權(quán)發(fā)布,目的在于傳遞更多信息,并不代表本站贊同其觀點(diǎn),本站亦不保證或承諾內(nèi)容真實(shí)性等。需要轉(zhuǎn)載請(qǐng)聯(lián)系該專欄作者,如若文章內(nèi)容侵犯您的權(quán)益,請(qǐng)及時(shí)聯(lián)系本站刪除。
換一批
延伸閱讀

9月2日消息,不造車的華為或?qū)⒋呱龈蟮莫?dú)角獸公司,隨著阿維塔和賽力斯的入局,華為引望愈發(fā)顯得引人矚目。

關(guān)鍵字: 阿維塔 塞力斯 華為

倫敦2024年8月29日 /美通社/ -- 英國(guó)汽車技術(shù)公司SODA.Auto推出其旗艦產(chǎn)品SODA V,這是全球首款涵蓋汽車工程師從創(chuàng)意到認(rèn)證的所有需求的工具,可用于創(chuàng)建軟件定義汽車。 SODA V工具的開發(fā)耗時(shí)1.5...

關(guān)鍵字: 汽車 人工智能 智能驅(qū)動(dòng) BSP

北京2024年8月28日 /美通社/ -- 越來越多用戶希望企業(yè)業(yè)務(wù)能7×24不間斷運(yùn)行,同時(shí)企業(yè)卻面臨越來越多業(yè)務(wù)中斷的風(fēng)險(xiǎn),如企業(yè)系統(tǒng)復(fù)雜性的增加,頻繁的功能更新和發(fā)布等。如何確保業(yè)務(wù)連續(xù)性,提升韌性,成...

關(guān)鍵字: 亞馬遜 解密 控制平面 BSP

8月30日消息,據(jù)媒體報(bào)道,騰訊和網(wǎng)易近期正在縮減他們對(duì)日本游戲市場(chǎng)的投資。

關(guān)鍵字: 騰訊 編碼器 CPU

8月28日消息,今天上午,2024中國(guó)國(guó)際大數(shù)據(jù)產(chǎn)業(yè)博覽會(huì)開幕式在貴陽舉行,華為董事、質(zhì)量流程IT總裁陶景文發(fā)表了演講。

關(guān)鍵字: 華為 12nm EDA 半導(dǎo)體

8月28日消息,在2024中國(guó)國(guó)際大數(shù)據(jù)產(chǎn)業(yè)博覽會(huì)上,華為常務(wù)董事、華為云CEO張平安發(fā)表演講稱,數(shù)字世界的話語權(quán)最終是由生態(tài)的繁榮決定的。

關(guān)鍵字: 華為 12nm 手機(jī) 衛(wèi)星通信

要點(diǎn): 有效應(yīng)對(duì)環(huán)境變化,經(jīng)營(yíng)業(yè)績(jī)穩(wěn)中有升 落實(shí)提質(zhì)增效舉措,毛利潤(rùn)率延續(xù)升勢(shì) 戰(zhàn)略布局成效顯著,戰(zhàn)新業(yè)務(wù)引領(lǐng)增長(zhǎng) 以科技創(chuàng)新為引領(lǐng),提升企業(yè)核心競(jìng)爭(zhēng)力 堅(jiān)持高質(zhì)量發(fā)展策略,塑強(qiáng)核心競(jìng)爭(zhēng)優(yōu)勢(shì)...

關(guān)鍵字: 通信 BSP 電信運(yùn)營(yíng)商 數(shù)字經(jīng)濟(jì)

北京2024年8月27日 /美通社/ -- 8月21日,由中央廣播電視總臺(tái)與中國(guó)電影電視技術(shù)學(xué)會(huì)聯(lián)合牽頭組建的NVI技術(shù)創(chuàng)新聯(lián)盟在BIRTV2024超高清全產(chǎn)業(yè)鏈發(fā)展研討會(huì)上宣布正式成立。 活動(dòng)現(xiàn)場(chǎng) NVI技術(shù)創(chuàng)新聯(lián)...

關(guān)鍵字: VI 傳輸協(xié)議 音頻 BSP

北京2024年8月27日 /美通社/ -- 在8月23日舉辦的2024年長(zhǎng)三角生態(tài)綠色一體化發(fā)展示范區(qū)聯(lián)合招商會(huì)上,軟通動(dòng)力信息技術(shù)(集團(tuán))股份有限公司(以下簡(jiǎn)稱"軟通動(dòng)力")與長(zhǎng)三角投資(上海)有限...

關(guān)鍵字: BSP 信息技術(shù)
關(guān)閉
關(guān)閉