《寬窄帶混合主動噪聲控制系統高效穩健算法及套用研究》是依託哈爾濱工業大學，由孫金瑋擔任項目負責人的面上項目。
基本介紹
- 中文名：寬窄帶混合主動噪聲控制系統高效穩健算法及套用研究
- 依託單位：哈爾濱工業大學
- 項目類別：面上項目
- 項目負責人：孫金瑋
項目摘要,結題摘要,
項目摘要
主動噪聲控制（ANC）在噪聲抑制領域具有重要套用價值，可以彌補被動降噪的不足。目前ANC在管道噪聲抑制上取得了顯著效果，但實際環境噪聲的非平穩性、寬頻和窄帶混合特徵、頻率失調、次級通道非線性等問題，嚴重影響了ANC系統性能，制約了ANC在複雜環境中的套用。對此，本項目在理論層面擬研究基於寬窄帶混合結構的主動噪聲控制系統，通過引入自適應變步長方法、加權平均代價函式、寬窄帶混合結構、雙輸入抗頻率失調結構和自適應網路模糊推理模型，提升系統在複雜環境噪聲下追蹤能力、收斂速度、穩態誤差、實時性和魯棒性等綜合性能。在套用層面，將一維管道試驗平台擴展到封閉空間，針對廠房、飛機客艙等特定空間進行聲場建模、仿真和實驗研究，最佳化模型參數，驗證和改進算法性能。課題的創新性成果將極大地提升複雜環境ANC系統的理論和套用水平。
結題摘要
主動噪聲控制（Active Noise Control, ANC）在噪聲抑制領域具有重要套用價值，彌補了傳統被動降噪的不足，完善了噪聲控制體系。在寬窄帶混合ANC系統研究中，對其系統性能進行了全面深入的分析，並針對系統的關鍵問題展開詳細研究，主要包括對寬窄帶混合ANC系統的頻率失調（Frequency Mismatch, FM）問題、系統收斂追蹤速度問題、非線性聲學路徑問題、參考信號為混沌噪聲問題、反饋非線性預測問題。針對各問題，分別研究了誤差分離技術的窄帶ANC系統解決頻率失調分析，總體平均經驗模態分解技術的ANC系統解決寬窄帶混合噪聲，FLANN-FIR（Functional Link Artificial Neural Network and Finite Impulse Response）前反饋混合ANC系統解決寬窄帶混合噪聲和非線性路徑問題，RFSLMS（Recursive Filtered-S Least Mean Square）算法的反饋非線性ANC系統解決混沌噪聲問題。此外，在各系統的基礎上研究了參數最佳化和系統複雜度問題，為進一步增強系統性能提供了可能。該項目研究增強了ANC系統對複雜環境的適應能力，在不影響系統穩態誤差的前提下極大地提高了收斂速度以及系統的追蹤性能。搭建管道ANC實驗平台，對提出的算法和方案在該平台上進行驗證。
