MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性

这篇具有很好参考价值的文章主要介绍了MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

 

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。

⛳️座右铭:行百里者,半于九十。

📋📋📋本文目录如下:🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现


💥1 概述

主动噪声和振动控制问题可用图 1 中的反馈框图来表示:

MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性

图中 z 表示性能变量,w 表示外部的输入干扰,反馈控制器 C 的设计是为了使得系统对于外部输入扰动w 的响应 z 应满足某种事先设定的条件。如: 跟踪给定参考值或响应趋于零等。性能变量 z 可以是某些物理量如在某点的加速度,模型能量或空间的扭曲度。观测变量 y 和控制变量 z 包括: 荷载力,扭曲,加速度,速度,角度,压力等,所有的实测量都应通过两个转换器 A 和 S 以变成物理域中的变量。因为每个实验装置中的物理条件的限制使得两个转换器中存在大量的对于观测变量 y 和控制变量 u 约束。饱和是遇到最常见的约束条件,它表示变量被限制在指定的特定范围之间。主动噪声控制中的饱和包括: 扩音器的输出电压和电流范围、麦克风振动的位置范围、微机的荷载力范围、惯性驱动的力范围。饱和约束的产生是因为没有足够的资源来达到期望的输出或者是由于机械和电子的失控而产生的输出。

📚2 运行结果

MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性

 MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性

MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性 MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性

 MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性

部分代码:

stability_margin = 0.1;     % distance of model poles and zeros from the unit circle
f = 200*(1:3)';             % primary noise sinusoids frequencies
amplitudes = [0.5, 1.2, 0.3]';      % primary noise sinusoids amplitudes
phases = [56, 170, -23]'*pi/180;    % primary noise sinusoids phases
frequency_noise = 0;        % rms Hz
Nx = 6;                     % model order (size-1)
on_id = 100;                % system identification start
on = 1000;                  % ANC start
qv0 = 0.01;                 % background noise power

% algorithm parameters
N = 15;                     % model order (size-1)
L = 64;                     % MPC horizont length
M = 32*(N+1);               % algorithm memory
P = M;                      % size of qv estimation blocks
R = N;                      % size of qv estimation blocks
Lu = 10;                    % saturation of the antinoise signal
wd = 10000;                 % keep past control signals constant
wu = 1e-6;                  % effort weigth on control signal u
deltax = 1e-3;              % prior 1/sigma^2 pior of a and b (x)
delta = 1e-9;               % actual value added Rxx to calc Sxx (<deltax)
alpha = 0;                  % controls auxiliary noise power
eta = 1.01;                 % max grouth rate of u (per sin half period)
Q = 8;                      % control signal update interval

% Signal logs
log_e = nan*zeros(simulation_time, Nsim);
log_u = nan*zeros(simulation_time, Nsim);
log_xi = nan*zeros(simulation_time, Nsim);
log_xi0 = nan*zeros(simulation_time, Nsim);
log_qv = nan*zeros(simulation_time, Nsim);

for n_sim = 1:Nsim
    tic
    rng(343989 + n_sim);
   
    % simulation intializations
    frequency = f' + frequency_noise*randn(simulation_time+L, length(f));
    phase = 2*pi*cumsum(frequency)/fs + phases';
    d0 = sin(phase)*amplitudes;
    d = d0 + sqrt(qv0)*randn(simulation_time+L, 1);  % primary noise signal

    [a,b] = generate_plant(Nx, stability_margin);
    
    uv = zeros(max(M+N+1, 2*L), 1);        % anti-noise buffer
    e1v = zeros(Nx+1, 1);    % residual noise minus background noise buffer

    % algorithm initialization
    u = 0;                   % anti-noise signal
    ev = zeros(M+N,1);       % residual noise buffer
    wuv = wu*ones(L+N,1);
    wev = ones(L,1);

    for k = 1:simulation_time
        
        % simulation
        qn = qn_steady + qn_change*(abs(k-change_at)<=change_time/2);
        a(2:end) = a(2:end) + std(a(2:end))*sqrt(qn)*randn(Nx,1);
        b = b + std(b)*sqrt(qn)*randn(Nx+1,1);
        if qn > 0
            [a,b] = adjust_plant(a,b,stability_margin);
        end
%         if k == change_at
%             b = - b;
%         end
        
        log_u(k,n_sim) = u;    % logs u(n) and not u(n+1)
              
        uv = [u; uv(1:end-1)]; % simulation and algorithm

🎉3 参考文献

部分理论来源于网络,如有侵权请联系删除。

[1]王建宏,王道波.子空间预测控制算法在主动噪声振动中的应用[J].振动与冲击,2011,30(10):129-135.DOI:10.13465/j.cnki.jvs.2011.10.013.

[2]Paulo A. C. Lopes (2023) Careful Feedback Active Noise and Vibration Control Algorithm Robust to Large Secondary Path Changes文章来源地址https://www.toymoban.com/news/detail-499993.html

🌈4 Matlab代码实现

到了这里,关于MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 蚁群算法的三维路径规划【Matlab】

    本篇文章主要记录了蚁群算法在三维路径规划中实现的过程 1 引言 在自然界中各种生物群体显现出来的智能近几十年来得到了学者们的广泛关注,学者们通过对简单生物体的群体行为进行模拟,进而提出了群智能算法。其中, 模拟蚁群觅食过程的蚁群优化算法(Ant Colony Opti

    2023年04月21日
    浏览(43)
  • Matlab | 基于遗传算法的TSP路径优化

    理论基础 问题导入 MATLAB程序实现及结果分析 总结与扩展 TSP (traveling salesman problem,旅行商问题)是典型的NP完全问题,即其最坏情况下的时间复杂度随着问题规模的增大按指数方式增长,到目前为止还未找到一个多项式时间的有效算法。 TSP问题可描述为: 已知有 n 个城市,各城市

    2024年02月04日
    浏览(44)
  • 【路径规划matlab代码】基于遗传算法求解机器人栅格地图路径规划问题

     ✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进, 代码获取、论文复现及科研仿真合作可私信。 🍎个人主页:Matlab科研工作室 🍊个人信条:格物致知。 更多Matlab完整代码及仿真定制内容点击👇 智能优化算法       神经网络预测       雷达通信    

    2024年03月08日
    浏览(69)
  • 【路径规划】基于遗传算法求解机器人栅格地图路径规划问题matlab代码

     ✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进, 代码获取、论文复现及科研仿真合作可私信。 🍎个人主页:Matlab科研工作室 🍊个人信条:格物致知。 更多Matlab完整代码及仿真定制内容点击👇 智能优化算法       神经网络预测       雷达通信    

    2024年01月24日
    浏览(64)
  • 【单谐波非线性振动问题求解器 GUI 】使用单个谐波表示解决 MDOF 非线性振动问题(Matlab代码实现)

    目录 💥1 概述 📚2 运行结果 🎉3 参考文献 🌈4 Matlab代码实现 对于解决多自由度(MDOF)非线性振动问题,使用单个谐波表示是一种常见的近似方法。这种方法将系统的非线性部分在谐波振动的基础上线性化,从而简化求解过程。 以下是一个基于GUI的单谐波非线性振动问题

    2024年02月15日
    浏览(41)
  • 路径跟踪算法之模型预测控制(MPC)跟踪

    模型预测控制(以下简称 MPC)是一种依赖于系统模型进行数学优化的复杂控制器。它利用优化算法计算有限时间范围内一系列的控制输入序列,并优化该序列,但控制器仅执行序列中的第一组控制输入,然后再次重复该循环。MPC 主要分为 3 个关键步骤:模型预测、滚动优化

    2024年01月23日
    浏览(50)
  • 基于A*算法的路径规划实践(MATLAB语言)

       路径最优规划是移动机器人系统中最重要的组成部分之一,分为点到点的路径规划和全覆盖路径规划。点到点的路径规划是按照走路线最短、行走时间最短等一定的评价标准进行,在其工作空间中找到一条从起始点到目标点的能避开障碍物的最优路径。根据是否给定全局

    2024年02月10日
    浏览(48)
  • 无人机巡检路径规划:基于MATLAB蚁群算法

    无人机巡检路径规划:基于MATLAB蚁群算法 简介: 无人机巡检是一种高效且灵活的方法,用于监测和巡视大型设施、建筑物和地区。为了使无人机能够在最短的时间内覆盖目标区域并避免重复巡检,路径规划成为至关重要的问题。本文将介绍如何使用MATLAB中的蚁群算法来进行

    2024年02月06日
    浏览(54)
  • 基于禁忌搜索算法的TSP路径规划matlab仿真

    目录 1.程序功能描述 2.测试软件版本以及运行结果展示 3.核心程序 4.本算法原理 4.1 TSP问题描述 4.2 禁忌搜索算法原理 4.3 算法步骤 5.完整程序 基于禁忌搜索算法的TSP路径规划,输出优化收敛曲线以及路线规划图。 MATLAB2022a版本运行         基于禁忌搜索算法的TSP(旅行商问题

    2024年01月25日
    浏览(37)
  • 路径规划算法3 改进的人工势场法(Matlab)

    目录 传统人工势场 引力势场 斥力势场  合力势场  传统人工势场法存在的问题  改进的人工势场函数  Matlab代码实现 参考链接: [1]朱伟达. 基于改进型人工势场法的车辆避障路径规划研究[D]. 江苏大学, 2017. 1986年Khatib首先提出人工势场法,并将其应用在机器人避障领域。该

    2024年02月11日
    浏览(37)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包