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

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算法通常用于减少噪声和振动对系统产生的干扰和损害。对于较大的次级路径变化具有鲁棒性研究是指算法在面对系统参数变化或外部扰动时能够保持稳定性和性能。在实际应用中，系统参数可能因为环境变化、设备老化或其他因素而发生较大变化，因此算法需要具有良好的鲁棒性才能在这些情况下有效工作。

研究鲁棒性通常包括以下几个方面：

1. **鲁棒性分析**：通过数学建模和分析来研究系统的鲁棒性能，例如针对参数变化或不确定性的分析，以确定算法对这些变化的敏感性。

2. **控制设计**：设计算法时考虑系统的不确定性，并采用合适的控制策略来提高稳定性和性能。例如，采用自适应控制、模糊控制或鲁棒控制方法。

3. **仿真验证**：利用仿真环境对算法的鲁棒性进行验证，模拟系统参数的变化和外部干扰，检验算法在这些情况下的表现。

4. **实验验证**：进行实际实验以验证算法在实际系统中的鲁棒性能，实时监测系统参数的变化并观察算法的响应。

通过对主动噪声和振动控制算法的鲁棒性研究，可以提高其在实际应用中的可靠性和有效性，确保系统能够在各种环境下稳定运行并实现预期的控制效果。

主动噪声和振动控制问题可用图 1 中的反馈框图来表示:

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

 

 

 

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

🌈4 Matlab代码实现