文档介绍：学位论文作者签名:星菇、日期:枷年≥月/日浙江理工大学学位论文原创性声明本人郑重声明:我恪守学术道德,崇尚严谨学风。所呈交的学位论文,是本人在导师的指导下,独立进行研究工作所取得的成果。除文中已明确注明和引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的作品及成果的内容。论文为本人亲自撰写,我对所写的内容负责,并完全意识到本声明的法律结果由本人承担。———————一
指导撕签名:剑㈨学位论文作者签名:、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅或借阅。本人授权浙江理工大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于保密口,在不保密吖年解密后使用本版权书。日期:。
,噪声问题日益引起了人们的极大关注。基于了丰硕的成果。在自适应噪声主动控制控制系统中,控制算法是直接影响自适应控制性能滤波惴ǎ瞬ǎ甔惴ù嬖谛枰=细呓状蔚淖允视β似骱筒荒苡行У目刂跳出局部极小值,并且具有良好的适应性和高度的并行性。基于遗传算法的以上优点,本应用于神经网络控制器,从而实现噪声主动控制系统的最佳控制。自适应控制理论的噪声主动控制技术已经成为噪声控制领域的重要研究内容之一,并取得的重要因素。目前,在自适应噪声主动领域,使用最为广泛的是基于线性自适应滤波器的非线性噪声等缺陷。因此运用新的技术手段,对自适应控制算法进行研究是一个非常有发展前景并且具有重要意义的工作。针对以上问题,本文从自适应噪声主动控制系统的基本理论出发,给出自适应前馈噪声主动控制模型,采用具有极强非线性处理能力的神经网络代替线性自适应滤波器作为自适应噪声主动控制系统的控制器,并提出了基于改进神经网络的自适应噪声主动存在容易陷入局部极小值、收敛速度慢等不足,所以该算法还需要进一步优化。遗传算法是一种高效的随机搜索和优化方法,它具有很好的全局寻优能力,可以有效文在改进滤波算法的基础上,结合遗传算法,。该算法使用遗传算法对改进神经网络的权值进行优化,将神经网络控制器的权值逼近全局最优值,然后利用改进算法较强的局部寻优能力找到全局最优值,最后把最优权值为了验证本文所提出算法的降噪性能,分别对滤波.、改进滤波.⒁糯ǎ瓸三种控制算法在线性和非线性条件下进行了系统的仿真分析,并得出了和我们理论分析相一致的仿真结果。关键词:噪声主动控制;自适应控制;神经网络;遗传算法;系统辨识
甌,甒—’瓵甌瓸,,、,,·..甌、Ⅳ瓸.,甋琓
甒珿—,琲..籄籅籊
摘录要目第二章自适应噪声主动控制基本理论研究⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第三章神经网络算法改进研究⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。第一章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.选题背景和意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯国内外研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯论文研究内容及章节安排⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯噪声主动控制基本原理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.自适应滤波原理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.自适应滤波算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯自适应前馈噪声主动控制系统⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯次级路径自适应建模⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。神经网络基本理论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。.【【⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..
第四章基于改进网络和遗传算法的系统研究⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第五章总结与展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯算法的性能分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.算法的改进研究⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..惴ǜ慕枷搿本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯