Đang chuẩn bị liên kết để tải về tài liệu:
Kiểm soát tiếng ồn tích cực dùng mạng nơron

Nguyên lý của kiểm soát tiếng ồn tích cực là tạo ra tiếng ồn thứ cấp có cùng biên độ nhưng ngược pha với tiếng ồn sơ cấp sao cho tiếng ồn tổng hợp giảm đi trong môi trường kiểm soát tiếng ồn. Trong bài bài báo này chúng tôi giới thiệu một phương pháp kiểm soát nhiễu mới sử dụng mạng nơron. Chúng tôi cũng đã đưa ra một phương pháp mới về bổ chính bão hòa của bộ khuếch đại công suất trong hệ thống kiểm soát tiếng ồn. Giải thuật kiểm soát tiếng ồn đưa ra được so sánh với các giải thuật truyền thống. Các kết quả mô phỏng được trình bày. | TẠP CHÍ PHÁT TRIỂN KH&CN, TẬP 13, SỐ K4 - 2010 ACTIVE NOISE CONTROL USING NEURAL SYSTEM Huynh Van Tuan(1), Duong Hoai Nghia(2) (1) University of Science, VNU-HCM (2) University of Technology, VNU-HCM (Manuscript Received on June 11st, 2008, Manuscript Revised August 04th, 2010) ABSTRACT: The principle of active noise control (ANC) is to produce a secondary acoustic noise which has the same magnitude as the unwanted primary noise but with opposite phase. The sum of these two signals reduces acoustic noise in the noise control area. In this paper we present a new ANC method using neural system. Moreover a new method for compensating the saturation of the power applifier is also introduced. The performance of the proposed method is compared to that of traditional methods. Simulation results are provided for illustration. Keywords: ANC, neural system computational load [1], [2], [7], [8]. This 1. INTRODUCTION algorithm is a steepest descent algorithm that Acoustic noise problems become more and more evident as increased numbers of industrial equipment such as engines, blowers, fans, transformers, and compressors are in use. Traditional methods of acoustic noise control use passive controls such as enclosures, barriers, and silencers to attenuate the undesired noise [1], [2]; however, they are relatively large, costly, and ineffective at low frequencies [1], [3]. The ANC system efficiently attenuates low frequency noise where passive methods are either ineffective or tend to be very expensive or bulky. uses an instantaneous estimate of the gradient of the cost function. Detailed presentations of ANC can be mentioned as follows: [2] considers a frequency-domain approach using adaptive neural network; [4] proposes a recursive-least-squares algorithm for nonlinear ANC system using neural networks; [5] uses a neural network for the nonlinear active control of sound and vibration; [6] presents a .