導(dǎo)航：安全管理網(wǎng)>> 安全論文>> 環(huán)境保護論文>>正文

遺傳算法在管道有源噪聲控制中的應(yīng)用研究

文檔作者：王玉成孟憲皆文檔來源：山東理工大學(xué)交通與車輛工程學(xué)院		點擊數(shù)：	更新時間： 2025年04月07日
下載地址：點擊這里	文件大小： 2.70 MB 共10頁	文檔格式： PDF	下載點數(shù)： 1 點（VIP免費）

全屏查看

內(nèi)容預(yù)覽 [文件共10頁]

本文件共10頁，如需編輯使用，請下載。

注：預(yù)覽效果可能會出現(xiàn)部分文字亂碼（如口口口）、內(nèi)容顯示不全等問題，下載是正常的。

	文件大小：2.70 MB 共10頁文件格式：PDF 下載點數(shù)：1 點（VIP會員免費）

下一篇：電除塵器改造及除塵污水的處理

上一篇：化學(xué)知識學(xué)習(xí)對理解霧霾成因與防護措施的…

文本預(yù)覽

僅提取頁面文字內(nèi)容，供快速閱讀使用。

數(shù)字技術(shù) 與應(yīng)用 算法分析141管道有源噪聲控制是一種控制管道內(nèi)低頻噪聲非常有效的方法。在管道聲場中,由于聲場模型簡單,從而簡化了控制中聲學(xué)傳遞函數(shù),往往采用單通道就會取得較好的降噪效果[1]。因此,管道有源噪聲控制具有非常重要的研究意義。自適應(yīng)控制算法作為有源噪聲控制的核心,其性能的好壞直接決定了系統(tǒng)的降噪效果。為得到性能更好的算法,人們將自適應(yīng)控制領(lǐng)域中的諸多優(yōu)秀算法改進并引入到了有源控制中。其中比較典型的有M. Bounchard提出的多通道FxAP算法,并對其進行了優(yōu)化仿真,提高了算法的收斂速度[2]。Li Tan在Volterra級數(shù)的基礎(chǔ)上提出了VFxLMS算法,有效解決了降噪過程中初級通道與次級通道相關(guān)性差的情況[3]。D.P.Das提出了基于神經(jīng)網(wǎng)絡(luò)的FsLMS算法,并與VFxLMS算法進行了研究對比,發(fā)現(xiàn)FsLMS算法的穩(wěn)態(tài)誤差和收斂速度均優(yōu)于VFxLMS算法[4]。然而這些傳統(tǒng)的算法大都是針對系統(tǒng)初級通道和次級通道線性相關(guān)的情況,當(dāng)初級通道與次級通道非線性相關(guān)時,這些算法就無法取得滿意的降噪效果。針對初級通道與次級通道非線性相關(guān)的情況,本文引入了遺傳算法作為管道有源噪聲的控制算法,分別采用標(biāo)準(zhǔn)遺傳算法和多種群遺傳算法建立自適應(yīng)有源消聲仿真實驗系統(tǒng),通過對仿真實驗結(jié)果進行對比分析,探討遺傳算法在管道有源噪聲控制中的應(yīng)用。1 算法介紹遺傳算法(genetic algorithm,GA)是一種模擬生物界“自然進化,適者生存”的隨機搜索算法,非常適合處理傳統(tǒng)算法難以解決的非線性問題[5]。目前,遺傳算法已被廣泛應(yīng)用于自適應(yīng)控制、數(shù)字信號處理等諸多領(lǐng)域,并取得了良好的效果。1.1 標(biāo)準(zhǔn)遺傳算法標(biāo)準(zhǔn)遺傳算法(SGA),其原理是把問題的參數(shù)編碼成若干染色體,每個染色體代表問題的一個解或一組解,染色體的好壞由其適應(yīng)度值來決定,根據(jù)適應(yīng)度好壞從上一代選擇出一定數(shù)量表現(xiàn)優(yōu)秀的染色體,再通過交叉、變異操作產(chǎn)生下一代染色體。經(jīng)過若干代進化后,算法收斂于最好的染色體,即優(yōu)化問題的最優(yōu)解[6]。SGA在有源消聲控制中具體實現(xiàn)步驟如下:1.1.1 種群初始化隨機創(chuàng)建規(guī)模為N的種群,確定交叉概率pc和變異概率pm的值。1.1.2 適應(yīng)度計算染色體的適應(yīng)度由誤差信號決定。本文把誤差信號均方誤差(MSE)作為目標(biāo)函數(shù),其倒數(shù)作為算法的適應(yīng)度函數(shù),誤差信號的值越小,適應(yīng)度越高,個體越優(yōu)。適應(yīng)度計算函數(shù)為:21[ ( )][ ( )]F e kE e k? (1)1.1.3 選擇操作采用輪盤賭法選擇適應(yīng)度高的染色體,染色體被選中的概率為:1ii njjFpj F??? ? (2)其中:Fc為染色體i 的適應(yīng)度值; n 為種群中染色體的數(shù)目。1.1.4 交叉、變異操作采用單點交叉和位點變異的方法進行操作。1.1.5 算法終止判定若滿足預(yù)設(shè)終止條件,則遺傳終止;否則返回步驟2,直到滿足終止條件。SGA流程如圖1所示:1.2 多種群遺傳算法遺傳算法在管道有源噪聲控制中的應(yīng)用研究王玉成 孟憲皆 *(山東理工大學(xué)交通與車輛工程學(xué)院 山東淄博 255049)摘要:基于遺傳算法的原理及性能分析,為解決有源噪聲控制中的非線性問題,分別設(shè)計了標(biāo)準(zhǔn)遺傳算法和多種群遺傳算法的自適應(yīng)有源消聲仿真實驗系統(tǒng),并對實驗結(jié)果進行對比分析。結(jié)果表明:這兩種遺傳算法都能夠快速找到自適應(yīng)濾波器最優(yōu)權(quán)系數(shù)組合,且由于其優(yōu)化過程中不依賴于梯度,具有很強的魯棒性和全局搜索能力,但多種群遺傳算法能夠更加有效的維持種群的多樣性,兼顧算法的局部搜索能力和降低計算結(jié)果對遺傳控制參數(shù)的敏感性,從而有效解決了采用標(biāo)準(zhǔn)遺傳算法控制自適應(yīng)濾波器系數(shù)更新過程中出現(xiàn)早熟收斂的問題,為遺傳算法在有源消聲系統(tǒng)中的實際應(yīng)用奠定了一定的理論基礎(chǔ)。關(guān)鍵詞:遺傳算法 非線性 有源消聲 自適應(yīng)濾波中圖分類號:TB535 文獻標(biāo)識碼:A 文章編號:1007-9416(2015)02-0141-03Abstract:In order to solve the nonlinear problem of active noise control, it designed the adaptive noise reduction system of standard genetic algorithm andmultiple population genetic algorithm based on the principle and performance analysis of genetic algorithm. The simulation experiment results show that the twokinds of genetic algorithm can quickly find the optimal combination of weight function in adaptive filter and have a strong robustness and global search ability inthe optimization process because of not dependent on the gradient. But the multiple population genetic algorithm can maintain the diversity of populationeffectively, both the local search ability of the algorithm and reduce the sensitivity of genetic control parameters to the results, and solved the premature problemeffectively in the process of updating the adaptive filter coefficient based on the standard genetic algorithm. This conclusion provides a theoretical basis for thegenetic algorithm used in the active noise control system.Key Words:genetic algorithm;nonlinear;adaptive filter;active noise control收稿日期:2015-01-06作者簡介:王玉成(1986 —),男,漢族,山東龍口人,碩士研究生,研究方向:車輛系統(tǒng)動力學(xué)。* 通訊作者:孟憲皆(1965 —),男,漢族,山東淄博人,副教授,博士,研究方向:車輛系統(tǒng)動力學(xué),Emai: mxjie88@126.com種群初始化 適應(yīng)度計算 選擇 交叉新種群 變異 算法是否 輸出 終止？YN圖 1 SGA 流程框圖算法分析 數(shù)字技術(shù) 與應(yīng)用142在標(biāo)準(zhǔn)遺傳算法中,未成熟收斂是不可忽略的問題,主要表現(xiàn)在種群中所有個體都趨于同一狀態(tài)而停止進化,算法最終不能得出滿意的解。研究發(fā)現(xiàn)導(dǎo)致標(biāo)準(zhǔn)遺傳算法不能成熟收斂的原因主要有以下幾點:存在初始種群單個個體適應(yīng)度過高;交叉概率pc和變異概率pm值固定;種群規(guī)模過小等問題。針對上述標(biāo)準(zhǔn)遺傳算法存在的問題,本文引入了多種群遺傳算法(MPGA)作為有源消聲系統(tǒng)的控制算法,相較于傳統(tǒng)的標(biāo)準(zhǔn)遺傳算法,MPGA具有以下幾個特點:(1)打破了SGA僅靠單個種群進行優(yōu)化的框架,引入多個種群同時進行優(yōu)化計算,且不同的種群賦予pc和pm不同的值,防止pc和pm取值不當(dāng)造成算法早熟收斂,且兼顧了算法的全局和局部搜索能力。(2)通過移民算子實現(xiàn)不同種群之間的聯(lián)系,以達到種群間能夠協(xié)同進化的目的。(3)每代中的最優(yōu)個體都通過人工選擇算子進行保存,且作為判斷算法是否收斂的依據(jù)。MPGA各種群的進化機制均采用常規(guī)標(biāo)準(zhǔn)遺傳算法的進化機制,且不同種群賦予不同的控制參數(shù),以達到多個不同參數(shù)的種群協(xié)同進化的目的,同時兼顧了算法的全局和局部搜索;各種群之間相互獨立,通過移民算子進行聯(lián)系,移民算子定期的把各個種群遺傳進化過程中得到的最優(yōu)個體引入其他種群,替代其它種群中表現(xiàn)最差的個體;通過人工選擇算子選出各種群中的最優(yōu)個體放入精華種群中加以保存。精華種群不進行選擇、交叉、變異操作,以保證最優(yōu)個體不被破壞。同時通過精華種群中最優(yōu)個體的最少保持代數(shù)作為算法的終止條件。MPGA具體流程如圖2所示:2 模型建立有源噪聲控制的核心是自適應(yīng)濾波器和相應(yīng)的自適應(yīng)算法[7]。自適應(yīng)濾波器的基本目標(biāo)是通過某種方式調(diào)整其參數(shù)ω(k),使濾波器的輸出盡可能的將包含參考信號的目標(biāo)函數(shù)最小化。通常情況下,目標(biāo)函數(shù)F是一個關(guān)于參考信號、輸入信號、自適應(yīng)濾波器輸出信號的一個函數(shù)。即F=[d(k),x(k),y(k)]。在系統(tǒng)自適應(yīng)過程中,自適應(yīng)算法試圖使目標(biāo)函數(shù)F最小化,從而使y(k)和d(k)近似相等,ω(k)收斂到ω0,其中ω0是使目標(biāo)函數(shù)F最小化的最優(yōu)系數(shù)集合。目標(biāo)函數(shù)最小化從某種意義上說明了自適應(yīng)濾波器的輸出信號與期望信號實現(xiàn)了匹配[8]。對于自適應(yīng)濾波系統(tǒng)來說,其基本特點是要求兩路噪聲相關(guān),既可以是線性相關(guān)也可以使非線性相關(guān)。其中常用的基于LMS算法及其改進算法的自適應(yīng)濾波器都是線性的,假設(shè)用其去處理非線性問題,會導(dǎo)致權(quán)矢量的維數(shù)大幅增加,收斂速度緩慢,從而無法滿足實時性要求。所以對于非線性系統(tǒng),必須采用基于非線性算法的自適應(yīng)濾波器。而遺傳算法在解決問題過程中,將問題參數(shù)編碼成染色體,而不針對函數(shù)本身,從而不受函數(shù)約束條件限制,且計算過程中不依賴梯度,具有并行搜索特性,不要求函數(shù)連續(xù)及可導(dǎo),使其能夠有效解決傳統(tǒng)算法難以解決的非線性問題。圖3顯示了基于遺傳算法的單通道前饋自適應(yīng)控制結(jié)構(gòu)。在圖3中,x(k)為參考輸入信號,d(k)為降噪?yún)^(qū)域內(nèi)的待降噪信號,y(k)為自適應(yīng)濾波器的輸出信號,c(k)為y(k)通過次級通路H(z)后的信號,P(z)為初級通路傳遞函數(shù),e(k)為期望信號與輸出信號相消干涉后產(chǎn)生的誤差信號,自適應(yīng)算法通過某種規(guī)則對濾波器進行自適應(yīng)調(diào)整,從而使誤差信號在該規(guī)則下達到最優(yōu),從而達到降噪的目的[9]-[10]。3 數(shù)值仿真與結(jié)果分析參考信號設(shè)置由3個頻率分別為100Hz、150Hz、200Hz 3個正弦信號疊加而成,初級通道和次級通道的都設(shè)為非線性的,其中初級通路建模為:d n x n x n ( ) ( 5) 0.2 ( 7) ? ? ? ? ? (3)2p n d n d n ( ) ( ) 0.02 ( ) ? ? ? (4)次級通路建模為:c n h y n ( ) 0.6 tan ( ( )) ? ? (5)在SGA結(jié)構(gòu)中,初始種群大小設(shè)為60,染色體長度為400,每20位代表一個權(quán)系數(shù),交叉概率為0.7,變異概率為0.0015,算法遺傳400代終止。在MPGA結(jié)構(gòu)中,種群數(shù)量設(shè)為30個,種群大小、染色體設(shè)置同SGA,交叉概率在0.7～0.9之間隨機選取,變異概率在0.001～0.02之間隨機選取。當(dāng)精華種群中最優(yōu)個體保持30代時算法終止。系統(tǒng)采用經(jīng)典單通道前饋控制系統(tǒng)。在本文中,通過matlab進行仿真,利用sptool工具箱對噪聲信號進行分析,并采用Welch算法繪制其功率譜,結(jié)果如圖4:由圖4可以看出,兩種遺傳算法在初級通路和次級通路都是非線性的情況下仍有較好的降噪效果,且由于遺傳算法不依賴梯度,采用離線學(xué)習(xí),在降噪開始時就找到了自適應(yīng)濾波器權(quán)系數(shù)的最優(yōu)組合,所以從開始就具有良好的降噪效果,其中SGA平均有25dB左右的降噪效果,MPGA有平均有30dB左右。種群初始化適應(yīng)度計算選擇交叉變異移民算子適應(yīng)度計算選擇交叉變異移民算子適應(yīng)度計算選擇交叉變異移民算子人工選擇. . .算法是否結(jié)束？N輸出Y精華種群種群1 種群2 種群n圖 2 MPGA 具體流程圖圖 3 遺傳算法單通道前饋控制結(jié)構(gòu)圖初級通路P(z)+自適應(yīng)濾波器 次級通路H(z)遺傳算法e(k)d(k)y(k)_+c(k)參考信號x(k)圖 4 SGA 與 MPGA 性能比較數(shù)字技術(shù) 與應(yīng)用 算法分析143為了分析算法性能,分別使用SGA和MPGA進行多次獨立仿真,對誤差信號取標(biāo)準(zhǔn)誤差。如下式所示:211( ) ( )NnnE k e kN ?? ? (6)在本文中N取50,5次運算結(jié)果如圖5、圖6所示:圖5、圖6分別顯示了采用標(biāo)準(zhǔn)遺傳算法和多種群遺傳算法誤差信號的收斂曲線,可以看出,標(biāo)準(zhǔn)遺傳算法 5次進化結(jié)果均不相同,說明其很不穩(wěn)定,且在250代左右仍沒有穩(wěn)定下來,說明最優(yōu)解還有提高的可能。相較于標(biāo)準(zhǔn)遺傳算法,多種群遺傳算法5次結(jié)果相差很小,且遺傳代數(shù)很小,最大不超過50代,說明多種群遺傳算法穩(wěn)定性很好,收斂速度較快。結(jié)合圖4可以看出,采用多種群遺傳算法的降噪效果要優(yōu)于采用標(biāo)準(zhǔn)遺傳算法的降噪效果,且多種群遺傳算法的優(yōu)化精度要明顯高于標(biāo)準(zhǔn)遺傳算法,從而證明了多種群遺傳算法能夠有效克服標(biāo)準(zhǔn)遺傳算法存在的未成熟收斂問題。4 結(jié)語為解決管道有源噪聲控制系統(tǒng)中主通路和次級通路都是非線性的問題,分別引入標(biāo)準(zhǔn)遺傳算法和多種群遺傳算法作為系統(tǒng)的控制算法,利用計算機仿真測試算法性能,并對其仿真結(jié)果進行對比分析。仿真結(jié)果表明:當(dāng)兩通路都是非線性時,兩種遺傳算法均能有效降噪,但多種群遺傳算法能夠更加有效解決標(biāo)準(zhǔn)遺傳算法存在的早熟收斂問題,且收斂速度更快,降噪效果更優(yōu)。參考文獻[1]魏明珠.管道噪聲有源控制系統(tǒng)研究[D].哈爾濱工業(yè)大學(xué),2011.[2]Bouchard M. Multichannel affine and fast affine projectionalgorithms for active noise control and acoustic equalizationsustems[J].Speech and Audio Processing,2003,11(1):54-60.[3]Tan L, Jiang J. Adaptive volterra filters for active controlof nonlinear noise processes[J].Signal Processing,2001,49(8),1667-1676.[4]Das D P, Panda G. Active mitigation of nonlinear noiseprocesses using a novel filtered-s LMS algorithm [J].Speechand Audio Processing,2004,12(3),313-322.[5]劉波.單通道有源噪聲控制技術(shù)研究[D].電子科技大學(xué),2010.[6]史峰,王輝.MATLAB 智能算法 30 個案例分析[M]北京:北京航空航天大學(xué)出版社,2011.7:69-76[7]陳克安.有源噪聲控制[M].北京:國防工業(yè)出版社,2003:187-191.[8]沈福民.自適應(yīng)信號處理[M].西安:西安電子科技大學(xué)出版社,2001:10-15.[ 9 ]江華麗.基于遺傳算法的有源消聲系統(tǒng)設(shè)計[ J ].電子測量技,2012.9.Jang Huali. Design of active noise control system basedon genetic algorithm,2012.9.[10]陳玨,玉昊昕,陳克安.三類有源噪聲控制算法性能比較[J].噪聲于振動控制,2013.8.Chen Jue, Yu Haoxin, Chen Kean. Comparisonof performance of three types of active noise control algorithms,2013.8.圖 5 SGA 5 次進化收斂曲線圖 6 MPGA5 次進化收斂曲線可看出該工區(qū)主斷裂走向為南北向、次斷裂走向為東西向。對比圖1(a)和圖1(b),螞蟻體屬性較方差體屬性具有更高的信噪比,且追蹤斷裂痕跡較清晰,因此優(yōu)選螞蟻體屬性進行本工區(qū)的斷層裂縫預(yù)測。圖2為目標(biāo)層在2345ms處時間切片,圖2(a)為螞蟻體時間切片,圖2(b)為原始地震數(shù)據(jù)體時間切片。圖2(a)中黑色軌跡出現(xiàn)的位置對應(yīng)圖2(b)中的斷層分布位置,由此驗證了螞蟻體具有較高的準(zhǔn)確度和可靠性。3 結(jié)語基于二次屬性體的螞蟻體預(yù)測裂縫技術(shù)能夠?qū)崿F(xiàn)斷裂系統(tǒng)自動追蹤,縮短了地震構(gòu)造解釋周期,提高了斷層和裂縫的解釋效率。通過人工檢驗原始地震切片的方法,驗證了其解釋結(jié)果具有較高的準(zhǔn)確度和可靠性。同時,對比傳統(tǒng)方差體屬性,螞蟻體屬性具有更高的信噪比和分辨率。參考文獻[1]Dorigo M, Maniezzo V and Colorni A. Positive Feedback as aSearch Strategy[R]. Milan: Milan Politecnico di Milano, 1991:91～106.[2]Pedersen S I, Randen T, Sunnel and L et al. Automatic 3Dfault interpretation by artificial ants[C]. In Extended Abstracts of EAGE Annual Meeting,2002,G037.[3]趙偉.基于螞蟻算法的三維地震斷層識別方法研究[D].江蘇南京:南京理工大學(xué),2009.[4]Aqrawi A. Improved fault segmentation using a dip guidedand modified 3D Sobel filter[C]. SEG Technical Program Expanded Abstracts,2011,30:99～1003.[5]Sun D S and Ling Y. Application of spectral decompositionand ant tracking to fractured carbonate reservoirs[C]. EAGEExtended Abstracts,2011,B035:23～26.[6]嚴哲,顧漢明.利用方向約束螞蟻群算法識別斷層[J].石油地球物理勘探,2011,46(4):614～620.[7]趙俊省,孫贊東.一種改進的蟻群算法在斷層自動追蹤中的應(yīng)用[J].科技導(dǎo)報,2013,31(27).······

網(wǎng)友評論 more

環(huán)境保護論文最新內(nèi)容

05-01