一种基于卷积-模糊网络的车辆全局空间的主动噪声控制装置制造方法及图纸

本发明专利技术公开了一种基于卷积‑模糊神经网络的车辆全局空间主动噪声控制装置。包括噪声控制器和次级通路，所述次级通路包括用于获取残余噪声信号的多个误差传感器、用于获取目标区域内降噪目标位置信息的位置传感器、用于抵消噪音的多个次级声源；所述噪声控制器，用于通过采用卷积‑模糊神经网络离线辨识得到的次级通路逆模型，同时采用卷积‑模糊神经网络作为次级通路的自适应有源噪声控制算法在线修正控制器参数，并发出抵消噪声信号给次级声源输出抵消噪声。本发明专利技术利用卷积‑模糊神经网络对函数的非线性逼近能力，提高次级通路的辨识精度；采用有源反馈消声系统，建立了稳定的次级通路模型；解决了车辆全局空间噪声控制难、频带窄的问题。

【技术实现步骤摘要】
一种基于卷积-模糊网络的车辆全局空间的主动噪声控制装置
本专利技术涉及车辆噪声控制
，更具体地，涉及一种基于卷积-模糊网络的车辆全局空间的主动噪声控制装置。
技术介绍
近年来，随着我国高速列车制造技术水平不断提高，列车运行速度快速提升，轨道交通车辆在满足动力性要求后，舒适性要求也逐渐提高到同等地位，而噪声控制水平是衡量车辆舒适性的关键指标之一。城市轨道交通领域中，隧道空间使得噪声主观感受更为强烈。无论是乘客，还是地铁运营单位对于列车噪声问题的抱怨也逐渐显现。特别是在地铁开通时间久、线路和车辆老化的城市，轮轨和车辆噪声问题更加突出。传统的轨道交通车辆噪声控制方法，多采用被动控制方法，即采用吸声、隔声、减振等技术手段控制噪声，该方法的优点是中高频降噪效果直观、明显，物理实现方便；缺点是其噪声诊断及定位周期较长，特别是对于已经设计定型的车辆系统，通过结构和材料优化来降噪的过程非常复杂，且低频噪声的降噪效果有限。现有研究也有采用主动噪声控制的方法，如申请号为201610590884.X的专利公开了一种混合的ANC装本文档来自技高网...

【技术保护点】
1.一种基于卷积-模糊神经网络的车辆全局空间的主动噪声控制装置，包括次级通路和控制器，其特征在于，所述次级通路包括用于获取残余噪声信号的多个误差传感器、用于抵消噪音的多个次级声源；所述控制器，用于通过采用卷积-模糊神经网络先离线辨识得到的次级通路模型，同时采用卷积-模糊神经网络作为次级通路的自适应有源噪声控制算法在线修正控制器参数，并发出抵消噪声信号给次级声源输出抵消噪声。/n

【技术特征摘要】
1.一种基于卷积-模糊神经网络的车辆全局空间的主动噪声控制装置，包括次级通路和控制器，其特征在于，所述次级通路包括用于获取残余噪声信号的多个误差传感器、用于抵消噪音的多个次级声源；所述控制器，用于通过采用卷积-模糊神经网络先离线辨识得到的次级通路模型，同时采用卷积-模糊神经网络作为次级通路的自适应有源噪声控制算法在线修正控制器参数，并发出抵消噪声信号给次级声源输出抵消噪声。


2.根据权利要求1所述的基于卷积-模糊神经网络的车辆全局空间的主动噪声控制装置，其特征在于，所述次级通路传感器还包括用于获取目标区域内降噪目标位置信息的位置传感器，采集降噪目标的位置信息，并利用其位置信息对控制器输出信号进行补充修正。


3.根据权利要求2所述的基于卷积-模糊神经网络的车辆全局空间的主动噪声控制装置，其特征在于，所述卷积-模糊神经网络包括卷积网络、模糊层和全连接层；所述卷积网络中包括卷积层和池化层，通过卷积网络之后的样本特征向量在模糊层中进行模糊推理并在全连接层训练，参数更新，最后输出控制器噪声信号。


4.根据权利要求3所述的基于卷积-模糊神经网络的车辆全局空间的主动噪声控制装置，其特征在于，所述卷积-模糊神经网络的原理包括：在卷积网络中通过一系列的卷积和池化交换：



其中，zg(n)为第g个卷积层输出单元；ωtg(n)为所有输入单元与第g个输出单元相连的权重，bg(n)为第g个卷积层输出单元的偏置；
选择relu函数作为激活函数得到更高层次的卷积网络输出作为模糊层的输入：
og(n)＝max(0,zg(n))
模糊层将卷积和池化之后所得到的特征矩阵根据模糊度和隶属函数划分并转换成合适的隶属函数值：



式中，分别为隶属度函数的中心和宽度，g为输入数，i为模糊集...

【专利技术属性】
技术研发人员：李涛，贺钰瑶，冯江华，桂卫华，王宁，罗竹辉，龙永红，胡云卿，李燕，
申请(专利权)人：湖南工业大学，
类型：发明
国别省市：湖南;43