学位论文 > 优秀研究生学位论文题录展示

基于神经网络的参量声源非线性建模及控制

作　者: 杨天文
导　师: 黄大贵
学　校: 电子科技大学
专　业: 机械电子工程
关键词: 参量声源非线性建模神经网络逆控制非线性失真
分类号: TP273.5
类　型: 博士论文
年　份: 2013年
下　载: 16次
引　用: 0次
阅　读: 论文下载

内容摘要

参量声源是利用空气中声波的非线性传播效应产生指向性声束的新型声学系统。该系统要获得高质量的可听声源，一方面要充分利用空气的非线性传播效应，另一方面又要最大限度地减少非线性引起的失真。因此，深入认识并合理利用非线性是该领域要解决的关键问题之一。本文从理论和实验两方面研究了参量声源的非线性特性，完成的主要工作如下。根据非线性声学的基础理论，对参量声源的非线性进行了理论分析。结果表明现有理论不足以充分表达参量声源的非线性特性，而基于现有理论发展起来的参量声源信号处理方法在避免可听声非线性失真方面也有待完善。针对现有理论的不足，提出采用人工神经网络对参量声源进行非线性建模。通过神经网络模型，可以在不完全清楚非线性机理的情况下准确地拟合系统的输入输出关系，为参量声源的控制及性能优化提供条件。在解决了参量声源神经网络建模的几个基本问题的基础上，采用BP神经网络和RBF神经网络分别建立参量声源的非线性模型。并通过正弦信号激励和随机信号激励的仿真对模型的有效性进行了评估与对比。阐述了神经网络模型的评估方法，并重点对灵敏度以及泛化能力进行了分析。采用近似函数替代激活函数进行参量声源神经网络全局灵敏度计算的方法，并给出了理论推导。在分析影响神经网络模型泛化能力的因素的基础上，采用了几种方法来提高模型的泛化能力，并通过仿真证明了其效果。将神经网络逆控制的基本思想及方法应用于参量声源的控制中，用系统控制的理论与方法解决参量声源的非线性信号处理问题。设计了参量声源的神经网络直接逆控制系统以及PID复合逆控制系统。并通过仿真验证了神经网络逆控制方法对改善参量声源系统性能的效果。对参量声源自解调信号的非线性进行了实验测试，通过实验数据分析了自解调信号的非线性失真。并在相同条件下，用所建立的神经网络模型及PID复合神经网络逆控制模型对自解调信号的非线性进行了仿真。通过对比验证了基于神经网络的参量声源非线性建模及控制方法的效果，提出后续改进的方向。

全文目录

摘要  5-6
ABSTRACT  6-11
主要符号对照表  11-12
第一章绪论  12-24
  1.1 研究背景  12-13
  1.2 国内外发展现状  13-19
  1.3 论文研究目的、内容及意义  19-22
    1.3.1 论文研究目的及内容  19-20
    1.3.2 研究意义  20-22
  1.4 章节安排  22-24
第二章参量声源信号处理理论分析  24-37
  2.1 参量声源基本工作原理  24-25
  2.2 参量声源信号处理理论依据  25-32
    2.2.1 基于 KZK 方程的参量阵声场求解  25-30
    2.2.2 参量阵自解调  30-32
  2.3 参量声源信号处理理论分析  32-36
    2.3.1 DSB 法  32-33
    2.3.2 SSB 法  33-34
    2.3.3 平方根法  34-35
    2.3.4 其它方法  35-36
  2.4 本章小结  36-37
第三章参量声源非线性神经网络建模  37-74
  3.1 神经网络及系统辨识概述  37-41
    3.1.1 人工神经网络  37-39
    3.1.2 系统辨识与建模  39-41
  3.2 参量声源神经网络建模的几个基本问题  41-44
    3.2.1 研究对象选择  41-42
    3.2.2 系统辨识结构选择  42-43
    3.2.3 实验设计及数据处理  43-44
  3.3 参量声源的 BP 神经网络建模  44-53
    3.3.1 参量声源 BP 神经网络模型及理论推导  44-49
    3.3.2 参量声源 BP 神经网络模型仿真  49-53
  3.4 参量声源的 RBF 神经网络建模  53-59
    3.4.1 参量声源的 RBF 神经网络模型及理论推导  53-56
    3.4.2 参量声源的 RBF 神经网络模型仿真  56-59
  3.5 参量声源神经网络模型评价  59-72
    3.5.1 参量声源神经网络模型的灵敏度  59-67
    3.5.2 参量声源神经网络模型的泛化能力  67-72
  3.6 本章小结  72-74
第四章参量声源非线性神经网络逆控制  74-87
  4.1 非线性控制理论发展  74-75
  4.2 神经网络逆控制基本思想  75-77
  4.3 逆系统概念及参量声源的可逆性分析  77-79
    4.3.1 逆系统的基本概念  77-78
    4.3.2 SISO 系统可逆的条件  78
    4.3.3 参量声源可逆性分析  78-79
  4.4 参量声源的神经网络逆控制系统设计  79-86
    4.4.1 参量声源系统结构分析  79-80
    4.4.2 参量声源神经网络直接逆控制系统设计  80-82
    4.4.3 参量声源 PID 神经网络逆控制系统设计  82-86
  4.5 本章小结  86-87
第五章参量声源非线性测试及仿真  87-108
  5.1 参量声源自解调信号非线性理论计算  87-90
  5.2 参量声源自解调信号非线性实验测试  90-100
    5.2.1 自解调信号实验测试  90-91
    5.2.2 自解调信号实验数据分析  91-100
  5.3 自解调信号的非线性神经网络仿真分析  100-106
    5.3.1 自解调信号非线性的 BP 神经网络仿真分析  100-103
    5.3.2 自解调信号非线性的 RBF 神经网络仿真分析  103-105
    5.3.3 PID 复合神经网络逆控制对非线性失真的抑制  105-106
  5.4 本章小结  106-108
第六章总结与展望  108-112
  6.1 全文总结  108-110
  6.2 工作展望  110-112
致谢  112-113
参考文献  113-124
攻博期间取得的研究成果  124-126

基于神经网络的参量声源非线性建模及控制

内容摘要

全文目录

相似论文