在噪声主动控制系统中采用神经网络控制方法,给出了神经网络BP算法的一种变异算法.仿真实验表明,基于神经网络的噪声主动控制系统具有非常好的降噪效果和稳定性.

文章从规则腔室的低频解析法与高频统计法以及非规则腔室的数值法三个方面,归纳梳理腔室内部声场与结构振动耦合特性的计算分析方法,同时针对共振腔吸声与主动控制两种措施,综述了腔室内部噪声控制研究的新进展。

三维空间的噪声主动控制技术是近年来噪声控制领域研究的一个热点问题,对于降低飞机或车辆里的噪声水平有很大意义。提出了一种对于噪声在三维空间里进行优化控制的方法,建立三维空间的几何控制模型,并且对几何模型进行区域划分,误差准则取所有区域的声压平方和,确定优化目标为误差准则取得最小值,计算出多点次级声源的强度。最后基于该方法设计的噪声主动控制系统进行数值仿真和实验验证,结果验证了该方法的正确性和有效性。

噪声主动控制基本思想是由德国物理学家Paul Lueg于1936年发明“电子消声器”时首次提出的。噪声主动控制技术相对传统的被动控制，具有对中、低频段噪声控制效果明显、系统轻巧、实时性强等优点，具有潜在的工程应用价值。

发动机排气系统噪声主动控制相对于被动控制具有更好的效果。其中控制算法的选取决定了降噪效果的好坏。目前主要应用BP神经网络算法对发动机排气噪声进行控制,但是BP网络算法存在一些缺点,比如容易陷入局部极小值、收敛精度低等。将GA-BP算法引入汽车排气系统噪声主动控制中,建立基于GA-BP神经网络的汽车排气噪声主动控制系统的仿真模型。由仿真结果得出,所提方法能够使BP网络算法的收敛精度明显得到改善,有效地提高了噪声主动控制系统的降噪效果。