基于Filtered-X LMS自适应算法的车削颤振控制系统设计与实验研究（英文）

基于Filtered-X LMS自适应滤波算法,设计了一种压电作动器来控制刀具与工件的切削力位移,并进行了数值仿真和实际的切削实验。研究结果表明:在相同的切削条件下,基于Filtered-X LMS自适应滤波算法控制的刀具加工精度明显优于传统刀具的加工精度,能有效的减少车刀的振动量,验证了该控制系统的有效性,对于提高车床的加工精度具有重要的意义。

基于Adam算法的LMS优化

虽然传统的LMS算法简单有效,但它的收敛速度较慢,容易受到初始权值选择和步长设置的影响。为了解决这个问题,我们引入了Adam算法的自适应学习率特性到LMS算法中。Adam算法通过一阶矩估计(mean)和二阶矩估计(variance)来估计梯度的均值和方差,并根据这些估计值来调整学习率。这样可以对梯度下降的方向和速度进行更精细地控制。通过Adam算法对LMS优化,LMS算法在更新权重时能够更加高效地利用梯度信息,从而提高训练速度和收敛性能。此外,优化后的算法还具有一些超参数,如beta1、beta2和eps等,需要根据具体的应用场景和数据特点进行调节,以获得最佳的优化效果。仿真结果表明优化方案比传统LMS算法在收敛过程中的震荡要更小。

基于改进变步长LMS算法的谐波电流检测法

针对传统基于瞬时无功功率理论谐波电流检测中的二阶低通滤波器无法同时满足检测精度和响应时间的问题,提出了基于改进的双曲正切函数变步长LMS算法(IVSSLMS)的低通滤波器提取p轴和q轴中直流分量的方法;将两个谐波电流的间隔时间通过适当的调节采样间隔次数来延长,目的是为了达到高次谐波的自相关性能迅速降为零。从理论上分析了算法性能的优越,给出了参数的取值,并在simulink中搭建了仿真模型,仿真实验结果表明,改进后的低通滤波器直流分量的跟踪速度提升了一倍,得到基波正弦波形的THD值下降了0.37%。并得出以下结论:在同样输电条件下,采用改进变步长LMS算法构成低通滤波器加快了直流量的跟踪,提取的基波分量更加接近于理想波形,提升了谐波检测的瞬时性和准确性。

一种可用于低信噪比环境的变步长LMS算法

论文研究了自适应最小均方误差(Least Mean Squares,LMS)滤波算法的步长选取问题。在分析现有算法的基础上,通过构造步长与误差信号之间的非线性函数,提出一种新的变步长LMS算法。新算法采用误差信号的自相关估计值控制步长,而不是直接利用瞬时误差控制步长,避免了噪声干扰,降低了稳态失调,可工作于低信噪比环境。同时新算法步长控制无记忆效应,提高了收敛速度。仿真表明,新算法的稳态失调和收敛速度均优于现有变步长LMS算法。

基于改进LMS算法的机载设备BIT系统

针对机载设备的BIT系统,提出了一种改进的LMS(Least Mean Squares)算法,该算法主要应用于故障检测和定位方面。通过引入自适应学习率控制、加速收敛和稳定性优化技术手段,该算法能够显著提升BIT系统中的信号处理性能,加快故障检测和定位速度,并提高系统的准确性和稳定性。在故障检测方面,改进的LMS算法可以有效地识别故障信号并进行分类和定位。通过对输入信号进行预处理和模型参数的优化,改进LMS算法能够更准确地捕捉异常信号特征,从而实现对故障的快速检测和定位,提高BIT系统的可靠性和故障诊断能力。同时,改进的LMS算法还应用于BIT系统中的自适应滤波模块,用于消除噪声和滤除干扰信号。通过采用自适应学习率控制和加速收敛技术,改进算法能够智能地调整滤波参数,有效抑制噪声和干扰信号,提高BIT系统对故障信号的识别和定位能力。通过实验验证,改进的LMS算法在机载设备的BIT系统中表现出较好的应用潜力。该算法相比传统LMS算法,在故障检测和定位准确性、故障诊断速度以及系统稳定性方面均取得了显著的改善。

基于自适应LMS算法的跨声速风洞模型系统辨识

针对风洞试验模型系统辨识不准确的问题,利用自适应LMS(least mean square)滤波器模型对跨声速风洞模型进行系统辨识。由于实测信号中存在多模态耦合,为了提高系统辨识精准度,首先对输入输出信号作了FRF(frequency response analysis)分析得到试验模型俯仰方向前两阶模态,其次利用快速Fourier变换进行模态解耦,接着利用自适应LMS滤波器模型、传递函数模型、多项式模型对俯仰方向单模态进行系统辨识,最后得到了基于自适应LMS滤波器模型的俯仰方向一阶、二阶模态滤波器系数。通过对比不同数学模型的输出与输入之间的相关系数和均方误差及辨识结果,表明自适应LMS滤波器模型具有更高的系统辨识精准度和更简洁的数学模型结构。为后续风洞试验模型振动主动控制计算法的设计提供有力支撑。

Adaptive inverse control of random vibration based on the filtered-X LMS algorithm

Random vibration control is aimed at reproducing the power spectral density （PSD） at specified control points. The classical frequency-spectrum equalization algorithm needs to compute the average of the multiple frequency response functions （FRFs）, which lengthens the control loop time in the equalization process. Likewise, the feedback control algorithm has a very slow convergence rate due to the small value of the feedback gain parameter to ensure stability of the system. To overcome these limitations, an adaptive inverse control of random vibrations based on the filtered-X least mean-square （LMS） algorithm is proposed. Furthermore, according to the description and iteration characteristics of random vibration tests in the frequency domain, the frequency domain LMS algorithm is adopted to refine the inverse characteristics of the FRF instead of the traditional time domain LMS algorithm. This inverse characteristic, which is called the impedance function of the system under control, is used to update the drive PSD directly. The test results indicated that in addition to successfully avoiding the instability problem that occurs during the iteration process, the adaptive control strategy minimizes the amount of time needed to obtain a short control loop and achieve equalization.

一种变步长凸组合LMS自适应滤波算法改进及分析

为了避免单个滤波器在收敛速度与稳态误差上相互制约,从而导致系统性能降低的问题,本文采用凸组合最小均方算法(Combined Least Mean Square,CLMS),将快速滤波器和慢速滤波器并联使用,同时为进一步改善CLMS算法的性能,对已有的变步长凸组合最小均方算法(Variable Step-size Convex Combination of LMS,VSCLMS)做出改进,提出了一种新的VSCLMS算法.在该算法中,对快速滤波器选用以最小均方权值偏差(Minimization of Mean Square Weight Error,MMSWE)为准则的按步分析的变步长滤波器;对慢速滤波器采用以稳态最小均方误差(Least Mean Square,LMS)为准则的固定步长滤波器.通过理论分析与仿真实验表明,该算法能够在噪声、时变以及非平稳的环境下保持较好的随动性能,且在各个阶段均保持良好的收敛性,与传统的CLMS、VSCLMS算法相比,不仅具有更快的收敛速度,而且拥有稳定的均方性能和较优的跟踪性能,为自适应滤波算法的研究提供了一条可行途径.

一种新的变步长LMS自适应滤波算法

传统LMS算法的优点是计算简单、易于实现，缺点是收敛速度慢，如果为加快收敛速度而增大步长因子μ，则会导致大的稳态误差，甚至引起算法发散。固定步长因子无法解决收敛速度和稳态误差之间的矛盾。本文通过建立步长因子μ与误差信号之间的非线性函数关系，得出一种新的变步长自适应滤波算法（SVSLMS）。理论分析和计算机仿真结果表明该算法的性能优于传统的LMS算法和NLMS算法。即在计算量增加不多的前提下，能同时获得较快的收敛、跟踪速度和较小的稳态误差。

一种变步长LMS自适应滤波算法及分析

本文对变步长自适应滤波算法进行了讨论 ,建立了步长因子 μ与误差信号e(n)之间另一种新的非线性函数关系 .该函数比已有的Sigmoid函数简单 ,且在误差e(n)接近零处具有缓慢变化的特性 ,克服了Sigmoid函数在自适应稳态阶段步长调整过程中的不足 .由此函数本文得出了另一种新的变步长自适应滤波算法 ,并且分析了参数α ,β的取值原则及对算法收敛性能的影响 .该算法有较好的收敛性能且计算量少 .计算机仿真结果与理论分析相一致 。

用于ADSL中的变步长LMS算法

本文给出了一种改进的LMS算法,该算法可应用于非对称数字用户线中实现回波抵消功能,从而在低频段的子通道内同时传输上行和下行的数据。新算法利用误差信号的相关值调节算法步长,具有较好的抗干扰性能,解决了算法收敛时间和稳态误差间的矛盾,为实际应用提供了更大的控制灵活性。仿真结果表明,在低信噪比的环境中,改进算法的收敛速度和稳态误差等性能指标都有较大的提高,并对随机出现的脉冲干扰表现出较好的鲁棒性。

基于LMS算法的自适应均衡系统的仿真研究

描述了用仿真试验得出LMS自适应均衡滤波器的收敛性和跟踪性能与滤波器长度和迭代算法跳步两个重要的参数之间的定量关系,为此构建了有实用价值的系列时延扩展的传输环境和可变多径传输信道。建立了系统仿真模型、做出了仿真试验结果并分析了仿真试验结果的意义。

基于遗传算法的超声信号LMS自适应时延估计

为了克服LMS自适应时延估计（LMSTDE）算法计算量大的问题，引进遗传算法进行LM－STDE的寻优规划，并采取了克服过早收敛的措施。对超声信号进行时延估计的实验表明，该方法大大减少了计算量，并有较高的时延估计精度。

一种新的变步长LMS自适应滤波算法

通过建立步长因子μ与误差信号e之间的非线性关系,提出一种新的基于抽样函数的变步长LMS算法,并进行了计算机仿真.结果表明,该算法除了具有传统LMS算法计算量小、稳定性较好、简单易于实时处理等优点外,其收敛速度、稳定性以及跟踪速度均优于传统固定步长LMS算法抽样函数、SVSLMS算法.

基于相对误差互相关函数的变步长LMS算法

许多时变步长自适应滤波算法被用来解决标准LMS算法的固有矛盾,但实验表明这些算法易受独立噪声的干扰,或计算量大、耗时太长。针对上述问题,提出了一种新的变步长LMS自适应滤波算法,它采用相对的误差互相关函数来控制步长更新。该算法计算量小、易于控制,具有快速的收敛速度和较小的失调,不受已存在的非相关噪声的影响,可很好地应用于自适应对消系统中,且在低信噪比环境中仍能保持良好的性能。计算机仿真及实测数据的处理与理论分析结果一致。

一种改进的变步长自适应滤波器LMS算法

本文提出一种改进的LMS算法(即MS-LMS),并建立了步长因子与误差信号)(ne之间另一种新的非线性函数关系。该关系不仅具有原有算法在误差)(ne接近零处缓慢变化的优点,而且低信噪比环境下比原有算法具有更好的收敛性能。理论分析和计算机仿真结果表明,在低信噪比的环境下,改进算法的收敛速度和稳态误差的性能指标都有较大的提高,并对系统发生的突变表现出较强的鲁棒性。

基于LMS自适应滤波算法的电力变压器有源降噪系统

为了有效抑制电力变压器产生的高分贝低频噪声,针对变压器有源降噪系统开展了相关研究。结合实验条件,在分析变压器噪声时域及频域特点的基础上,合理选择了有源降噪系统类型。通过仿真和理论分析了收敛系数、滤波阶数以及系统采样频率对有源降噪系统采用的LMS自适应滤波算法收敛性、稳定性以及降噪效果的影响。搭建了变压器噪声在线监测及有源降噪软件控制平台,并针对变压器噪声特点合理选择了硬件系统设备。结果表明,在变压器噪声有源降噪实验中,噪声低频区域降噪效果显著,在误差传声器处取得了5-10 d B的降噪效果,平均声能量密度下降了68.38%-90%,验证了LMS算法的有效降噪性,以及所构建的有源降噪系统对变压器噪声在线监测与抑制的可靠性。

基于Delta算子的QR分解LMS算法

针对基于Delta算子的自适应滤波问题,提出了Delta算子描述的QR分解LMS(Delta-QR-LMS)算法。首先给出后向Delta算子模型的另一种表示形式,并利用该变换公式推导出Delta-QR-LMS算法的具体迭代步骤。通过仿真算例表明,Delta-QR-LMS算法比传统的LMS算法具有更好的滤波性能和更快的收敛速度。

LMS和归一化LMS算法收敛门限与步长的确定

从 LMS算法失调量的准确表达式出发,根据输入信号特征值分布重新研究了 LMS,归一化LMS(Normalized LMS,NLMS)算法收敛的必要条件,推导出 LMS和 NLMS 算法收敛的步长门限,并分析了输入信号特征值分布、滤波器阶数对算法收敛步长门限的影响,推导出满足性能失调下步长的自适应计算公式,减小了应用 LMS,NLMS算法时步长选取的盲目性,与已有的算法相比,具有计算简单、实用、自适应性能强,同时可获得满意失调量的特点,计算机模拟结果表明该方法的正确性。

几种变步长LMS算法的性能分析与比较

针对传统LMS算法的收敛速度与稳态误差存在矛盾这一问题,列出了NLMS、G-SVSLMS及改进的变步长LMS3种变步长LMS自适应滤波算法。通过仿真对比和理论分析,证明改进的变步长LMS算法具有更快的收敛速度、更小的稳态误差和更强的抗干扰能力。