基于x-LMS算法的直升机主动消振电力作动器系统研究

直升机前飞时,气动环境会导致不同方位角的桨叶出现气动载荷的瞬间不对称,通过基础结构传递会在机身形成大幅度的低频振动。为了消除多方向幅值变化的振动力,利用结构响应主动控制原理,设计了基于x-LMS算法的主动消振电力作动器系统,并进行了减振实验。首先,通过比较确定了单台作动器中两台电机同向旋转的方案。通过两台作动器的组合使用,推导出输出力的数学模型。其次,采用负载相位差交叉耦合的控制策略设计系统控制框图。针对存在耦合的相位外环,通过回差阵特征值法确定满足系统稳定裕度要求的参数范围,再根据灵敏度函数和输入跟踪性能在所得的参数稳定域内寻找最优解。然后,提出了基于x-LMS算法的直升机主动振动控制系统,并通过仿真验证了该系统的减振效果。最后,研制的实验样机进行了动稳态实验以及减振实验,验证了系统的实际减振效果。

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。

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。

基于N-LMS算法的电流互感器异常数据智能监测方法

为了提高电流互感器异常数据智能监测的准确性,应对多工况的监测需求,设计一个基于N-LMS算法的电流互感器异常数据智能监测方法。设定电网参考电压信号的采样参数,采用随机抽样方法获取数据特征维度取值,采用等宽法处理电压数值,获得每组数据之间的关系。为了避免电压波形畸变对检测结果的影响,采用自适应滤波方法检测谐波电流,使反馈误差接近于0。提取电流互感器粗集规则,制定决策表,结合决策表判定故障发生的区段,实现基于N-LMS算法的电流互感器异常数据智能监测方法设计。实验结果表明,所设计方法在泄漏电流、电容量情况与谐波电流波形的监测上,在电流互感器A相升压过程介损监测与电流互感器A相降压过程介损监测上,都具有较高的准确度,能满足设计需求。

基于变步长凸组合LMS自适应滤波高原动态血氧检测系统设计

针对基于光电检测方法的血氧仪只能在静止状态下测试血氧饱和度(血氧)的问题,提出一种基于变步长凸组合LMS自适应滤波动态血氧检测方法。方法对原始光电描记脉搏波信号经预处理后,通过固步长与变步长LMS自适应算法组合,以三轴加速度计采集信号作为运动噪声参考信号,获得理想脉搏波信号再准确计算血氧值。在此基础上,开发了一套基于物联网的穿戴式高原血氧检测系统,经过模拟正常行走及在不同海拔条件下测试,最大误差不超过4%,验证了算法的有效性和准确性。结果显示,基于物联网的血氧监测系统对于高原旅游中高原反应的实时监测与提醒具有实际意义。

一种用于毫米波探测系统的变步长LMS-AGC方案

在毫米波探测系统中,自动增益控制(AGC)是信号处理系统的关键技术之一,其作用是应对大动态范围的中频信号接收。本文阐述了一种数字自动增益控制(DAGC)的实现方案,通过对中频信号的数字采样进行处理,采用基于平均功率参量的变步长LMS-AGC自适应算法,将自适应滤波器的变步长思想应用到AGC方案中,并对其步长算法进行优化。通过对比普通功率检测自动增益控制和固定步长LMS-AGC方案,本文提出的变步长LMS-AGC方案具有更快的收敛速度和更小的稳态误差。

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.

基于MFXLMS算法的汽车发动机振动主动控制研究

为了降低发动机工作时引起的整车振动,提出了使用多通道滤波x-LMS(MFXLMS)算法作为主动悬置系统的控制算法。以发动机转速信号作为参考信号,主动悬置安装位置下方的两路加速度信号作为误差信号。根据算法完成试验平台搭建。采用白噪声电压信号作为输入激励,通过LMS算法离线辨识得到主动悬置到加速度传感器的多路次级通道,在dSPACE上完成实车控制试验。试验结果表明,MFXLMS算法的运用显著降低了发动机不同转速工况下引起的测点加速度响应,提高了整车的乘坐舒适性。

基于LMS-SPWVD的非平稳振动信号时频分析方法

针对SPWVD存在中心信号频率能量发散、干扰信号能量波形及模态混叠现象未得到有效抑制的缺点,提出一种最小均方滤波算法(LMS)和平滑伪维格纳威尔分布(SPWVD)相结合的时频分析方法(LMS-SPWVD).首先,采用LMS算法对模拟非平稳振动信号测试函数进行抑噪处理,获取最优输出信号测试函数时域波形;然后采用SPWVD对最优输出信号测试函数时域波形进行分析,构建LMS-SPWVD算法时频分布模型;最后将该方法与SPWVD、LMS-STFT、LMS-WVD进行对比。结果表明,该方法具有较好的时频分辨率与时频聚集性、模态混叠及干扰信号抑制效果。

融合改进LM算法及动态时间规整算法的人体动作捕捉研究

人体动作捕捉是指通过技术手段捕捉人体的运动轨迹和姿态信息,广泛应用于娱乐、体育、医疗等领域.然而,现有的动作捕捉技术存在捕捉不准确、计算效率低等问题,影响了其在实时应用场景中的表现.针对这些问题,引入一种骨骼点坐标拟合优化Levenberg-Marquardt算法,并采用粒子群算法对其加以优化.同时采用动态时间规整算法进行人体动作捕捉及评估,以期实现人体动作的实时捕捉.结果显示,该算法对肩部侧平举这一动作的捕捉准确率最高达到了99.23%,明显优于其余对比算法.此外,该算法对深蹲动作的测试时间最短,仅为1.15 s,表明该算法在进行动作捕捉时具有显著的性能优势及很强的实际应用效果,为人体动作捕捉领域提供了新的解决方案.

基于LM方法的麻花钻刃带宽度测量研究

提出一种基于二值化的麻花钻刃带宽度检测方法。首先对目标边缘进行锐化,然后用巴特沃斯高通滤波提取边缘信息;其次通过改进的大津二值化算法对疑似边缘点进行阈值分割,获取边缘点坐标;再次使用列文伯格-马夸尔特(LM)方法对边缘附近的点进行拟合,得到刃带宽度曲线并求其拐点,求取麻花钻刃带宽度的数据。最后进行对比实验,用LM方法对未处理的M35直径2.5 cm的刃带图像进行处理得到刃带宽度1.467 mm,测量误差0.467 mm。改进后的测量结果为0.853 mm,测量误差为0.147 mm。

MI-NLMS adaptive beamforming algorithm for smart antenna system applications

A Matrix Inversion Normalized Least Mean Square (MI-NLMS) adaptive beamforming algorithm was developed for smart antenna application. The MI-NLMS which combined the individual good aspects of Sample Matrix Inversion (SMI) and the Normalized Least Mean Square (NLMS) algorithms is described. Simulation results showed that the less complexity MI-NLMS yields 15 dB improvements in interference suppression and 5 dB gain enhancement over LMS algorithm, converges from the initial iteration and achieves 24% BER improvements at cochannel interference equal to 5. For the case of 4-element uniform linear array antenna, MI-NLMS achieved 76% BER reduction over LMS algorithm.

Simplified p-norm-like Constraint LMS Algorithm for Efficient Estimation of Underwater Acoustic Channels

在水下声学的隧道为由于可观的困难例如是最困难的繁殖媒介之一被认出：multipath，周围的噪音，时间频率选择褪色。包含在的稀少的利用在水下声学的隧道提供一个潜在的答案改进表演在水下声学的隧道评价。与经典 l 相比 0 并且 l 1 个标准限制 LMS 算法，限制 LMS 算法在我们的以前的调查建议了的 p-norm-like (l p ) 在隧道变化的存在展出更好的稀少利用性能，，它由 p 参数调节启用适应性到稀疏。然而，与 p-norm-like 限制 LMS 算法联系的十进制的指数的计算在实际申请提出可观的限制。在这份报纸， p-norm-like 限制 LMS 的简化变体与牛顿重复方法的雇用被建议接近十进制的指数的计算。数字模拟和在物理浅水隧道获得的试验性的结果与传统的标准限制 LMS 算法相比表明建议方法的有效性。

基于LM-BP神经网络的办公建筑逐时空调能耗预测

利用LM算法对BP神经网络进行改进,以提高模型收敛速度,减少迭代次数,并分别对夏季、冬季空调能耗模拟数据进行样本训练和测试,构建了LM-BP神经网络的办公建筑逐时空调能耗预测模型。结果表明夏季模型的预测值和模拟值之间的MAPE误差平均为5.74%,冬季模型的MAPE误差平均为5%,其误差均在10%以内,说明LM-BP神经网络在建筑空调能耗预测方面的可行性。并以成都地区某办公建筑实际空调能耗数据为基础对该模型进行了验证,其预测值与实际值平均相对误差为6.6%,说明建立的能耗预测模型能够满足实际工程的需要,准确的用电预测数据可为办公建筑用电侧进行实际电力市场交易提供科学的决策依据。

Adaptive Controller for Vehicle Active Suspension Generated Through LMS Filter Algorithms

最少的工具广场(LMS ) 适应过滤器算法在活跃暂停系统被使用。由调整适应过滤器的重量，最小的二次的表演索引被获得。为 two-degree-of-freedom 车辆暂停模型， LMS 适应控制器被设计。触发的团和没有安装弹簧的质量的加速作为暂停性能的评估目标被决定。为 LMS 适应控制暂停，与被动暂停相比，加速力量光谱在道路输入模型 decreased8-10 下面的触发的集体加速的密度在高频率回声乐队或低频率回声乐队预定。模拟结果证明 LMS 适应控制简单、显著地有效。它进一步证明活跃控制暂停系统能处于各种各样的操作条件改进骑的舒适和处理安全，并且方法为暂停系统的活跃控制是合适的。

Active micro-vibration control based on improved variable step size LMS algorithm

The contradiction of variable step size least mean square(LMS)algorithm between fast convergence speed and small steady-state error has always existed.So,a new algorithm based on the combination of logarithmic and symbolic function and step size factor is proposed.It establishes a new updating method of step factor that is related to step factor and error signal.This work makes an analysis from 3 aspects:theoretical analysis,theoretical verification and specific experiments.The experimental results show that the proposed algorithm is superior to other variable step size algorithms in convergence speed and steady-state error.

一种LM-BP加速搜索的周跳探测与修复方法

针对传统三频周跳探测与修复方法中的不敏感、漏检以及效率较低等问题,提出一种基于莱文伯格-马夸特(LM)-反向传播(BP)神经网络加速搜索法的伪距相位组合与电离层残差组合联合周跳探测与修复方法:利用2个伪距相位组合以减少不敏感周跳数量,利用1个电离层残差组合以提高小周跳探测敏感度;在构成3个线性无关的组合观测值后,使用LM-BP加速搜索算法进行周跳探测与修复。实验结果表明,相对常规的伪距相位组合与电离层残差组合联合方法,该方法能够提高周跳探测与修复性能,可探测小至1个的周跳,探测与修复整体时效有较大提升。

联合LMS滤波和对数MMSE的语音增强改进算法

由于固定步长的存在,传统LMS算法的收敛速度与稳态误差始终处于矛盾的状态,增强后的语音存在信噪比低和失真的问题。针对上述情况,提出一种联合LMS滤波和对数MMSE的语音增强改进算法。将LMS算法分为两个迭代周期,第一个周期使用变步长的LMS算法,第二个周期使用蝙蝠算法改进的LMS算法;使用改进后的LMS算法对带噪语音做初步的增强;使用对数MMSE对语音做进一步增强,去除改进的LMS算法增强后残留的噪声并还原出纯净的语音。实验结果表明,三种不同类型噪声下,该算法在SNR和PESQ指标上相比于传统的LMS和其他算法有更好的增强效果,具有更小的稳态误差和更好的噪声抑制效果,增强后的语音质量和听感得到提升。

基于对称非线性函数的变步长LMS自适应滤波算法

为解决自适应最小均方误差(least mean squares,LMS)滤波算法难以平衡稳态误差和收敛速度的问题,提出了基于对称非线性函数的变步长LMS自适应滤波算法。通过自变量取绝对值、叠加非线性拉伸量改进Sig-moid函数,构造一个对称非线性函数用于刻画步长因子与稳态误差的非线性关系。该对称非线性函数具有能够根据误差动态调整步长、更快达到收敛状态的特点。根据构造的对称非线性函数和输入信号功率生成归一化变步长因子,解决噪声逐级放大的问题,进一步提高算法的滤波效果同时,加速收敛。实验表明:该算法在低信噪比、信噪比变化、信号频率变化、滤波器阶数变化、延迟采样点数变化条件下均具有更好的滤波效果、更优的稳定性和更快的收敛速度。

一种改进的LMS自适应滤波算法

在信号采集处理中,为了更有效地将信号中的噪声剔除,对原始信号的还原程度更高。针对现如今已经存在的LMS变步长算法提出了一种改进方案,既在基于tanh函数的LMS算法的基础上,通过建模推导并引入了一个调节因子。若系统处于大误差情况下,算法能够保持较快的收敛速度,同时又保证了系统误差较小时的收敛精度,不易发生过滤波。设计完成后通过Matlab进行了多次仿真验证,结果表明,在均值为0的高斯白噪声条件下,相比于原有LMS算法,收敛速度提高了10%,滤波精度提升了5%,MES有了0.2dB的提升,所以改进后的算法也有着良好的应用前景。