数事教术与度用
算法分析
遗传算法在管道有源噪声控制中的应用研究
王玉咸孟宪皆*
(山东理工大学交通与车辆工程学院山东淄博255049)
摘要：基于遗传算法的原理及性能分析，为解决有源噪声控制中的非线性问题，分别设计了标准传算法和多种群遗传算法的自遗应有源消声仿真实验系统,并对实验结果进行对比分析。结果表明：达两种遗传算法都能够快造找到自适应滤波器最优权系数组合，且由于其优化过程中不侬赖于梯度其有很强的鲁棒性和全局提索能力,但多种群遗传算法能够更加有效的增持种群的多样性,兼顾算法的局部技索能力和降低计算结果对遗传控制参数的敏感性,从而有效解决了采用标准遗传算法控制白适应滤波器系数更新过程中出现早熟收效的问题,为遗传算法在有源消声系统中的实际应用奠定了一定的理论基础。
关键调遗传算法非线性有源消声自速应滤波
中图分类号：TB535
文献标识码:A
文章编号：1007-9416(2015)02-0141-03
Abstract:In order to solve the nonlinear problem of active noise control, it designed the adaptive noise reduction system of standard genetic algorithm and mukiple population genetic algorithm based on the principle and perfomance analysis of genetic algorithm. The simulation experiment results show that the two kinds of genetic algorithm can quickly find the optimal combination of weight finction in adaptive filter and have a strong robustness and global search ability in the optimization process because of not dependent on the gradient. But the multiple population genetic algorithm can maintain the diversity of population efectively, both the local search ability of the algorithm and reduce the sensitivity of genetic control parameters to the resulks, and solved the premature problem effectively in the process of updating the adaptive filter coefficient based on the standard genetic algorithm. This conchusion provides a theoretical basis for the genetic algorithm used in the active noise control system
Key Words:genetic algorithm;nonlinear;adaptive flter;active noise control
管道有源噪声控制是一种控制管道内低频噪声非常有效的方法。在管道声场中，由于声场模型简单，从而简化了控制中声学传递函数，往往采用单通道就会取得较好的降噪效果叫，因此，管道有源噪声控制具有非常重要的研究意义，
自适应控制算法作为有源噪声控制的核心，其性能的好坏直接决定了系统的降噪效果。为得到性能更好的算法，人们将自适应控制领域中的诸多优秀算法改进并引入到了有源控制中。其中比较典型的有M.Bounchard提出的多通道FxAP算法，并对其进行了优化仿真，提高了算法的收效速度。LiTan在Volterra级数的基础上提出了VFxLMS算法，有效解决了降噪过程中初级通道与次级通道相关性差的情况围D,P.Das提出了基于神经网络的FsLMS算法，并与VFxLMS算法进行了研究对比，发现FsLMS算法的稳态误差和收敏速度均优于VFxLMS算法。然而这些传统的算法大都是针对系统初级通道和次级通道线性相关的情况，当初级通道与次级通道非线性相关时，这些算法就无法取得满意的降噪效果。
针对初级通道与次级通道非线性相关的情况，本文引入了遗传算法作为管道有源噪声的控制算法，分别采用标准遗传算法和多种群遗传算法建立自适应有源消声伤真实验系统，通过对仿真实验结果进行对比分析，探讨遗传算法在管道有源噪声控制中的应用。
1算法介绍
遗传算法(geneticalgorithm，GA)是一种模拟生物界自然进化，适者生存"的随机搜索算法，非常适合处理传统算法难以解决的
，适应度目
种群初始化产
计算
输出鼻是香
营止！ LN
+选择交叉 4新种群变异下
图1SGA流程框图
收移日期：2015-01-06
非线性间题。目前，遗传算法已被广泛应用于自适应控制、数字信号处理等诸多领域，并取得了良好的效果。
1.1标准遗传算法
标准遗传算法(SGA),其原理是把问题的参数编码成若干染色体，每个染色体代表问题的一个解或一组解，染色体的好坏由其适应度值来决定，根据适应度好坏从上一代选择出一定数量表现优秀的染色体，再通过交叉、变异操作产生下一代染色体。经过若干代进化后，算法收效于最好的染色体，即优化问题的最优解，SGA在有源消声控制中具体实现步骤如下：
1.1.1种群和始化
随机创建规模为N的种群，确定交叉概率p和变异概率p_的值。 1.1.2造应度计算
染色体的适应度由误差信号决定。本文把误差信号均方误差(MSE)作为目标函数，其倒数作为算法的适应度函数，误差信号的值越小，适应度越高，个体越优。适应度计算函数为：
F[e(k)] =
E[e (k)]
1.1.3选择接作
(1)
采用轮盘赌法选择适应度高的染色体，染色体被选中的概率为：
p, =
F
(2)
其中：F,为染色体1的适应度值，"为种群中染色体的数目。 1.1.4要文、变异操作
采用单点交叉和位点变异的方法进行操作。 1.1.5筹法终止剂定
若满足预设终止条件，则遗传终止，否则返回步骤2，直到满足终止条件。SGA流程如图1所示：
1.2多种群遗传算法
作者篇介：王玉成(1986一),男，汉族，山东龙口人,硕士研究生,研究方向：车辆系统动力学。
★通讯作者：孟完皆(1965一),男，汉族，山东淄博人，制教投,博士，研究方向：车辆系统动力学,Emai:mxjie88@126.com
141