[发明专利]一种基于模糊神经网络的主动噪声控制方法、系统及装甲车驾驶员头盔

说明书

技术领域

本发明涉及装甲车领域的噪声控制技术，特别涉及一种基于模糊神经网络的主动噪声控制方法、系统及装甲车驾驶员头盔。

背景技术

装甲车驾驶室及乘员舱内部噪声超标，严重影响了相关人员的生理和心理健康，舱内的减振降噪设计是一项比较重要的工作。装甲车舱内的主要噪声源主要包括：车辆高速行驶时，空气紊流造成车身结构振动，在车内产生高频噪声；发动机工作及传动系的质量不平衡所引起的车身结构振动，在车内辐射中频噪声；路面不平整时的悬架系统振动引起车身结构振动，在车内产生低频噪声。

常规的装甲车多通过在驾驶室和乘员室布置阻尼吸声材料、加强车内地板的吸声和隔声性能、增设发动机隔声罩等物理降噪措施进行舱内的被动式噪声控制，被动式降噪措施对高频噪声的隔离效果较好，而对中低频噪声的控制效果较差。

采用主动降噪方案可有效降低中低频噪声，而传统的主动式噪声控制方案一般只能控制200Hz以下的噪声，并且仅能够针对窄带进行噪声控制，因此其应用受到很大的限制。

为了提高装甲车的驾驶舒适度，提高军事作战能力，急需推出一款装甲车驾驶员用的高效降噪方法、系统及头盔，实现在较大频带宽度内的噪声控制。

发明内容

鉴于上述现有技术存在的问题，本发明提供一种基于模糊神经网络的主动噪声控制方法、系统及装甲车驾驶员头盔。

本发明解决技术问题采用如下技术方案：一种基于模糊神经网络的主动噪声控制方法，包括：参考麦克风采集参考区域的参考噪声信号，作为参考信号，并输出至模糊控制器；误差麦克风采集噪声控制区域的残余噪声信号，作为误差信号，并输出至模糊控制器；以及所述模糊控制器基于模糊神经网络的自适应FX-RBF网训练算法，对所述参考信号和所述误差信号进行分析，并输出反相的目标声信号至扬声器。

可选的，所述模糊控制器为两个独立的模糊控制器，分别对各自接收到的参考信号和误差信号信号进行分析，并输出反相的目标声信号至扬声器，以抵消残余噪声信号。

可选的，所述自适应FX-RBF网训练算法包括：基于模糊c-均值聚类对参考噪声信号数据集进行划分；基于近似梯度下降法自适应减少每次迭代的计算步长，并动态调整最小均方差算法的学习速率。

可选的，所述自适应FX-RBF网训练算法还包括：对时滞信号的幅值和相位进行分析，重构反相目标声信号后输出至扬声器。

可选的，所述基于模糊c-均值聚类对参考噪声信号数据集进行划分的步骤包括：使用高斯函数作为算法的基函数，在确定适合实际噪声情况的最佳聚类个数c和最佳权重因子m后，对隐含层的中心向量进行学习，直到中心向量不再变化或小于预设阈值，并计算高斯函数方差；

可选的，所述基于近似梯度下降法自适应减少每次迭代的计算步长，并动态调整最小均方差算法的学习速率的步骤包括：基于近似梯度下降法，利用公式α(t+1)＝α(t)-β·ΔE自适应减少每次迭代的计算步长，并动态调整最小均方差算法的学习速率；然后初始化隐含层到输出层的每个权值，再利用公式对权值进行计算，直到输出误差[y₀(n)-y(n)]不再变化或小于预设的某个阈值时，停止学习，否则继续重复以上学习步骤；式中α为学习速率，ΔE为训练前后的误差，β为自适应调整步长，w为隐含层到输出层的权值，y₀(n)为目标输出值，y(n)为实际输出值。

本发明解决技术问题还提供如下技术方案：一种基于模糊神经网络的主动噪声控制系统，包括：模糊控制器、参考麦克风、误差麦克风和扬声器，其中：所述参考麦克风，用于采集参考区域的参考噪声信号，作为参考信号，并输出至模糊控制器；所述误差麦克风，用于采集噪声控制区域的残余噪声信号，作为误差信号，并输出至模糊控制器；以及所述模糊控制器与所述参考麦克风及所述误差麦克风耦接，基于模糊神经网络的自适应FX-RBF网训练算法，对所述参考信号和所述误差信号进行分析，并输出反相的目标声信号至扬声器。

可选的，所述模糊控制器为两个独立的模糊控制器，分别对各自接收到的参考信号和误差信号信号进行分析，并输出反相的目标声信号至扬声器，以抵消残余噪声信号。

本发明解决技术问题还提供如下技术方案：基于上述主动噪声控制系统还包括驾驶员头盔主体，所述模糊控制器包括左耳模糊控制器、右耳模糊控制器，分别执行左、右耳的信号分析及降噪模式输出。