一种主动控制车辆全局空间噪声的卷积-模糊神经网络方法

本发明公开了一种主动控制车辆全局空间噪声的卷积-模糊神经网络方法。方法包括在车辆降噪区周围设置多个次级通路;采集各次级通路的噪声残余信号;采用卷积-模糊神经网络先进行离线辨识得到次级通路模型，同时作为次级通路的自适应有源噪声控制算法在线修正控制器参数，最后输出多方位的噪声抵消信号。本发明将卷积-模糊神经网络用于辨识对象的逆模型，为车辆全局空间非线性噪声辨识提供了一种非常有效的方法，利用卷积-模糊神经网络所具有的对函数的非线性逼近能力提高次级通路的辨识精度;采用有源反馈消声系统，建立了稳定的次级通路模型;解决了车辆全局空间噪声控制难、频带窄的问题。