| 摘要 | 第1-8页 |
| ABSTRACT | 第8-13页 |
| 第一章 绪论 | 第13-21页 |
| ·研究的目的和意义 | 第13-14页 |
| ·有源消声的国内外研究进展和发展趋势 | 第14-18页 |
| ·有源消声的国内外研究进展 | 第14-16页 |
| ·有源消声的现存问题以及发展趋势 | 第16-17页 |
| ·发动机排气噪声有源控制 | 第17-18页 |
| ·神经网络的国内外研究进展和发展趋势 | 第18-20页 |
| ·论文的主要研究内容 | 第20-21页 |
| 第二章 发动机排气噪声 AANC 研究 | 第21-34页 |
| ·发动机排气噪声 AANC 系统 | 第21-23页 |
| ·发动机排气噪声 AANC 系统 | 第21-22页 |
| ·参考信号的采集 | 第22-23页 |
| ·AANC 系统结构 | 第23-25页 |
| ·前馈控制系统 | 第23页 |
| ·反馈控制系统 | 第23-25页 |
| ·混合型控制系统 | 第25页 |
| ·AANC 系统的原理 | 第25-27页 |
| ·自适应算法 | 第27-33页 |
| ·最小均方 LMS 算法 | 第27-30页 |
| ·递归最小二乘 RLS 算法 | 第30-31页 |
| ·神经网络算法 | 第31-33页 |
| ·三种算法的比较 | 第33页 |
| ·本章小结 | 第33-34页 |
| 第三章 BP 神经网络算法及其改进 | 第34-47页 |
| ·BP 神经网络算法 | 第34-37页 |
| ·BP 神经网络算法原理 | 第34-36页 |
| ·BP 算法的分析 | 第36-37页 |
| ·蚁群算法及其改进算法 | 第37-41页 |
| ·蚁群算法 | 第37-39页 |
| ·自适应最大-最小蚂蚁系统 | 第39-41页 |
| ·基于蚁群算法的改进的 BP 算法 | 第41-42页 |
| ·仿真试验 | 第42-45页 |
| ·参数选择 | 第43页 |
| ·仿真结果 | 第43-45页 |
| ·本章小结 | 第45-47页 |
| 第四章 基于 BP 算法的发动机噪声前馈控制 | 第47-60页 |
| ·前馈控制系统模型 | 第47-48页 |
| ·汽车排气噪声源分析 | 第48-50页 |
| ·排气噪声的产生 | 第48页 |
| ·排气噪声的频谱特性 | 第48-50页 |
| ·BP 算法的泛化能力的提高 | 第50-51页 |
| ·次级通道逆辨识 | 第51-54页 |
| ·仿真及结果 | 第54-56页 |
| ·实测汽车排气噪声的消除 | 第56-58页 |
| ·本章小结 | 第58-60页 |
| 第五章 基于 BP 算法的发动机噪声反馈控制 | 第60-71页 |
| ·IMC 系统的基本原理 | 第60-61页 |
| ·IMC 系统的鲁棒性 | 第61-62页 |
| ·鲁棒稳定性分析 | 第61-62页 |
| ·鲁棒性能分析 | 第62页 |
| ·基于 IMC 的发动机噪声 ANC | 第62-65页 |
| ·系统结构 | 第62-63页 |
| ·反馈滤波器设计 | 第63-65页 |
| ·仿真结果 | 第65-69页 |
| ·实测发动机噪声的消除 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| ·总结 | 第71-72页 |
| ·展望 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 附录 | 第78-81页 |
| 攻读硕士学位期间发表的学术论文及取得的相关科研成果 | 第81-82页 |
| 致谢 | 第82-83页 |