[發(fā)明專利]一種變壓器噪聲抑制方法

有效

• 申請?zhí)枺?/td>: 201410189040.5
• 申請日: 2014-05-06
• 公開（公告）號: CN103971908A
• 公開（公告）日: 2014-08-06
• 發(fā)明（設(shè)計）人: 姜寧;李凱;許洪華;王春寧;陳冰冰;姜鴻羽;馬宏忠
• 申請（專利權(quán)）人: 國家電網(wǎng)公司;江蘇省電力公司;江蘇省電力公司南京供電公司;河海大學(xué)
• 主分類號: H01F27/33
• 分類號: H01F27/33;G06N3/02
• 代理公司: 南京同澤專利事務(wù)所(特殊普通合伙) 32245
• 代理人: 閆彪

1.一種變壓器噪聲抑制方法，其特征在于：在主要由含智能芯片的控制器以及初始噪聲測量傳聲器、殘余噪聲測量傳聲器、揚聲器組成的系統(tǒng)中，所述控制器按以下步驟實現(xiàn)噪聲抑制：

第一步、接收位于噪聲源附近初始噪聲測量傳聲器傳輸并經(jīng)轉(zhuǎn)換的初始噪聲數(shù)字信號，作為BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)的輸入信號；

第二步、借助BP神經(jīng)網(wǎng)絡(luò)對輸入信號進行處理后，生成相位與輸入信號偏離的次級數(shù)字信號；

第三步、將次級數(shù)字信號轉(zhuǎn)換成模擬信號經(jīng)放大后輸出到揚聲器，產(chǎn)生對初始噪聲具有抑制作用的次級噪聲；

第四步、接收殘余噪聲測量傳聲器拾取的初始噪聲和次級噪聲疊加并經(jīng)轉(zhuǎn)換后的殘余噪聲數(shù)字信號，判斷殘余噪聲數(shù)字信號的幅值是否已連續(xù)設(shè)定次數(shù)不變，如是則保持次級數(shù)字信號輸出，如否則進行下步；

第五步、以使殘余噪聲數(shù)字信號幅值最小為優(yōu)化原則，優(yōu)化、調(diào)整BP神經(jīng)網(wǎng)絡(luò)參數(shù)，將下一時刻的初始噪聲數(shù)字信號作為優(yōu)化、調(diào)整后BP神經(jīng)網(wǎng)絡(luò)的輸入信號，接著重復(fù)第二步。

2.根據(jù)權(quán)利要求1所述的變壓器噪聲抑制方法，其特征在于：所述第五步中優(yōu)化、調(diào)整BP神經(jīng)網(wǎng)絡(luò)參數(shù)采用改進粒子群算法，按以下過程進行：

步驟一、根據(jù)已有的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)確定粒子的維數(shù)，并隨機產(chǎn)生N個初始粒子；

步驟二、將第n時刻神經(jīng)網(wǎng)絡(luò)中輸入層神經(jīng)元i與隱含層神經(jīng)元h之間的權(quán)系數(shù)ω_hi(n)、隱含層神經(jīng)元h與輸出層之間的權(quán)系數(shù)W_h(n)、隱含層神經(jīng)元h的閾值GE_h(n)及輸出層神經(jīng)元的閾值ge(n)按預(yù)定的次序進行實數(shù)編碼，形成相應(yīng)的實數(shù)粒子，每個粒子對應(yīng)一組網(wǎng)絡(luò)參數(shù)，其編碼形式為；

ω₁₁ω₁₂…ω_KW₁GE₁…ω_J1ω_J2…ω_JKW_JGE_Jge

步驟三、選擇系統(tǒng)的殘余噪聲信號e(n)作為網(wǎng)絡(luò)參數(shù)的評判標準，以如下適應(yīng)度函數(shù)F(n)作為粒子位置編碼和公式：

F(n)=(x(n)*h1(n)-y(n)*h2(n))22---[1]]]>

上式中，x(n)為第n時刻輸入的初始噪聲數(shù)字信號；H₁(z)和H₂(z)分別為初級通道和次級通道的傳遞函數(shù)；y(n)為第n時刻網(wǎng)絡(luò)輸出的數(shù)字信號，計算公式為：

y(n)=Σh=1JWh(n)f(Σi=1Kωhi(n)xi(n)-GEh(n))-ge(n)---[2]]]>

上式中，x_i(n)＝x(n-i+1)表示輸入層神經(jīng)元i的輸入；以f(x)＝2/(1+exp(-2x))-1表示網(wǎng)絡(luò)隱含層的激勵函數(shù)；K表示輸入層神經(jīng)元總個數(shù)；J表示隱含層神經(jīng)元總個數(shù)；

步驟四、根據(jù)粒子位置編碼和公式[1]，計算出各粒子的適應(yīng)度值；將粒子當前位置適應(yīng)度值與之前迭代時該粒子的位置適應(yīng)度值作比較，若前者比后者小，則更新該粒子最優(yōu)位置P_i＝[p_i1，p_i2，…，p_i(J(K+2)+1)]，否則，保持不變；同時，將該粒子對應(yīng)的適應(yīng)度值與之前迭代時的適應(yīng)度值作比較，若前者比后者小，則更新整個粒子群的最優(yōu)位置P_g＝[p_g1，p_g2，…，p_g(J(K+2)+1)]，否則，保持不變；

步驟五、若迭代次數(shù)已達到最大迭代次數(shù)，則停止迭代，對粒子群最優(yōu)位置進行解碼得到相應(yīng)BP神經(jīng)網(wǎng)絡(luò)參數(shù)，否則進行下一步；

步驟六、定義粒子群的進化度σ為：

σ(k)=abs(fgbest(k)-favg(k)fgbest(1)-favg(1))---[3]]]>

上式中，f_gbest(k)和f_avg(k)分別為第k次迭代時粒子群的全局最優(yōu)適應(yīng)度值和平均適應(yīng)度值；

定義動態(tài)變化的慣性因子計算公式為：

w(k)=(1-11+exp(σ(k)))w0---[4]]]>

上式中，w₀為設(shè)定的初始值。

定義自適應(yīng)變異概率計算公式為：

pm(k)=(pmmin+(pmmax-pmmin)|fgbest(k)-favg(k)||fgbest(k)-fi(k)|)ξ(k),fi(k)<favg(k)pmmaxξ(k),fi(k)>=favg(k)---[5]]]>

ξ(k)=1ϵ+σ(k)∈[0,1]---[6]]]>

其中，p_m(k)為粒子群在第k次迭代的變異概率；p_mmax和p_mmin分別為變異率的最大值和最小值，f_i(k)為粒子i第k次迭代時的適應(yīng)度值，ε為設(shè)定的常數(shù)；

定義粒子變異后新的速度和位置計算公式為：

v_id(k+1)＝w(k)v_id(k)+c₁r₁(p_id(k)-x_id(k))+c₂r₂(p_gd(k)-x_id(k))[7]

Xi(k+1)=Xi(k)+pm(k)(XR1(k)-XR2(k))+Vi(k)---[8]]]>

其中，v_id(k)為粒子i在第k次迭代中第d維的速度；V_i(k)為粒子i在第k次迭代中的速度向量；p_id(k)為粒子i第k次迭代中第d維的最好位置；p_gd(k)為整個群體第k次迭代中第d維的最好位置；x_id(k)為粒子i在第k次迭代中第d維的位置；X_i(k)為粒子i第k次迭代中位置向量；c₁和c₂為非負加速常數(shù)；r₁和r₂為[0，1]范圍內(nèi)變換的隨機數(shù)；R₁和R₂為不相等正整數(shù)，在[1，N]范圍內(nèi)；步驟七、先由以上公式[4]和[5]計算出本次迭代時的慣性因子和粒子變異率，再利用公式[7]和[8]更新所有粒子的速度和位置，生成新一代粒子群，返回步驟四。