Compensación adaptativa feedback feedforward para el rechazo de perturbaciones en una estructura flexible de un grado de libertad: análisis comparativo
Publicado 2018-01-09
Palabras clave
- Términos del índice -active vibration control,
- fir filtro adaptativo,
- el cuadrado medio menos filtrado de x,
- recursive least square
Cómo citar
Resumen
En este artículo se estudia un Control Vibratorio Activo (AVC) para un problema de tres carritos. Se comparan los algoritmos de mínimos cuadrados filtrados (FxLMS) y mínimos cuadrados recurrentes (RLS) en términos de rechazo de perturbaciones, costo computacional y esfuerzo de control cuando se dispone de una medición correlacionada de la perturbación. El compensador RLS propuesto considera un acoplamiento de retroalimentación entre el compensador y la perturbación. La ruta de propagación secundaria de la planta se estimó utilizando el algoritmo LMS normalizado (NLMS). El acoplamiento positivo interno se modela como un filtro FIR estimado por los parámetros reales de la planta. Las simulaciones mostraron un rendimiento superior del algoritmo RLS con un costo informático razonable. El análisis comparativo se realizó comparando la compensación entre el orden del filtro y la magnitud del rechazo.
Descargas
Referencias
M. Alma, I. D. Landau, J. J. Martinez, and T.-B. Airimitoaie, “Hybrid adaptive feedforward-feedback compensation algorithms for active vibration control systems”, IEEE Conference on Decision and Control and European Control Conference. 2011, pp. 6771–6776.
S. M. Kuo and D. R. Morgan, “Review of DSP algorithms for active noise control,” in IEEE Conference on Control Applications - Proceedings, 2000, vol. 1, pp. 243–248.
F. Ben Amara, P. T. Kabamba, and A. G. Ulsoy, “Adaptive sinusoidal disturbance rejection in linear discrete-time systems - Part I: Theory,” J. Dyn. Syst. Meas. Control. Trans. ASME, vol. 121, no. 4, pp. 648– 654, 1999.
F. Ben Amara, P. T. Kabamba, and A. G. Ulsoy, “Adaptive sinusoidal disturbance rejection in linear discrete-time systems - Part II: Experiments”, J. Dyn. Syst. Meas. Control. Trans. ASME, vol. 121, no. 4, pp. 655–659, 1999.
I. T. Ardekani and W. H. Abdulla, “Stochastic modeling and analysis of filtered-x least-mean-square adaptation algorithm,” IET Signal Process., vol. 7, no. 6, pp. 486–496, Aug. 2013.
I. T. Ardekani and W. H. Abdulla, “Theoretical framework for stochastic modeling of FxLMS-based active noise control dynamics,” in 2012 Conference Handbook - Asia-Pacific Signal and Information Processing Association Annual Summit and Conference, APSIPA ASC 2012, 2012.
“DSP System Toolbox TM Getting Started Guide R 2014 a,” 2014.
T. Wang and W. S. Gan, “Stochastic analysis of FXLMS-based internal model control feedback active
noise control systems”, Signal Processing, vol. 101, pp. 121–133, Aug. 2014.
S. Liu, D. Liu, J. Zhang, and Y. Zeng, “Extraction of fetal electrocardiogram using recursive least squares and normalized least mean squares algorithms,” in 2011 3rd International Conference on Advanced Computer Control, 2011, pp. 333–336.
L. Lara, J. Brito, C. Graciano, “Structural control strategies based on magnetorheological dampers managed using artificial neural networks and fuzzy logic,” Rev. UIS Ing., vol. 16, no. 2, pp. 227 -242, 2017. Doi: https://doi.org/10.18273/revuin.v16n22017021