دانشگاه صنعتی شاهرود مکانیک سازه ها و شاره ها 2251-9475 3 1 2013 10 15 Periodic Acoustic Noise Cancelation with Intelligent and Active Method حذف نویز صوتی تناوبی با روش فعال و هوشمند 43 54 174 10.22044/jsfm.2013.174 FA بهروز رئیسی دانشجو دکتری - دانشگاه شیراز شاپور گلبهار حقیقی استادیار - دانشگاه شیراز علی اکبر صفوی دانشگاه شیراز - استاد Journal Article 2013 03 18 In this paper a new method based on temporal difference on reinforcement learning algorithm is proposed to active noise control of periodic acoustic signal. This method does not need dynamic information and therefore it is fully robust with respect to the dynamic change. Very low computational burden and low needed memory are some advantages of this method. In the first step, with well definition of the state variables, actions, and reward signal, a reinforcement learning problem is formed and then it is solved by Q-learning technique. In the next step the problem is simplified by help of frequency domain modeling information and it is solved by temporal difference method. Finally, a multi-level approach is presented which it can increase the precision without increasing of the memory size. It is shown by simulation that this method works well and the improvement of the multi-level temporal difference method with respect to the Q-learning method is addressed. در این تحقیق، روشی جدید مبتنی بر تکنیکهای یادگیری تقویتی با تکیه بر روش تفاوت زمانی صفر در مبحث یادگیری تقویتی، برای حذف نویز صوتی به صورت فعال در سیگنالهای باند باریک ارائه گردیده است. برای پیاده سازی این روش مبتنی بر فیدبک، اطلاعاتی از دینامیک مسیر اولیه و ثانویه لازم نمی باشد و در نتیجه این روش نسبت به تغییر این پارامترها به صورت مقاوم عمل می نماید. حجم بسیار کم محاسبات ریاضی و حافظه بسیار اندک محاسبات، از دیگر مزایای روش پیشنهادی می باشد. بدین منظور در اولین گام با انجام تعاریف مناسب برای متغیرهای حالت، اعمال ممکن و سیگنال پاداش، مساله به یک مساله مناسب برای حل توسط یادگیری تقویتی تبدیل شده و با روش یادگیری کیو حل می گردد. در گام بعدی با استفاده از اطلاعات به دست آمده از مدل سازی در حوزه فرکانس، مساله ساده گردیده و با روش تفاوت زمانی صفر مساله حل خواهدگردید. آخرین مرحله پیشنهاد، یک روش چند سطحی می باشد که در این روش اخیر بدون نیاز به بالاتر بردن حافظه مورد نیاز می توان دقت را تا مقدار لزوم افزایش داد. عملکرد مناسب این روش و میزان بهبود روش چند سطحی نسبت به روش یادگیری کیو توسط شبیه سازی نشان داده شده است. https://jsfm.shahroodut.ac.ir/article_174_6ac8bc31cffe676c98b176f6ef923063.pdf