随着旋转设备在日常生活中的广泛应用,其产生的噪声问题引起了社会的广泛关注,各种噪声控制技术也应运而生,其中主动噪声控制(Active Noise Control,ANC)技术最具代表性。ANC技术在线性控制领域已经取得了丰硕的理论成果和实践经验,但是实际噪声环境一般具有非线性问题,如参考信号为混沌噪声,声学路径为非线性系统等。这些非线性问题严重限制了传统线性ANC技术的应用,促使非线性ANC技术的研究备受关注。控制系统按照物理结构可以分为前馈控制、反馈控制和前反馈混合控制。前馈控制结构稳定性强,但是不适用于时变和非线性对象。反馈控制结构鲁棒性较强,且适用于时变和非线性对象,但是系统稳定性和控制精度较差。前反馈混合控制结构对前两者进行了优势互补,具有更广泛的应用环境和更高的控制精度及系统稳定性。旋转设备的噪声根据其频带特性可以分为窄带噪声、宽带噪声和宽窄带混合噪声。因此论文分别针对窄带噪声、宽带噪声和宽窄带混合噪声,基于前反馈混合结构研究新型、高效的非线性ANC方法。针对窄带噪声,研究基于FELMS(Filtered-Error Least Mean Square)算法的窄带ANC(FELMS-based Narrowband ANC,FE-NANC)系统,并在平均和均方意义下分析该系统动态特性、稳态特性以及步长稳定边界。在非线性初级路径条件下,分析初级噪声频率特性,建立其与参考信号频率的数学模型。通过前馈频率拓展和反馈频谱估计结构快速准确地获取初级噪声频率,将其作为新的参考信号频率,基于FE-NANC系统研究低复杂度窄带非线性ANC方法。此外,通过引入误差分离技术进一步提高该方法的降噪效果和收敛特性。针对宽窄带混合噪声,分析初级噪声的频带特性,研究前馈FLANN(Function Link Artificial Neural Network)结构和反馈FIR(Finite Impulse Response)结构的降噪机理,并详细分析其各自的降噪优缺点,提出了FLANN-FIR混合结构的ANC方法。该方法对前馈FLANN结构和反馈FIR结构的降噪效果进行优势互补,不仅提高了系统的收敛速度,而且同时对初级噪声中的线性分量和非线性分量都具有明显降噪效果。针对宽带混沌噪声和随机噪声,研究反馈非线性ANC方法进行降噪处理。反馈ANC系统是一个初级噪声的反馈预测过程,不受声反馈的影响。但是宽带混沌噪声和随机噪声不能线性预测,且非线性预测精度不佳。为成功解决该问题,利用小波包对宽带混沌噪声和随机噪声进行全频段分解,然后进行线性独立预测,构成新型反馈非线性ANC方法。与传统的反馈非线性ANC方法相比,提出的方法对宽带混沌噪声和随机噪声的降噪效果更加明显,特别是宽带随机噪声。针对非线性ANC中的声反馈问题开展研究,提出了基于双线性FLANN(Bilinear FLANN,BFLANN)滤波器的非线性ANC方法。该方法主要包含FLANN结构、反馈输出项以及输入与输出的乘积项。因为FLANN和输入与输出乘积项都具有非线性映射能力,所以与FLANN相比,BFLANN可以处理更复杂的非线性ANC问题。在BFLANN中,反馈输出项和输入与输出乘积项可以分别对线性声反馈和非线性声反馈进行补偿,从而成功解决非线性ANC中的声反馈问题。此外,详细的理论推导充分证明当BFLANN输入有界时,其输出同样有界。为了验证论文中提出的基于前反馈混合结构的非线性ANC方法的降噪有效性,本文设计了封闭空间的ANC实验平台,该封闭空间是尺寸为2.2m×1.1m×1.2m的矩形空间。ANC实验平台的控制器由实时控制模块dSPACE DS1104和MATLAB/Simulink软件构成。通过该实验平台分别对文中提出的方法在不同非线性声学环境下进行验证,实验结果充分说明:(1)FE-NANC系统不仅节约计算成本而且成功实现了多频窄带参考信号的实时降噪;(2)FLANNFIR方法提高了传统非线性ANC方法的收敛速度和降噪能力;(3)BFLANN方法成功降低了线性声反馈和非线性声反馈的影响。