原文传递
基于宽窄带混合结构的车内噪声主动控制算法研究
| 论文题名： | 基于宽窄带混合结构的车内噪声主动控制算法研究 |
| 关键词： | 车内噪声;主动控制;主动噪声控制;参数匹配;粒子群优化 |
| 摘要： | 随着汽车行业的不断发展，市场竞争日趋激烈，NVH（Noise，Vibrationamp;Harshness）问题也日益受到汽车厂商及科研院所的重视。传统的被动噪声控制（PassiveNoiseControl，PNC）技术可通过吸声、隔声等方式有效抑制车内的中高频噪声，但对低频成分的降噪效果却微乎其微，而基于声波相消干涉原理的主动噪声控制（ActiveNoiseControl，ANC）技术则可通过以声消声的方式有效控制低频噪声。多数情况下，汽车车内低频噪声以发动机阶次噪声和道路激励噪声为主，呈现宽窄带混合特性，而宽窄带混合ANC系统结合了宽带ANC系统与窄带ANC系统的优势，对该类噪声具有更大的降噪能力，故本文重点研究了基于宽窄带混合结构的车内噪声主动控制算法。首先以递进的方式探究了传统宽带ANC系统、窄带ANC系统和宽窄带混合ANC系统的基本物理结构和自适应滤波算法原理，而后完成如下的核心研究工作： 为提高宽带ANC系统的性能，本文提出了一种归一化信号加权滤波-X最小均方（NormalizedWeightedSignalFiltered-XLeastMeanSquare，NWSFXLMS）算法，在FXLMS算法的基础上引入一个指数加权向量，以对参考信号向量和滤波参考信号向量中接近当前时刻的样本赋予较高的权重，同时加入归一化步长调节机制，由此增强了系统的收敛性能和降噪性能。针对传统窄带ANC系统所存在的收敛性不足及高计算复杂度问题，提出了一种平滑滤波-E最小均方（SmoothedFiltered-ELMS，SFELMS）算法，其中引入了对发动机转速信号的平滑处理，并结合FELMS算法进行自适应滤波，从而提升了系统的稳定性、降噪性能和计算效率。而后结合NWSFXLMS算法与SFELMS算法的优势，提出一种改进的宽窄带混合ANC算法，增强了对宽窄带混合噪声的降噪能力。 为保证系统的最佳性能，本文开发了一种基于改进粒子群优化（ImprovedParticleSwarmOptimization，IPSO）的ANC算法参数匹配方法。该方法结合ANC系统的性能评价指标，建立同时考量收敛速度和稳态误差的目标函数，通过IPSO算法实现参数寻优，与传统的试错法相比，具有更高的精度和效率。 为验证所提算法的优越性，本文利用不同匀速工况下采集的车内噪声数据在MATLAB软件平台中对算法进行主动降噪仿真。结果表明，与传统的ANC算法相比，改进宽窄带混合ANC算法能够更有效地降低目标阶次噪声与其余的宽频噪声，具有更快的收敛速度和更大的稳态降噪量。最后，为验证所提算法的有效性，搭建了基于改进宽窄带混合ANC算法的主动噪声控制试验平台，针对匀速工况下的车内噪声进行试验，可在二阶频率处实现19.3dB~23.0dB的降噪量，并降低总声压级4.3dB。 总体而言，本文的研究工作为车内噪声主动控制算法的改进与优化提供了新的思路，具有一定的参考价值。 |
| 作者： | 蒋尧 |
| 专业： | 车辆工程 |
| 导师： | 陈书明 |
| 授予学位： | 硕士 |
| 授予学位单位： | 吉林大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
