论文部分内容阅读
为降低车内低频噪声,噪声主动控制(ANC)与振动主动控制(AVC)方法备受研究者关注,但是一味地降低噪声不能满足乘员的主观感受,声品质主动控制(ASQC)方法为解决这一问题提供了新思路。车内噪声由空气噪声与结构振动引起的辐射噪声组成,现有ANC与AVC方法通常仅单独针对噪声或振动的控制,较少考虑振动控制对噪声控制的影响。因此,本文将ASQC方法与AVC方法相结合,开展车内声品质声—振混合主动控制方法研究。主要研究内容包括:(1)基于振-声传递函数,提出一种车内噪声声—振并联混合滤波-x滤波-u最小均方(HVA-FUXLMS)算法。该算法可实时计算振动控制引起的辐射噪声变化量,并对处理后的耳侧噪声执行噪声控制,达到兼顾振动与噪声控制的目的。以怠速工况的噪声振动为例,该算法可有效控制振动与噪声,对比传统的滤波-x最小均方(FXLMS)算法,噪声的平均绝对误差降低了4%,收敛速度提高了0.104秒。(2)考虑到振-声传递函数对辐射噪声的计算存在误差,基于延时间隔提出一种声—振串联混合延时间隔最小均方(HVA-De LMS)算法。将振动与噪声采用分级策略进行控制,先执行一级振动控制,在振动经过延时间隔达到收敛状态后,再执行噪声控制。与HVA-FUXLMS算法不同,HVA-De LMS算法的二级噪声控制开始时,振动已达到收敛状态,辐射噪声趋于稳定,可避免振动控制对噪声控制的影响。针对怠速时的车内噪声仿真结果表明,HVA-De LMS算法可以实现噪声振动的分级控制,噪声0～200Hz的主要频带具有良好的控制效果。(3)在HVA-FUXLMS算法的基础上引入声音保留因子,提出了车内声品质声—振混合基于自适应均衡(ANE)的HVA-ANE算法、基于经验模态分解(EMD)和频域块的HVA-EBANE算法和基于滤波误差最小均方(FELMS)的HVA-EBFELMS算法。三种算法的验证结果表明,HVA-EBFELMS算法在兼顾噪声振动控制的同时,耳侧噪声的响度减少了40%以上,响度控制效果较HVA-ANE算法和HVA-EBANE算法更优,具有良好的响度改善效果。(4)以高速工况为例,针对响度、粗糙度和尖锐度三个心理声学指标,利用HVAANE和HVA-EBFELMS算法进行ASQC仿真实验。结果表明,HVA-EBFELMS算法在兼顾噪声振动控制的同时,噪声响度降低了34.93%,而HVA-ANE算法降低了31.78%。但在尖锐度与粗糙度的控制上,两种算法仅在少数临界频带上有效,总体效果不佳。本文所研究的车内声品质声—振混合主动控制方法可有效改善车内声品质,对车内噪声及相关工程噪声的主动控制具有一定的理论意义和实用价值。