CN101598596A - 分析噪声源特别是车辆的噪声的方法及设备 - Google Patents

Abstract

本发明涉及分析噪声源特别是车辆的噪声的方法及设备。分析噪声源的噪声的方法包括以下步骤：通过傅里叶变换从测量为时间的函数的信号的信号特征，为结构声和/或空气声确定多个调制频谱P_m(n，m)，并从多个调制频谱计算将要分析的噪声的参数特征，在噪声源的操作中实时执行特征参数的计算。通过本发明可以实现脉冲型噪声现象的改进的校准。

Description

分析噪声源特别是车辆的噪声的方法及设备

技术领域

本发明涉及分析噪声源的噪声的方法及设备。该方法和设备特别地适合于在车辆或便携式测量装置中使用。

背景技术

脉冲型噪声现象如主观上令人不愉快的燃烧噪声或喷射器的“滴答声”在使用柴油发动机或使用直接汽油喷射的机动车辆中日益显著。

EP 1462778A1公开了用于发动机噪声定量分析的方法及设备，在该情况下在多个重叠时间窗口中首先对测量的噪声的时间曲线进行短期频率分析。因此获得的短期频谱用来计算调制频谱，其中出现的发动机噪声的脉冲型分量的特有特性进而可以通过计算噪声指数(DKI)进一步定量获得，且还可以通过滤波调制频谱具体地抑制或提升。

通过示例，进一步认识到将噪声水平(单位为分贝，dB)作为输入变量以便支持校准过程和/或实施NVH特性即传动系的噪声和振动特性的实时控制。然而，描述NVH特性的这种参数不能提供脉冲型噪声分量的客观描述。

发明内容

相对于上述背景，本发明的目标是提供分析噪声源的噪声的方法及设备，该方法及设备可以实现脉冲型噪声现象的改进的校准。

该目标通过本发明的分析噪声源的噪声的方法和设备实现。

分析噪声源的噪声的本发明的方法具有以下步骤：通过傅里叶变换从测量为时间的函数的信号的信号特征，为结构声和/或空气声确定多个调制频谱；及从多个调制频谱计算将要分析的噪声的参数特征；在噪声源的操作中实时执行特征参数的计算。

由于在噪声源的操作中实时根据本发明计算将要分析的噪声的参数特征，有可能以实时(即在线)执行的方式实现脉冲型噪声分量的校准的优化，且伴随实现制造工艺的改进。本发明的又一个实质优点在于减少不同车辆之间的噪声特性的可变性并伴随增加客户满意度。在本发明的方法中，不需要进行发动机噪声的耗时附加的处理。在这种情况下，执行校准的人(例如产品工程师)能够立刻执行关于NVH特性、燃料消耗、排放特性等的优化。

该方法例如适合于在机动车辆中使用，但是同样可以在便携式测量装置的形式中实施，以便在任何期望的位置可以实时执行合适的分析。

根据一个实施例，该方法还具有以下步骤：计算调制频谱中的调制的调制指数特征，基于所述调制指数的值执行将要分析的噪声的参数特征的计算。在该情况下，特征参数优选地独立于噪声的平均水平。

根据该改进，因此得出在本发明的方法中，在内燃发动机进行的操作中确定内燃发动机产生的发动机噪声的参数特征，其中该参数描述纯粹的调制分量，因此变量独立于发动机噪声的平均水平，且是脉冲型噪声分量的特征。然而，原则上，还可能结合该水平，例如通过直接使用调制频谱用于计算将要分析的噪声的参数特征。

根据一个实施例，确定多个调制频谱的步骤包括通过又一个傅里叶变换确定多个短期频谱。

根据又一个实施例，确定多个调制频谱的步骤包括在频带中滤波，然后进行包络计算。

根据本发明，为了特征化当前脉冲型噪声分量，基于安装在噪声源特别是驱动单元或者车辆结构的任何期望的位置上的测量信号值发送器的数据，基于汽缸中的气体压力分布的测量值，或基于在内燃发动机的近场或远场中例如通过麦克风记录的声学数据，确定实时确定的参数和脉冲型噪声分量的特征，在下文还可以表示为“mDKI参数”。

实时确定的mDKI参数的值可以通过标准计算机分析，或者在其他的测量环境，如ATI数据采集中合并。

实时操作中确定的mDKI参数例如作为修正变量用于控制相关于脉冲型噪声的传动系特性，且用于实时改变校准以便减少脉冲型噪声分量(例如通过在具有临界脉冲型噪声分量的区域中的多次喷射)。最后，安装在内燃发动机的外壳上的传感器例如通过计算实时确定的参数mDKI测量传动系的脉冲型振荡特性。该功能可以集成在传动系电子器件的硬件或软件中。该脉冲型噪声分量的传感器可以用来将脉冲型噪声分量控制到合适的水平。在该情况下，执行内燃发动机的电子控制以在机动车辆的脉冲型噪声分量的产生、燃料消耗及排放之间产生最优化的折衷。

当mDKI参数达到预定阈值时，特别有可能将操作模式转换到多次喷射。

相比较于所知的噪声分析方法，本发明描述纯粹的脉冲型噪声分量。本发明的方法在低温下是有利的，特别地，因为在该情况下特别有利于使脉冲型噪声分量的产生最优化而不损害排放特性和燃料消耗。

当在基本上无最佳声学特性的标准P/E测试台中实施校准时，优选地使用发动机外壳的表面振动作为脉冲型噪声分量的指示器。在该情况下在位于测量实验室中的内燃发动机的选择的表面位置上确定的振动脉冲型分量和在近场放出的噪声之间具有较高的相似度(R2＞0.9)。

本发明的方法优选地包括以下单个方法步骤和方法部分：

在线窄带调制分析(在线NBMA)；

在线速度追踪(“rpm追踪”)；

在线计算脉冲型噪声分量的参数特征(“mDKI参数”)；

在线显示和在线存储脉冲型噪声分量的参数特征(“mDKI参数”)。

根据另一方面，提供一种分析噪声源的噪声的设备。该设备在车辆中使用且包括具有用于测量的信号特征的存储器的数据处理单元，其中数据处理单元设计为执行上述方法。

可以从说明书中获得进一步的改进。

本发明借助于附图中所示的示例实施例在下文详细解释。

附图说明

图1示出说明根据已知的NBMA方法从信号特征的短期频谱计算调制频谱的示图；及

图2示出在线确定根据本发明确定的特征参数的典型曲线。

具体实施方式

本发明的方法是从EP 1462777A1所知的窄带调制分析(NBMA)方法发展而来的，且将进一步表述。该窄带调制分析方法(NBMA方法)首先在下文的具体实施方式中解释。NBMA方法连续地应用于在测量的信号的时域曲线中的相互重叠块中。然而，还可能替代地基于通常计算的调制频谱计算。在此，借助于带通滤波器输入信号可以首先分解成频带，然后在该频带中确定包络。然后每个带通滤波的信号的这些包络的频率分析提供调制频谱。

该方法基于具有双重傅里叶变换的算法。在第一步骤中，从测量的信号的时间曲线计算块的频谱，该频谱包括在测量的信号的时间曲线的移动的汉宁窗中确定的信号段的N单个的傅里叶变换。在下一个步骤中，对M载波频率实施第二傅里叶变换(M由第一傅里叶变换的频率分解给出)，以便建立窄带调制频谱矩阵。最后，该调制频谱线与在m＝0处的调制频谱线形成关系以便建立NBMA矩阵P_mi(n_f，n_m)，n_f表示载波频率的指数，n_m表示调制频率的指数。

在线窄带调制分析(在线NBMA)

图1示出借助于振幅P的记录的发动机噪声的时间曲线的分析的该NBMA方法的原理。在此，例如这可以是持续时间T＝3s的发动机的怠速噪声。作为时间变量t的连续描述的替代，信号还可以使用时间指数0≤k≤K在时间中离散描述。

借助于移动的汉宁窗(通常按照N个离散值k为10ms宽)及提供如在图1的左下图中所示的短期频谱的50％的重叠在频谱上分析信号特征p。在该情况下，在时间t₁(或离散地k₁)在每个时间窗口计算傅里叶变换(或离散傅里叶变换DFT)，仅其绝对值(离散地：|P(n，1)|)绘制在左下图中。对于每个频率线f(或离散地每个频率n；见左下图中的水平线)，这在下文中表示为“载波频率”，在各种短期频谱中的单个分量组成时间曲线，即载波信号。对该载波信号然后进行第二傅里叶变换，其结果如图所示每个载波信号相关于图1中的右下图中的每个载波频率f(或n)。

以此方式获得整个调制频谱(离散地：P_m(n，m))。在相应的载波频率n明显来自该调制频谱的情况中使用该振幅调制原始信号特征。每个调制频谱P_m(n，m)在由短期频谱确定的载波信号上重新产生调制频率(m)的分量。

因为信号在载波频率上实际调制的强度不可能从调制频谱本身的振幅获得，因此计算调制指数P_mi(n，m)。最后，附加地考虑相应的载波频率的振幅。以便形成调制指数P_mi(n，m)，相应的调制频率线m的每个单个频率线n除以在点m＝0的调制频率线的关联的调制振幅。因为该调制频率确切地对应于载波频率的频率线n，从而计算调制的程度。调制滤波器可以用来提供调制频谱中值的目标变化，结果是调制可以在确定的载波频率和调制频率上减少或提升。最后通过逆DFT的相应的双重应用提供调制滤波的时间信号。

通过离散傅里叶变换，短期频谱P(n，1)的确定通过以下公式描述：

$P(n,l)\underset{l=0}{\overset{L}{|}}=\underset{k=\mathrm{lN}(1-O)}{\overset{\mathrm{lN}(1-O)+(N-1)}{\mathrm{\Σ}}}p\left(k\right)\·w(k-\mathrm{lN}(1-O))\·e^{-j\frac{2\mathrm{\πkn}}{N}}\underset{l=0}{\overset{L}{|}}---\left(1\right)$

在此，变量O(0≤O≤1)表示时间窗口的重叠的测量，其中确定短期频谱，O＝0表示没有重叠，O＝1表示100％重叠。变量w是窗口函数，其目的是从信号特征p(k)切割出期望宽度N的窗口。在该情况中，在窗口的边缘上尽可能柔和地标出信号特征，这通过宽度N的汉宁窗较好地实现(即函数w(n)＝(1-cos(2πn/N))/2，-N/2≤n≤N/2)。

调制频谱的确定相等地可以通过以下离散傅里叶变换在数学上描述：

$P_m(n,m)\underset{n=0}{\overset{N}{|}}=\underset{l=0}{\overset{M-1}{\mathrm{\Σ}}}\left|P(n,l)\right|\·w\left(l\right)\·e^{-j\frac{2\mathrm{\πlm}}{M}}\underset{n=0}{\overset{N}{|}}---\left(2\right)$

在此，W表示宽度M的窗口函数，该窗口函数优选地同样是汉宁窗。

调制指数P_mi(n，m)如下所述从调制频谱中计算。

$P_{\mathrm{mi}}(n,m)\underset{n=0}{\overset{N}{|}}=2\frac{\left|P_m(n,m)\right|}{\left|P_m(n,0)\right|}=2\frac{\left|\underset{l=0}{\overset{M-1}{\mathrm{\Σ}}}\right|P(n,l)|\·w\left(l\right)\·e^{-j\frac{2\mathrm{\πlm}}{M}}|}{\left|\underset{l=0}{\overset{M-1}{\mathrm{\Σ}}}\right|P(n,l)|\·w\left(l\right)|}\underset{n=0}{\overset{N}{|}}---\left(3\right)$

调制指数P_mi(n，m)说明在单个调制频率m上调制的相应的载波频率n的强度，从而提供时间结构的特殊性的测量。调制频谱的绝对值在该情况中标准化到其直接分量Pm(n，0)。可以看出调制指数最适用于检测和描述典型的柴油发动机噪声(“柴油机爆震”)。

可以从关于调制频率m的区域中的先前确定的调制指数P_mi(n，m)的值计算噪声指数DKI，该调制频率m对应于半个发动机点火次数的倍数。

$\mathrm{DKI}=\frac{{M_{\mathrm{DKI}}}^c\·L_{\mathrm{fu}-\mathrm{fl}}}{N}---\left(4\right)$

其中， $M_{\mathrm{DKI}}=\frac{1}{n_o}\underset{i=0.5}{\overset{O(\mathrm{step}=0.5)}{\mathrm{\Σ}}}{w}_{\mathrm{eo}}\·M_{i,o}---\left(5\right)$

及

$M_{i,o}=\frac{\underset{n_m=n_{m,o}-d_{\mathrm{nm}}/2}{\overset{n_m=n_{m,o}+d_{\mathrm{nm}}/2}{\mathrm{\Σ}}}(w_m\·\stackrel{\‾}{P_{\mathrm{mi}}})}{\underset{n_m=n_{m,o}-d_{\mathrm{nm}}/2}{\overset{n_m=n_{m,o}+d_{\mathrm{nm}}/2}{\mathrm{\Σ}}}{w}_m}---\left(6\right)$

在此，

o＝发动机点火次数

O＝估计的最高的发动机点火次数

d_nm＝调制窗口的宽度

w_m＝调制窗口函数

c＝通过最优化配合获得的常数

L_fu-fl＝在f_L，l≤f≤f_L，u频率范围内加权的整体水平

n_fl＝载波频率上限

n_fu＝载波频率下限

N＝标准化因数

n_o＝检查的半个发动机点火次数O的数目

n_m＝调制频率的指数

P_mi＝在f_L，l≤f≤f_L，u频率范围内的平均调制指数根据下列关系式计算平均调制指数P_mi

${\stackrel{\‾}{P}}_{\mathrm{mi}}=\frac{1}{n_{\mathrm{fu}}-n_{\mathrm{fl}}}\underset{n_{\mathrm{fl}}}{\overset{n_{\mathrm{fu}}}{\mathrm{\Σ}}}{P}_{\mathrm{mi}}(n_f,n_m)---\left(7\right)$

在此，n_fl和n_fu指示分别对应于载波频率f_l和f_u的上限和下限的指数。在对应于半个发动机点火次数O的倍数的调制频率上，根据上述方程(6)计算调制基值M_i，o，作为在调制频率(宽度d_nm)的范围上平均调制指数P_mi的平均值，且以因数w_m加权。n_m(即调制频率的指数)的确定要求知道从在线rpm追踪确定的信号的转数(rpm值)的当前确切值。因数w_m可以是关于对应于发动机点火次数的调制频率居中或对称设置的汉宁窗，其中该调制在接近发动机点火次数时确切地导致最高加权。

根据上述方程(5)通过每个半个发动机点火次数的加权调制基值确定指数DKI的调制指数基值mDKI，直到达到最大发动机点火次数(主发动机点火次数0)。

在线计算脉冲型噪声分量的参数特征(“mDKI参数”)

相对于已知的方法，根据本发明，通过脉冲型噪声分量的特征的参数得出纯粹的脉冲型噪声分量的描述，还在下文指示为“mDKI参数”且通过以下公式得出：

mDKI＝M_DKI ^c    (8)

以便参数mDKI和参数DKI之间的关系可以从方程得出：

$\mathrm{DKI}=\frac{\mathrm{mDKI}\·L_{\mathrm{fu}-\mathrm{fl}}}{N}---\left(9\right)$

因为参数mDKI完全独立于噪声水平，可以基于非校准的信号计算。因此可以在操作中(即在线)计算参数mDKI，而不需校准分别用于此目的的测量传感器。

对于信号的时间数列的每个信号块b，在操作中(“在线”)产生用于参数mDKI的值。在该情况下通过在NBMA方法中使用的参数和在实施本发明的方法的整个系统中需要的处理时期确定信号块的持续时间。

因为单个信号块重叠(例如达到50％)，参数mDKI的下一个值在信号块的持续时间的相应部分之后可获得(即该示例中在信号块的持续时间的50％之后)可获得。

根据图2，图2示出参数mDKI的在线确定的典型曲线，在操作中(在线)确定的用于参数mDKI的值的时间曲线如图所示，且在接收用于参数mDKI的每个进一步可获得的值之后更新。此外，参数mDKI的值可以直接存储为输出文件(例如用ASCII格式)，或者用数字形式或模拟形式提供到接口用于进一步处理。

在线rpm追踪

在线rpm追踪用来确定对应于半个发动机点火次数的倍数的调制频率m。

在该情况中，发动机点火次数定义为涉及发动机转速的变量，即每曲轴旋转的点火汽缸次数。取决于曲轴旋转，在四汽缸车辆中点燃两个汽缸，某种程度上还表示为主发动机点火次数。发动机点火次数、转速(1/分钟)及点火的频率(1/秒)之间的关系由以下公式得出：

通过考虑在先的转速曲线估计平均调制指数P_mi，以便确定对应于半个发动机点火次数的倍数的调制频率m。在该情况中第一步是从用于最后的信号块b-1的rpm值或转数rpm(b-1)，或者若合适的话，从第一信号块的开始值确定对应于主发动机点火次数(n′_m，O(例如对于四汽缸发动机的车辆O＝2))的调制频率的估计，可使用以下方程：

$n_{m,O}^{\′}=\frac{\mathrm{rpm}(b-1)}{60}\·O---\left(11\right)$

通过在搜索窗(通常±10％)中搜索平均调制指数P_mi的最大值围绕估计然后确定对应于主发动机点火次数的调制频率。该搜索窗的宽度确定了两个信号块之间的rmp值或转数的最大变化。搜索框的宽度不应选择过大，以便在rpm追踪中避免错误，可使用以下方程：

$n_{m,O}=\max {\left({\stackrel{\‾}{P}}_{\mathrm{mi}}\right)}_{n_m-\mathrm{\Δ}}^{n_m+\mathrm{\Δ}}---\left(12\right)$

借助于分配到主发动机点火次数的调制频率确定次发动机点火次数的估计。通过搜索相应的估计周围的平均调制指数P_mi的曲线中的最近的最大值确定每个次发动机点火次数的最终调制频率。

Claims (10)

1.一种分析噪声源的噪声的方法，所述方法具有以下步骤：

通过傅里叶变换从测量为时间的函数的信号的信号特征，为结构声和/或空气声确定多个调制频谱Pm(n，m)；及

从所述多个调制频谱计算将要分析的噪声的参数特征，其中，

在噪声源的操作中实时执行特征参数的计算。

2.如权利要求1所述的方法，其特征在于，所述方法还包括以下步骤：

计算调制频谱中的调制的调制指数特征，基于调制指数(P_mi)的值执行将要分析的噪声的参数特征的计算。

3.如权利要求2所述的方法，其特征在于，所述特征参数独立于噪声的平均水平。

4.如权利要求1至3中的任意一项所述的方法，其特征在于，确定多个调制频谱P_m(n，m)的步骤包括通过又一个傅里叶变换确定多个短期频谱。

5.如权利要求1至3中的任意一项所述的方法，其特征在于，确定多个调制频谱P_m(n，m)的步骤包括在频带中滤波，然后进行包络计算。

6.如上述权利要求中的任意一项所述的方法，其特征在于，所述噪声源是机动车辆的内燃发动机。

7.如权利要求6所述的方法，其特征在于，基于在驱动单元和/或车辆结构上安装的测量信号值发送器的数据确定所述信号特征。

8.如权利要求6所述的方法，其特征在于，基于在内燃发动机的汽缸中测量的气体压力振荡确定所述信号特征。

9.如权利要求6所述的方法，其特征在于，基于在内燃发动机的近场或远场记录的声学数据确定所述信号特征。

10.如上述权利要求中的任意一项所述的方法，其特征在于，所述参数特征(mDKI)可以通过以下公式描述：

mDKI＝M_DKI ^c

其中

$M_{\mathrm{DKI}}=\frac{1}{n_o}\underset{i=0.5}{\overset{O(\mathrm{step}=0.5)}{\mathrm{\Σ}}}{w}_{\mathrm{eo}}\·M_{i,o}$

及

$M_{i,o}=\frac{\underset{n_m=n_{m,o}-d_{\mathrm{nm}}/2}{\overset{n_m=n_{m,o}+d_{\mathrm{nm}}/2}{\mathrm{\Σ}}}(w_m\·{\stackrel{\‾}{P}}_{\mathrm{mi}})}{\underset{n_m=n_{m,o}-d_{\mathrm{nm}}/2}{\overset{n_m=n_{m,o}+d_{\mathrm{nm}}/2}{\mathrm{\Σ}}}{w}_m}$

其中，

o＝发动机点火次数

0＝估计的最高发动机点火次数

d_nm＝调制窗口的宽度

w_m＝调制窗口函数

c＝通过最优化配合获得的常数

L_fu-f1＝在f_L，1≤f≤f_L，u频率范围内加权的整体水平

n_f1＝载波频率上限

n_fu＝载波频率下限

N＝标准化因数

n_o＝检查的半个发动机点火次数0的数目

n_m＝调制频率的指数

P_mi＝在f_L，1≤f≤f_L，u频率范围内的平均调制指数。