CN107742155B - 基于遗传算法自动优化参数的主动降噪系统 - Google Patents

基于遗传算法自动优化参数的主动降噪系统 Download PDF

Info

Publication number
CN107742155B
CN107742155B CN201710995120.3A CN201710995120A CN107742155B CN 107742155 B CN107742155 B CN 107742155B CN 201710995120 A CN201710995120 A CN 201710995120A CN 107742155 B CN107742155 B CN 107742155B
Authority
CN
China
Prior art keywords
noise reduction
module
active noise
control
error
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710995120.3A
Other languages
English (en)
Other versions
CN107742155A (zh
Inventor
李龙晨
黄威
阮海林
陈晓君
郑长炜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuxi Jixing Auto Acoustic Parts Technology Co Ltd
Original Assignee
Wuxi Jixing Auto Acoustic Parts Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuxi Jixing Auto Acoustic Parts Technology Co Ltd filed Critical Wuxi Jixing Auto Acoustic Parts Technology Co Ltd
Priority to CN201710995120.3A priority Critical patent/CN107742155B/zh
Publication of CN107742155A publication Critical patent/CN107742155A/zh
Application granted granted Critical
Publication of CN107742155B publication Critical patent/CN107742155B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/10—Noise analysis or noise optimisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Geometry (AREA)
  • Computational Linguistics (AREA)
  • Computer Hardware Design (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Soundproofing, Sound Blocking, And Sound Damping (AREA)
  • Fittings On The Vehicle Exterior For Carrying Loads, And Devices For Holding Or Mounting Articles (AREA)

Abstract

本发明提供一种基于遗传算法自动优化参数的主动降噪系统，包括硬件部分和软件部分，硬件部分包括笔记本电脑、主动降噪控制器、误差麦克风、控制喇叭和CAN接口连接器；软件部分包括数据处理系统和人机界面，其中数据处理系统包括参数设置模块、麦克风校准模块、数据采集模块、数据处理模块、次级通道建模模块、数据存储模块、车内声场仿真模块、参数自动优化模块和主动降噪实验模块；次级通道建模模块用于计算单个控制喇叭对应多个误差麦克风的次级通道的系数组；车内声场仿真模块用于仿真计算每个误差麦克风位置的噪声信号；本发明对主动降噪实验可节约调试时间，提高工作效率。

Description

基于遗传算法自动优化参数的主动降噪系统
技术领域
本发明属于主动噪声控制领域，尤其涉及一种基于遗传算法自动优化参数的主动降噪系统。
背景技术
目前，车内的低频噪声主要来源于发动机的阶次噪声。主动降噪技术具有低频噪声控制效果好，系统小、重量轻、易于控制等优点，越来越受到人们的重视，在降低车内低频噪声中逐渐被应用。基于声场的线性迭加原理，主动降噪技术是通过人为附加的次级声源产生与初级声源声波幅值相等、相位相反的声波，两个声波在空间相互抵消，从而达到降低噪声的目的。
为了在车内实现全区域的主动降噪效果，工程师们往往采用多通道主动降噪系统，该系统会涉及更多的控制参数，因此在进行整车多通道主动降噪实验时，工程师们需要反复地进行实验调试，寻找一套最优的主动降噪控制参数组，以达到全区域的降噪效果。这种方法不仅浪费时间、人力，并且基于实验经验也很难保证全部的控制参数都能达到最优，以满足最佳的噪声控制效果。
发明内容
本发明的目的在于克服现有技术中存在的不足，提供一种基于遗传算法自动优化参数的主动降噪系统，可以在进行整车主动降噪实验前自动计算最优的主动降噪控制参数组，从而节约了调试时间，提高了工作效率。相比较通过实验经验获得的主动降噪控制参数组，本发明计算得到的最优主动降噪控制参数组的降噪效果更好，为开发车内主动降噪产品提供技术指导。本发明采用的技术方案是：
本发明提供一种基于遗传算法自动优化参数的主动降噪系统，包括硬件部分和软件部分，
硬件部分包括笔记本电脑、主动降噪控制器、误差麦克风、控制喇叭和CAN接口连接器，其中主动降噪控制器包括DSP控制芯片、音频解码芯片、片外存储模块、CAN总线模块、功率放大模块、麦克风信号接收模块、音频输出模块和电源模块；
软件部分是二次开发的程序，包括数据处理系统和人机界面，其中数据处理系统包括参数设置模块、麦克风校准模块、数据采集模块、数据处理模块、次级通道建模模块、数据存储模块、车内声场仿真模块、参数自动优化模块和主动降噪实验模块；
主动降噪控制器分别与笔记本电脑、误差麦克风、控制喇叭和CAN接口连接器相连，CAN接口连接器另一端接在汽车OBD接口上，用于获取CAN信息；
次级通道建模模块采用改进的LMS算法，可以同时计算单个控制喇叭对应多个误差麦克风的次级通道的系数组；
主要步骤为：
S1)首先选定一个控制喇叭，如第j个控制喇叭；
S2)确定次级通道建模所需的滤波器阶数M，则第j个控制喇叭对应第i个误差麦克风的次级通道的系数为：
Wji(n)＝[wji(1),wji(2),...,wji(M)]
上式中：i表示第i个误差麦克风；
S3)确定次级通道建模所需的步长因子μ和迭代次数N；
S4)DSP控制芯片生成随机的白噪声信号序列Xj(All)
Xj(All)＝[xj(1),xj(2),...,xj(N)]
并由音频解码芯片读取，并通过第j个控制喇叭发出；
S5)令第i个误差麦克风在第n时刻实际采集到的噪声信号为dji(n)，则在第n时刻滤波器的输入向量为：
Xj(n)＝[xj(n),xj(n-1),...,xj(n-M+1)]
则在第n时刻第i个误差麦克风的误差为：
Figure BDA0001442321530000025
S6)利用LMS算法更新第n+1时刻的次级通道的系数，公式如下：
Wji(n+1)＝Wji(n)+μeji(n)Xj(n)
S7)最后，若误差信号eji(n)与白噪声信号xj(n)的比值小于15％，则所建次级通道的系数组达标，公式如下：
Figure BDA0001442321530000021
上式中，N为样本数即迭代次数。
车内声场仿真模块用于仿真计算每个误差麦克风位置的噪声信号；
假设车内声场是一个线性时不变的系统，发动机的低频噪声和控制喇叭发出的信号为输入信号，目标静音区的声压为输出信号，即误差麦克风采集的噪声信号；若误差麦克风数目为i，控制喇叭数目为j，则第i个误差麦克风采集的的噪声信号可用以下公式计算得到：
Figure BDA0001442321530000022
上式中：yi(n)为第i个误差麦克风采集的噪声信号，X1(n)、X2(n)、…、Xj(n)分别为第1、2、…、j个控制喇叭发出的输入信号，W1i(n)、W2i(n)、…、WJi(n)分别为第1、2、…、j个控制喇叭对应第i个麦克风的次级通道的系数，
Figure BDA0001442321530000023
为卷积,r(n)为发动机产生的低频噪声信号。
由于低频噪声信号r(n)中的主要峰值频率与发动机转速直接相关，在只考虑二阶和四阶的发动机阶次噪声下，可用以下公式计算发动机的低频噪声信号：
Figure BDA0001442321530000024
上式中：rpm为转速信号，是通过CAN接口连接器获取汽车CAN信息，并经过CAN总线模块计算得到转速信号；b为发动机缸数，A1和A2由经验初选；t为时间。
参数自动优化模块采用遗传算法自动优化主动降噪控制参数组，主动降噪控制参数组包括主动降噪滤波器阶数M、主动降噪步长因子μ1、μ2、…、μj，其中j的值为控制喇叭个数；
参数自动优化模块还包含一个基于前馈FXLMS算法搭建的多通道主动降噪仿真模型，用于仿真采用最优主动降噪控制参数组后的降噪效果；
主要步骤为：
1)确定遗传算法相关参数，包括遗传算法迭代次数、种群个数、交叉因子和变异因子；
2)根据遗传算法相关参数，一次产生多个主动降噪控制参数组；
3)分别将产生的主动降噪控制参数组代入到多通道主动降噪仿真模型中进行仿真，计算出降噪后的每个误差麦克风的噪声数据yi(n)；
4)分别计算采用不同的主动降噪控制参数组后的适应度，公式如下：
Figure BDA0001442321530000031
5)选择适应度最小的一个主动降噪控制参数组，进行选择、交叉及变异运算，得到下一代群体，即新的一批主动降噪控制参数组；
6)重复第3步～第5步的工作，直到遗传算法迭代次数达到所设定的值后，给出最终优化后的主动降噪控制参数组，同时给出主动降噪的仿真结果。
主动降噪实验模块是基于前馈FXLMS算法建立的多通道主动降噪实验程序，可根据实验需求，改变误差麦克风和控制喇叭的数目，并且可以自动导入参数自动优化模块计算的最优主动降噪控制参数组，进行主动降噪实验。
人机界面是操作界面，通过人机界面上的输入控件与数据处理系统进行交互,并通过人机界面上的显示控件实时显示实验数据；
参数设置模块用于进行参数设置，包括一般参数和测试参数，一般参数包括测试名称、测试日期、测试人员这些常规信息，测试参数包括激活已连接的误差麦克风和控制喇叭、各个误差麦克风的灵敏度和采样频率；
麦克风校准模块用于对误差麦克风进行灵敏度校准，校准之后自动更新灵敏度值；
数据采集模块用于采集误差麦克风的噪声原始信号和CAN接口连接器的转速原始信号，并通过数据处理模块计算声压级和转速值；
数据存储模块用于存储实验过程的中间参数，包含次级通道传递函数即次级通道的系数、包含发动机低频噪声在内的原车噪声数据以及主动降噪控制参数。
本发明的优点在于：本发明可以在进行整车主动降噪实验前自动计算最优的主动降噪控制参数组，从而节约了调试时间，提高了工作效率。相比较通过实验经验获得的主动降噪控制参数组，本发明计算得到的最优主动降噪控制参数组的降噪效果更好，为开发车内主动降噪产品提供技术指导。
附图说明
图1为本发明的结构组成示意图。
图2为本发明实施例主动降噪实验流程图。
图3a为两种主动降噪控制参数组的整车主动降噪仿真结果对比图。
图3b为两种主动降噪控制参数组的整车主动降噪实验结果对比图。
具体实施方式
下面结合具体附图和实施例对本发明作进一步说明。
本发明提供一种基于遗传算法自动优化参数的主动降噪系统，包括硬件部分和软件部分，如图1所示，
硬件部分包括笔记本电脑1、主动降噪控制器2、误差麦克风3、控制喇叭4和CAN接口连接器5，其中主动降噪控制器2包括DSP控制芯片6、音频解码芯片7、片外存储模块8、CAN总线模块9、功率放大模块10、麦克风信号接收模块11、音频输出模块12和电源模块13；
软件部分是二次开发的程序，包括数据处理系统14和人机界面15，其中数据处理系统14包括参数设置模块16、麦克风校准模块17、数据采集模块18、数据处理模块19、次级通道建模模块20、数据存储模块21、车内声场仿真模块22、参数自动优化模块23和主动降噪实验模块24；
主动降噪控制器2分别与笔记本电脑1、误差麦克风3、控制喇叭4和CAN接口连接器5相连，CAN接口连接器5另一端接在汽车OBD接口上，用于获取CAN信息；
次级通道建模模块20采用改进的LMS算法，可以同时计算单个控制喇叭4对应多个误差麦克风3的次级通道的系数组；
主要步骤为：
S1)首先选定一个控制喇叭4，如第j个控制喇叭4；
S2)确定次级通道建模所需的滤波器阶数M，则第j个控制喇叭4对应第i个误差麦克风3的次级通道的系数为：
Wji(n)＝[wji(1),wji(2),...,wji(M)]
上式中：i表示第i个误差麦克风；
S3)确定次级通道建模所需的步长因子μ和迭代次数N；
S4)DSP控制芯片6生成随机的白噪声信号序列Xj(All)
Xj(All)＝[xj(1),xj(2),...,xj(N)]
并由音频解码芯片7读取，并通过第j个控制喇叭4发出；
S5)令第i个误差麦克风3在第n时刻实际采集到的噪声信号为dji(n)，则在第n时刻滤波器的输入向量为：
Xj(n)＝[xj(n),xj(n-1),...,xj(n-M+1)]
则在第n时刻第i个误差麦克风3的误差为：
Figure BDA0001442321530000054
S6)利用LMS算法更新第n+1时刻的次级通道的系数，公式如下：
Wji(n+1)＝Wji(n)+μeji(n)Xj(n)
S7)最后，若误差信号eji(n)与白噪声信号xj(n)的比值小于15％，则所建次级通道的系数组达标，公式如下：
Figure BDA0001442321530000051
上式中，N为样本数即迭代次数。
车内声场仿真模块22用于仿真计算每个误差麦克风3位置的噪声信号；
假设车内声场是一个线性时不变的系统，发动机的低频噪声和控制喇叭4发出的信号为输入信号，目标静音区的声压为输出信号，即误差麦克风3采集的噪声信号；若误差麦克风3数目为i，控制喇叭4数目为j，则第i个误差麦克风3采集的的噪声信号可用以下公式计算得到：
Figure BDA0001442321530000052
上式中：yi(n)为第i个误差麦克风3采集的噪声信号，X1(n)、X2(n)、…、Xj(n)分别为第1、2、…、j个控制喇叭4发出的输入信号，W1i(n)、W2i(n)、…、WJi(n)分别为第1、2、…、j个控制喇叭对应第i个麦克风的次级通道的系数，
Figure BDA0001442321530000055
为卷积,r(n)为发动机产生的低频噪声信号。
由于低频噪声信号r(n)中的主要峰值频率与发动机转速直接相关，在只考虑二阶和四阶的发动机阶次噪声下，可用以下公式计算发动机的低频噪声信号：
Figure BDA0001442321530000053
上式中：rpm为转速信号，是通过CAN接口连接器5获取汽车CAN信息，并经过CAN总线模块9计算得到转速信号；b为发动机缸数，A1和A2由经验初选；t为时间。
参数自动优化模块23采用遗传算法自动优化主动降噪控制参数组，主动降噪控制参数组包括主动降噪滤波器阶数M、主动降噪步长因子μ1、μ2、…、μj，其中j的值为控制喇叭4个数；
参数自动优化模块23还包含一个基于前馈FXLMS算法搭建的多通道主动降噪仿真模型，用于仿真采用最优主动降噪控制参数组后的降噪效果；
主要步骤为：
1)确定遗传算法相关参数，包括遗传算法迭代次数、种群个数、交叉因子和变异因子；
2)根据遗传算法相关参数，一次产生多个主动降噪控制参数组；
3)分别将产生的主动降噪控制参数组代入到多通道主动降噪仿真模型中进行仿真，计算出降噪后的每个误差麦克风3的噪声数据yi(n)；
4)分别计算采用不同的主动降噪控制参数组后的适应度，公式如下：
Figure BDA0001442321530000061
5)选择适应度最小的一个主动降噪控制参数组，进行选择、交叉及变异运算，得到下一代群体，即新的一批主动降噪控制参数组；
6)重复第3步～第5步的工作，直到遗传算法迭代次数达到所设定的值后，给出最终优化后的主动降噪控制参数组，同时给出主动降噪的仿真结果。
主动降噪实验模块24是基于前馈FXLMS算法建立的多通道主动降噪实验程序，可根据实验需求，改变误差麦克风3和控制喇叭4的数目，并且可以自动导入参数自动优化模块23计算的最优主动降噪控制参数组，进行主动降噪实验。
人机界面15是操作界面，通过人机界面15上的输入控件与数据处理系统14进行交互,并通过人机界面15上的显示控件实时显示实验数据；
参数设置模块16用于进行参数设置，包括一般参数和测试参数，一般参数包括测试名称、测试日期、测试人员这些常规信息，测试参数包括激活已连接的误差麦克风3和控制喇叭4、各个误差麦克风3的灵敏度和采样频率；
麦克风校准模块17用于对误差麦克风3进行灵敏度校准，校准之后自动更新灵敏度值；
数据采集模块18用于采集误差麦克风3的噪声原始信号和CAN接口连接器5的转速原始信号，并通过数据处理模块19计算声压级和转速值；
数据存储模块21用于存储实验过程的中间参数，包含次级通道传递函数即次级通道的系数、包含发动机低频噪声在内的原车噪声数据以及主动降噪控制参数。
图2为主动降噪实验流程图，具体步骤如下：
1)布置主动降噪硬件系统，确定主动降噪实验方案，确定误差麦克风3的数目及其车内安装位置，确定控制喇叭4的数目，如果还需要增加外置喇叭，需确定其安装位置。
2)开启软件，通过参数设置模块16进行参数设置，包括一般参数和测试参数，一般参数包括测试名称、测试日期、测试人员等常规信息，测试参数包括激活已连接的误差麦克风3和控制喇叭4、各个误差麦克风3的灵敏度和采样频率。
3)通过麦克风校准模块17分别对误差麦克风3进行灵敏度校准(如果不需要校准，可以跳过)，校准之后自动更新灵敏度值；校准方式采用麦克风校准仪发出1KHz、94dB的声音信号进行校准。
4)进入数据采集界面，这时数据采集模块18开始工作，采集各个误差麦克风3传来的噪声原始信号和CAN接口连接器5传来的转速原始信号，通过数据处理模块19计算得到声压级和转速值，并把处理后的结果传至人机界面15上，从而工程师能在人机界面15上观察到当前各个误差麦克风3采集到的声压级和转速值。
5)保证实验样车未启动的状态下，进行次级通道建模。
所述步骤5)中，首先选定一个控制喇叭4。
所述步骤5)中，输入次级通道建模相关参数，包含次级建模滤波器阶数、次级建模步长因子和次级建模迭代次数。
所述步骤5)中，令DSP控制芯片6产生随机的白噪声，并由音频解码芯片7读取，然后通过指定的控制喇叭4发出该白噪声，同时各个误差麦克风3采集车内噪声信号，由次级通道建模模块20分别计算得到指定的控制喇叭4对应各个误差麦克风3的次级通道的系数，并保存到数据存储模块21中。
所述步骤5)中，第一次次级通道建模完成后，重新指定另一个控制喇叭4，重复前一次的步骤，以得到控制喇叭4对应各个误差麦克风3的次级通道的系数组；
所述步骤5)中，当指定完所有的控制喇叭4，则表明所有的次级通道传递函数已经建模完成。
6)启动汽车，误差麦克风采集车内怠速和半油门加速工况时的车内噪声信号，并保存到数据存储模块21中。
7)输入遗传算法相关参数，包含遗传算法迭代次数、种群个数、交叉因子和变异因子，然后通过车内声场仿真模块和参数自动优化模块对主动降噪控制参数组进行优化，当遗传算法迭代次数达到所设定的值后，给出最终优化后的主动降噪控制参数组，同时给出主动降噪的仿真结果。
8)将优化后的控制参数导入到主动降噪实验模块24中，进行整车多通道主动降噪实验，验证主动降噪实验效果。
9)主动降噪实验完成后，关闭程序。
图3a和图3b为某款实验样车采用两种主动降噪控制参数组的整车主动降噪仿真和实验结果对比图。其中，第一条为原车噪声曲线，第二条为采用经验方法寻找到的主动降噪控制参数组的降噪效果，第三条为采用本发明寻找到的主动降噪控制参数组的降噪效果。由图可知，仿真结果和实验结果的趋势基本一致，并且采用本发明能获得更好的降噪效果，证明该方法有效可行，为开发车内主动降噪产品提供技术指导。
本发明涉及的术语：
LMS，最小均方误差(Least Mean Square)算法；
OBD是英文On-Board Diagnostic的缩写，中文翻译为“车载诊断系统”。
CAN是控制器局域网络(Controller Area Network,CAN)的简称。

Claims (4)

1.一种基于遗传算法自动优化参数的主动降噪系统，其特征在于，包括硬件部分和软件部分，
硬件部分包括电脑(1)、主动降噪控制器(2)、误差麦克风(3)、控制喇叭(4)和CAN接口连接器(5)，其中主动降噪控制器(2)包括DSP控制芯片(6)、音频解码芯片(7)、片外存储模块(8)、CAN总线模块(9)、功率放大模块(10)、麦克风信号接收模块(11)、音频输出模块(12)；
软件部分包括数据处理系统(14)和人机界面(15)，其中数据处理系统(14)包括参数设置模块(16)、麦克风校准模块(17)、数据采集模块(18)、数据处理模块(19)、次级通道建模模块(20)、数据存储模块(21)、车内声场仿真模块(22)、参数自动优化模块(23)和主动降噪实验模块(24)；
主动降噪控制器(2)分别与电脑(1)、误差麦克风(3)、控制喇叭(4)和CAN接口连接器(5)相连，CAN接口连接器(5)另一端接在汽车OBD接口上，用于获取CAN信息；
次级通道建模模块(20)采用改进的LMS算法，可以同时计算单个控制喇叭(4)对应多个误差麦克风(3)的次级通道的系数组；
步骤包括：
S1)首先选定第j个控制喇叭(4)；
S2)确定次级通道建模所需的滤波器阶数M，则第j个控制喇叭(4)对应第i个误差麦克风(3)的次级通道的系数为：
Wji(n)＝[wji(1),wji(2),...,wji(M)]
上式中：i表示第i个误差麦克风；
S3)确定次级通道建模所需的步长因子μ和迭代次数N；
S4)DSP控制芯片(6)生成随机的白噪声信号序列Xj(All)
Xj(All)＝[xj(1),xj(2),...,xj(N)]
并由音频解码芯片(7)读取，并通过第j个控制喇叭(4)发出；
S5)令第i个误差麦克风(3)在第n时刻实际采集到的噪声信号为dji(n)，则在第n时刻滤波器的输入向量为：
Xj(n)＝[xj(n),xj(n-1),...,xj(n-M+1)]
则在第n时刻第i个误差麦克风(3)的误差为：
Figure FDA0002757024410000011
S6)利用LMS算法更新第n+1时刻的次级通道的系数，公式如下：
Wji(n+1)＝Wji(n)+μeji(n)Xj(n)
S7)最后，若误差信号eji(n)与白噪声信号xj(n)的比值小于设定比例阈值BL，则所建次级通道的系数组达标，公式如下：
Figure FDA0002757024410000021
上式中，N为样本数即迭代次数；k是序数；
车内声场仿真模块(22)用于仿真计算每个误差麦克风(3)位置的噪声信号；
假设车内声场是一个线性时不变的系统，发动机的低频噪声和控制喇叭(4)发出的信号为输入信号，目标静音区的声压为输出信号，即误差麦克风(3)采集的噪声信号；若误差麦克风(3)数目为i，控制喇叭(4)数目为j，则第i个误差麦克风(3)采集的噪声信号可用以下公式计算得到：
Figure FDA0002757024410000022
上式中：yi(n)为第i个误差麦克风(3)采集的噪声信号，X1(n)、X2(n)、…、Xj(n)分别为第1、2、…、j个控制喇叭(4)发出的输入信号，W1i(n)、W2i(n)、…、WJi(n)分别为第1、2、…、j个控制喇叭对应第i个麦克风的次级通道的系数，
Figure FDA0002757024410000023
为卷积,r(n)为发动机产生的低频噪声信号；
参数自动优化模块(23)采用遗传算法自动优化主动降噪控制参数组，主动降噪控制参数组包括主动降噪滤波器阶数M、主动降噪步长因子μ1、μ2、…、μj，其中j的值为控制喇叭(4)个数；
参数自动优化模块(23)还包含一个基于前馈FXLMS算法搭建的多通道主动降噪仿真模型，用于仿真采用最优主动降噪控制参数组后的降噪效果；
步骤包括：
1)确定遗传算法相关参数，包括遗传算法迭代次数、种群个数、交叉因子和变异因子；
2)根据遗传算法相关参数，一次产生多个主动降噪控制参数组；
3)分别将产生的主动降噪控制参数组代入到多通道主动降噪仿真模型中进行仿真，计算出降噪后的每个误差麦克风(3)的噪声数据yi(n)；
4)分别计算采用不同的主动降噪控制参数组后的适应度，公式如下：
Figure FDA0002757024410000024
5)选择适应度最小的一个主动降噪控制参数组，进行选择、交叉及变异运算，得到下一代群体，即新的一批主动降噪控制参数组；
6)重复第3)步～第5)步的工作，直到遗传算法迭代次数达到所设定的值后，给出最终优化后的主动降噪控制参数组，同时给出主动降噪的仿真结果。
2.如权利要求1所述的基于遗传算法自动优化参数的主动降噪系统，其特征在于，
由于低频噪声信号r(n)中的主要峰值频率与发动机转速直接相关，在只考虑二阶和四阶的发动机阶次噪声下，可用以下公式计算发动机的低频噪声信号：
Figure FDA0002757024410000025
上式中：rpm为转速信号，是通过CAN接口连接器(5)获取汽车CAN信息，并经过CAN总线模块(9)计算得到转速信号；b为发动机缸数，A1和A2由经验初选；t为时间。
3.如权利要求2所述的基于遗传算法自动优化参数的主动降噪系统，其特征在于，
主动降噪实验模块(24)是基于前馈FXLMS算法建立的多通道主动降噪实验程序，可根据实验需求，改变误差麦克风(3)和控制喇叭(4)的数目，并且可以自动导入参数自动优化模块(23)计算的最优主动降噪控制参数组，进行主动降噪实验。
4.如权利要求1或2所述的基于遗传算法自动优化参数的主动降噪系统，其特征在于，
人机界面(15)是操作界面，通过人机界面(15)上的输入控件与数据处理系统(14)进行交互,并通过人机界面(15)上的显示控件实时显示实验数据；
参数设置模块(16)用于进行参数设置，包括一般参数和测试参数，一般参数包括测试名称、测试日期、测试人员这些常规信息，测试参数包括激活已连接的误差麦克风(3)和控制喇叭(4)、各个误差麦克风(3)的灵敏度和采样频率；
麦克风校准模块(17)用于对误差麦克风(3)进行灵敏度校准，校准之后自动更新灵敏度值；
数据采集模块(18)用于采集误差麦克风(3)的噪声原始信号和CAN接口连接器(5)的转速原始信号，并通过数据处理模块(19)计算声压级和转速值；
数据存储模块(21)用于存储实验过程的中间参数，包含次级通道传递函数即次级通道的系数、包含发动机低频噪声在内的原车噪声数据以及主动降噪控制参数。
CN201710995120.3A 2017-10-23 2017-10-23 基于遗传算法自动优化参数的主动降噪系统 Active CN107742155B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710995120.3A CN107742155B (zh) 2017-10-23 2017-10-23 基于遗传算法自动优化参数的主动降噪系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710995120.3A CN107742155B (zh) 2017-10-23 2017-10-23 基于遗传算法自动优化参数的主动降噪系统

Publications (2)

Publication Number Publication Date
CN107742155A CN107742155A (zh) 2018-02-27
CN107742155B true CN107742155B (zh) 2021-03-23

Family

ID=61238164

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710995120.3A Active CN107742155B (zh) 2017-10-23 2017-10-23 基于遗传算法自动优化参数的主动降噪系统

Country Status (1)

Country Link
CN (1) CN107742155B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109658947B (zh) * 2018-11-18 2022-12-09 南京大学 一种同步建模和控制的主动噪声控制方法
CN109448692B (zh) * 2018-12-12 2023-12-15 中国电建集团福建省电力勘测设计院有限公司 基于电信号处理的电力设备降噪系统
CN110010146B (zh) * 2019-04-10 2021-08-03 无锡吉兴汽车声学部件科技有限公司 一种汽车主动降噪系统及方法
CN111367179B (zh) * 2020-03-27 2022-05-03 无锡吉兴汽车声学部件科技有限公司 一种声传函建模方法及采用该方法的主动降噪系统
CN111524499B (zh) * 2020-04-24 2023-04-28 青岛海信日立空调系统有限公司 空调器及基于app的主动降噪调试方法
CN112669867B (zh) 2020-12-15 2023-04-11 阿波罗智联(北京)科技有限公司 噪声消除算法的调试方法、装置和电子设备
CN114613348A (zh) * 2022-03-11 2022-06-10 吉林大学 基于鲸鱼算法的主动噪声控制算法的步长和阶数选取方法
CN115390113A (zh) * 2022-08-26 2022-11-25 广东电网有限责任公司 一种面向电力系统的bd3高精度定位方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104213989A (zh) * 2014-08-19 2014-12-17 上海红湖排气系统有限公司 一种汽车用半主动排气消声系统
CN104616667A (zh) * 2014-12-02 2015-05-13 清华大学 一种用于汽车内的主动降噪方法
CN106089361A (zh) * 2016-06-30 2016-11-09 重庆长安汽车股份有限公司 一种车内发动机主动降噪系统及方法
CN106782487A (zh) * 2016-12-20 2017-05-31 歌尔科技有限公司 反馈式主动降噪耳机的降噪量仿真方法和系统
CN107093429A (zh) * 2017-05-08 2017-08-25 科大讯飞股份有限公司 主动降噪方法、系统及汽车

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040197833A1 (en) * 2003-04-03 2004-10-07 Danisco A/S Method for the enrichment of target cells by use of CBDs

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104213989A (zh) * 2014-08-19 2014-12-17 上海红湖排气系统有限公司 一种汽车用半主动排气消声系统
CN104616667A (zh) * 2014-12-02 2015-05-13 清华大学 一种用于汽车内的主动降噪方法
CN106089361A (zh) * 2016-06-30 2016-11-09 重庆长安汽车股份有限公司 一种车内发动机主动降噪系统及方法
CN106782487A (zh) * 2016-12-20 2017-05-31 歌尔科技有限公司 反馈式主动降噪耳机的降噪量仿真方法和系统
CN107093429A (zh) * 2017-05-08 2017-08-25 科大讯飞股份有限公司 主动降噪方法、系统及汽车

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Application of the Genetic Algorithm to Real-Time Active Noise Control;K. S. TANG et al.;《Real-Time Systems》;19961231;第289-302页 *
一种封闭空间自适应有源噪声控制系统优化方法;李海英 等;《振动工程学报》;20010630;第14卷(第2期);第150-154页 *
基于DSP的主动噪声控制算法结构与硬件实现研究;林刚;《中国优秀硕士学位论文全文数据库 信息科技辑》;20021215;第2002年卷(第2期);第I140-237页 *
电力变压器有源降噪中次级声源的参数优化分析;王学磊 等;《高电压技术》;20121130;第38卷(第11期);第2815-2822页 *

Also Published As

Publication number Publication date
CN107742155A (zh) 2018-02-27

Similar Documents

Publication Publication Date Title
CN107742155B (zh) 基于遗传算法自动优化参数的主动降噪系统
Shi et al. Block coordinate descent based algorithm for computational complexity reduction in multichannel active noise control system
Mertins et al. Room impulse response shortening/reshaping with infinity-and $ p $-norm optimization
CN108269567A (zh) 用于生成远场语音数据的方法、装置、计算设备以及计算机可读存储介质
Zhang et al. Deep MCANC: A deep learning approach to multi-channel active noise control
Møller et al. A moving horizon framework for sound zones
JP7326627B2 (ja) オーディオ信号処理方法、装置、機器及びコンピュータプログラム
CN107642426A (zh) 一种汽车发动机噪声主动控制方法及系统
CN112562624B (zh) 主动降噪滤波器设计方法、降噪方法、系统及电子设备
Cao et al. Engine order sound simulation by active sound generation for electric vehicles
CN117311406A (zh) 一种基于反馈fxlms算法的振动主动控制方法、测试方法、装置、车辆、设备及介质
CN116884377A (zh) 一种提升音质的主动发声方法
CN113987677B (zh) 一种汽车声学包装仿真优化设计方法
CN114333751A (zh) 道路噪声主动控制系统次级通路建模准确性在线验证方法
CN113686584A (zh) 发动机怠速声品质优化方法、系统以及发动机
Li et al. A new strategy optimization method for vehicle active noise control based on the genetic algorithm
KR20180102914A (ko) 신경회로망 학습을 통한 노이즈 제거가 적용된 인포테인먼트 시스템 및 그 제어 방법
Wang et al. Adaptive active vehicle interior noise control algorithm based on nonlinear signal reconstruction
Okamoto et al. Verification of extension of simultaneous equations method extended to multiple-channel active noise control systems
CN114743532A (zh) 基于行人提示音的车内降噪方法、装置及车辆
CN112259069A (zh) 一种动态主动降噪方法及空调设备
CN102780942B (zh) 一种内置dsp有源音箱的控制方法
CN113536647B (zh) 基于全频段的空气声和结构声分析的汽车阻尼片优化方法
Başay et al. Optimization of Parametric Equalizer Filters in In-Vehicle Audio Systems with Genetic Algorithm
Mosquera-Sánchez et al. Towards sound quality metrics balance on hybrid powertrains

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant