CN110502846B - 一种基于多元线性拟合的多源噪声快速分离方法 - Google Patents

一种基于多元线性拟合的多源噪声快速分离方法 Download PDF

Info

Publication number
CN110502846B
CN110502846B CN201910795032.8A CN201910795032A CN110502846B CN 110502846 B CN110502846 B CN 110502846B CN 201910795032 A CN201910795032 A CN 201910795032A CN 110502846 B CN110502846 B CN 110502846B
Authority
CN
China
Prior art keywords
noise
source
value
initial
matrix
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
CN201910795032.8A
Other languages
English (en)
Other versions
CN110502846A (zh
Inventor
严青
何清怀
张体强
曾媛
陈笠
张一�
陈迪
陈晓琳
文兴
丁少华
王琳杰
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.)
Sichuan Electric Power Design and Consulting Co Ltd
Original Assignee
Sichuan Electric Power Design and Consulting 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 Sichuan Electric Power Design and Consulting Co Ltd filed Critical Sichuan Electric Power Design and Consulting Co Ltd
Priority to CN201910795032.8A priority Critical patent/CN110502846B/zh
Publication of CN110502846A publication Critical patent/CN110502846A/zh
Application granted granted Critical
Publication of CN110502846B publication Critical patent/CN110502846B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明涉及噪声监测技术，其公开了一种基于多元线性拟合的多源噪声快速分离方法，解决传统技术中无法对多源噪声进行有效分离和单独评价带来的问题。该方法包括：1.建立噪声预测模型；2.设置各声源的初始源强以及初始背景值；3.建立噪声预测点群；4.预测点群内各点位的初始声级值；5.提取各噪声源的初始声级贡献值，建立X矩阵；6.对噪声预测点群进行声级值实测，获得各点位实测值，建立Y矩阵；7.利用噪声源对各点位的实际声级贡献值与初始声级贡献值之间的差值、实测背景值与初始背景值之间的差值建立Δ矩阵；8.利用Y＝X·Δ进行多元线性拟合，计算Δ矩阵；9.计算各点位在实测条件下各个噪声源的实际声级贡献值和实测背景值，建立X1矩阵，也可反推各声源的实测源强。

Description

一种基于多元线性拟合的多源噪声快速分离方法
技术领域
本发明涉及噪声监测技术，具体涉及一种基于多元线性拟合的多源噪声快速分离方法。
背景技术
近年来，城市社区受到变电站噪声和交通噪声共同影响的情况比比皆是，虽然在变电站或道路建设前期均会进行环境影响评价，在相应的环评报告中也会对社区各敏感目标所受到的噪声影响进行预测。但是随着变压器的运行负荷增加、设备老化等因素，变压器噪声源强较运行初期可能会有变化；同时随着城市经济飞速发展，居民汽车拥有量日趋增多，交通道路上的车流量逐渐变大，直接导致交通噪声较运行初期可能会发生变化。为了满足国家环境保护相关法规的要求，建设单位往往会通过验收监测和例行监测对项目区域的噪声情况进行管理。
但是噪声监测结果仅能反映监测点位受到的多种噪声源的综合影响，无法对变电站噪声、交通噪声及背景噪声进行有效的分离和单独评价，不利于分析多种源强的变化趋势，若监测结果出现超标，则无法针对不同的声源采取有针对性的降噪措施。
发明内容
本发明所要解决的技术问题是：提出一种基于多元线性拟合的多源噪声快速分离方法，解决传统技术中无法对多源噪声进行有效分离和单独评价带来的问题。
本发明解决上述技术问题采用的技术方案是：
一种基于多元线性拟合的多源噪声快速分离方法，包括以下步骤：
步骤一、建立目标区域的噪声预测模型；
步骤二、设置对目标区域造成噪声影响的M个声源的初始源强L0,i以及初始背景值B0；
步骤三、建立目标区域中包含N个预测点位的噪声预测点群；
步骤四、通过噪声预测模型预测各个预测点位的初始声级值P0j，并提取各噪声源的初始声级贡献值P0j,i；然后利用
Figure BDA0002180684340000011
和
Figure BDA0002180684340000012
建立X矩阵，1≤i≤M，1≤j≤N；
步骤五、对噪声预测点群中的各个预测点位进行声级值实测，获得各点位实测值P1j，然后利用
Figure BDA0002180684340000013
建立Y矩阵；
步骤六、设M个噪声源在实测条件下对各点位的实际声级贡献值P1j,i与预测条件下的初始声级贡献值P0j,i之间的差值为Δi，实测背景值B1与初始背景值B0之间的差值为ΔB，通过
Figure BDA0002180684340000021
建立Δ矩阵；
步骤七、利用Y＝X·Δ进行多元线性拟合，计算Δ矩阵；
步骤八、基于Δ矩阵计算各点位实测条件下M个噪声源的实际声级贡献值P1j,i和实测背景值B1，并建立X1矩阵；基于Δ矩阵反推各声源的实测源强L1,i。
作为进一步优化，步骤一中，通过Cadna A噪声预测软件建立目标区域的噪声预测模型。
作为进一步优化，步骤二中，在设置噪声源的初始源强时，对于变电站声源的初始源强可根据现场测量国家电网通用设备的噪声源强或设备厂家提供的资料确定；
对于交通道路声源的初始源强可根据现场测量或同类道路噪声源强资料确定；
所述初始背景值B0可参照无噪声源区域的背景噪声取值。
作为进一步优化，步骤三中，所述N个噪声预测点位为目标区域内噪声预测关心点位或者预测断面。
作为进一步优化，步骤四中，所述X矩阵的第j行为
Figure BDA0002180684340000022
作为进一步优化，步骤五中，所述Y矩阵为
Figure BDA0002180684340000023
作为进一步优化，步骤六中，所述Δ矩阵为
Figure BDA0002180684340000024
作为进一步优化，步骤七中，采用Matlab拟合工具进行多元线性拟合，在拟合过程中进行残差分析。
作为进一步优化，步骤八中，所述各点位实测条件下M个噪声源的声级贡献值P1j,i＝P0j,i+Δi，实测背景值B1＝B0+ΔB；所述X1矩阵的第j行X1j＝[P1j,1,P1j,2,...,B1]；所述实测源强L1,i＝L0,i+Δi。
作为进一步优化，所述声源的初始源强L0,i和实测源强L1,i为声功率级，初始背景值B0和实测背景值B1为声级值；所述声级值为声压级或A计权声级。
本发明的有益效果是：
通过对预测点群内不同点位的噪声进行实测，利用各点位受到多个声源的初始噪声贡献值和实测噪声值拟合各声源的噪声贡献值变化量，从而实现对各噪声源强的快速有效分离。避免了测量单独噪声源强需要关停其它声源设备，通过对各噪声源强的有效分离，可准确获知各噪声源的源强特性，也可反映不同噪声源对目标区域内各点位的贡献情况及变化趋势，同时有利于针对不同的噪声源采取有针对性的降噪措施。
附图说明
图1为本发明实施例中的多源噪声快速分离方法流程图；
图2为本发明实施例中的社区平面示意图；
图2中的标记说明：1为110kV变电站，1-1为1#主变压器，1-2为2#主变压器,2为西侧公路，3为北侧公路，4为南侧公路，5为变电站东南侧站界预测点位，6为变电站西南侧站界预测点位，7为变电站西北侧站界预测点位，81为变电站西北侧民房1层预测点位，82为变电站西北侧民房2层预测点位，9为变电站东北侧民房1层预测点位，10为变电站南侧民房1层预测点位。
具体实施方式
本发明旨在提出一种基于多元线性拟合的多源噪声快速分离方法，解决传统技术中无法对多源噪声进行有效分离和单独评价带来的不利于分析多种源强的变化趋势，在监测结果出现超标时无法针对不同的声源采取有针对性的降噪措施的问题。
实施例：
如图1所示，本实施例中的基于多元线性拟合的多源噪声快速分离方法包括以下步骤：
步骤1：在Cadna A软件中建立社区的噪声预测模型，如图2所示，其中声源数量M为5，分别为1#主变压器1-1、2#主变压器1-2、西侧公路2、北侧公路3、南侧公路4，背景噪声为B。
步骤2：设置5个声源的初始源强，即：1#主变L0,1＝88.7dB(A)，2#主变L0,2＝88.7dB(A)，西侧公路L0,3＝101.4dB(A)，北侧公路L0,4＝101dB(A)，南侧公路L0,5＝103.7dB(A)，背景噪声B0＝40dB(A)。
步骤3：建立噪声预测点群，如图2中的5～10，预测点位数量N为7，其中预测点位8包含2个，即81,82，分别为1层、2层。
步骤4：预测点群内各点位的初始声级值P0j，通过Cadna A软件进行预测。
Figure BDA0002180684340000031
步骤5：提取预测点位受到各噪声源的初始声级贡献值P0j,i(1≤j≤7，1≤i≤5)，利用
Figure BDA0002180684340000032
和
Figure BDA0002180684340000033
建立X矩阵。
Figure BDA0002180684340000041
步骤6：对噪声预测点群进行声级值实测，获得各点位实测值P1j(1≤j≤7)，利用
Figure BDA0002180684340000042
建立Y矩阵。
Figure BDA0002180684340000043
Y＝1.0e+04[3.8905 4.1687 4.8978 3.3884 4.5709 3.1623 2.9512]T
步骤7：5个声源对点位j的实际声级贡献值与初始声级贡献值之差为Δi，实测背景值与初始背景值之差为ΔB，则有：
Figure BDA0002180684340000044
利用
Figure BDA0002180684340000045
建立Δ矩阵。
Figure BDA0002180684340000046
步骤8：利用Matlab中的regress函数对Y＝X·Δ进行多元线性拟合，拟合出Δ矩阵。
Δ＝[0.1474 0.3555 0.1326 0.7695 0.1187 0.9097]T
使用的拟合函数如下：
[b,bint,r,rint,stats]＝regress(Y,X)
rcoplot(r,rint)
步骤9：根据拟合出来的Δ矩阵计算5个声源的实际声级贡献值P1j,i和实测背景值B1，建立X1矩阵。
Figure BDA0002180684340000051
实测源强条件下与初始源强条件下相比较，i(1≤i≤5)声源对某一点位的贡献值增量与i声源的源强增量一致，故可以反推各声源的实测源强，如下：
[L1,1,L1,2,L1,3,L1,4,L1,5,B1]T＝[L0,1,L0,2,L0,3,L0,4,L0,5,B0]T+[Δ1,Δ2,Δ3,Δ4,Δ5,ΔB]T
可以求得：1#主变L1,1＝80.4dB(A)，2#主变L1,2＝84.2dB(A)，西侧公路L1,3＝92.6dB(A)，北侧公路L1,4＝99.9dB(A)，南侧公路L1,5＝94.4dB(A)，实测背景噪声B1＝39.6dB(A)。
需要说明的是，上述实施例仅是以一个具体的实例来阐述本申请的多源噪声快速分离方法，该多源噪声快速分离方法同样适用于其他类型的多源噪声。

Claims (10)

1.一种基于多元线性拟合的多源噪声快速分离方法，其特征在于，包括以下步骤：
步骤一、建立目标区域的噪声预测模型；
步骤二、设置对目标区域造成噪声影响的M个声源的初始源强L0,i以及初始背景值B0；
步骤三、建立目标区域中包含N个预测点位的噪声预测点群；
步骤四、通过噪声预测模型预测各个预测点位的初始声级值P0j，并提取各噪声源的初始声级贡献值P0j,i；然后利用
Figure FDA0002180684330000011
和
Figure FDA0002180684330000012
建立X矩阵，1≤i≤M，1≤j≤N；
步骤五、对噪声预测点群中的各个预测点位进行声级值实测，获得各点位实测值P1j，然后利用
Figure FDA0002180684330000013
建立Y矩阵；
步骤六、设M个噪声源在实测条件下对各点位的实际声级贡献值P1j,i与预测条件下的初始声级贡献值P0j,i之间的差值为Δi，实测背景值B1与初始背景值B0之间的差值为ΔB，通过
Figure FDA0002180684330000014
建立Δ矩阵；
步骤七、利用Y＝X·Δ进行多元线性拟合，计算Δ矩阵；
步骤八、基于Δ矩阵计算各点位实测条件下M个噪声源的实际声级贡献值P1j,i和实测背景值B1，并建立X1矩阵；基于Δ矩阵反推各声源的实测源强L1,i。
2.如权利要求1所述的一种基于多元线性拟合的多源噪声快速分离方法，其特征在于，步骤一中，通过Cadna A噪声预测软件建立目标区域的噪声预测模型。
3.如权利要求1所述的一种基于多元线性拟合的多源噪声快速分离方法，其特征在于，
步骤二中，在设置噪声源的初始源强时，对于变电站声源的初始源强可根据现场测量国家电网通用设备的噪声源强或设备厂家提供的资料确定；
对于交通道路声源的初始源强可根据现场测量或同类道路噪声源强资料确定；
所述初始背景值B0可参照无噪声源区域的背景噪声取值。
4.如权利要求1所述的一种基于多元线性拟合的多源噪声快速分离方法，其特征在于，
步骤三中，所述N个噪声预测点位为目标区域内噪声预测关心点位或者预测断面。
5.如权利要求1所述的一种基于多元线性拟合的多源噪声快速分离方法，其特征在于，
步骤四中，所述X矩阵的第j行为
Figure FDA0002180684330000015
6.如权利要求1所述的一种基于多元线性拟合的多源噪声快速分离方法，其特征在于，步骤五中，所述Y矩阵为
Figure FDA0002180684330000021
7.如权利要求1所述的一种基于多元线性拟合的多源噪声快速分离方法，其特征在于，
步骤六中，所述Δ矩阵为
Figure FDA0002180684330000022
8.如权利要求1所述的一种基于多元线性拟合的多源噪声快速分离方法，其特征在于，
步骤七中，采用Matlab拟合工具进行多元线性拟合，在拟合过程中进行残差分析。
9.如权利要求1所述的一种基于多元线性拟合的多源噪声快速分离方法，其特征在于，
步骤八中，所述各点位实测条件下M个噪声源的声级贡献值P1j,i＝P0j,i+Δi，实测背景值B1＝B0+ΔB；所述X1矩阵的第j行X1j＝[P1j,1,P1j,2,...,B1]；所述实测源强L1,i＝L0,i+Δi。
10.如权利要求1-9任意一项所述的一种基于多元线性拟合的多源噪声快速分离方法，
其特征在于，所述声源的初始源强L0,i和实测源强L1,i为声功率级，初始背景值B0和实测背景值B1为声级值；所述声级值为声压级或A计权声级。
CN201910795032.8A 2019-08-27 2019-08-27 一种基于多元线性拟合的多源噪声快速分离方法 Active CN110502846B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910795032.8A CN110502846B (zh) 2019-08-27 2019-08-27 一种基于多元线性拟合的多源噪声快速分离方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910795032.8A CN110502846B (zh) 2019-08-27 2019-08-27 一种基于多元线性拟合的多源噪声快速分离方法

Publications (2)

Publication Number Publication Date
CN110502846A CN110502846A (zh) 2019-11-26
CN110502846B true CN110502846B (zh) 2022-11-22

Family

ID=68589695

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910795032.8A Active CN110502846B (zh) 2019-08-27 2019-08-27 一种基于多元线性拟合的多源噪声快速分离方法

Country Status (1)

Country Link
CN (1) CN110502846B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111753405A (zh) * 2020-06-05 2020-10-09 国网湖北省电力有限公司电力科学研究院 一种变电站声源设备源强求解方法及系统
CN111814392B (zh) * 2020-06-19 2024-02-13 中冶南方城市建设工程技术有限公司 基于深度学习的工地敏感测点噪声预测方法
CN111881583B (zh) * 2020-07-29 2024-06-25 国网陕西省电力公司电力科学研究院 一种基于声源贡献分析的变电站降噪方案设计方法
CN112071073B (zh) * 2020-09-18 2021-08-17 上海市环境科学研究院 一种噪声地图系统的道路噪声自动修正方法
CN113916356A (zh) * 2021-09-03 2022-01-11 中国电力科学研究院有限公司 一种换流站站界噪声测量布点的方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101672690A (zh) * 2009-09-27 2010-03-17 吉林大学 基于听觉模型的车内噪声烦躁度客观量化评价方法
CN107609332A (zh) * 2017-09-18 2018-01-19 安徽理工大学 一种换流变压器远场噪声预测的方法
CN110096733A (zh) * 2019-03-18 2019-08-06 广东电网有限责任公司 一种输变电噪声评价模型建立方法及输变电噪声评价方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101672690A (zh) * 2009-09-27 2010-03-17 吉林大学 基于听觉模型的车内噪声烦躁度客观量化评价方法
CN107609332A (zh) * 2017-09-18 2018-01-19 安徽理工大学 一种换流变压器远场噪声预测的方法
CN110096733A (zh) * 2019-03-18 2019-08-06 广东电网有限责任公司 一种输变电噪声评价模型建立方法及输变电噪声评价方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
利用偏最小二乘回归的噪声源分离量化;宫元彬 等;《声学技术》;20131231;全文 *

Also Published As

Publication number Publication date
CN110502846A (zh) 2019-11-26

Similar Documents

Publication Publication Date Title
CN110502846B (zh) 一种基于多元线性拟合的多源噪声快速分离方法
CN102565194B (zh) 运营状态下大跨桥梁钢箱梁损伤预警方法
CN103902820A (zh) 一种组合路况下车辆结构疲劳损伤计算的当量系数法
CN107153737B (zh) 基于力学-经验法的路面最佳轴载周期确定方法
CN102254068A (zh) 大跨度桥梁抖振响应的多尺度分析方法
CN101792992B (zh) 永久性路面设计方法
CN110704805B (zh) 一种基于活载应变的预应力混凝土梁桥开裂预警方法
CN103246805B (zh) 一种针对风灾天气下架空输电线路时变停运概率的估计方法
CN104236889A (zh) 橡胶密封圈的贮存寿命优化设计方法
CN113175987A (zh) 一种考虑环境温度变异的桥梁动力特性异常预警方法
Liang et al. A fatigue evaluation method for radial tire based on strain energy density gradient
CN109255948B (zh) 一种基于卡尔曼滤波的分车道车流比例预测方法
CN116542395A (zh) 一种低碳楼宇监测系统及方法
Wang et al. Research on non-stationary wind-induced effects and the working mechanism of full scale super-large cooling tower based on field measurement
CN103217655B (zh) 减振器磁流变液体的磁化特性指数的试验分析方法
CN103267693A (zh) 一种测定高模量沥青疲劳性能的简易方法
CN114252358A (zh) 一种双应力重复加载模式下的再生沥青混合料半圆弯曲疲劳测试方法
CN104122111B (zh) 一种桥梁结构的三类综合安全预警方法
WO2020253409A1 (zh) 一种建筑全寿命周期的安全性态智能监控技术
CN112144321A (zh) 一种用于无砟轨道板裂缝的无损监测方法
CN105005688A (zh) 基于贝叶斯网络模型的水质污染判断方法
Baoli et al. Fatigue life prediction of long-life pavement using frequency-domain analysis
Zhu et al. Rapid modeling method for road traffic noise sources: A case study in Beijing
CN117173893B (zh) 一种基于电子车牌的车辆预警方法及系统
Lina et al. Asphalt pavement rutting model in seasonal frozen area

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