CN110688956A - 一种用于汽车道路噪声主动控制的参考信号选择方法 - Google Patents

一种用于汽车道路噪声主动控制的参考信号选择方法 Download PDF

Info

Publication number
CN110688956A
CN110688956A CN201910926508.7A CN201910926508A CN110688956A CN 110688956 A CN110688956 A CN 110688956A CN 201910926508 A CN201910926508 A CN 201910926508A CN 110688956 A CN110688956 A CN 110688956A
Authority
CN
China
Prior art keywords
noise
frequency
reference signal
main peak
peak frequency
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.)
Granted
Application number
CN201910926508.7A
Other languages
English (en)
Other versions
CN110688956B (zh
Inventor
琚林锋
彭博
范佳亮
韩强
郑四发
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.)
Hua Yan Hui Sheng (suzhou) Electronic Technology Co Ltd
Suzhou Automotive Research Institute of Tsinghua University
Original Assignee
Hua Yan Hui Sheng (suzhou) Electronic Technology Co Ltd
Suzhou Automotive Research Institute of Tsinghua University
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 Hua Yan Hui Sheng (suzhou) Electronic Technology Co Ltd, Suzhou Automotive Research Institute of Tsinghua University filed Critical Hua Yan Hui Sheng (suzhou) Electronic Technology Co Ltd
Priority to CN201910926508.7A priority Critical patent/CN110688956B/zh
Publication of CN110688956A publication Critical patent/CN110688956A/zh
Application granted granted Critical
Publication of CN110688956B publication Critical patent/CN110688956B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Fittings On The Vehicle Exterior For Carrying Loads, And Devices For Holding Or Mounting Articles (AREA)

Abstract

本发明涉及一种用于汽车道路噪声主动控制的参考信号选择方法，其包括以下步骤：步骤1：主要噪声峰值确定：选取K个主要噪声峰值及其对应的频率；步骤2：参考点的位置优化：针对每个频率，依据常相干系数对所述参考信号进行排序；步骤3：参考点的数量优化：先依据多重相干系数增量确定每个频率对应的最优参考点数量，再利用多重相干函数确定全频带的最优参考点数量，从而获得可用参考信号。本发明系统地阐述了选择道路噪声主动控制的参考信号的方法，同时能够获得参考信号位置和数量的优化，克服了现有技术的不足。

Description

一种用于汽车道路噪声主动控制的参考信号选择方法
技术领域
本发明属于噪声及振动控制领域，特别涉及一种用于汽车道路噪声主动控制中的参考信号选择方法。
背景技术
汽车噪声主要来源于发动机辐射噪声、电机电磁噪声、道路噪声、气动噪声、进排气噪声以及传动系统噪声等。常用的噪声控制技术为被动隔离技术，例如增加结构阻尼、敷设吸声材料等。这些技术对于控制车内的中、高频段噪声有一定效果，但对于低频噪声的抑制却不尽如人意。在这种情况下，主动噪声控制技术应运而生。
主动噪声控制技术对低频噪声的抑制效果尤其明显，它利用附加声源在指定区域内人为地、有针对性地产生与控制噪声振幅相同、相位相反的声信号，从而抵消噪声信号，达到降噪效果。
道路噪声主动控制是指对汽车行驶时产生的道路噪声的主动控制，噪声的控制频段在20～300Hz范围内。通常采用带参考信号的前馈或前反馈结合的控制算法进行控制，而控制效果的好坏，很大程度上决定于参考信号的选择是否合理。
2002年，Shi-Hwan Oh研究了用四个参考信号、两个控制扬声器和两个误差麦克风对道路噪声进行主动控制的方案。在选取参考点时，首先在悬架系统上选择了16个参考点并布置了三向加速度传感器；其次分析了不同参考信号组合的多重相干函数，发现车内前、后声场分别与前、后悬信号有较大的相关性。最后根据控制系统的能力，在前悬和后悬分别选择2个相干系数较大的点为参考点。
2014年，Jie Duan研究了前反馈结合的道路噪声主动控制系统。在选择参考信号时，首先利用主成分分析方法估计出参考信号的合理数量，再通过枚举法罗列了所有符合估计数量的参考信号组合，最后选择到车内噪声多重相干系数最大的参考信号组合作为控制系统的参考信号。
参考信号的选择在汽车道路噪声的主动控制中至关重要，但现有的选择方法较少，也未有方法能够在选择的同时实现参考信号位置和数量的优化。
发明内容
本发明的目的是提供一种能够同时获得参考信号的最优位置和数量、有助于更好地实现汽车道路噪声主动控制的参考信号选择方法。
为达到上述目的，本发明采用的技术方案是：
一种用于汽车道路噪声主动控制的参考信号选择方法，用于从若干参考点获得的M个参考信号中选取出能够应用于汽车道路噪声主动控制方法中的若干个可用参考信号，所述用于汽车道路噪声主动控制的参考信号选择方法包括以下步骤：
步骤1：主要噪声峰值确定：
基于反映车内噪声信号的车内噪声频谱选取K个噪声峰值作为主要噪声峰值，并获得各所述主要噪声峰值对应的频率fk作为主要峰值频率，k＝1，2，…，K；
步骤2：参考点的位置优化：
逐个选取所述主要峰值频率，每选取一个所述主要峰值频率，分别执行步骤2-1至步骤2-2；
步骤2-1：分别计算各所述参考信号中对应所选取的所述主要峰值频率的部分与所述车内噪声信号中对应所选取的所述主要峰值频率的部分之间的常相干系数；
步骤2-2：基于计算出的各个所述常相干系数的由大到小的排序，对M个所述参考信号进行排序；
步骤3：参考点的数量优化：
所述参考点的数量优化包括每个所述主要峰值频率处的参考点数量优化和全频带的参考点数量优化；
实施每个所述主要峰值频率处的参考点数量优化时，逐个选取所述主要峰值频率，每选取一个所述主要峰值频率，执行步骤3-1；
步骤3-1：依据所选取的所述主要峰值频率对应的各个所述参考信号的排序中，第j个所述参考信号对应的多重相干系数增量
Figure BDA0002219096460000021
确定满足
Figure BDA0002219096460000022
的jk值作为所选取的所述主要峰值频率为对应的电优参考数量，j=1，2，…，M;
实施全频带的参考点数量优化时，分别执行步骤3-2至步骤3-4；
步骤3-2：逐个选取所述主要峰值频率，依据所选取的所述主要峰值频率对应的最优参考点数量jk，将所选取的所述主要峰值频率对应的各个所述参考信号的排序中第jk列以后的所述参考信号设为空集，从而获得所选取的所述主要峰值频率对应的参考信号集；
步骤3-3：依据各个所述主要峰值频率对应的所述参考信号集得到全频带的参考信号集；
步骤3-4：依据所述全频带的参考信号集中，前j列所述参考信号的多重相干函数
Figure BDA0002219096460000031
确定满足
Figure BDA0002219096460000032
的jo值作为全频带的最优参考数量；
步骤3-5：依据所述全频带的最优参考点数量获得控制全频带道路噪声的位置和数量最优的参考信号组合作为所述可用参考信号。
所述用于汽车道路噪声主动控制的参考信号选择方法还包括：
步骤4：实车效果验证：
将选取出的所述可用参考信号应用于汽车道路噪声主动控制方法中，并验证控制效果，若所述控制效果达到要求，则结束，否则返回所述步骤3-1。
所述步骤1中，在反映车内噪声信号的车内噪声频谱中设定声压级阈值，将高于所述声压级阈值的K个噪声峰值作为所述主要噪声峰值，其对应频率从低频到高频进行排序，所述主要噪声峰值对应频率为fk，k＝1，2，…，K。
所述步骤2-1中，针对所选取的所述主要峰值频率fk，基于各所述参考信号中对应所选取的所述主要峰值频率的部分Xm(fk)、所述车内噪声信号中对应所选取的所述主要峰值频率的部分Y(fk)，m＝1，2，…，M，利用
计算所述常相干系数
Figure BDA0002219096460000034
其中，
Figure BDA0002219096460000035
为各所述参考信号中对应所选取的所述主要峰值频率的部分Xm(fk)与所述车内噪声信号中对应所选取的所述主要峰值频率的部分Y(fk)的互功率谱，GYY(fk)为所述车内噪声信号中对应所选取的所述主要峰值频率的部分Y(fk)的自功率谱，
Figure BDA0002219096460000036
为各所述参考信号中对应所选取的所述主要峰值频率的部分Xm(fk)的自功率谱。
所述步骤3-1中，计算第j个所述参考信号对应的多重相干系数增量
Figure BDA0002219096460000037
的方法为：分别计算前j-1个所述参考信号的多重相干系数
Figure BDA0002219096460000038
和前j个所述参考信号的多重相干系数则第j个所述参考信号对应的多重相干系数增量
Figure BDA00022190964600000310
利用
计算前j个所述参考信号的多重相干系数
Figure BDA0002219096460000042
其中，为所选取的所述主要峰值频率fk对应的所述参考信号的排序中前j个所述参考信号与所述车内噪声信号中对应所选取的所述主要峰值频率的部分Y(fk)的互功率谱矩阵，GYY为所述车内噪声信号中对应所选取的所述主要峰值频率的部分Y(fk)的自功率谱，
Figure BDA0002219096460000044
为所选取的所述主要峰值频率fk对应的所述参考信号的排序中前j个所述参考信号的自功率谱矩阵，符号(·)H表示共轭转置，符号(·)+表示矩阵求广义逆。
所述步骤3-1中，所述单频率多重相干系数增量阈值取0.05。
所述步骤3-4中，利用
Figure BDA0002219096460000045
计算所述全频带的参考信号集中前j列所述参考信号的多重相干函数
Figure BDA0002219096460000046
其中，
Figure BDA0002219096460000047
为所述全频带的参考信号集中前j列所述参考信号与所述车内噪声信号的互功率谱矩阵，GYY为所述车内噪声信号的自功率谱，
Figure BDA0002219096460000048
为所述全频带的参考信号集中前j列所述参考信号的自功率谱矩阵。
所述步骤3-4中，所述全频带多重相干系数阈值取0.8。
由于上述技术方案运用，本发明与现有技术相比具有下列优点：本发明提出的一种道路噪声主动控制中参考信号的选择方法，是利用正反向常相干分析法选择道路噪声主动控制的参考信号的方法，能够实现参考信号位置和数量的优化，克服了现有技术的不足。
附图说明
附图1为道路激励的结构传递路径示意图。
附图2为道路噪声的参考-响应模型示意图。
附图3为本发明的参考信号选择方法的流程图。
附图4为主要噪声峰值确定示意图。
附图5为全频带多重相干系数对比示意图。
附图6为道路噪声主动控制实车测试效果图。
具体实施方式
下面结合附图所示的实施例对本发明作进一步描述。
实施例一：车辆在行驶时，道路激励通过轮胎、悬架及车身传递到车内并引起噪声。为了避免噪声信号带来的反馈问题，在道路噪声的主动控制中通常采用加速度信号作为参考信号。悬架结构复杂且直接与车身相连，是道路噪声的主要传递路径，如图1所示。悬架主动端工作工况恶劣，通常将参考点布置在前后悬架的被动端，即图1中的车身接附点位置。参考点的布置尽量覆盖前后悬架上噪声传递路径。
道路噪声的参考-响应之间符合多输入单输出线性系统规律。图2为道路噪声的参考-响应模型，其中共有M个参考信号和1个总响应信号，f为频率变量，Xm(f)为第m个参考信号，Ym(f)为第m个输入信号的响应信号，Hm(f)为Xm(f)到Ym(f)之间的传递函数。
图2所示的模型中有M个参考信号，在实际的控制系统中受实际应用条件的限制，需要从M个参考信号中选择出恰当数量和位置的参考信号作为控制系统的参考，而这些参考信号的选择对前馈或前反馈结合主动控制效果有着重要的影响。
在从若干参考点获得的M个参考信号中选取出能够应用于汽车道路噪声主动控制方法中的若干个可用参考信号时，采用如图3所示的以下参考信号选择方法。该参考信号选择方法包括以下步骤：
步骤1：主要噪声峰值确定。
这里包括主要噪声峰值及其对应频率的确定。具体为：
道路噪声的主动控制中，首先需要确定噪声频谱中的主要峰值频率。这些频率由强迫振动或共振引起，为乘客的主要听觉感受。由于道路噪声的主要频段集中在20～300Hz，可结合如附图4所示的车内噪声频谱图分析出主要噪声峰值频率。因此，该步骤为：基于反映车内噪声信号的车内噪声频谱选取K个噪声峰值作为主要噪声峰值，例如在车内噪声频谱中设定一条基准线，例如一条表示声压级阈值的基准线(如声压级为48dB(A)的基准线，该值为工程经验所得或客户要求)，将高于声压级阈值的K个噪声峰值作为主要噪声峰值，按低频到高频的顺序依次标记K个超过基准线的噪声峰值作为主要噪声峰值，并获得各主要噪声峰值对应的频率fk作为主要峰值频率，k＝1，2，…，K。
则有
fk∈{f1,f2,…,fk,…,fK} (1)
步骤2：参考点的位置优化。
常相干函数用于衡量输出信号(车内噪声信号)与输入信号(参考信号)之间的线性关系。常相干系数越大，说明参考信号对输出噪声的贡献越大、参考点位置越优。所以，可以利用常相干分析法对道路噪声主动控制的参考点位置进行优化。
该步骤中，逐个选取主要峰值频率，每选取一个主要峰值频率，分别执行步骤2-1至步骤2-2。
步骤2-1：分别计算各参考信号中对应所选取的主要峰值频率的部分与车内噪声信号中对应所选取的主要峰值频率的部分之间的常相干系数。
具体为：根据图2所示模型，针对当前所选取的主要峰值频率fk，基于各参考信号中对应所选取的主要峰值频率的部分Xm(fk)、车内噪声信号中对应所选取的主要峰值频率的部分Y(fk)，m＝1，2，…，M，利用
Figure BDA0002219096460000061
计算共计M个常相干系数
Figure BDA0002219096460000062
其中，为各参考信号中对应所选取的主要峰值频率的部分Xm(fk)与车内噪声信号中对应所选取的主要峰值频率的部分Y(fk)的互功率谱，GYY(fk)为车内噪声信号中对应所选取的主要峰值频率的部分Y(fk)的自功率谱，
Figure BDA0002219096460000064
为各参考信号中对应所选取的主要峰值频率的部分Xm(fk)的自功率谱。
步骤2-2：基于当前所选取的主要峰值频率fk处计算出的各个常相干系数
Figure BDA0002219096460000065
的由大到小的排序，对M个参考信号进行排序，从而得到当前所选取的主要峰值频率fk对应的参考信号排序。
分别针对各个主要峰值频率均执行完上述步骤2-1和步骤2-2后，可以得到每个主要峰值频率所的一系列常相干系数
Figure BDA0002219096460000066
且根据公式(2)得到参考信号与输出噪声的常相干系数
Figure BDA0002219096460000067
后，得到每个主要峰值频率处按常相干系数大小对参考信号进行的排序。排序方式如以下表1所示，其中优先级越高，说明该参考信号对应的参考点的位置越优。
表1主要峰值频率处参考信号常相干系数排序
其中，
Figure BDA0002219096460000071
步骤3：参考点的数量优化。
多重相干是以输入信号为参考进行分析，相干系数越大表明由所选参考信号产生的噪声信号在实际输出噪声中的比重越大。采用多重相干分析法对参考点的数量进行优化。
该步骤中，参考点的数量优化包括每个主要峰值频率处的参考点数量优化和全频带的参考点数量优化两部分。
3.1每个主要峰值频率处的参考点数量优化(每个主要峰值频率处参考点最优数量分析)
多重相干系数增量的大小可以衡量参考信号组合中最后加入的参考信号中独立成分的占有量。
设表1中主要峰值频率fk处排序第j个参考信号为则输入振动矢量为：
Figure BDA0002219096460000073
实施每个主要峰值频率处的参考点数量优化时，逐个选取主要峰值频率，每选取一个主要峰值频率，执行步骤3-1。
步骤3-1：分别计算前j-1个参考信号的多重相干系数
Figure BDA0002219096460000074
和前j个参考信号的多重相干系数
Figure BDA0002219096460000075
利用
Figure BDA0002219096460000076
计算前j个参考信号的多重相干系数
Figure BDA0002219096460000077
前j-1个参考信号的多重相干系数
Figure BDA0002219096460000078
的计算方法与之相同。其中，为所选取的主要峰值频率fk对应的参考信号的排序中前j个参考信号与车内噪声信号中对应所选取的主要峰值频率的部分Y(fk)的互功率谱矩阵，GYY为车内噪声信号中对应所选取的主要峰值频率的部分Y(fk)的自功率谱，
Figure BDA00022190964600000710
为所选取的主要峰值频率fk对应的参考信号的排序中前j个参考信号的自功率谱矩阵，符号(·)H表示共轭转置，符号(·)+表示矩阵求广义逆。再计算第j个参考信号对应的多重相干系数增量
Figure BDA00022190964600000711
则第j个参考信号对应的多重相干系数增量(即主要峰值频率fk处第j个参考信号
Figure BDA00022190964600000712
相对于前j-1个参考信号中独立成分占有量)为：
Figure BDA00022190964600000713
从而，依据所选取的主要峰值频率fk对应的各个参考信号的排序中，第j个参考信号对应的多重相干系数增量
Figure BDA0002219096460000081
确定满足
Figure BDA0002219096460000082
的jk值作为当前所选取的主要峰值频率对应的最优参考点数量。单频率多重相干系数增量阈值通常取0.05，即jk需满足
Figure BDA0002219096460000083
3.2全频带的参考点数量优化(全频带参考点最优数量分析)
车身接附点被动段上布置的参考点所采集的参考信号是部分相干的，所以每个参考点对全频带道路噪声主动控制都有一定的贡献。全频带参考信号多重相干分析有助于进一步优化参考点的数量。
实施全频带的参考点数量优化时，分别执行步骤3-2至步骤3-4。
步骤3-2：逐个选取主要峰值频率，依据所选取的主要峰值频率对应的最优参考点数量jk，将所选取的主要峰值频率对应的各个参考信号的排序中第jk列以后的参考信号设为空集，从而获得所选取的主要峰值频率对应的参考信号集。
步骤3-3：依据各个主要峰值频率对应的参考信号集得到全频带的参考信号集。
设主要峰值频率fk的对应的最优参考点数量为jk，表1中，设主要峰值频率fk处第jk列以后的参考信号设为空集。
则全频带的参考信号集中，第j列的参考信号集合为：
Figure BDA0002219096460000084
其中，
Figure BDA0002219096460000085
为主要峰值频率fk处第j列的参考信号。
全频带的参考信号集中，前j列参考信号集合为：
Figure BDA0002219096460000086
步骤3-4：计算全频带的参考信号集中，前j列参考信号与车内噪声信号的多重相干函数
Figure BDA0002219096460000087
为：
Figure BDA0002219096460000088
其中，
Figure BDA0002219096460000089
为全频带的参考信号集中前j列参考信号与车内噪声信号的互功率谱矩阵，GYY为车内噪声信号的自功率谱，
Figure BDA00022190964600000810
为全频带的参考信号集中前j列参考信号的自功率谱矩阵。
从而，依据全频带的参考信号集中，前j列参考信号的多重相干函数
Figure BDA0002219096460000091
确定满足
的jo值作为全频带的最优参考点数量。这里，全频带多重相干系数阈值通常取0.8，即jo需满足
Figure BDA0002219096460000093
全频带多重相干函数的对比如附图5所示。
步骤3-5：依据全频带的最优参考点数量jo获得控制全频带道路噪声的位置和数量最优的参考信号组合作为可用参考信号，即选取列数为jo的部分全频带的参考信号集构成可用参考信集
Figure BDA0002219096460000094
其控制全频段道路噪声的位置、数量最优的参考信号组合。
步骤4：实车效果验证。
将选取出的可用参考信号应用于汽车道路噪声主动控制方法中，并验证控制效果，若控制效果达到要求，则结束，否则返回步骤3-1，适当减小对应的阈值，重新计算jk。
实车效果验证如下：
a)以某自主品牌SUV在粗糙路上匀速行驶50km/h工况下进行道路噪声主动控制试验为例。在14个车身接附点布置三向加速度传感器，每个位置布置采集XYZ三向加速度信号，共计42个参考信号，具体位置如表2所示。
表2车身接附点位置
Figure BDA0002219096460000096
b)通过本发明提出的道路噪声主动控制参考信号选择方法，筛选出了数量、位置最优的参考点。结果如表3所示：
表3经所提方法筛选出的参考点
Figure BDA0002219096460000097
c)采用3表所示参考点进行实车试验。图6为实车道路噪声主动控制效果。在105～160Hz和250～290Hz频段控制效果显著，最大降噪量分别约为10dB和5dB；在峰值频率处控制效果同样明显。综上所述，表明所提出的参考信号选择方法有助于道路噪声主动控制效果的实现。
本发明系统地阐述了道路噪声主动控制的参考信号选择方法，同时获得了参考信号的最优位置和数量。经实车的道路噪声主动控制试验验证，控制效果明显。
上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围之内。

Claims (9)

1.一种用于汽车道路噪声主动控制的参考信号选择方法，用于从若干参考点获得的M个参考信号中选取出能够应用于汽车道路噪声主动控制方法中的若干个可用参考信号，其特征在于：所述用于汽车道路噪声主动控制的参考信号选择方法包括以下步骤：
步骤1：主要噪声峰值确定：
基于反映车内噪声信号的车内噪声频谱选取K个噪声峰值作为主要噪声峰值，并获得各所述主要噪声峰值对应的频率fk作为主要峰值频率，k＝1，2，…，K；
步骤2：参考点的位置优化：
逐个选取所述主要峰值频率，每选取一个所述主要峰值频率，分别执行步骤2-1至步骤2-2；
步骤2-1：分别计算各所述参考信号中对应所选取的所述主要峰值频率的部分与所述车内噪声信号中对应所选取的所述主要峰值频率的部分之间的常相干系数；
步骤2-2：基于计算出的各个所述常相干系数的由大到小的排序，对M个所述参考信号进行排序；
步骤3：参考点的数量优化：
所述参考点的数量优化包括每个所述主要峰值频率处的参考点数量优化和全频带的参考点数量优化；
实施每个所述主要峰值频率处的参考点数量优化时，逐个选取所述主要峰值频率，每选取一个所述主要峰值频率，执行步骤3-1；
步骤3-1：依据所选取的所述主要峰值频率对应的各个所述参考信号的排序中，第j个所述参考信号对应的多重相干系数增量
Figure FDA0002219096450000011
确定满足
Figure FDA0002219096450000012
的jk值作为所选取的所述主要峰值频率对应的最优参考点数量，j＝1，2，…，M；
实施全频带的参考点数量优化时，分别执行步骤3-2至步骤3-4；
步骤3-2：逐个选取所述主要峰值频率，依据所选取的所述主要峰值频率对应的最优参考点数量jk，将所选取的所述主要峰值频率对应的各个所述参考信号的排序中第jk列以后的所述参考信号设为空集，从而获得所选取的所述主要峰值频率对应的参考信号集；
步骤3-3：依据各个所述主要峰值频率对应的所述参考信号集得到全频带的参考信号集；
步骤3-4：依据所述全频带的参考信号集中，前j列所述参考信号的多重相干函数
Figure FDA0002219096450000013
确定满足
Figure FDA0002219096450000014
的jo值作为全频带的最优参考点数量；
步骤3-5：依据所述全频带的最优参考点数量获得控制全频带道路噪声的位置和数量最优的参考信号组合作为所述可用参考信号。
2.根据权利要求1所述的一种用于汽车道路噪声主动控制的参考信号选择方法，其特征在于：所述用于汽车道路噪声主动控制的参考信号选择方法还包括：
步骤4：实车效果验证：
将选取出的所述可用参考信号应用于汽车道路噪声主动控制方法中，并验证控制效果，若所述控制效果达到要求，则结束，否则返回所述步骤3-1。
3.根据权利要求1所述的一种用于汽车道路噪声主动控制的参考信号选择方法，其特征在于：所述步骤1中，在反映车内噪声信号的车内噪声频谱中设定声压级阈值，将高于所述声压级阈值的K个噪声峰值作为所述主要噪声峰值，其对应频率从低频到高频进行排序，所述主要噪声峰值对应频率为fk，k＝1，2，…，K。
4.根据权利要求1所述的一种用于汽车道路噪声主动控制的参考信号选择方法，其特征在于：所述步骤2-1中，针对所选取的所述主要峰值频率fk，基于各所述参考信号中对应所选取的所述主要峰值频率的部分Xm(fk)、所述车内噪声信号中对应所选取的所述主要峰值频率的部分Y(fk)，m＝1，2，…，M，利用
Figure FDA0002219096450000021
计算所述常相干系数其中，为各所述参考信号中对应所选取的所述主要峰值频率的部分Xm(fk)与所述车内噪声信号中对应所选取的所述主要峰值频率的部分Y(fk)的互功率谱，GYY(fk)为所述车内噪声信号中对应所选取的所述主要峰值频率的部分Y(fk)的自功率谱，
Figure FDA0002219096450000024
为各所述参考信号中对应所选取的所述主要峰值频率的部分Xm(fk)的自功率谱。
5.根据权利要求1所述的一种用于汽车道路噪声主动控制的参考信号选择方法，其特征在于：所述步骤3-1中，计算第j个所述参考信号对应的多重相干系数增量
Figure FDA0002219096450000025
的方法为：分别计算前j-1个所述参考信号的多重相干系数
Figure FDA0002219096450000026
和前j个所述参考信号的多重相干系数
Figure FDA0002219096450000027
则第j个所述参考信号对应的多重相干系数增量
Figure FDA0002219096450000028
6.根据权利要求5所述的一种用于汽车道路噪声主动控制的参考信号选择方法，其特征在于：利用
计算前j个所述参考信号的多重相干系数
Figure FDA0002219096450000032
其中，为所选取的所述主要峰值频率fk对应的所述参考信号的排序中前j个所述参考信号与所述车内噪声信号中对应所选取的所述主要峰值频率的部分Y(fk)的互功率谱矩阵，GYY为所述车内噪声信号中对应所选取的所述主要峰值频率的部分Y(fk)的自功率谱，
Figure FDA0002219096450000034
为所选取的所述主要峰值频率fk对应的所述参考信号的排序中前j个所述参考信号的自功率谱矩阵，符号(·)H表示共轭转置，符号(·)+表示矩阵求广义逆。
7.根据权利要求1所述的一种用于汽车道路噪声主动控制的参考信号选择方法，其特征在于：所述步骤3-1中，所述单频率多重相干系数增量阈值取0.05。
8.根据权利要求1所述的一种用于汽车道路噪声主动控制的参考信号选择方法，其特征在于：所述步骤3-4中，利用
Figure FDA0002219096450000035
计算所述全频带的参考信号集中前j列所述参考信号的多重相干函数
Figure FDA0002219096450000036
其中，
Figure FDA0002219096450000037
为所述全频带的参考信号集中前j列所述参考信号与所述车内噪声信号的互功率谱矩阵，GYY为所述车内噪声信号的自功率谱，为所述全频带的参考信号集中前j列所述参考信号的自功率谱矩阵。
9.根据权利要求1所述的一种用于汽车道路噪声主动控制的参考信号选择方法，其特征在于：所述步骤3-4中，所述全频带多重相干系数增量阈值取0.8。
CN201910926508.7A 2019-09-27 2019-09-27 一种用于汽车道路噪声主动控制的参考信号选择方法 Active CN110688956B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910926508.7A CN110688956B (zh) 2019-09-27 2019-09-27 一种用于汽车道路噪声主动控制的参考信号选择方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910926508.7A CN110688956B (zh) 2019-09-27 2019-09-27 一种用于汽车道路噪声主动控制的参考信号选择方法

Publications (2)

Publication Number Publication Date
CN110688956A true CN110688956A (zh) 2020-01-14
CN110688956B CN110688956B (zh) 2023-06-09

Family

ID=69110688

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910926508.7A Active CN110688956B (zh) 2019-09-27 2019-09-27 一种用于汽车道路噪声主动控制的参考信号选择方法

Country Status (1)

Country Link
CN (1) CN110688956B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111623734A (zh) * 2020-05-26 2020-09-04 招商局公路信息技术（重庆）有限公司 基于声学信号的路面构造深度检测方法及装置
CN112834017A (zh) * 2021-01-05 2021-05-25 重庆长安汽车股份有限公司 一种车内噪声的分离方法
CN114822478A (zh) * 2022-03-11 2022-07-29 中国第一汽车股份有限公司 一种具有车内道路噪声主动降噪系统、振动信号采集装置的汽车以及系统开发方法
US11948547B2 (en) * 2021-12-17 2024-04-02 Hyundai Motor Company Information quantity-based reference sensor selection and active noise control using the same

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140350927A1 (en) * 2012-02-20 2014-11-27 JVC Kenwood Corporation Device and method for suppressing noise signal, device and method for detecting special signal, and device and method for detecting notification sound
CN106143369A (zh) * 2016-07-05 2016-11-23 同济大学 一种增程式电动汽车用噪声主动控制装置
CN106935238A (zh) * 2017-04-12 2017-07-07 同济大学 一种基于最优临界频带幅值增益控制的主动噪声均衡控制方法
CN107393522A (zh) * 2016-05-11 2017-11-24 哈曼贝克自动系统股份有限公司 选择车辆上主动道路噪声控制的传感器位置的方法和系统
CN108563254A (zh) * 2018-03-21 2018-09-21 中国人民解放军海军工程大学 一种用于多频时变窄带振动噪声的主动控制系统
CN110021288A (zh) * 2018-01-10 2019-07-16 郑州宇通客车股份有限公司 车辆主动降噪控制方法及其系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140350927A1 (en) * 2012-02-20 2014-11-27 JVC Kenwood Corporation Device and method for suppressing noise signal, device and method for detecting special signal, and device and method for detecting notification sound
CN107393522A (zh) * 2016-05-11 2017-11-24 哈曼贝克自动系统股份有限公司 选择车辆上主动道路噪声控制的传感器位置的方法和系统
CN106143369A (zh) * 2016-07-05 2016-11-23 同济大学 一种增程式电动汽车用噪声主动控制装置
CN106935238A (zh) * 2017-04-12 2017-07-07 同济大学 一种基于最优临界频带幅值增益控制的主动噪声均衡控制方法
CN110021288A (zh) * 2018-01-10 2019-07-16 郑州宇通客车股份有限公司 车辆主动降噪控制方法及其系统
CN108563254A (zh) * 2018-03-21 2018-09-21 中国人民解放军海军工程大学 一种用于多频时变窄带振动噪声的主动控制系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111623734A (zh) * 2020-05-26 2020-09-04 招商局公路信息技术（重庆）有限公司 基于声学信号的路面构造深度检测方法及装置
CN112834017A (zh) * 2021-01-05 2021-05-25 重庆长安汽车股份有限公司 一种车内噪声的分离方法
CN112834017B (zh) * 2021-01-05 2023-03-14 重庆长安汽车股份有限公司 一种车内噪声的分离方法
US11948547B2 (en) * 2021-12-17 2024-04-02 Hyundai Motor Company Information quantity-based reference sensor selection and active noise control using the same
CN114822478A (zh) * 2022-03-11 2022-07-29 中国第一汽车股份有限公司 一种具有车内道路噪声主动降噪系统、振动信号采集装置的汽车以及系统开发方法

Also Published As

Publication number Publication date
CN110688956B (zh) 2023-06-09

Similar Documents

Publication Publication Date Title
CN110688956A (zh) 一种用于汽车道路噪声主动控制的参考信号选择方法
US10013967B2 (en) Method and system for selecting sensor locations on a vehicle for active road noise control
Plunt Finding and fixing vehicle NVH problems with transfer path analysis
CN112597595B (zh) 汽车车内结构噪声诊断及优化方法
JP4857897B2 (ja) 騒音制御方法および騒音制御装置
US7409269B2 (en) Methods of analyzing the vibro-acoustic optimization potential and optimizing the vibro-acoustic behavior of a structure
CN110487560A (zh) 一种内饰车身噪声传递路径的测试方法
CN112697448B (zh) 车辆怠速工况下动力总成悬置主动侧激励力的识别方法
CN106482919B (zh) 车辆传递路径获取方法及装置
CN115171639A (zh) 一种车辆降噪方法及系统
Oh et al. Development of a mass-producible ANC system for road noise
Fouladi et al. Spectral analysis methods for vehicle interior vibro-acoustics identification
Flanigan et al. Application of acoustic modeling methods for vehicle boom analysis
Subramanian et al. Optimization of damping treatments for structure borne noise reductions
CN113515808A (zh) 一种动力总成的噪声预测方法
CN116959400A (zh) 噪声主动控制方法、装置、设备及可读存储介质
Peng et al. Research on the virtual reality of vibration characteristics in vehicle cabin based on neural networks
Van der Linden et al. Experimental determination of low frequency noise contributions of interior vehicle body panels in normal operation
CN109383261B (zh) 一种悬置系统优化方法和装置
CN110263408B (zh) 一种利用bni曲线评估ntf风险的方法
Janssens et al. A novel transfer path analysis method delivering a fast and accurate noise contribution assessment
Mosquera-Sánchez et al. Towards sound quality metrics balance on hybrid powertrains
Lu et al. Investigating structure-borne noise propagation through powertrain mounts using operational transfer path analysis
Lee et al. An Analysis of Road Impact Booming on a FR Vehicle using Transfer Path Analysis and Experimental Test Models
CN112461474B (zh) 零部件振振传递灵敏度的测试方法

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