CN118072759A - 噪声分离方法、装置、电子设备及车辆 - Google Patents
噪声分离方法、装置、电子设备及车辆 Download PDFInfo
- Publication number
- CN118072759A CN118072759A CN202211485161.5A CN202211485161A CN118072759A CN 118072759 A CN118072759 A CN 118072759A CN 202211485161 A CN202211485161 A CN 202211485161A CN 118072759 A CN118072759 A CN 118072759A
- Authority
- CN
- China
- Prior art keywords
- noise
- range extender
- energy
- node
- total
- 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.)
- Pending
Links
- 238000000926 separation method Methods 0.000 title claims abstract description 50
- 239000004606 Fillers/Extenders Substances 0.000 claims abstract description 385
- 238000009826 distribution Methods 0.000 claims abstract description 97
- 238000000034 method Methods 0.000 claims abstract description 22
- 230000015654 memory Effects 0.000 claims description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 description 10
- 230000000873 masking effect Effects 0.000 description 8
- 238000002485 combustion reaction Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本申请提供了一种噪声分离方法、装置、电子设备及车辆,其方法包括:获取车厢内的总噪声信号,根据所述总噪声信号计算总噪声能量;获取增程器工况的实际状态参数值,根据实际状态参数值和增程器噪声模型确定增程器噪声的实际能量密度分布数据,能量密度是指单位频带宽度内的增程器噪声能量;增程器噪声模型根据增程器在不同工况的状态参数值下运行时的能量密度分布数据确定;根据增程器噪声的实际能量密度分布数据及总噪声信号频段的频带宽度得到增程器噪声能量;根据总噪声能量和增程器噪声能量之间的差值得到车厢内的背景噪声能量。本方案分离背景噪声和增程器噪声的方式具有更高的准确度。
Description
技术领域
本申请涉及混合动力车辆技术领域,尤其涉及一种噪声分离方法、装置、电子设备及车辆。
背景技术
车辆的NVH性能(Noise、Vibration、Harshness:噪声、振动与声振粗糙度)是衡量汽车制造质量的重要指标。对于混合动力车辆来说,增程器工作时产生的噪声对于车辆NVH性能会产生影响,而增程器噪声是受到增程器功率的直接影响的,因此,车辆在运行过程中,会控制增程器功率,避免其噪声过高,所以准确判断增程器噪声是否过高是提高增程器工作效率的关键。由于NVH性能是依据用户对于车厢内整体噪声的舒适度感知结果确定的,在车辆行驶过程中,增程器噪声仅作为车厢内整体噪声的一部分,车厢内噪声还包括如轮胎与路面摩擦的噪声、车外环境噪声等背景噪声,而用户在不同程度的背景噪声情况下,对于增程器噪声的舒适度感知程度也会有所不同。因此,要判断增程器噪声是否过高需要先确定除增程器噪声之外的背景噪声。
现有技术中,以增程器噪声与车厢中其他背景噪声具有不同频率为前提,提出基于频率差异将背景噪声和增程器噪声分离开,但是如果背景噪声中存在与增程器噪声频率很接近甚至相同的噪声,就会被误判为增程器噪声。因此,现有技术将背景噪声与增程器噪声分离的方法存在一定的误差。
发明内容
本申请的目的在于提供一种增程器噪声分离方法、装置、电子设备及车辆,以解决现有技术中对于与增程器噪声具有相近频率或相同频率的其他噪声被误判为增程器噪声导致分离结果存在误差的技术问题。
第一方面,本申请技术方案提供一种噪声分离方法,包括:
获取车厢内的总噪声信号,根据所述总噪声信号计算总噪声能量;
获取增程器工况的实际状态参数值,根据所述实际状态参数值和增程器噪声模型确定增程器噪声的实际能量密度分布数据,能量密度是指单位频带宽度内的增程器噪声能量;所述增程器噪声模型根据增程器在不同工况的状态参数值下运行时的能量密度分布数据确定;
根据所述增程器噪声的实际能量密度分布数据及总噪声信号频段的频带宽度得到增程器噪声能量;
根据所述总噪声能量和所述增程器噪声能量之间的差值得到车厢内的背景噪声能量。
一些方案中所述的噪声分离方法,所述增程器噪声模型通过如下方式得到:
获取不同工况下的状态参数值作为输入样本数据,获取不同工况下增程器噪声信号对应的能量密度分布数据作为输出样本数据;所述状态参数值包括增程器功率、增程器温度值、油温值、水温值和增程器处理器温度值;
根据所述输入样本数据和所述输出样本数据的对应结果得到所述增程器噪声模型。
一些方案中所述的噪声分离方法,所述获取不同工况下的状态参数值作为输入样本数据,获取不同工况下增程器噪声信号对应的能量密度分布数据作为输出样本数据,包括:
控制增程器在设定工况参数下运行且增程器功率按照设定节点从最低功率提升至最高功率;获取功率提升过程中每一节点对应的增程器噪声信号作为增程器节点噪声信号;所述设定工况参数包括所述增程器温度值、所述油温值、所述水温值和所述增程器处理器温度值;
根据每一增程器节点噪声信号得到增程器节点噪声能量和节点噪声频域信号;
根据每一增程器节点噪声能量和节点噪声频域信号的频带宽度得到节点噪声能量密度;
以每一节点的增程器节点功率和所述工况参数作为所述输入样本数据,以每一节点的节点噪声能量密度作为对应的所述输出样本数据。
一些方案中所述的噪声分离方法,所述控制增程器在设定工况参数下运行且增程器功率按照设定节点从最低功率提升至最高功率,获取提升过程中每一节点对应的增程器噪声信号作为增程器节点噪声信号,包括:
控制所述增程器在设定工况参数下运行多次,获取每一节点对应的多个增程器节点噪声信号测试值;
针对每一节点,以多个增程器节点噪声信号测试值的最大值作为该节点的所述增程器节点噪声信号。
一些方案中所述的噪声分离方法,所述根据所述增程器节点噪声能量和所述频域信号的频带宽度得到节点噪声能量密度分布中:
所述增程器节点噪声能量包括增程器主要阶次的节点噪声能量,所述频域信号的频带宽度包括所述主要阶次的频带宽度;所述主要阶次根据所述增程器的发动机缸数确定。
一些方案中所述的噪声分离方法,所述根据所述增程器噪声的实际能量密度分布数据及总噪声信号频段的频带宽度得到增程器噪声能量,包括:
将所述总噪声信号转换为总噪声频域分布数据;
根据所述总噪声频域分布数据中包括的至少一个频段确定所述总噪声信号频段;
以所述增程器噪声的实际能量密度分布数据与所述总噪声信号频段的频带宽度相乘,得到所述增程器噪声能量。
一些方案中所述的噪声分离方法,所述根据所述总噪声能量和所述增程器噪声能量之间的差值得到车厢内的背景噪声能量中:
若所述总噪声能量和所述增程器噪声能量之间的差值小于零,则判定所述背景噪声能量为零。
第二方面,本申请技术方案中提供一种噪声分离装置,包括:
总噪声获取模块,被配置为获取车厢内的总噪声信号,根据所述总噪声信号计算总噪声能量;
增程器噪声能量密度获取模块,被配置为获取增程器工况的实际状态参数值,根据所述实际状态参数值和增程器噪声模型确定增程器噪声的实际能量密度分布数据,能量密度是指单位频带宽度内的增程器噪声能量;所述增程器噪声模型根据增程器在不同工况的状态参数值下运行时的能量密度分布数据确定;
增程器噪声能量获取模块,被配置为根据所述增程器噪声的实际能量密度分布数据及总噪声信号频段的频带宽度得到增程器噪声能量;
背景噪声能量获取模块,根据所述总噪声能量和所述增程器噪声能量之间的差值得到车厢内的背景噪声能量。
第三方面,本申请技术方案中提供一种存储介质,所述存储介质中存储有程序信息,计算机调取所述程序信息后执行第一方面任一项所述的噪声分离方法。
第四方面,本申请技术方案提供一种电子设备,所述电子设备包括至少一个处理器和至少一个存储器,至少一个所述存储器中存储有程序信息,至少一个所述处理器调取所述程序信息后执行第一方面任一项所述的噪声分离方法。
第五方面,本申请技术方案提供一种车辆,包括第二方面所述的噪声分离装置或第三方面所述的存储介质或第四方面所述的电子设备。
采用上述技术方案,具有以下有益效果:
本申请提供的噪声分离方法、装置、电子设备及车辆,在获取到车厢内总噪声信号之后,计算总噪声能量。利用增程器噪声模型和增程器工况的实际状态参数值得到增程器噪声的实际能量密度分布数据。利用增程器噪声的实际能量密度结合总噪声信号频段的频带宽度计算出增程器噪声能量。本申请以上方案,对于不同的噪声信号来说,即便是二者的频率相近或相同,但是能量密度的分布也无法相同,因此,通过能量密度分布数据计算得到增程器能量的方式能够避免有背景噪声与增程器噪声具有相近或相同频率导致难以将其与增程器噪声准确分离的情况,即利用增程器噪声的能量密度分布数据对增程器噪声能量进行计算,从而将其与背景噪声进行分类,具有更高的准确度。
附图说明
图1为本申请一个实施例所述噪声分离方法的流程图;
图2为本申请一个实施例所述增程器噪声模型获取方法流程图;
图3为本申请一个实施例所述获取增程器噪声模型建立所需输入样本数据和输出样本数据的流程图;
图4为本申请一个实施例所述增程器噪声能量分布曲线示意图;
图5a为本申请一实施例所述以本申请方案分离增程器噪声能量和背景噪声能量的结果与现有基于频率分离增程器噪声能量和背景噪声能量的结果的对比曲线示意图;
图5b为本申请另一实施例所述以本申请方案分离增程器噪声能量和背景噪声能量的结果与现有基于频率分离增程器噪声能量和背景噪声能量的结果的对比曲线示意图;
图6为本申请一实施例所述噪声分离装置的结构框图;
图7为本申请一实施例所述执行噪声分离方法的电子设备的硬件结构的连接关系示意图。
具体实施方式
下面结合附图来进一步说明本申请的具体实施方式。
容易理解,根据本申请的技术方案,在不变更本申请实质精神下,本领域的一般技术人员可相互替换的多种结构方式以及实现方式。因此,以下具体实施方式以及附图仅是对本申请的技术方案的示例性说明,而不应当视为本申请的全部或视为对申请技术方案的限定或限制。
在本说明书中提到或者可能提到的上、下、左、右、前、后、正面、背面、顶部、底部等方位用语是相对于各附图中所示的构造进行定义的,它们是相对的概念,因此有可能会根据其所处不同位置、不同使用状态而进行相应地变化。所以,也不应当将这些或者其他的方位用语解释为限制性用语。
本申请实施例提供一种噪声分离方法,应用于车辆中的车载控制器中,如图1所示,所述方法包括如下步骤:
S10:获取车厢内的总噪声信号,根据所述总噪声信号计算总噪声能量。
本步骤中,可以通过车辆中已有的麦克风等声音采集装置对车厢内的总噪声信号进行采集。车载控制器与麦克风之间具有数据传输通道,车载控制器能够获取到麦克风采集的总噪声信号。车厢中的总噪声信号既包括增程器噪声,还包括背景噪声,所述背景噪声如轮胎与路面摩擦的噪声、车外环境噪声等。确定总噪声信号后,即可计算总噪声能量,总噪声信号为时域信号,其幅值、频率均可直接得到,车厢中声音的传播介质可以确定,介质密度和声音在介质中的传播速度也能够确定,根据能量计算公式即可直接得到能量计算结果。在总噪声能量中包括增程器噪声能量还包括背景噪声能量。
S20:获取增程器工况的实际状态参数值,根据所述实际状态参数值和增程器噪声模型确定增程器噪声的实际能量密度分布数据,能量密度是指单位频带宽度内的增程器噪声能量;所述增程器噪声模型根据增程器在不同工况的状态参数值下运行时的能量密度分布数据确定。
实际状态参数值可以通过车辆中设置的各传感器检测得到,例如可以通过设置在增程器中相应位置的温度传感器检测油温值、水温值,设置在车辆外部的温度传感器检测车辆所在环境温度值,增程器中包含的处理器自身配置温度传感器可检测处理器温度值且增程器的处理器能够确定增程器功率等。车载控制器能够直接获取上述各传感器检测到的实际状态参数值。
增程器噪声模型可预先存储于车载控制器中,其为已知模型,该模型可以是预先通过标定试验获取的,也可以是根据经验数据模拟仿真得到的。增程器噪声模型能够表示增程器噪声的能量密度分布数据与增程器各工况的实际状态参数值之间的关系。因此,在实际应用时,直接将获取到的各实际状态参数值输入到增程器噪声模型中,就能够得到当前的实际状态参数值对应的增程器噪声的增程器噪声模型。
S30:根据所述增程器噪声的实际能量密度分布数据及总噪声信号频段的频带宽度得到增程器噪声能量。
如前所述,总噪声信号包括背景噪声和增程器噪声,背景噪声的噪声频段可以通过经验值或者标定试验确定,增程器噪声的频段可以通过试验检测得到。或者,可以预先通过对不同工况进行标定试验,根据试验结果得到不同工况下的总噪声信号频段,由此,在步骤S10得到总噪声信号后即可确定总噪声信号频段,根据总噪声信号频段即可确定频带宽度。确定了能量密度和频带宽度后,通过相乘运算即可得到增程器噪声能量。
S40:根据所述总噪声能量和所述增程器噪声能量之间的差值得到车厢内的背景噪声能量。
在车厢内的总噪声中,以增程器噪声之外的其他噪声作为背景噪声,因此总噪声能量减去增程器噪声能量就能够得到背景噪声能量,由此即可完成车厢内的背景噪声和增程器噪声的分离。
本申请以上实施例中的方案,在获取到车厢内总噪声信号之后,计算总噪声能量。利用增程器噪声模型和增程器工况的实际状态参数值得到增程器噪声的实际能量密度分布数据。利用增程器噪声的实际能量密度结合各频段的频带宽度计算出增程器噪声能量。本申请以上方案,对于不同的噪声信号来说,即便是二者的频率相近或相同,但是能量密度的分布也无法相同,因此,通过能量密度分布数据计算得到增程器能量的方式能够避免有背景噪声与增程器噪声具有相近或相同频率导致难以将其与增程器噪声准确分离的情况,即利用增程器噪声的能量密度分布数据对增程器噪声能量进行计算,从而将其与背景噪声进行分类,具有更高的准确度。
在一些实施例中,步骤S30可以通过如下步骤实现:
S01:将所述总噪声信号转换为总噪声频域分布数据。
麦克风直接采集到的总噪声信号为时域信号,通过傅里叶变换能够将其转换为频域分布数据,因为噪声的来源可能包括多个,所以最终的频域分布数据中可包括至少一个频段的噪声频域数据。
S02:根据所述总噪声频域分布数据中包括的至少一个频段确定所述总噪声信号频段。
总噪声信号转换为频域分布数据后,能够得到总噪声信号包含的全部频段信息。
S03:以所述增程器噪声的实际能量密度分布数据与所述总噪声信号频段的频带宽度相乘,得到所述增程器噪声能量。
增程器噪声的实际能量密度分布数据是指单位频带宽度的能量分布情况,显然,利用每一频段的频带宽度和实际能量密度分布数据的乘积,就能够得到该频段对应的增程器噪声能量,所有频段的增程器噪声能量加和即可得最终的增程器噪声能量,其计算公式如下:
pwreng表示增程器噪声能量,N表示频段的数量,ρn,eng表示第n个频段的增程器噪声的实际能量密度分布数据,ΔBn表示第n个频段的频带宽度。
基于上述公式,步骤S40背景噪声能量的计算公式如下:
其中,pwramb表示背景噪声能量,pwrtot为总噪声能量,N表示频段的数量,ρn,eng表示第n个频段的增程器噪声的实际能量密度分布数据,ΔBn表示第n个频段的频带宽度。
在一些实施例中,如图2所示,所述步骤S20中的所述增程器噪声模型通过如下方式得到:
S201:获取不同工况下的状态参数值作为输入样本数据,获取不同工况下增程器噪声信号对应的能量密度分布数据作为输出样本数据;所述状态参数值包括增程器功率、增程器温度值、油温值、水温值和增程器处理器温度值。
所述增程器温度值、所述油温值、所述水温值和所述增程器处理器温度值会影响发动机的机械摩擦以及点火角、压力升高率等燃烧工况,通过随机地改变上述参数值能够反映出不同的发动机燃烧工况,而发动机燃烧工况会影响增程器噪声。因此,本方案中在得到增程器噪声模型时,除了单纯地考虑增程器功率影响,还将间接影响增程器噪声的其他工况参数也综合考虑,得到更准确的增程器噪声模型,以提高噪声分离结果的准确性。
S202:根据所述输入样本数据和所述输出样本数据的对应结果得到所述增程器噪声模型。
所述对应关系可以通过统计运算的方式确定,所述增程器噪声模型可以包括记载上述对应关系的数据表格,若所述增程器噪声模型接收到实际状态参数值时,可直接通过查表的方式得到对应的能量密度分布数据。
或者,直接选择选择现有技术中已有的学习算法实现对上述输入样本数据和输出样本数据的对应关系进行自学习,算法如机器学习、深度学习、神经网络等,在学习算法中具有多个待确定参数,输入样本数据和输出样本数据的数量足够多时,利用每一组对应的状态参数值和能量密度分布数据作为学习算法的输入和输出,就能够对其中的待确定参数的值进行优化调整,直到最后得到最优值。以具有最优值的学习算法作为完成自学习的增程器噪声模型,当输入实际状态参数值后就能够得到对应的实际能量密度分布数据。
进一步地,如图3所示,可以通过如下方式得到输入样本数据和输出样本数据:
S2011:控制增程器在设定工况参数下运行且增程器功率按照设定节点从最低功率提升至最高功率,获取提升过程中每一节点对应的增程器噪声信号作为增程器节点噪声信号;所述设定工况参数包括增程器温度值、所述油温值、所述水温值和所述增程器处理器温度值。
增程器功率提升过程可以根据最优油耗功率曲线进行,提升速度可以选择为0.5-1kW/s。最优油耗功率曲线是指能够使车辆运行时具有较佳经济性的增程器功率变化曲线,预先通过标定试验得到即可。在每一节点对应的增程器噪声信号通过向车辆上的麦克风采集即可得到。
显然,针对任意一组设定工况参数,增程器功率每变化一次就得到一组新的输入样本数据。而设定工况参数中的任意一个发生改变,也能够得到一组新的输入样本数据。
S2012:根据每一增程器节点噪声信号得到增程器节点噪声能量和节点噪声频域信号。
增程器节点噪声信号为时域信号,对其进行傅里叶变换即可得到节点噪声频域信号。而时域信号的幅值、频率均可直接得到,车厢中声音的传播介质可以确定,介质密度和增程器噪声在介质中的传播速度也能够确定,根据能量计算公式即可直接得到节点噪声能量计算结果。
S2013:根据每一增程器节点噪声能量和节点噪声频域信号的频带宽度得到节点噪声能量密度。
能量密度为能量在单位频带宽度上的分布,因此通过增程器节点噪声能量除以频带宽度即可得到在频段上的能量分布。
在具体实现时,增程器节点噪声能量可根据其能量曲线的外包络确定,如图4所示为在某一工况下,增程器不同功率(横坐标为增程器发电机转速其与功率具有对应关系,)下对应的增程器节点噪声能量,A曲线对应的是能量分布曲线,C曲线为利用能量曲线外包络上的几个拐点(P1-P10)的连线进行简化后的选点曲线。如图所示,C曲线的线形比A曲线的线形更简单,而且C曲线在各点处的能量值与A曲线的能量值的差值较小,因此可以利用C曲线计算能量密度。
S2014:以每一节点的增程器节点功率和所述工况参数作为所述输入样本数据,以每一节点的节点噪声能量密度作为对应的所述输出样本数据。
在本方案中,影响增程器噪声的参数至少包括:所述增程器温度值、所述油温值、所述水温值、所述增程器处理器温度值、增程器功率,上述任意一个参数发生变化都会得到一组新的输入样本数据。在得到增程器噪声模型时,可以获得尽可能多的输入样本数据,针对每一输入样本数据都会对应一个输出样本数据,在越多的样本数据的情况下,增程器噪声模型的结果会更加准确。
在一些方案中,上述步骤S2011可执行多次,每一次执行该步骤的过程中都能够得到每一节点对应的增程器节点噪声信号测试值,多次执行S2011后就能够得到多个增程器节点噪声信号测试值,针对每一节点,以多个增程器节点噪声信号测试值的最大值作为该节点的所述增程器节点噪声信号。车辆在行驶过程中,会根据整车能耗经济性的要求进行能量优化,能量优化过程中需要根据车辆中的背景噪声和增程器噪声之间的掩蔽效应对增程器功率进行控制。本方案中,得到增程器噪声能量时,选择相同工况参数情况下的最大值,说明此时背景噪声能量为最小值,在计算背景噪声对增程器噪声的掩蔽效应时,以最小背景噪声能量确定掩蔽结果,能够确保最终计算的增程器噪声不会超过掩蔽结果,在此基础上控制增程器就必然不会导致增程器功率过高影响车辆NVH性能。
一些方案的步骤S2013中,所述增程器节点噪声能量包括增程器主要阶次的节点噪声能量,所述频域信号的频带宽度包括所述主要阶次的频带宽度;所述主要阶次根据所述增程器的发动机缸数确定。
所述主要阶次为发动机工作时其振动噪声的固有频率,从低到高可以分为一阶、二阶、三阶以及更高阶次等,具体地,以四缸机为例,噪声能量对应的主要阶次为1,2,4,6,8阶次,可以认为增程器噪声能量主要分布在这几个阶次对应的固有频率下。其余频率时,增程器噪声很小甚至到可以忽略的程度。在此情况下,本申请在得到输入样本数据时,可以仅以上述几个主要阶次对应的增程器噪声能量作为处理对象,相应地,在将其转换为频域数据后,频带宽度也会根据这几个主要阶次的频带宽度进行确定。通过选择主要阶次的增程器噪声信号进行分析以得到增程器噪声模型,能够简化数据处理量。
作为另一种方式,也可以直接按照全频段的方式对增程器噪声能量密度进行运算后进行建模,这种方式中涵盖全频段的能量分布数据,增程器能量密度分布的分析结果能够更准确。目前,针对声音能量密度来说,其在计算时,可以根据听觉临界频带的方式计算,通常将人耳可听范围内的20Hz~16kHz分成24个临界频带,用临界频带级来表示临界频带的宽度,单位为巴克(Bark):Bark=个临界频带的宽度。因此,如果是根据全频带能量分布数据计算能量密度,则可以选择25个临界频带进行频段的划分,计算每一个临界频带内的增程器节点噪声能量密度,并以此作为增程器噪声模型建立的输出样本数据。
如图5a所示,为利用主要阶次增程器噪声能量建立的模型分离背景噪声和增程器噪声的结果。图中,曲线51a为原环境下的背景噪声能量分布曲线(可以通过播放一段音乐作为背景噪声,音乐的能量分布曲线可直接获得并作为背景噪声能量分布曲线),曲线51b为车厢内总噪声能量分布曲线,曲线51c为现有技术中基于频率分离出来的背景噪声能量分布曲线,曲线51d为利用本申请方案基于能量密度分离出来的背景噪声能量分布曲线,显然,本申请方案中得到的曲线51d相比于现有技术中得到的曲线51c更加接近原环境下的背景噪声能量分布曲线51a,即本申请实施例得到的方案具有更高的准确度。
图5b所示,为利用全频段增程器噪声能量建立的模型分离背景噪声和增程器噪声的结果。图中,曲线52a为原环境下的背景噪声能量分布曲线,曲线52b为车厢内总噪声能量分布曲线,曲线52c为现有技术中基于频率分离出来的背景噪声能量分布曲线,曲线52d为利用本申请方案基于能量密度分离出来的背景噪声能量分布曲线,显然,本申请方案中得到的曲线52d相比于现有技术中得到的曲线52c更加接近原环境下的背景噪声能量分布曲线52a,即本申请实施例得到的方案具有更高的准确度。
因此,利用本申请中提供的增程器噪声模型对车厢内总噪声进行分离,具有更高精度的分离效果。
进一步优选地,所述步骤S40中,若所述总噪声能量和所述增程器噪声能量之间的差值小于零,则判定所述背景噪声能量为零。
即:
在一些方案中,增程器噪声模型在建立的过程中,在选择输入样本数据时,在某一工况参数情况下,选择的是增程器节点噪声功率最大值作为输出样本数据的。因此,在利用该模型时,将总噪声信号划分为多个频段之后,如果各个频段的增程器噪声能量密度分布都选择最大值,此时汇总后得到的增程器噪声能量相加后可能出现大于总能量的情况,若出现该情况则需要以零作为增程器噪声能量,避免认为背景噪声能量小于零的情况出现。
本申请实施例还提供一种噪声分离装置,如图6所示,包括:
总噪声获取模块10,被配置为被配置为获取车厢内的总噪声信号,根据所述总噪声信号计算总噪声能量。车厢中的总噪声信号既包括增程器噪声,还包括背景噪声,所述背景噪声如轮胎与路面摩擦的噪声、车外环境噪声等。确定总噪声信号后,即可计算总噪声能量,总噪声信号为时域信号,其幅值、频率均可直接得到,车厢中声音的传播介质可以确定,介质密度和声音在介质中的传播速度也能够确定,根据能量计算公式即可直接得到能量计算结果。在总噪声能量中包括增程器噪声能量还包括背景噪声能量。
增程器噪声能量密度获取模块20,被配置为获取增程器工况的实际状态参数值,根据所述实际状态参数值和增程器噪声模型确定增程器噪声的实际能量密度分布数据,能量密度是指单位频带宽度内的增程器噪声能量;所述增程器噪声模型根据增程器在不同工况的状态参数值下运行时的能量密度分布数据确定;实际状态参数值可以通过车辆中设置的各传感器检测得到,例如可以通过设置在增程器中相应位置的温度传感器检测油温值、水温值,设置在车辆外部的温度传感器检测车辆所在环境温度值,增程器中包含的处理器自身配置温度传感器可检测处理器温度值且增程器的处理器能够确定增程器功率等。车载控制器能够直接获取上述各传感器检测到的实际状态参数值。增程器噪声模型可预先存储于车载控制器中,其为已知模型,该模型可以是预先通过标定试验获取的,也可以是根据经验数据模拟仿真得到的。增程器噪声模型能够表示增程器噪声的能量密度分布数据与增程器各工况的实际状态参数值之间的关系。因此,在实际应用时,直接将获取到的各实际状态参数值输入到增程器噪声模型中,就能够得到当前的实际状态参数值对应的增程器噪声的增程器噪声模型。
增程器噪声能量获取模块30,被配置为根据所述增程器噪声的实际能量密度分布数据及总噪声信号频段的频带宽度得到增程器噪声能量;总噪声信号包括背景噪声和增程器噪声,背景噪声的噪声频段可以通过经验值或者标定试验确定,增程器噪声的频段可以通过试验检测得到。或者,可以预先通过对不同工况进行标定试验,根据试验结果得到不同工况下的总噪声信号频段,由此,在步骤S10得到总噪声信号后即可确定总噪声信号频段,根据总噪声信号频段即可确定频带宽度。确定了能量密度和频带宽度后,通过相乘运算即可得到增程器噪声能量。
背景噪声能量获取模块40,被配置为根据所述总噪声能量和所述增程器噪声能量之间的差值得到车厢内的背景噪声能量。在车厢内的总噪声中,以增程器噪声之外的其他噪声作为背景噪声,因此总噪声能量减去增程器噪声能量就能够得到背景噪声能量,由此即可完成车厢内的背景噪声和增程器噪声的分离。
本申请以上实施例中的方案,在获取到车厢内总噪声信号之后,计算总噪声能量。利用增程器噪声模型和增程器工况的实际状态参数值得到增程器噪声的实际能量密度分布数据。利用增程器噪声的实际能量密度结合各频段的频带宽度计算出增程器噪声能量。本申请以上方案,对于不同的噪声信号来说,即便是二者的频率相近或相同,但是能量密度的分布也无法相同,因此,通过能量密度分布数据计算得到增程器能量的方式能够避免有背景噪声与增程器噪声具有相近或相同频率导致难以将其与增程器噪声准确分离的情况,即利用增程器噪声的能量密度分布数据对增程器噪声能量进行计算,从而将其与背景噪声进行分类,具有更高的准确度。
以上方案中,增程器噪声能量获取模块30,将所述总噪声信号转换为总噪声频域分布数据,根据所述总噪声频域分布数据中包括的至少一个频段确定所述总噪声信号频段,以所述增程器噪声的实际能量密度分布数据与所述总噪声信号频段的频带宽度相乘,得到所述增程器噪声能量。麦克风直接采集到的总噪声信号为时域信号,通过傅里叶变换能够将其转换为频域分布数据,因为噪声的来源可能包括多个,所以最终的频域分布数据中可包括至少一个频段的噪声频域数据。总噪声信号转换为频域分布数据后,能够得到总噪声信号包含的全部频段信息。增程器噪声的实际能量密度分布数据是指单位频带宽度的能量分布情况,显然,利用每一频段的频带宽度和实际能量密度分布数据的乘积,就能够得到该频段对应的增程器噪声能量,所有频段的增程器噪声能量加和即可得最终的增程器噪声能量。
在一些实施例中,增程器噪声能量密度获取模块20中,所述增程器噪声模型通过如下方式得到:获取不同工况下的状态参数值作为输入样本数据,获取不同工况下增程器噪声信号对应的能量密度分布数据作为输出样本数据;所述状态参数值包括增程器功率、增程器温度值、油温值、水温值和增程器处理器温度值。根据所述输入样本数据和所述输出样本数据的对应结果得到所述增程器噪声模型。所述增程器温度值、所述油温值、所述水温值和所述增程器处理器温度值会影响发动机的机械摩擦以及点火角、压力升高率等燃烧工况,通过随机地改变上述参数值能够反映出不同的发动机燃烧工况,而发动机燃烧工况会影响增程器噪声。因此,本方案中在得到增程器噪声模型时,除了单纯地考虑增程器功率影响,还将间接影响增程器噪声的其他工况参数也综合考虑,得到更准确的增程器噪声模型,以提高噪声分离结果的准确性。所述对应关系可以通过统计运算的方式确定,所述增程器噪声模型可以包括记载上述对应关系的数据表格,若所述增程器噪声模型接收到实际状态参数值时,可直接通过查表的方式得到对应的能量密度分布数据。
进一步地,增程器噪声能量密度获取模块20中,可以通过如下方式得到输入样本数据和输出样本数据:控制增程器在设定工况参数下运行且增程器功率按照设定节点从最低功率提升至最高功率,获取提升过程中每一节点对应的增程器噪声信号作为增程器节点噪声信号;所述设定工况参数包括增程器温度值、所述油温值、所述水温值和所述增程器处理器温度值。根据每一增程器节点噪声信号得到增程器节点噪声能量和节点噪声频域信号。根据每一增程器节点噪声能量和节点噪声频域信号的频带宽度得到节点噪声能量密度。增程器功率提升过程可以根据最优油耗功率曲线进行,提升速度可以选择为0.5-1kW/s。最优油耗功率曲线是指能够使车辆运行时具有较佳经济性的增程器功率变化曲线,预先通过标定试验得到即可。在每一节点对应的增程器噪声信号通过向车辆上的麦克风采集即可得到。以每一节点的增程器节点功率和所述工况参数作为所述输入样本数据,以每一节点的节点噪声能量密度作为对应的所述输出样本数据。显然,针对任意一组设定工况参数,增程器功率每变化一次就得到一组新的输入样本数据。而设定工况参数中的任意一个发生改变,也能够得到一组新的输入样本数据。增程器节点噪声信号为时域信号,对其进行傅里叶变换即可得到节点噪声频域信号。而时域信号的幅值、频率均可直接得到,车厢中声音的传播介质可以确定,介质密度和增程器噪声在介质中的传播速度也能够确定,根据能量计算公式即可直接得到节点噪声能量计算结果。能量密度为能量在单位频带宽度上的分布,因此通过增程器节点噪声能量除以频带宽度即可得到在频段上的能量分布。在本方案中,影响增程器噪声的参数至少包括:所述增程器温度值、所述油温值、所述水温值、所述增程器处理器温度值、增程器功率,上述任意一个参数发生变化都会得到一组新的输入样本数据。在得到增程器噪声模型时,可以获得尽可能多的输入样本数据,针对每一输入样本数据都会对应一个输出样本数据,在越多的样本数据的情况下,增程器噪声模型的结果会更加准确。
在一些方案中,可得到每一节点对应的多个增程器节点噪声信号测试值,针对每一节点,以多个增程器节点噪声信号测试值的最大值作为该节点的所述增程器节点噪声信号。车辆在行驶过程中,会根据整车能耗经济性的要求进行能量优化,能量优化过程中需要根据车辆中的背景噪声和增程器噪声之间的掩蔽效应对增程器功率进行控制。本方案中,得到增程器噪声能量时,选择相同工况参数情况下的最大值,说明此时背景噪声能量为最小值,在计算背景噪声对增程器噪声的掩蔽效应时,以最小背景噪声能量确定掩蔽结果,能够确保最终计算的增程器噪声不会超过掩蔽结果,在此基础上控制增程器就必然不会导致增程器功率过高影响车辆NVH性能。
一些方案中,增程器噪声能量密度获取模块20中,所述增程器节点噪声能量包括增程器主要阶次的节点噪声能量,所述频域信号的频带宽度包括所述主要阶次的频带宽度;所述主要阶次根据所述增程器的发动机缸数确定。通过选择主要阶次的增程器噪声信号进行分析以得到增程器噪声模型,能够简化数据处理量。
进一步优选地,背景噪声能量获取模块40中,若所述总噪声能量和所述增程器噪声能量之间的差值小于零,则判定所述背景噪声能量为零。在一些方案中,增程器噪声模型在建立的过程中,在选择输入样本数据时,在某一工况参数情况下,选择的是增程器节点噪声功率最大值作为输出样本数据的。因此,在利用该模型时,将总噪声信号划分为多个频段之后,如果各个频段的增程器噪声能量密度分布都选择最大值,此时汇总后得到的增程器噪声能量相加后可能出现大于总能量的情况,若出现该情况则需要以零作为增程器噪声能量,避免认为背景噪声能量小于零的情况出现。
本申请实施例还提供一种存储介质,所述存储介质中存储有程序信息,计算机调取所述程序信息后执行以上方法实施例中任一项所述的噪声分离方法。
如图7所示为本发明一种电子设备的硬件结构示意图,包括至少一个处理器71;以及,与至少一个所述处理器71通信连接的存储器72;其中,所述存储器72存储有可被至少一个所述处理器执行的指令,所述指令被至少一个所述处理器执行,以使至少一个所述处理器能够执行如前所述的噪声分离方法。图7中以一个处理器71为例。电子设备还可以包括:输入装置73和输出装置74。处理器71、存储器72、输入装置73及输出装置74可以通过总线或者其他方式连接,图中以通过总线连接为例。存储器72作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本申请实施例中的噪声分离方法对应的程序指令/模块。处理器71通过运行存储在存储器72中的非易失性软件程序、指令以及模块,从而执行各种功能应用以及数据处理,即实现上述实施例中的噪声分离方法。存储器72可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据噪声分离方法的使用所创建的数据等。此外,存储器72可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器72可选包括相对于处理器71远程设置的存储器,这些远程存储器可以通过网络连接至执行噪声分离方法的装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。输入装置73可接收输入的用户点击,以及产生与噪声分离方法的用户设置以及功能控制有关的信号输入。输出装置74可包括显示屏等显示设备。在所述一个或者多个模块存储在所述存储器72中,当被所述一个或者多个处理器71运行时,执行上述任意方法实施例中的噪声分离方法。
本申请一些实施例中还提供一种车辆,包括以上实施例所述的噪声分离装置或存储介质或电子设备。
根据需要,可以将上述各技术方案进行结合,以达到最佳技术效果。
以上的仅是本申请的原理和较佳的实施例。应当指出,对于本领域的普通技术人员来说,在本申请原理的基础上,还可以做出若干其它变型,也应视为本申请的保护范围。
Claims (11)
1.一种噪声分离方法,其特征在于,包括:
获取车厢内的总噪声信号,根据所述总噪声信号计算总噪声能量;
获取增程器工况的实际状态参数值,根据所述实际状态参数值和增程器噪声模型确定增程器噪声的实际能量密度分布数据,能量密度是指单位频带宽度内的增程器噪声能量;所述增程器噪声模型根据增程器在不同工况的状态参数值下运行时的能量密度分布数据确定;
根据所述增程器噪声的实际能量密度分布数据及总噪声信号频段的频带宽度得到增程器噪声能量;
根据所述总噪声能量和所述增程器噪声能量之间的差值得到车厢内的背景噪声能量。
2.根据权利要求1所述的噪声分离方法,其特征在于,所述增程器噪声模型通过如下方式得到:
获取不同工况下的状态参数值作为输入样本数据,获取不同工况下增程器噪声信号对应的能量密度分布数据作为输出样本数据;所述状态参数值包括增程器功率、增程器温度值、油温值、水温值和增程器处理器温度值;
根据所述输入样本数据和所述输出样本数据的对应结果得到所述增程器噪声模型。
3.根据权利要求2所述的噪声分离方法,其特征在于,所述获取不同工况下的状态参数值作为输入样本数据,获取不同工况下增程器噪声信号对应的能量密度分布数据作为输出样本数据,包括:
控制增程器在设定工况参数下运行且增程器功率按照设定节点从最低功率提升至最高功率;获取功率提升过程中每一节点对应的增程器噪声信号作为增程器节点噪声信号;所述设定工况参数包括所述增程器温度值、所述油温值、所述水温值和所述增程器处理器温度值;
根据每一增程器节点噪声信号得到增程器节点噪声能量和节点噪声频域信号;
根据每一增程器节点噪声能量和节点噪声频域信号的频带宽度得到节点噪声能量密度;
以每一节点的增程器节点功率和所述工况参数作为所述输入样本数据,以每一节点的节点噪声能量密度作为对应的所述输出样本数据。
4.根据权利要求3所述的噪声分离方法,其特征在于,所述控制增程器在设定工况参数下运行且增程器功率按照设定节点从最低功率提升至最高功率,获取提升过程中每一节点对应的增程器噪声信号作为增程器节点噪声信号,包括:
控制所述增程器在设定工况参数下运行多次,获取每一节点对应的多个增程器节点噪声信号测试值;
针对每一节点,以多个增程器节点噪声信号测试值的最大值作为该节点的所述增程器节点噪声信号。
5.根据权利要求3所述的噪声分离方法,其特征在于,所述根据所述增程器节点噪声能量和所述频域信号的频带宽度得到节点噪声能量密度分布中:
所述增程器节点噪声能量包括增程器主要阶次的节点噪声能量,所述频域信号的频带宽度包括所述主要阶次的频带宽度;所述主要阶次根据所述增程器的发动机缸数确定。
6.根据权利要求1-5任一项所述的噪声分离方法,其特征在于,所述根据所述增程器噪声的实际能量密度分布数据及总噪声信号频段的频带宽度得到增程器噪声能量,包括:
将所述总噪声信号转换为总噪声频域分布数据;
根据所述总噪声频域分布数据中包括的至少一个频段确定所述总噪声信号频段;
以所述增程器噪声的实际能量密度分布数据与所述总噪声信号频段的频带宽度相乘,得到所述增程器噪声能量。
7.根据权利要求1-5任一项所述的噪声分离方法,其特征在于,所述根据所述总噪声能量和所述增程器噪声能量之间的差值得到车厢内的背景噪声能量中:
若所述总噪声能量和所述增程器噪声能量之间的差值小于零,则判定所述背景噪声能量为零。
8.一种噪声分离装置,其特征在于,包括:
总噪声获取模块,被配置为获取车厢内的总噪声信号,根据所述总噪声信号计算总噪声能量;
增程器噪声能量密度获取模块,被配置为获取增程器工况的实际状态参数值,根据所述实际状态参数值和增程器噪声模型确定增程器噪声的实际能量密度分布数据,能量密度是指单位频带宽度内的增程器噪声能量;所述增程器噪声模型根据增程器在不同工况的状态参数值下运行时的能量密度分布数据确定;
增程器噪声能量获取模块,被配置为根据所述增程器噪声的实际能量密度分布数据及总噪声信号频段的频带宽度得到增程器噪声能量;
背景噪声能量获取模块,根据所述总噪声能量和所述增程器噪声能量之间的差值得到车厢内的背景噪声能量。
9.一种存储介质,其特征在于,所述存储介质中存储有程序信息,计算机调取所述程序信息后执行权利要求1-7任一项所述的噪声分离方法。
10.一种电子设备,其特征在于,所述电子设备包括至少一个处理器和至少一个存储器,至少一个所述存储器中存储有程序信息,至少一个所述处理器调取所述程序信息后执行权利要求1-7任一项所述的噪声分离方法。
11.一种车辆,其特征在于,包括权利要求8所述的噪声分离装置或权利要求9所述的存储介质或权利要求10所述的电子设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211485161.5A CN118072759A (zh) | 2022-11-24 | 2022-11-24 | 噪声分离方法、装置、电子设备及车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211485161.5A CN118072759A (zh) | 2022-11-24 | 2022-11-24 | 噪声分离方法、装置、电子设备及车辆 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118072759A true CN118072759A (zh) | 2024-05-24 |
Family
ID=91104616
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211485161.5A Pending CN118072759A (zh) | 2022-11-24 | 2022-11-24 | 噪声分离方法、装置、电子设备及车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118072759A (zh) |
-
2022
- 2022-11-24 CN CN202211485161.5A patent/CN118072759A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111322163B (zh) | 基于车辆声音指标通过人工智能控制发动机音调的系统和方法 | |
CN101598596B (zh) | 分析噪声源特别是车辆的噪声的方法 | |
US12014585B2 (en) | Unusual-noise determination device for vehicle | |
Lee et al. | Objective evaluation of interior noise booming in a passenger car based on sound metrics and artificial neural networks | |
Huang et al. | Multitarget prediction and optimization of pure electric vehicle tire/road airborne noise sound quality based on a knowledge-and data-driven method | |
CN115171639A (zh) | 一种车辆降噪方法及系统 | |
US6711508B2 (en) | Method and apparatus for estimating tire air pressure | |
Park et al. | Coherence-based sensor set expansion for optimal sensor placement in active road noise control | |
CN109946091A (zh) | 一种规避车身低频噪声问题的方法 | |
Lu et al. | Sound quality prediction for power coupling mechanism of HEV based on CEEMD-HT and RVM | |
CN113886974B (zh) | 一种车内结构声路噪预测方法 | |
Torii et al. | An objective assessment method of combustion noise characteristics in vehicle interiors | |
CN118072759A (zh) | 噪声分离方法、装置、电子设备及车辆 | |
CN111007152B (zh) | 一种声学性能综合评估方法及系统 | |
CN116415494A (zh) | 一种路噪优化方法、系统及存储介质 | |
Al-Dhahebi et al. | A computational approach for optimizing vehicles’ interior noise and vibration | |
CN118070435A (zh) | 一种增程器噪声强度建模方法及分离增程噪声的方法 | |
CN113591228B (zh) | 一种噪声传递路径分析及优化方法 | |
CN114954495B (zh) | 商用车质量估算方法、电子设备和存储介质 | |
CN115828751A (zh) | 一种用于车辆传动系统nvh诊断的数据驱动型预测和分析方法 | |
CN118004131A (zh) | 电机扭矩的确定方法、装置、车载设备和计算机存储介质 | |
김동민 | A study on optimal selection of reference accelerometers for active road noise control | |
CN115560995A (zh) | 加速声音与动力响应跟随匹配度声品质评价方法、电子设备及存储介质 | |
CN118072413A (zh) | 一种增程器最大功率确定方法、装置、电子设备及车辆 | |
CN117984773A (zh) | 加速意图的识别方法、装置、电子设备和可读存储介质 |
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 |