CN204288513U - 一种智能环境噪声与振动监测装置 - Google Patents
一种智能环境噪声与振动监测装置 Download PDFInfo
- Publication number
- CN204288513U CN204288513U CN201420625387.5U CN201420625387U CN204288513U CN 204288513 U CN204288513 U CN 204288513U CN 201420625387 U CN201420625387 U CN 201420625387U CN 204288513 U CN204288513 U CN 204288513U
- Authority
- CN
- China
- Prior art keywords
- noise
- circuit
- sound level
- module
- vehicle
- 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
Links
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本实用新型提出一种智能环境噪声与振动监测装置,在满足常用声级计或统计分析设备测量环境噪声及其道路交通噪声指标的同时,可以利用推荐设备或者系统在测出噪声的多个指标值的同时,换算出监测期间道路交通的等效车流量和车速等参数,将为道路交通噪声的现场调查提供很大的便利,同时,还可以依托FPGA嵌入式系统,不断延伸与环境噪声同步检测的其他功能,实现系统的智能化。
Description
技术领域
本实用新型涉及交通工程、环境工程交叉的技术领域,一种能够同时监控道路交通流量、流速和噪声影响的环境监测系统,特别涉及一种智能环境噪声与振动监测装置。
背景技术
为了研究高速公路、国省道公路、城市道路交通噪声的影响,在有关环境监测的技术规范与方法中,除了必须监测环境噪声的20分钟以及连续24小时昼夜等效连续噪声级、统计声级等影响与污染指标外,还需计量发生噪声当时的车流量和车速等交通状况指标。而这一要求一般需要一些额外的设备,如录像设备、测速雷达等,导致了监测成本和复杂性的增加;应用人工的方法数数计量车流量,随着要求监测时间变长,可造成人员工作量过于沉重,而且无法测出变化中的道路平均车速。而路边交通噪声实际上与道路的车流量、车速、车种、离开测点的距离等因素有关,并呈规律的量化关系,本实用新型提出通过这种关系和路边噪声的测量值,来实现反演量化关系中参数的方法,可以实现对期望参数数值的推断。同时,通过应用基于FPGA的可重构智能仪器的概念,针对目前环境噪声测试仪器在生产定型后,可解决功能不能改变、维护费费用过高、资源浪费严重等问题。
环境噪声的测量、评价和管理与控制包括了工业噪声、交通噪声、社会噪声以及施工作业噪声等四大部分。随着城市规划的日趋合理,工厂企业被集中道路交通噪声评价是环境噪声评价中的重要组成部分,其确定方法包括监测与预测的方法,实测的方法切实可靠,但需避开人为、非关注因素的干扰。预测 的方法一般针对尚处于规划阶段的项目,可以预测的方法实现,即存在规律性的量化关系,只要模型和参数选着合理,预测结果相比实测值可以达到相当地接近。
目前,道路交通噪声预测模型,根据评价因子的不同,存在两大类模式,一类是美国的FHWA的LAeq评价量的交通噪声预测模型,由于我国的环境标准是以LAeq为评价量,因此在我国有较多的应用,包括我国交通部推荐的公路模式也是在该模型形式上的演化,可同时适用于不同车流量条件;另一类是英国的LN评价量的CORTN88的交通噪声预测模型,主要被英国、澳大利亚、新西兰等国所应用,这些国家的环境标准是以L10为评价量,主要适用于大车流量和非连续小车流(通过修正的方法)。相比文献中大量研究和应用的各类道路交通噪声预测方法和模型,两类模型结构简捷,多年被多国大量应用于实际道路交通噪声的相关工作和检验,具有良好的可靠性。
本实用新型将应用FHWA和CORTN模型,建立路边道路交通噪声与道路的车流量、车速、车种、离开测点的距离等因素的量化规律关系,在监测道路交通噪声的同时,实现通过监测值反演道路的车流量、车速的目标。所述方法通过一种智能环境噪声与振动监测装置予以实现。进一步地,类比确定车流量车速的概念,还可开发其他的目标参数及功能。
实用新型内容
针对上述技术缺陷,本实用新型应用FPGA技术,提出一种智能环境噪声与振动监测装置,在满足常用声级计或统计分析设备测量环境噪声及其道路交通噪声指标的同时,可以利用推荐设备或者系统在测出噪声的多个指标值的同时,换算出监测期间道路交通的等效车流量和车速等参数,将为道路交通噪声的现场调查提供很大的便利。同时,还可以依托FPGA嵌入式系统,不断延伸与环境噪 声同步检测的其他功能,实现系统的智能化。
为了解决上述技术问题,本实用新型的技术方案如下:
一种智能环境噪声与振动监测装置,包括噪声传感器、振动传感器,采样电路以及控制电路;所述采样电路对噪声传感器、振动传感器进行信号采样后将通过信号调理、模数转换电路,将数字信号经过带cpu、内存和控制器的控制电路,分别输入FPGA电路和所述控制电路,通信电路连接所述控制电路,所述通信电路集成有I/O接口与电路、RS23接口与电路、USB接口与电路和无线通讯接口与电路;所述FPGA电路连接所述控制电路并受其控制。
进一步的,还包括显示电路和输入电路,所述显示电路和输入电路连接控制电路。
进一步的,所述FPGA电路包括信号处理任务集部和功能单元集部,所述信号处理任务集部包括环境噪声评价量测量模块、频谱分析测量模块、道路交通噪声参数测量模块;所述功能单元集部包括常规声级计算模块、时间平均声级计算LAeq模块、统计声级计算L模块、倍频程分析模块、1/3倍频程分析模块、FFT模块、车流量测量模块、车速测量模块、分类车种比例分析模块;所述环境噪声评价量测量模块用于计算常规声级、时间平均声级计算LAeq、统计声级计算LN的数据;所述频谱分析测量模块用于计算倍频程频谱、1/3倍频程频谱、FFT频谱的数据;所述道路交通噪声参数测量模块用于测量计算车流量、车速、分类车种比例等的数据。
一种智能环境噪声与振动监测方法,包括如下步骤:
41)采样数据并进行计算处理:
定义A声级:用A计权网络测得的声压级,用LA表示,单位dBA
式中,Lpj为对应j中心频率的声级值,单位dB;Aj为对应j中心频率的A计权修正值,单位dB;j为频谱的中心频率值,单位Hz。
等效连续A声级为等效声级,指在规定测量时间T内A声级的能量平均值,用LAeq,T表示简写为Leq,单位dBA,等效声级表示为:
式中:LA为t时刻的瞬时A声级,dB;T为规定的测量时间,s;
当采样测量,且采样的时间间隔一定时,公式(2)表示为:
式中:LAi为第i次采样测得的A声级,dB;n为采样总数,单位个;
昼间等效声级、夜间等效声级:在昼间时段内测得的等效连续A声级称为昼间等效声级,用Ld表示,单位dBA;在夜间时段内测得的等效连续A声级称为夜间等效声级,用Ln表示,单位dBA;
昼间等效声级为:
式中:LAi为昼间第i小时的等效声级,dB;16为昼间规定的测量时间,单位h;
夜间等效声级为:
式中:LAj为夜间第j小时的等效声级,dB;8为夜间规定的测量时间,h;
昼夜等效声级:考虑到噪声在夜间比昼间对人工干扰更大,故计算昼夜等效声级时,需要将夜间等效声级加上10dB后再计算;昼夜等效声级为:
所述昼间、夜间:“昼间”是指6:00至22:00之间的时段;“夜间”是指22:00至次日6:00之间的时段;
对采集的数据进行统计,累积百分声级:用于评价测量时间段内噪声强度时间统计分布特征的指标,指占测量时间段一定比例的累积时间内A声级的最小值,用LN表示,单位为dBA;
L1为在测量时间内有1%的时间A声级超过的值,相当于噪声的最大峰值;
L5为在测量时间内有5%的时间A声级超过的值,相当于噪声的次峰值;
L10为在测量时间内有10%的时间A声级超过的值,相当于噪声的平均峰值;
L50为在测量时间内有50%的时间A声级超过的值,相当于噪声的平均中值;
L90为在测量时间内有90%的时间A声级超过的值,相当于噪声的平均本底值;
L95为在测量时间内有95%的时间A声级超过的值,相当于噪声的次本底值;
L99为在测量时间内有99%的时间A声级超过的值,相当于噪声的最小本底值;
求各测点每小时的评价参数L1、L5、L10、L50、L90、L95、L99、Leq,将所有监测得的数据从大至最小加以排列后取得;
标准偏差:样本数据相对于平均值的离散程度,即与平均值之方差,用S或SD表示,dB其计算公式为:
式中:为某组合某一样本的算术平均值,dB;Li为某组合某一样本的第i个数据值,dB;n为采样数,单位为个;
在规定的测量时间段内或对某一独立噪声事件,测得的A声级最大值,用Lmax表示,单位dBA;
每个测点测量20min等效声级Leq,记录累计百分声级L1、L5、L10、L50、L90、L95、L99、Lmax、Lmin和标准偏差SD,分类记录车流量;
所述分类车为根据大、中、轻型车辆类型的划分
轻型汽车:指最大总质量不超过3.5t的M1类、M2类和N1类车辆;轻型车根据排量细分为:微型车:排量≤1L;轿车:乘员不超过5人的M1类车;出租车:所有排量;其它车:轻型车中除上述三种以外的所有车辆;
中型汽车:指最大总质量大于3.5t至8t之间的汽车,即3.5t<最大总质量≤8t,包括载货汽车和载客汽车;
重型汽车:指最大总质量大于8t的汽车,包括载货汽车和载客汽车。
42)将处理后的采样数据提取被测道路车流量和车速:
建立标准的FHWA模型:
用下列公式(8)~(9)来表示:
式中,LA,eq(t)i是i类汽车在时间t内的每小时等效声级,单位dB;(L0)Ei,是i类汽车的平均声音辐射能,单位dB;Ni(t)是i类汽车在时间T(1h)内通过指定测试点的车流量;汽车分类i包括:轻型车时,i=1,中型卡车或公共汽车时,i=2,大型或者重型汽车时,i=3;D0,是汽车噪声辐射的参考距离,取D0=15m;D,是车道中心线到测量点的垂直距离,单位m;Si(t),汽车的平均速 度,单位km/h;TT,等效声级计算时间,1h;a,植被覆盖系数,它是根据现场的地面条件,指观察点与道路之间地面覆盖物的声学吸收特性,a=0或a=0.5;Φa,是给定长度的道路校正函数,ψ1、ψ2是可视道路相对于道路垂直线的张角;ΔS是噪音隔离因子,单位dB;
不同类型汽车i的Leq值参数是按照顺序叠加的,不同汽车分别有不同的Leq值,小车用LeqAu表示,中型车用LeqMT表示,大车用LeqHT表示;
(L)Ei 0即声源强度如下所示:
实际交通车流的等效声级模型是通过叠加各种的车流过后得出,如果车型分为轻型汽车、中型货车和重型货车:
建立标准的CORTN模型:
用下列公式(11)~(14)表示:
Ll0(18h)=26.5+10×1g(q)+33×lg(v+40+500/v)+10×1g(1+5p/v)-68.8
+0.3×G+10×lg(A/180)-10×lg(D/13.5)
+F×5.2×lg((6H-1.5)/(d+3.5))+1.65×lg(P/R)
+5.57×C(0.77-lg(S/v))-3.4X (11)
Ll0(1h)=Ll0(h)/18 (12)
Ll0(20min)=Ll0(1h)/3=Ll0(18h)/54 (13)
Ll0(15min)=Ll0(1h)/4=Ll0(18h)/60 (14)
式中:q为18小时车流量,辆/h;v为平均速度,km/h;p为重车比例=f/q,%、f为重车车流量,辆/h;G为坡度,%;D=sqrt[(d+3.5)2+(h-0.5)2],m;A为相对于测点道路长度的张角,degs;D为测点至道路外延的距离,m;H为从声源传至受声点的平均有效高度,单位为m;h为受声点相对于路面的高度,m;F为地面吸声系数,无量纲;r为中型重车占大型重车的比例;S为路面标准直径厚度,mm;C为路面尖叫系数,尖叫型路面取1,否则取0;X为摩擦噪声系数,摩擦型路面取1,否则取0,其中(11)式只适用于0.75≤[(d+5)/6];
43)根据监测结果的L10、LAeq、SD、L1、L5、L50、L90、L95、L99、Lmax和Lmin,利用标准的FHWA模型,建立LAeq(d)=f(q,v,p,r,d);利用标准的CORTN模型,建立LA10(d)=g(q,v,p,r,d);其中L背景噪声取L95;
利用上述两个模型,得到道路车速v与车流量q。
进一步的,当出现非连续、中断车流条件下即小车流情况,50≤和<200辆/h,或者1000≤和<4000辆/18h,以及D<30m,标准的CORTN模型的LA10模型修正为:
对于小车流情形,需针对大车流情形下的Ll0(18h),增加如下补充修正项:
A=-30/D
B=q/200(q为辆/h),或者Q/4000(Q为辆/18h)
式中,D是介于受声点和有效声源之间的最短斜距近似为有效车道至仪器监测点位的直线距离。
进一步的,当有两台所述的装置进行监测时,所述两台装置分别设置在距机动车道路中心线d1和d2处,同步监测关注时段内、获得L10、LAeq、SD、L1、L5、L50、L90、L95、L99、Lmax和Lmin指标,根据监测结果,通过如下公式,计算得到得到道路车速v与车流量q
LAeq(d1)=f(q,v,p,r,d1),
LAeq(d2)=f(q,v,p,r,d2),
LA10(d1)=g(q,v,p,r,d1),
LA10(d2)=g(q,v,p,r,d2);
L背景噪声取L95。
仪器传感器测点的选择必须避开非道路机动车和人为噪声的干扰。
本实用新型的总体有益效果在于:依托可重构FPGA智能信号环境噪声与振动监测系统处理原理,实现其他与环境噪声与振动有关的测量任务,即赋予仪器具有智能化。而与虚拟仪器的最大区别在于具有耗电省、体积小的优点。
为了环境质量监测、环境影响评价、环保竣工验收和研究高速公路、国省道公路、城市道路交通噪声的影响,在关环境监测的技术规范与方法中均有明确要求,除了必须监测道路交通环境噪声的20分钟以上以及连续24小时昼夜等效连续噪声级、统计声级等影响与污染指标外,同时还需计量发生噪声当时对应的车流量和车速等交通状况指标。为了实现这一要求,一般需要提供一些额外的设备,如录像设备、测速雷达等,也有直接用人工直接数数计量的,导致了 监测成本和复杂性的增加。利用本实用新型提出的装置与方法,在保持原来环境噪声监测仪器监测评价参数的同时,例如,得到被测道路在被时段内的路边交通噪声LAeq、L10、L95等评价值,还能得出该时段内道路行车状况的平均车流量和车速,尤其针对监测时段较长、甚至是24小时的情况,人工记录统计车流量的工作会变得非常繁重,应用本方法将使问题被简单地解决。当然,在具体设点位时,需要控制、避开非机动车或者人为噪声的干扰,否则推算出车流车速的信息,可能只是一些毫无意义的数值。此外,只用常见的声级计,将决不可能测出道路的行车平均车速,而配置测速雷达,一般价格相比声级计贵出许多。
可见,相对于目前常见的环境噪声与振动的监测仪器,本实用新型重点提出了一种智能环境噪声与振动监测装置及监测方法,可以利用一般仪器便捷地完成环境噪声监测指标的监测结果,并得出其他在环境噪声监测的同时必须测出的有关重要参数,既发挥利用了已测监测参数的作用,又拓展了仪器的功能。
基于FPGA的系统,可以很容易地通过外接开发计算机,将各种不同功能的处理算法,经编程、下载植入系统,还可以进行檫除、更新、升级等操作。相比测量环境噪声信号的声级计,一般通过硬件构成固定的电子系统,即使采用了单片机,其功能受限于设计,功能由固化的电路或者程序完成;相比虚仪器系统,借助计算机虽然功能可无限,但代价是硬件开销大,耗电严重,以及不利于携带。而本实用新型提出的基于智能仪器的环境噪声与振动监测系统,应用FPGA模块形成智能仪器系统后,功能可根据需要增加定制内容,可不断地增加算法,且耗电省。
关于进展中的FPGA技术:传统测试系统由于专用性强、相互不兼容、扩展性差、缺乏通用化、模块化,不能共享软硬件组成,不仅使开发效率低下,而且使得开发一套复杂测试系统的价格高昂。随着集成电路技术的集成度超规模化,目前传 统的分析仪表正在更新换代,向数字化、智能化方向迈进。改变以往由仪器生产厂家定义仪器功能、用户只能使用的局面,使用户可自定义仪器、根据不同测试需求对仪器进行重构,已经成为现代测试技术发展的一个重要方向。由于其能够大大减少测试设备的维修成本、提高资源利用率,可重构仪器技术已引起高度重视。
可重构技术:可重构性一般是指在一个系统中,其硬件模块或(和)软件模块均能根据变化的数据流或控制流对结构和算法进行重新配置(或重新设置)。在可重构系统中,硬件信息(可编程器件的配置信息)也可以像软件程序一样被动态调用或修改。这样既保留了硬件计算的性能,又兼具软件的灵活性。尤其是大规模可编程器件FPGA的出现,实时电路重构思想逐渐引起了学术界的关注并通过工程界实现。可重构的实现技术有很多种方式,包括DSP重构技术、FPGA重构、DSP+FPGA重构、可重组算法逻辑体系结构、可进化硬件(EHW)、本地重构/Internet远程重构、SOPC/SOC重构等。
可重构技术具有以下优点:1)能够高效地实现特定功能;其逻辑器件上都是硬连线逻辑,它通过改变器件的配置来改变功能。2)能够动态改变器件配置,灵活满足多种功能的需求。3)适合恶劣工作环境下的应用。利用可重构逻辑器件的一个优势是不需要微处理器必需的散热系统,大大减少了电子产品占据的空间。4)具有强大的技术支持来加速产品开发。5)能够大大降低系统成本。另外,对于不会同时被使用的功能,可考虑利用动态重构技术在不同的需求时段里分别实现,做到“一片多用”,节省了资源、空间和成本。
重构智能仪器技术将先进的微电子技术、半导体技术和微处理器技术引入仪器设计领域,通过构建通用的硬件平台,最终由用户通过选择不同的软件来实现不同的仪器功能,因此软硬件在可重构仪器设计技术中同样关键。
附图说明
图1为典型模拟式声级计原理图;
图2为常见便携式数字声级计原理图;
图3为基于虚拟仪器的声级计原理图;
图4为基于FPGA智能仪器的环境噪声与振动监测系统原理图;
图5为可重构FPGA智能信号环境噪声与振动监测系统处理原理图;
图6为标准的FHWA模型中的计算模型图,线段AB表示有限道路,P点表示受声点;
图7为标准CORTN模型中道路中心线、边界线与受声点的位置关系图。
具体实施方式
下面结合附图和具体实施例对本实用新型做进一步的说明。
【1】采样数据计算处理
1A声级:用A计权网络测得的声压级,用LA表示,单位dBA;这时计权网络作为电路部分固化在信号调理模块中;另一方案是将非计权声信号采入至系统控制模块内,输入编程的FPGA矩阵电路,按每组1024或者2048点(每点间距为采样间隔或者采样率的倒数)作为一帧进行数字信号处理转换成频域信号,按以下公式计算出每帧的A计权声压级数值:
式中,Lpj为对应j中心频率的声级值,单位dB;Aj为对应j中心频率的A计权修正值,单位dB;j为频谱的中心频率值,单位Hz.
2等效连续A声级
为等效声级,指在规定测量时间T内A声级的能量平均值,用LAeq,T表示 (简写为Leq),单位dBA。
根据定义,等效声级表示为:
式中:LA为t时刻的瞬时A声级,单位为dB;T为规定的测量时间,单位为s。
当采样测量,且采样的时间间隔一定时,上式可表示为:
式中:LAi为第i次采样测得的A声级,单位为dB;n为采样总数,单位为个。
昼间等效声级、夜间等效声级:在昼间时段内测得的等效连续A声级称为昼间等效声级,用Ld表示,单位dBA;在夜间时段内测得的等效连续A声级称为夜间等效声级,用Ln表示,单位dBA。
昼间等效声级其数学表达式为:
式中:LA昼间第i小时的等效声级,单位为dB;16为昼间规定的测量时间,单位为h。
夜间等效声级其数学表达式为:
式中:LAj为夜间第j小时的等效声级,单位为dB;8为夜间规定的测量时间,单位为h。
昼夜等效声级:一般情况下,考虑到噪声在夜间比昼间对人工干扰更大,故计算昼夜等效声级时,需要将夜间等效声级加上10dB后再计算,昼夜等效声级为:
昼间、夜间:“昼间”是指6:00至22:00之间的时段;“夜间”是指22:00至次日6:00之间的时段。
2统计
累积百分声级:用于评价测量时间段内噪声强度时间统计分布特征的指标,指占测量时间段一定比例的累积时间内A声级的最小值,用LN表示,单位为dBA。
最常用的是L10、L50和L90,以及本实用新型同时关注的L1、L5、L95、L99等的含义如下:
L1—在测量时间内有1%的时间A声级超过的值,相当于噪声的最大峰值;
L5—在测量时间内有5%的时间A声级超过的值,相当于噪声的次峰值;
L10—在测量时间内有10%的时间A声级超过的值,相当于噪声的平均峰值;
L50—在测量时间内有50%的时间A声级超过的值,相当于噪声的平均中值;
L90—在测量时间内有90%的时间A声级超过的值,相当于噪声的平均本底值;
L95—在测量时间内有95%的时间A声级超过的值,相当于噪声的次本底值;
L99—在测量时间内有99%的时间A声级超过的值,相当于噪声的最小本底值。
如果数据采集是按等间隔时间进行的,则LN也表示有N%的数据超过的噪声级。
求各测点每小时的评价参数L1、L5、L10、L50、L90、L95、L99、Leq,方法为将所有监测得的数据从大至最小加以排列后取得,但为了提高效率,也可将少量的记录数据通过寄存而抛弃其他值的方法。
标准偏差:样本数据相对于平均值的离散程度,即与平均值之方差,用S或SD表示,dB。其数学表达式为:
式中:为某组合某一样本的算术平均值,单位为dB;Li为某组合某一样本的第i个数据值,单位为dB;n为采样数,单位为个。
3最大声级:
在规定的测量时间段内或对某一独立噪声事件,测得的A声级最大值,用Lmax表示,单位dBA。
4道路交通监测的频次、时间与测量量
每个测点测量20min等效声级Leq,记录累计百分声级L1、L5、L10、L50、L90、L95、L99、Lmax、Lmin和标准偏差(SD),分类(大型车、中小型车)记录车流量。
5频谱分析
为了取得人耳对声音频率变化的反应,把可听到的频率范围分成数段,按每段内的声音强度进行分析。可以使用滤波器把一段一段的频率成分选出来进行测量,这种滤波器只能允许一定范围的频率成分通过,其它频率成分被衰减掉。在噪声测量中常常使用带通滤波器,带通滤波器只允许一定频率范围(通带)内的信号通过,高于或低于这一频率范围的信号不能通过。
倍频程和1/3倍频程滤波器是常用的恒百分比带宽滤波器。所谓一个倍频程, 就是上限频率f2比下限频率f1高一倍,例如从707Hz~1414Hz就是一个倍频程。但是1/3倍频程并不是上限频率比下限频率高1/3倍,而是上限频率为下限频率的21/3=1.26倍。一般说来,f2/f1=2n,式中n可以是整数,也可以是分数;既可以是正数也可以是负数。当n是正数时表示f2比f1高,当n是负数时表示f2比f1低。n=1即为1倍频程,n=1/3即为1/3倍频程。知道了f2和f1就可以知道其中心频率f0:
f0=(f1 f2)1/2
同样,知道了f0就可以求出f1和f2。对于倍频程来说,f2=21/2f0=1.414f0,f1=(1/21/2)f0=0.707f0。对于1/3倍频程,f2=21/6f0=1.123f0,f1=(1/21/6)f0=0.89f0。
GB/T3241-1998(等同IEC61260-1995)《倍频程和分数倍频程滤波器》标准规定了滤波器的中心频率、频带宽度和衰减特性等要求(见表1、2)。但这主要是基于硬件的处理方法。如果系统单片机的运算、控制、储存功能足够强,常见可以将记录数据应用软件数值算法的方法完成频谱分析的功能。
表1倍频程频率范围
中心频率(Hz) | 31.5 | 63 | 125 | 250 | 500 |
频率范围(Hz) | 22.5-45 | 45-90 | 90-180 | 180-354 | 354-707 |
中心频率(Hz) | 1000 | 2000 | 4000 | 8000 | 16000 |
频率范围(Hz) | 707-1414 | 1414-2828 | 2828-5656 | 5656-11212 | 11212-22424 |
表21/3倍频程频率范围
传感器测量瞬时环境声音信号,被采集放大成为线性比例的电压信号,经A计权网络成为A计权声压级。A计权网络作为电路部分,固化在声级计或者噪声测量的信号调理模块中;另一方案是将声信号(均未作处理,即未经计权)一概采入至系统控制模块内,由单片机按每组1024或者2048点/4096点(每点间距为采样间隔或者采样率的倒数)作为一帧计算成A计权声压级。
【2】道路交通干线
根据JTB01,定义的道路交通干线,指高速公路、一级公路、二级公路、城市快速路、城市主干路、城市次干路。
高速公路:专供汽车分向、分车道行驶,并应全部控制出入的多车道公路,其中:四车道高速公路应能适应将各种汽车折合成小客车的年平均日交通量25000~55000辆;六车道高速公路应能适应将各种汽车折合成小客车的年平均日交通量45000~80000辆;八车道高速公路应能适应将各种汽车折合成小客车的年平均日交通量60000~100000辆。
一级公路:供汽车分向、分车道行驶,并可根据需要控制出入的多车道公路,其中:四车道一级公路应能适应将各种汽车折合成小客车的年平均日交通量15000~30000辆;六车道一级公路应能适应将各种汽车折合成小客车的年平 均日交通量25000~55000辆。
二级公路:供汽车行驶的双车道公路。双车道二级公路应能适应将各种汽车折合成小客车的年平均日交通量5000~15000辆。
城市快速路:城市道路中设有中央分隔带,具有四条以上机动车道,全部或部分采用立体交叉与控制出入,供汽车以较高速度行驶的道路,又称汽车专用道。城市快速路一般在特大城市或大城市中设置,主要起联系城市内各主要地区、沟通对外联系的作用。
城市主干路:联系城市各主要地区(住宅区、工业区以及港口、机场和车站等客货运中心等),承担城市主要交通任务的交通干道,是城市道路网的骨架。主干路沿线两侧不宜修建过多的车辆和行人出入口。
城市次干路:城市各区域内部的主要道路,与城市主干路结合成道路网,起集散交通的作用兼有服务功能。
【3】大、中、轻型车辆类型的划分
车辆类型:根据机动车的最大总质量、排量、用途、发动机类型、采用的净化技术及排放特性对机动车进行的类型划分。
轻型汽车:指最大总质量不超过3.5t的M1类、M2类和N1类车辆。轻型车又根据排量细分为:微型车:排量≤1L;轿车:乘员不超过5人的M1类车;出租车:所有排量;其它车:轻型车中除上述三种以外的所有车辆。
中型汽车:指最大总质量大于3.5t至8t之间的汽车,即3.5t<最大总质量≤8t,包括载货汽车和载客汽车。
重型汽车指最大总质量大于8t汽车,包括载货汽车和载客汽车。
也有根据GA802,大型车指车长大于等于6m或者乘坐人数大于等于20人的载客汽车,以及总质量大于等于12t的载货汽车和挂车;中小型车指车长小于6m且 乘坐人数小于20人的载客汽车,总质量小于12t的载货汽车和挂车,以及摩托车;
【4】系统与校准
构建的系统应满足对环境噪声监测要求,等同于声级监测、检测、或者采用的测量仪器,精度为2型及2型以上的积分平均声级计或环境噪声自动监测仪器,其性能需符合GB3785和GB/T17181的规定,并定期校验。测量前后使用声校准器校准测量仪器的示值偏差不得大于0.5dB,否则测量无效。声校准器应满足GB/T15173对1级或2级声校准器的要求。测量时传声器应加防风罩。
对于声级计具有很高的计量校准要求,包括:①校准项目:传声器校准;仪器时钟计时校准。②校验设备(工具):传声器校验设备:传声器手工校验设备为声校准器。自动校验设备:为系统内置校验器件。时钟计时校验设备为系统内置校验器件。
典型模拟式声级计原理见图1;常见便携式数字声级计原理见图2;基于虚拟仪器的声级计原理见图3。
本实用新型在图1~3的基础上,提出基于智能仪器的环境噪声与振动监测系统,其原理见图4,其中的可重构FPGA信号处理原理见图5。
从图1~5可见,一般声级计包括了信号输入、前置预处理、信号处理和信号显示等硬件构成的电子系统;即使采用了单片机,其功能受限于设计,信号处理、计算由固化的电路或者程序完成;对于虚拟仪器系统,借助计算机来完成信号的处理与显示,虽然功能可无限,但计算机硬件开销大,尤其耗电严重,不利于携带。而本实用新型提出的基于智能仪器的环境噪声与振动监测系统,应用FPGA模块形成智能仪器系统后,功能可根据需要增加定制内容,可不断地增加算法,且耗电省。
【6】根据监测结果L10、LAeq、SD提取被测道路车流量和车速的方法 建立模型
为了简化研究的问题,在此将使用FHWA模型和CORTN模型以简捷地实现研究和应用的目的。
①标准的FHWA模型(大、小车流均可适用)
结合图6,用下列公式(1)~(3)来表示:
式中,LAeq(t)i是i类汽车在时间t内的每小时等效声级,单位dB;(L0)Ei,是i类汽车的平均声音辐射能,单位dB;Ni(t)是i类汽车在时间T(1h)内通过指定测试点的车流量;汽车分类i包括:轻型车时,i=1,中型卡车或公共汽车时,i=2,大型或者重型汽车时,i=3;D0,是汽车噪声辐射的参考距离,取D0=15m;D,是车道中心线到测量点的垂直距离(一般应大于15m),单位m;Si(t),汽车的平均速度,单位km/h;TT,等效声级计算时间,1h;a,植被覆盖系数,它是根据现场的地面条件,指观察点与道路之间地面覆盖物的声学吸收特性,a=0或a=0.5;Φa,是给定长度的道路校正函数,ψ1、ψ2是可视道路相对于道路垂直线的张角;ΔS是噪音隔离因子,单位dB。
不同类型汽车i的Leq值参数是按照顺序叠加的。事实上,不同汽车分别有不同的Leq值,一般小车用LeqAu表示,中型车用LeqMT表示,大车用LeqHT表示。
(L)Ei0即声源强度如下所示:
实际交通车流的等效声级模型是通过叠加各种的车流过后得出。如果车型分为轻型汽车、中型货车和重型货车:
②连续、非中断车流条件下、标准的CORTN模型(较大以上车流,≥200辆/h,或者≥4000辆/18h)
用下列公式(4)~(7)表示:
Ll0(18h)=26.5+10×1g(q)+33×lg(v+40+500/v)+10×1g(1+5p/v)-68.8
+0.3×G+10×lg(A/180)-10×lg(D/13.5)
+F×5.2×lg((6H-1.5)/(d+3.5))+1.65×lg(P/R)
+5.57×C(0.77-lg(S/v))-3.4X (4)
Ll0(1h)=Ll0(h)/18 (5)
Ll0(20min)=Ll0(1h)/3=Ll0(18h)/54 (6)
Ll0(15min)=Ll0(1h)/4=Ll0(18h)/60 (7)
式中:q为18小时车流量,辆/h;v为平均速度,km/h;p为重车比例=f/q,%、f为重车车流量,辆/h;G为坡度,%;参考图7,D=sqrt[(d+3.5)2+(h-0.5)2],,m;A为相对于测点道路长度的张角,degs;D为测点至道路外延的距离,m;H为从声源传至受声点的平均有效高度(假设声源有效高度为0.5m),m;h为受声点相对于路面的高度,m;F为地面吸声系数,无量纲;r为中型重车占大型重车的比例;S为路面标准直径厚度,mm;C为路面尖叫系数,尖叫型路面取1,否则取0;X为摩擦噪声系数,摩擦型路面取1,否则取0。
(4)式只适用于0.75≤[(d+5)/6];
如满足以下条件,吸声修正项需调整为:F×5.2×lg(3/(d+3.5)) (H<0.75)以及,0 (H>[(d+5)/6])。
③非连续、中断车流条件下的LA10模型(小车流情况,50≤和<200辆/h,或者1000≤和<4000辆/18h)
对于小车流情形,需针对大车流情形下的Ll0(18h),增加如下补充修正项:
A=-30/D
B=q/200(q为辆/h),或者Q/4000(Q为辆/18h)
式中,D-如前述,是介于受声点和有效声源之间的最短斜距(一般可近视为有效车道至仪器监测点位的直线距离)。
需要注意的是,修正项K仅对小车流情况,50≤和<200辆/h,或者1000≤和<4000辆/18h,以及D<30m的条件。
2、监测结果L10、LAeq、SD提取被测道路车流量和车速的算法
①单台声级计完成环境噪声监测同时给出道路车速v与车流量q
在距机动车道路中心线d处架设1台环境噪声自动监测仪,或者架设1台本实用新型提出的内嵌式FPGA多通道环境噪声振动自动监测系统,在对应位置设置1个噪声传感器,同步监测关注时段内、这个位置的环境噪声值,指标包括:L10、LAeq、SD、L1、L5、L50、L90、L95、L99、Lmax和Lmin等。根据监测结果,利用FHWA模型,建立:LAeq(d)=f(q,v,p,r,d),(q是车流量、v车速、p重型车的比例、r是中新车的比例,d距离),利用CORTN模型,建立LA10(d)=g(q,v,p,r,d)
L背景噪声取L95。
但是,因为仅有1台设备,测量可获取的信息相对有限,将车型的大、中和小型简化为小、大型2种,其中的r/2归入p,另r/2归入小型车,则
LAeq(d)=f(q,v,p+r/2,d),
LA10(d)=g(q,v,p+r/2,d),
对于架设1台环境噪声自动监测仪情形,用计算器或者计算机算出显式求解结果q,v,大型车比例;对于内嵌式FPGA多通道环境噪声振动自动监测系统情形,将显式求解,内嵌植入FPGA,实现q,v,大型车比例等值与LAeq、L10、SD的同步观测。
②双台声级计完成环境噪声监测同时给出道路车速v与车流量q
分别在距机动车道路中心线d1和d2处架设2台环境噪声自动监测仪,或者架设1台本实用新型提出的内嵌式FPGA多通道环境噪声振动自动监测系统,在对应位置设置2个噪声传感器,同步监测关注时段内、这两个位置的环境噪声值,指标包括:L10、LAeq、SD、L1、L5、L50、L90、L95、L99、Lmax和Lmin等。根据监测结果,利用FHWA模型,建立:LAeq(d1)=f(q,v,p,r,d1),
LAeq(d2)=f(q,v,p,r,d2),
利用CORTN模型,建立:
LA10(d1)=g(q,v,p,r,d1),
LA10(d2)=g(q,v,p,r,d2);
L背景噪声取L95。
对于架设2台环境噪声自动监测仪情形,用计算器或者计算机算出显式求解结果q,v,p,r;对于内嵌式FPGA多通道环境噪声振动自动监测系统情形,将现式求解,内嵌植入FPGA,实现q,v,p,r等值与LAeq、L10、SD的同步观测。
以上所述仅是本实用新型的优选实施方式,应当指出,对于本技术领域的普通技术人员,在不脱离本实用新型构思的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本实用新型保护范围内。
Claims (4)
1.一种智能环境噪声与振动监测装置,其特征在于,包括噪声传感器、振动传感器,采样电路以及控制电路;所述采样电路对噪声传感器、振动传感器进行信号采样后将通过信号调理、模数转换电路,将数字信号经过带cpu、内存和控制器的控制电路,分别输入FPGA电路和所述控制电路,通信电路连接所述控制电路,所述通信电路集成有I/O接口与电路、RS23接口与电路、USB接口与电路和无线通讯接口与电路;所述FPGA电路连接所述控制电路并受其控制。
2.根据权利要求1所述的一种智能环境噪声与振动监测装置,其特征在于,还包括显示电路和输入电路,所述显示电路和输入电路连接控制电路。
3.根据权利要求1所述的一种智能环境噪声与振动监测装置,其特征在于,所述FPGA电路包括信号处理任务集部和功能单元集部,所述信号处理任务集部包括环境噪声评价量测量模块、频谱分析测量模块、道路交通噪声参数测量模块;所述功能单元集部包括常规声级计算模块、时间平均声级计算LAeq模块、统计声级计算L模块、倍频程分析模块、1/3倍频程分析模块、FFT模块、车流量测量模块、车速测量模块、分类车种比例分析模块。
4.根据权利要求3所述的一种智能环境噪声与振动监测装置,其特征在于,所述环境噪声评价量测量模块用于计算常规声级、时间平均声级LAeq、统计声级LN参数的数据;所述频谱分析测量模块用于计算倍频程频谱、1/3倍频程频谱、FFT频谱参数的数据;所述道路交通噪声参数测量模块用于测量计算车流量、车速、分类车种比例参数的数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201420625387.5U CN204288513U (zh) | 2014-10-27 | 2014-10-27 | 一种智能环境噪声与振动监测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201420625387.5U CN204288513U (zh) | 2014-10-27 | 2014-10-27 | 一种智能环境噪声与振动监测装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN204288513U true CN204288513U (zh) | 2015-04-22 |
Family
ID=52871648
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201420625387.5U Active CN204288513U (zh) | 2014-10-27 | 2014-10-27 | 一种智能环境噪声与振动监测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN204288513U (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104332050A (zh) * | 2014-10-27 | 2015-02-04 | 浙江省环境保护科学设计研究院 | 一种智能环境噪声与振动监测装置及监测方法 |
CN105334460A (zh) * | 2015-11-27 | 2016-02-17 | 浙江大学城市学院 | 基于噪声与振动分析的机器运行状态在线监测分析系统 |
CN106197480A (zh) * | 2016-06-30 | 2016-12-07 | 湖北工业大学 | 一种低信噪比信号的处理系统 |
CN106937244A (zh) * | 2017-03-24 | 2017-07-07 | 浙江省计量科学研究院 | 一种多通道无线噪声测试方法及装置 |
CN108036854A (zh) * | 2017-11-27 | 2018-05-15 | 清远市新中科检测有限公司 | 高效的生活环境噪声检测方法 |
CN113421422A (zh) * | 2021-06-22 | 2021-09-21 | 吴桐雨 | 一种基于物联网及云计算技术的城市道路噪声预测系统 |
-
2014
- 2014-10-27 CN CN201420625387.5U patent/CN204288513U/zh active Active
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104332050A (zh) * | 2014-10-27 | 2015-02-04 | 浙江省环境保护科学设计研究院 | 一种智能环境噪声与振动监测装置及监测方法 |
CN104332050B (zh) * | 2014-10-27 | 2017-10-10 | 浙江省环境保护科学设计研究院 | 一种智能环境噪声与振动监测装置及监测方法 |
CN105334460A (zh) * | 2015-11-27 | 2016-02-17 | 浙江大学城市学院 | 基于噪声与振动分析的机器运行状态在线监测分析系统 |
CN105334460B (zh) * | 2015-11-27 | 2018-04-17 | 浙江大学城市学院 | 基于噪声与振动分析的机器运行状态在线监测分析系统 |
CN106197480A (zh) * | 2016-06-30 | 2016-12-07 | 湖北工业大学 | 一种低信噪比信号的处理系统 |
CN106937244A (zh) * | 2017-03-24 | 2017-07-07 | 浙江省计量科学研究院 | 一种多通道无线噪声测试方法及装置 |
CN106937244B (zh) * | 2017-03-24 | 2020-02-11 | 浙江省计量科学研究院 | 一种多通道无线噪声测试方法及装置 |
CN108036854A (zh) * | 2017-11-27 | 2018-05-15 | 清远市新中科检测有限公司 | 高效的生活环境噪声检测方法 |
CN113421422A (zh) * | 2021-06-22 | 2021-09-21 | 吴桐雨 | 一种基于物联网及云计算技术的城市道路噪声预测系统 |
CN113421422B (zh) * | 2021-06-22 | 2022-04-12 | 吴桐雨 | 一种基于物联网及云计算技术的城市道路噪声预测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104332050A (zh) | 一种智能环境噪声与振动监测装置及监测方法 | |
CN204288513U (zh) | 一种智能环境噪声与振动监测装置 | |
Yang et al. | Evaluation of urban traffic noise pollution based on noise maps | |
Sevillano et al. | DYNAMAP–Development of low cost sensors networks for real time noise mapping | |
CN103440411B (zh) | 建立基于暴露人群\面积\声环境功能区的交通噪声污染模型的方法 | |
CN105303882B (zh) | 基于时空维度动态停车收费策略的停车管理系统及方法 | |
CN104792937B (zh) | 一种基于车载重力加速度传感器的桥头跳车检测评价方法 | |
CN103985250A (zh) | 轻量级的全息道路交通状态视觉检测装置 | |
CN101751777A (zh) | 基于空间聚类分析的城市路网交通小区动态划分方法 | |
CN104320789B (zh) | 一种基于博弈论的车联网rsu最优配置方法 | |
Mahmassani et al. | Incorporating Weather Impacts in Traffic Estimation and Prediction Systems [Report] | |
CN107368931A (zh) | 基于大数据分析技术的物流配送路径动态规划方法及系统 | |
CN107705566A (zh) | 一种城市道路交通噪声预测方法及系统 | |
CN104064049B (zh) | 一种智能交通道路容量短信播报系统 | |
CN104331609A (zh) | 一种基于噪声监测数据的道路交通噪声地图更新方法 | |
CN106777837A (zh) | 一种城市道路噪声源强预测方法及装置 | |
Can et al. | Noise measurements as proxies for traffic parameters in monitoring networks | |
Mehravaran et al. | Noise pollution evaluation method for identification of the critical zones in Tehran | |
Arani et al. | Observational and statistical evaluation of factors affecting traffic noise: A case of tourist, pilgrimage and business area | |
Zhao et al. | Modeling the impact of inclement weather on freeway traffic speed at macroscopic and microscopic levels | |
Vijay et al. | Assessment of traffic noise on highway passing from urban agglomeration | |
Fallah-Shorshani et al. | Estimating traffic noise over a large urban area: An evaluation of methods | |
CN103822859A (zh) | 道路移动源非尾气管污染物排放因子测算方法 | |
Ozbay et al. | Big data and the calibration and validation of traffic simulation models | |
An et al. | Estimating nonmotorized travel demand |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant |