NVH團(tuán)隊(duì)在國(guó)內(nèi)EI學(xué)術(shù)期刊《振動(dòng)與沖擊》（Journal of Vibration and Shock）發(fā)表文章《雨刮-風(fēng)窗摩擦噪聲聲品質(zhì)主動(dòng)控制自適應(yīng)均衡算法》。文章通過提出一種基于集合經(jīng)驗(yàn)?zāi)B(tài)分解的權(quán)重約束自適應(yīng)噪聲均衡算法實(shí)現(xiàn)雨刮-風(fēng)窗摩擦噪聲聲品質(zhì)主動(dòng)控制，對(duì)比分析響度、粗糙度以及尖銳度聲品質(zhì)心理聲學(xué)參數(shù)，并依據(jù)仿真試驗(yàn)驗(yàn)證其有效性。       

文章鏈接：http://jvs.sjtu.edu.cn/CN/Y2024/V43/I8/263

1 內(nèi)容摘要

雨刮-風(fēng)窗摩擦噪聲是影響車內(nèi)聲品質(zhì)的重要因素之一，對(duì)其聲品質(zhì)主動(dòng)控制有利于改善車內(nèi)聲學(xué)環(huán)境。為了實(shí)現(xiàn)對(duì)雨刮-風(fēng)窗摩擦噪聲聲品質(zhì)主動(dòng)控制，提出一種基于集合經(jīng)驗(yàn)?zāi)B(tài)分解的權(quán)重約束自適應(yīng)噪聲均衡(EWCANE)算法。首先通過EEMD方法分解雨刮-風(fēng)窗摩擦噪聲得到非平穩(wěn)度較低的固有模式函數(shù)分量，計(jì)算各分量的方差比以表征各分量對(duì)噪聲的影響程度；然后基于輸入信號(hào)和誤差信號(hào)的歐式范數(shù)以自適應(yīng)對(duì)濾波器權(quán)重進(jìn)行約束來降低噪聲的瞬態(tài)沖擊；最后根據(jù)方差比調(diào)整聲音增益因子以均衡各分量的聲品質(zhì)主動(dòng)控制。經(jīng)過仿真驗(yàn)證，實(shí)車雨刮-風(fēng)窗摩擦噪聲信號(hào)響度得到有效降低，改善了雨刮-風(fēng)窗摩擦噪聲的聲品質(zhì)。

2 算法原理

基于主動(dòng)控制和模態(tài)分解理論方法，本文提出一種雨刮-風(fēng)窗摩擦噪聲聲品質(zhì)主動(dòng)控制方法。首先，通過EEMD分解方法來獲得非平穩(wěn)度較低的IMF分量并計(jì)算各個(gè)IMF分量與原有噪聲信號(hào)的方差比，從而表征不同分量對(duì)原有噪聲信號(hào)的影響程度。然后，通過計(jì)算輸入信號(hào)和誤差信號(hào)的歐式范數(shù)對(duì)權(quán)重進(jìn)行約束，降低其瞬態(tài)沖擊特性。最后，通過方差比的計(jì)算結(jié)果來調(diào)整相應(yīng)的聲音增益因子β，實(shí)現(xiàn)對(duì)雨刮-風(fēng)窗摩擦噪聲聲品質(zhì)主動(dòng)控制。其算法框圖如圖1所示。

圖1 EWCANE算法框圖

3 仿真分析

3.1 噪聲采集實(shí)驗(yàn)

本文通過對(duì)某品牌新能源汽車進(jìn)行雨刮-風(fēng)窗摩擦噪聲采集實(shí)驗(yàn)，采集時(shí)車門窗都處于關(guān)閉狀態(tài)，采集地點(diǎn)位于半消聲室內(nèi)，采集設(shè)備為西門子公司的Test.Lab數(shù)據(jù)采集分析系統(tǒng)。依照GB/T 18697—2002《聲學(xué) 汽車車內(nèi)噪聲測(cè)量方法》的要求對(duì)低速濕潤(rùn)和高速濕潤(rùn)工況下的雨刮-風(fēng)窗摩擦噪聲進(jìn)行采集。圖2中展示了噪聲測(cè)點(diǎn)選取和測(cè)試設(shè)備。

圖2 噪聲測(cè)試現(xiàn)場(chǎng)

3.2 噪聲分解與方差比計(jì)算

由于采集到的主駕駛位和副駕駛位雙耳處的噪聲信號(hào)趨于一致性，選取主駕駛位右耳側(cè)測(cè)點(diǎn)3所采集到的噪聲信號(hào)來進(jìn)行表征。本文對(duì)主駕駛位右耳側(cè)測(cè)點(diǎn)3所采集到的低速濕潤(rùn)和高速濕潤(rùn)兩種工況進(jìn)行研究，對(duì)所采集的信號(hào)選取5秒數(shù)據(jù)進(jìn)行對(duì)比分析，通過EEMD方法進(jìn)行分解來降低雨刮-風(fēng)窗摩擦噪聲的非平穩(wěn)性。兩種工況分解所得到的IMF分量時(shí)域結(jié)果和頻域結(jié)果如圖2所示，其中圖3(a)和(b)分別為低速濕潤(rùn)工況下各IMF分量所對(duì)應(yīng)的時(shí)域分解結(jié)果和頻域分解結(jié)果，圖3(c)和(d)分別為高速濕潤(rùn)工況下各IMF分量所對(duì)應(yīng)的時(shí)域分解結(jié)果和頻域分解結(jié)果。

圖3 不同工況下IMF分量結(jié)果

將兩種工況下得到的IMF分量進(jìn)行方差計(jì)算，與原有噪聲信號(hào)序列進(jìn)行方差比值，求得方差比來表征不同IMF分量對(duì)原有噪聲信號(hào)序列的影響程度。兩種工況的方差比計(jì)算結(jié)果如圖4(a)和圖4(b)所示。

圖4 不同工況下IMF分量方差比結(jié)果

3.3 噪聲時(shí)域和頻域控制結(jié)果

為了進(jìn)一步驗(yàn)證其主動(dòng)控制效果，將ANE算法與所提出的EWCANE算法分別對(duì)雨刮-風(fēng)窗摩擦噪聲進(jìn)行主動(dòng)控制。圖5為兩種算法在兩種工況下聲品質(zhì)主動(dòng)控制后的時(shí)域?qū)Ρ冉Y(jié)果，從圖中可以看出，兩種算法對(duì)雨刮-風(fēng)窗摩擦噪聲均可得到有效的控制，并且在顯著降低振幅的同時(shí)對(duì)原始波形都有一定的保留。但所提出的EWCANE算法采用EEMD方法來對(duì)雨刮-風(fēng)窗摩擦噪聲的不同成分進(jìn)行分解，通過引入輸入信號(hào)和誤差信號(hào)的歐式范數(shù)自適應(yīng)進(jìn)行權(quán)重更新，并且對(duì)反轉(zhuǎn)時(shí)刻產(chǎn)生的瞬態(tài)沖擊噪聲進(jìn)行權(quán)重約束，保證了算法不會(huì)由于信號(hào)的突變而引起權(quán)重發(fā)散的問題。因此，所提出的EWCANE算法在穩(wěn)態(tài)誤差上明顯優(yōu)于傳統(tǒng)的ANE算法，對(duì)雨刮-風(fēng)窗摩擦噪聲具有更好地主動(dòng)控制效果。圖6為兩種算法在兩種工況下聲品質(zhì)主動(dòng)控制后的頻域?qū)Ρ冉Y(jié)果，從圖中可以得出結(jié)論，在0~2000Hz頻率范圍內(nèi)，所提出的EWCANE算法明顯優(yōu)于傳統(tǒng)的ANE算法，并對(duì)于主要集中在0~500Hz的頻率范圍內(nèi)取得了明顯的控制效果。

圖5 不同工況時(shí)域結(jié)果圖

圖6 不同工況頻域結(jié)果圖

3.4 聲品質(zhì)參數(shù)控制結(jié)果

心理聲學(xué)參數(shù)可以更好地描述人們對(duì)噪聲的主觀感知。因此，為了進(jìn)一步體現(xiàn)所提出的算法對(duì)雨刮-風(fēng)窗摩擦噪聲聲品質(zhì)的主動(dòng)控制效果，將傳統(tǒng)的ANE算法和所提出的EWCANE算法主動(dòng)控制后的殘余誤差信號(hào)進(jìn)行聲品質(zhì)客觀參數(shù)計(jì)算。本文通過使用西門子公司的Test.Lab系統(tǒng)進(jìn)行計(jì)算雨刮-風(fēng)窗摩擦噪聲聲品質(zhì)客觀參數(shù)指標(biāo)，包括響度、粗糙度以及尖銳度。圖7為低速濕潤(rùn)工況下的響度、粗糙度以及尖銳度的控制效果，圖8為高速濕潤(rùn)工況下的響度、粗糙度以及尖銳度的控制效果。 

圖7 低速濕潤(rùn)工況聲品質(zhì)參數(shù)控制結(jié)果

圖8 高速濕潤(rùn)工況聲品質(zhì)參數(shù)控制結(jié)果

4 結(jié)論

綜上所述，兩種算法對(duì)響度都能有效控制，與傳統(tǒng)的ANE算法相比，所提出的EWCANE算法的控制效果更好。在粗糙度控制方面，ANE算法對(duì)粗糙度的控制效果不佳，EWCANE算法可以對(duì)粗糙度進(jìn)行有效控制。但由于主動(dòng)控制過程后高頻部分所占比例有所上升，使得兩種算法在尖銳度方面控制效果不佳。因此，所提出的EWCANE算法可以有效控制雨刮-風(fēng)窗摩擦的噪聲響度和粗糙度，是一種可以主動(dòng)控制雨刮-風(fēng)窗摩擦噪聲聲品質(zhì)的有效方法，對(duì)改善車輛內(nèi)部聲品質(zhì)具有一定的參考價(jià)值。

5 致謝

本文得到國(guó)家自然科學(xué)基金項(xiàng)目（No.52172371）、上海市優(yōu)秀學(xué)術(shù)帶頭人項(xiàng)目（No. 21XD1401100）、上海市新能源汽車振動(dòng)噪聲評(píng)價(jià)與控制專業(yè)技術(shù)服務(wù)平臺(tái)基金資助項(xiàng)目（No. 18DZ2295900）資助。