毛 杰，郝志勇，張慶輝，鄭 旭

(浙江大學(xué)能源工程學(xué)系，杭州 310027)

?

2015058

汽油-天然氣雙燃料發(fā)動(dòng)機(jī)噪聲粗糙度分析*

毛 杰，郝志勇，張慶輝，鄭 旭

(浙江大學(xué)能源工程學(xué)系，杭州 310027)

鑒于聲品質(zhì)客觀評價(jià)中，噪聲粗糙度算法尚未標(biāo)準(zhǔn)化，本文中提出了改進(jìn)的Aures粗糙度算法(MARA)。選取最大轉(zhuǎn)矩轉(zhuǎn)速(3 800r/min)為研究工況，進(jìn)行了某汽油-天然氣雙燃料發(fā)動(dòng)機(jī)的聲學(xué)性能臺(tái)架試驗(yàn)。結(jié)果表明，燃用汽油時(shí)兩個(gè)測點(diǎn)的聲學(xué)響應(yīng)均大于燃用天然氣時(shí)的聲學(xué)響應(yīng)，整機(jī)輻射聲功率級分別為106.2和103.7dB(A)。但人耳主觀感覺卻是燃用天然氣時(shí)的噪聲粗糙度比燃用汽油時(shí)大。采用MARA客觀評價(jià)該發(fā)動(dòng)機(jī)的噪聲粗糙度的結(jié)果顯示，燃用天然氣時(shí)測點(diǎn)1和測點(diǎn)2的噪聲總粗糙度分別比燃用汽油時(shí)大12.2%和4.3%，間接驗(yàn)證了MARA客觀評價(jià)更接近于人耳主觀感覺。

壓縮天然氣發(fā)動(dòng)機(jī); 汽油機(jī); 噪聲粗糙度; 改進(jìn)的Aures粗糙度算法

前言

心理聲學(xué)的研究背景之一是試驗(yàn)測得的聲學(xué)性能參數(shù)(如聲壓、聲強(qiáng)等)已經(jīng)無法直接反映人耳的聽覺感受。因此，學(xué)者們開展了聲激勵(lì)與人耳聽覺之間對應(yīng)關(guān)系的研究，提出了定量表示該關(guān)系的心理聲學(xué)參數(shù)，如響度、尖銳度、粗糙度和抖動(dòng)度等[1]。其中響度和尖銳度的計(jì)算模型已經(jīng)被廣泛接受并標(biāo)準(zhǔn)化。比如，基于等響度曲線的Zwicker響度模型已被收入ISO 532B中；尖銳度模型也可在多個(gè)國家標(biāo)準(zhǔn)中查閱，如德國標(biāo)準(zhǔn)DIN 45692[2]。

在工程中，通常認(rèn)為A計(jì)權(quán)聲壓級(或聲功率級)與人耳的聽覺較為接近，可用來評價(jià)噪聲的品質(zhì)。然而，它不能反映一些重要的聲學(xué)性能，如噪聲隨時(shí)間的波動(dòng)。噪聲的時(shí)域波動(dòng)可以基于粗糙度、音調(diào)、抖動(dòng)度等聲品質(zhì)客觀參數(shù)，描述人耳對聲音信號瞬時(shí)變化的感覺，與聲音的調(diào)制頻率、調(diào)制比等參數(shù)具有較大的關(guān)系。當(dāng)調(diào)制頻率低于15Hz時(shí)，聲音在人耳中表現(xiàn)為抖動(dòng)度，單位為vacil；隨著調(diào)制頻率升高，聲音在人耳中表現(xiàn)為粗糙度，單位為asper；若調(diào)制頻率進(jìn)一步升高，則表現(xiàn)為高頻的音調(diào)[3]。研究發(fā)現(xiàn)，粗糙度對于異響的貢獻(xiàn)很大[4]，而目前異響在汽車銷售3個(gè)月后的投訴項(xiàng)中占了6%。

基于粗糙度在聲品質(zhì)客觀評價(jià)系統(tǒng)中的重要性，且暫無相關(guān)的計(jì)算標(biāo)準(zhǔn)這一情況，本文中提出了一種改進(jìn)的粗糙度模型，計(jì)算了某汽油-天然氣雙燃料發(fā)動(dòng)機(jī)的噪聲粗糙度，通過試驗(yàn)結(jié)果的對比與分析間接驗(yàn)證算法的有效性。

1 改進(jìn)的粗糙度計(jì)算模型

常用的粗糙度計(jì)算方法有Fastl模型[5]和Aures模型[6]，其核心差異在于采用不同的方法將特征頻帶內(nèi)的聲激勵(lì)級轉(zhuǎn)化為粗糙度。其中Fastl模型假設(shè)每個(gè)特征頻帶內(nèi)的聲激勵(lì)級差與粗糙度呈正比例關(guān)系，然而對于復(fù)雜或非穩(wěn)態(tài)的聲信號而言，準(zhǔn)確的聲激勵(lì)差很難獲取。雖然Fastl和Aures粗糙度模型的建立已經(jīng)超過20年，并且基于它們的應(yīng)用和成果也很多，但對其進(jìn)行理論上的分析和改進(jìn)卻較為罕見。

基于這種背景，本文在Aures粗糙度模型的基礎(chǔ)上，提出了改進(jìn)的粗糙度算法(MARA)，考慮了單耳結(jié)構(gòu)(即外耳、中耳和內(nèi)耳)的完整聲傳遞函數(shù)，使算法與人耳聽覺系統(tǒng)更加接近，最終基于MARA完成了某汽油—天然氣雙燃料發(fā)動(dòng)機(jī)的噪聲粗糙度分析。本文未研究雙耳聽覺系統(tǒng)，因?yàn)橐话銓τ陔p耳模型的處理是單純簡化為兩個(gè)單耳模型的疊加，研究意義不大；或者采集大量的聲品質(zhì)主觀評價(jià)試驗(yàn)數(shù)據(jù)而進(jìn)行歸一化處理，得到一般性的結(jié)論。由于單耳模型是研究雙耳模型的基礎(chǔ)，因此，本文中改進(jìn)了針對單耳模型的噪聲粗糙度算法，并成功將其應(yīng)用于工程問題。

1.1 時(shí)域信號特征頻帶化

當(dāng)兩個(gè)聲音A和B同時(shí)存在時(shí)，聲音A在人耳中的感覺會(huì)受到聲音B的干擾，使A的聽閾提高，這種現(xiàn)象稱為聲音的掩蔽效應(yīng)。若單個(gè)反射聲的延遲時(shí)間大于50ms，人耳會(huì)感覺到回聲[7]。為了防止直達(dá)聲與回聲之間發(fā)生掩蔽效應(yīng)，以提升MARA的計(jì)算精度，本文中將試驗(yàn)測得的發(fā)動(dòng)機(jī)噪聲時(shí)域信號等分成一組連續(xù)的50ms時(shí)長的子信號。子信號加漢寧窗處理后，再經(jīng)快速傅里葉變換得到頻域結(jié)果。采用MARA求解各個(gè)子信號的平均粗糙度值，最終得到整個(gè)測試時(shí)間內(nèi)的粗糙度變化曲線。

人耳聽覺產(chǎn)生于鐙骨的振動(dòng)，再依次刺激內(nèi)耳基底膜的不同區(qū)域和聽覺神經(jīng)。在心理聲學(xué)中，在考慮掩蔽效應(yīng)的基礎(chǔ)上，常用臨界頻帶和臨界頻帶率來描述人耳聽覺系統(tǒng)對聲音頻率的選擇特性。其中，臨界頻帶率z(單位為Bark，與內(nèi)耳基底膜的長度呈線性關(guān)系)比頻率更能準(zhǔn)確地反映人耳對聲音的主觀感覺。臨界頻帶率與頻率f(單位為kHz)和1/3倍頻程中心頻率fc(單位為kHz)的對應(yīng)關(guān)系分別為

(1)

(2)

1.2 人耳傳遞函數(shù)

人的聽覺器官可以分為外耳、中耳和內(nèi)耳3部分[8]。聲音從外界環(huán)境傳遞到人耳，大概可以分為兩個(gè)階段。

第一階段為外耳和中耳的共同作用，產(chǎn)生影響的結(jié)構(gòu)主要是耳廓、耳道、耳膜和鼓室。此時(shí)，聲音的傳遞可以用一個(gè)二階低通濾波器等效表述，其共振頻率和截止頻率分別為4和5.6kHz，得到外耳和中耳的聲傳遞函數(shù)，即聲壓級與頻率的關(guān)系，如圖1(a)所示。

第二階段為內(nèi)耳的作用，產(chǎn)生影響的主要結(jié)構(gòu)是耳蝸。聲音到達(dá)耳蝸的激勵(lì)可以用E表示，相應(yīng)的激勵(lì)級為

LE=10lg(E/E0)

(3)

式中：E0為參考激勵(lì)，表示自由聲場中頻率為1 000Hz、聲壓級為0的單頻聲對耳蝸造成的激勵(lì)。

此外，人耳聽閾值對應(yīng)的激勵(lì)ETH在不同的頻率下具有不同的幅值[9]。當(dāng)頻率大于500Hz后，ETH可以認(rèn)為是常數(shù)，如表1所示[10]。

表1 人耳聽閾值對應(yīng)的激勵(lì)與頻率的關(guān)系

注：ETH的單位經(jīng)取級后轉(zhuǎn)換成dB(10lgETH)。

聲音通過鼓膜和聽骨鏈的振動(dòng)引發(fā)了基底膜行波，使蝸隔的上下振動(dòng)從蝸底向蝸頂方向傳至對聲音頻率反應(yīng)最大的部位，即為耳蝸放大器的工作原理[11]。

耳蝸放大器在特定頻率下的低能級增益G，隨著頻率的變化而變化，其值可以通過以下關(guān)系確定：若ETH在某頻率下的值是其在500Hz時(shí)的k倍時(shí)，則該頻率下G=1/k。耳蝸放大器的低能級增益與頻率之間的關(guān)系如圖1(b)所示。

此外，在特征頻率尺度下，每個(gè)頻率成分的聲音傳到基底膜上產(chǎn)生的作用，均能等效成一種三角形的激勵(lì)模式，用以模擬聲激勵(lì)作用在基底膜的不同位置。三角形激勵(lì)的最大值出現(xiàn)在激勵(lì)頻率對應(yīng)的特征頻帶率上，并以不同的斜率S1和S2分別向低頻域和高頻域衰減，其中斜率S1和S2基于Terhardt的研究成果[12]。

S1=27

(4)

S2=-24-230/f+0.2LI

(5)

式中：S1和S2的單位是dB/Bark；f是激勵(lì)的頻率；LI是激勵(lì)的聲強(qiáng)級。

圖2所示是頻率為1 000和2 000Hz、聲強(qiáng)級分別為60和80dB的單頻聲在特征頻帶尺度下的三角形激勵(lì)模式，圖中左右斜邊的斜率分別為S1和S2。從圖中可見，隨著激勵(lì)頻率和聲強(qiáng)級的增大，三角形的面積越大，作用的特征頻帶也越寬。各個(gè)特征頻帶內(nèi)的激勵(lì)級是各頻率成分的三角形激勵(lì)在該頻帶內(nèi)的能量疊加。

外界聲信號經(jīng)過上述傳遞函數(shù)的處理后，得到聲音在聽覺神經(jīng)末梢形成的聲學(xué)信號，即可進(jìn)入下一步的粗糙度計(jì)算。

1.3 調(diào)制指數(shù)

粗糙度的計(jì)算式[1, 9]為

(6)

式中:fmod為調(diào)制頻率；LE為激勵(lì)級差。

mi與l(zi)乘積的平方等效于式(6)中fmod與LE的乘積。其中，l(zi)為計(jì)權(quán)函數(shù)，表示粗糙度對調(diào)幅聲載波頻率的依賴程度[13]，如圖4所示。

此時(shí)，由于不同特征頻帶率下的調(diào)制特性存在不相關(guān)性，若簡單地采用mi與l(zi)乘積的平方來計(jì)算粗糙度，將得到過高的評價(jià)值。因此，在計(jì)算特征粗糙度時(shí)，須考慮相鄰特征頻帶通道之間的互相關(guān)系數(shù)ci的作用。

綜上所述，第i個(gè)特征頻帶率下的特征粗糙度可表示為

Ri=(ci·li·mi)2

(7)

式中ci和mi的選取及Ri的具體計(jì)算過程可參見文獻(xiàn)[2]。

粗糙度總值R由各特征頻帶率下的特征粗糙度疊加得到，即

(8)

式中：C為校準(zhǔn)系數(shù)，在本文中取0.25。

MARA在Aures粗糙度模型的基礎(chǔ)上，考慮了外耳、中耳和內(nèi)耳的傳遞函數(shù)，提高了計(jì)算模型的完整性，利于提升噪聲粗糙度客觀評價(jià)結(jié)果與主觀評價(jià)的一致性。

2 雙燃料發(fā)動(dòng)機(jī)噪聲粗糙度分析

2.1 發(fā)動(dòng)機(jī)噪聲測試

在客觀評價(jià)發(fā)動(dòng)機(jī)噪聲品質(zhì)時(shí)，通常將人工頭或傳聲器置于發(fā)動(dòng)機(jī)前面、與發(fā)動(dòng)機(jī)前端面、側(cè)表面和地面的垂直距離均為1m左右的兩個(gè)點(diǎn)上[14]，如圖5所示。測點(diǎn)1和測點(diǎn)2分別位于發(fā)動(dòng)機(jī)的排氣側(cè)和進(jìn)氣側(cè)。

選取最大轉(zhuǎn)矩轉(zhuǎn)速3 800r/min作為研究工況，在標(biāo)準(zhǔn)的半消聲室內(nèi)進(jìn)行試驗(yàn)，得到雙燃料發(fā)動(dòng)機(jī)分別燃用汽油和壓縮天然氣時(shí)的聲學(xué)響應(yīng)，結(jié)果如圖6所示。從圖6(a)中可見，在先后燃用汽油和天然氣時(shí)，測點(diǎn)1的A計(jì)權(quán)聲壓級曲線趨勢基本一致，在個(gè)別頻率下，燃用汽油時(shí)的聲壓級峰值大于燃用天然氣時(shí)，同時(shí)在局部頻段也出現(xiàn)了峰值錯(cuò)開的現(xiàn)象。此外，測點(diǎn)1在燃用汽油時(shí)的總聲壓級為89.2dB(A)，在燃用天然氣時(shí)為88.6dB(A)。測點(diǎn)2的聲學(xué)響應(yīng)情況與測點(diǎn)1基本相同，在燃用汽油和天然氣時(shí)的總聲壓級分別為89.1和88.7dB(A)。

此外，本次研究參照國家標(biāo)準(zhǔn)GB/T 1859—2000 《往復(fù)式內(nèi)燃機(jī)輻射的空氣噪聲測量工程法及簡易法》，完成了整機(jī)聲學(xué)性能的評測，得到3 800r/min下燃用汽油和天然氣時(shí)的整機(jī)輻射聲功率分別為106.2和103.7dB(A)。

2.2 噪聲粗糙度分析

雖然發(fā)動(dòng)機(jī)燃用汽油時(shí)的整機(jī)和聲品質(zhì)測點(diǎn)的聲學(xué)響應(yīng)均大于燃用天然氣時(shí)，但是試驗(yàn)人員主觀感覺到在測點(diǎn)1和測點(diǎn)2附近，燃用天然氣時(shí)的噪聲飽滿度明顯較小，使得聲音聽起來不平順，即粗糙度較大，并且測點(diǎn)1處的感覺比測點(diǎn)2處明顯。然而，這種噪聲飽滿度不足、粗糙度較大的現(xiàn)象無法從A計(jì)權(quán)聲學(xué)結(jié)果中體現(xiàn)出來，接下去分析MARA計(jì)算得到的粗糙度結(jié)果能否對上述現(xiàn)象進(jìn)行合理的闡述。

基于上文的MARA理論，將測點(diǎn)1和測點(diǎn)2噪聲的時(shí)域信號等分成一組時(shí)長為50ms的連續(xù)子信號，通過推導(dǎo)的公式求得各個(gè)子信號的平均粗糙度，最終得到測點(diǎn)1和測點(diǎn)2分別在燃用汽油和天然氣時(shí)的噪聲粗糙度時(shí)域曲線，如圖7所示。

從圖7(a)中可以看到，基于MARA得到測點(diǎn)1在燃用天然氣時(shí)的噪聲粗糙度曲線明顯高于燃用汽油時(shí)的結(jié)果。計(jì)算發(fā)現(xiàn)，測試時(shí)間(10s)內(nèi)，測點(diǎn)1在燃用天然氣時(shí)的總粗糙度為0.46asper，比燃用汽油時(shí)的總粗糙度0.41asper高12.2%，以至于人耳在測點(diǎn)1附近能夠明顯感受到燃用兩種燃料時(shí)噪聲飽滿度和平順性的差別。在圖7(b)中，測點(diǎn)2在燃用兩種燃料時(shí)噪聲粗糙度曲線波動(dòng)范圍的差別不明顯，燃用天然氣和汽油時(shí)的總噪聲粗糙度分別為0.48和0.46asper，前者比后者高4.3%，人耳也能感覺到兩者的差別，但是效果沒有測點(diǎn)1處那么明顯。

總體而言，基于MARA得到的噪聲粗糙度結(jié)果與人耳的主觀感受之間具有較好的一致性，可以在一定程度上保證新算法的可靠性和有效性。

3 總結(jié)

本文從理論和試驗(yàn)相結(jié)合的角度，對某汽油-天然氣雙燃料發(fā)動(dòng)機(jī)的噪聲粗糙度進(jìn)行了深入分析，總結(jié)如下：

(1) 提出了經(jīng)改進(jìn)的Aures粗糙度算法(MARA)，考慮了聲音在單耳中的完整傳遞函數(shù)，提升了粗糙度結(jié)果與人耳主觀聽覺的契合度；

(2) 采用MARA客觀評價(jià)了發(fā)動(dòng)機(jī)燃燒不同燃料時(shí)的噪聲粗糙度，結(jié)果顯示各測點(diǎn)的粗糙度結(jié)果與人耳的主觀感受基本保持一致，間接驗(yàn)證了MARA的可靠性和有效性。

[1] Fastl H, Zwicker E. Psychoacoustics: Facts and Models [M].Berlin: Springer, 2006.

[2] Wang Y S, Shen G Q, Guo H,et al. Roughness Modelling Based on Human Auditory Perception for Sound Quality Evaluation of Vehicle Interior Noise[J]. Journal of Sound and Vibration, 2013, 332(16): 3893-3904.

[3] Shin T J, Park D C, Lee S K. Objective Evaluation of Door-closing Sound Quality Based on Physiological Acoustics[J]. International Journal of Automotive Technology, 2013, 14(1): 133-141.

[4] Shin S H, Cheong C L. Experimental Characterization of Instrument Panel Buzz, Squeak and Rattle (BSR) in a Vehicle[J]. Applied Acoustics, 2010, 71(12): 1162-1168.

[5] Fastl H. The Hearing Sensation Roughness and Neuronal Responses to AM-tones[J]. Hearing Research, 1990, 46(3): 293-296.

[6] Aures W. A Procedure for Calculating Auditory Roughness[J]. Acustica, 1985, 58(5): 268-281.

[7] 馬大猷. 噪聲與振動(dòng)控制工程手冊[M]. 北京: 機(jī)械工業(yè)出版社, 2002: 51-57.

[8] Guinan J J, Cooper N P. Medial Olivocochlear Efferent Inhibition of Basilar-membrane Responses to Clicks: Evidence for Two Modes of Cochlear Mechanical Excitation[J]. Journal of the Acoustical Society of America, 2008, 124(2): 1080-1092.

[9] Mao J, Hao Z Y, Zheng K, et al. Experimental Validation of Sound Quality Simulation and Optimization of a Four-cylinder Diesel Engine[J].Journal of Zhejiang University-Science A, 2013, 14(5): 341-352.

[10] American National Standards Institute. ANSIS3.4-2005. Procedure for the Computation of Loudness of Steady Sounds[S]. New York, USA, 2005.

[11] Khanna S M. The Response of the Apical Turn of Cochlea With a Tuned Amplifier With Negative Feedback[J]. Hearing Research, 2004, 194(1-2): 97-108.

[12] Terhardt E. Calculating Virtual Pitch[J]. Hearing Research, 1979, 1: 487-489.

[13] Fastl H. The Psychoacoustics of Sound-quality Evaluation[J]. Acustica, 1997, 93: 754-764.

[14] 胡國強(qiáng), 陳曉東, 孫柏林, 等. 4缸柴油機(jī)怠速噪聲及聲品質(zhì)優(yōu)化研究[J]. 內(nèi)燃機(jī)工程, 2009, 30(4): 78-81,86.

An Analysis on the Noise Roughness of a Gasoline/CNG Dual Fuel Engine

Mao Jie, Hao Zhiyong, Zhang Qinghui & Zheng Xu

DepartmentofEnergyEngineering,ZhejiangUniversity,Hangzhou310027

In view of that the noise roughness algorithm has not been standardized in sound quality objective evaluation, a modified Aures roughness algorithm (MARA) is proposed in this paper. An acoustic performance bench test on a gasoline/natural gas dual fuel engine is conducted at its maximum torque rotating speed of 3 800r/min. The results indicate that the acoustic responses at two measuring points when fueling gasoline are higher than that when fueling natural gas, and the radiated sound power level of whole engine with different fuels are 106.2db and 103.7db respectively. But the subjective perception of human ears is just the opposite, i.e. the noise roughness of engine when fueling natural gas is higher than that when fueling gasoline. The results of objective evaluation for engine noise roughness with MARA algorithm show that the overall noise roughness of measuring point 1 and 2 when fueling natural gas are 12.2% and 4.3% higher than that when fueling gasoline respectively, indirectly validating that MARA objective evaluation is closer to the subjective hearing sensation of human ears.

CNG engine; gasoline engine; noise roughness; modified Aures roughness algorithm

*國際科技合資項(xiàng)目(2007DFB50150-2)資助。

原稿收到日期為2013年6月14日，修改稿收到日期為2013年9月28日。