馮天培，孫躍東，王巖松，劉寧寧

（1.上海理工大學(xué) 機(jī)械工程學(xué)院，上海 200093；2.上海工程技術(shù)大學(xué) 汽車工程學(xué)院，上海 201620）

?

汽車車內(nèi)制動噪聲主動控制

馮天培1，孫躍東1，王巖松2，劉寧寧2

（1.上海理工大學(xué) 機(jī)械工程學(xué)院，上海 200093；2.上海工程技術(shù)大學(xué) 汽車工程學(xué)院，上海 201620）

摘要：部分汽車制動時的車內(nèi)噪聲以低頻成分占主導(dǎo)。低頻噪聲能量大，車內(nèi)較強(qiáng)的低頻制動噪聲會給乘員帶來不舒適的乘坐感受，降低車輛的乘坐舒適性。采集三輛轎車車內(nèi)60 km/h緊急制動時司機(jī)位雙耳處噪聲信號并進(jìn)行時-頻域分析，分析結(jié)果與實車試驗乘坐感受一致，接著運用低頻噪聲消噪效果較好的主動噪聲控制方法，結(jié)合自適應(yīng)LMS算法對樣本信號進(jìn)行消噪仿真實驗，制動噪聲低頻部分得到較大的抑制，特別是在20 Hz～50 Hz低頻帶內(nèi)，噪聲能量衰減明顯。

關(guān)鍵詞：聲學(xué)；制動噪聲；汽車車內(nèi)；時頻域分析；主動噪聲控制；LMS算法

制動是汽車行駛中的常見工況。部分汽車在緊急制動時的車內(nèi)噪聲低頻成分能量比重較大，較強(qiáng)的車內(nèi)低頻制動噪聲會使乘員產(chǎn)生一定的不舒適乘坐感受[1]。運用主動控制方法消減車內(nèi)噪聲是改善乘員乘坐聲舒適性的途徑之一[2]，而且相對于吸聲、隔聲等被動降噪方法，主動消噪更適宜于低頻噪聲的控制[3,4]。LMS(Least Mean Square)算法即最小均方算法是較早被用于車內(nèi)噪聲主動控制研究的線性自適應(yīng)濾波算法，LMS算法簡單有效，能對環(huán)境進(jìn)行跟蹤和自適應(yīng)，其控制目標(biāo)是自適應(yīng)保持若干誤差傳聲器處聲音量值的均方最小，從而在傳聲器附近獲得降噪?yún)^(qū)。

本文研究汽車車內(nèi)制動噪聲并運用主動噪聲控制方法對此類噪聲進(jìn)行消噪仿真試驗。首先采集三輛不同品牌轎車60 km/h緊急制動時車內(nèi)駕駛員位雙耳處噪聲信號，接著運用Matlab軟件及其信號處理工具箱對樣本信號進(jìn)行時頻域分析，最后結(jié)合自適應(yīng)LMS主動噪聲控制算法對樣本信號進(jìn)行主動消噪仿真試驗。

1　汽車車內(nèi)制動噪聲采集

汽車車內(nèi)制動噪聲數(shù)據(jù)的采集依據(jù)國家標(biāo)準(zhǔn)GB/T 18697_2002(聲學(xué)—汽車車內(nèi)噪聲測量方法)[5]進(jìn)行，試驗車輛是三輛不同品牌的國產(chǎn)轎車，分別標(biāo)記為K車、G車與L車，采集設(shè)備為丹麥B&K公司的PULSE噪聲采集分析系統(tǒng)，系統(tǒng)軟件為與硬件設(shè)備配套的Time Data Recorder數(shù)據(jù)采集軟件，試驗工況設(shè)為汽車60 km/h緊急制動至車輛靜止，采集信號為車輛前排司機(jī)位雙耳處噪聲，每車均進(jìn)行三次試驗。

在K車制動噪聲采集試驗中，實際車內(nèi)乘員有較低沉悶的不舒適乘坐感受，制動聽覺舒適性不佳，初步判斷此類噪聲應(yīng)是低頻噪聲，噪聲低頻成分能量幅值較大，占主導(dǎo)地位。三輛車試驗結(jié)束后進(jìn)行回放聽聲，對所有采集到的制動噪聲也是上述聽覺感覺。

選取每車三次試驗中采集質(zhì)量最好的一個噪聲作為樣本信號，利用Time Data Recorder軟件轉(zhuǎn)換為.mat格式文件，采樣頻率44 100 Hz，在Matlab軟件中進(jìn)行車內(nèi)制動噪聲的時域與頻域分析。

2　車內(nèi)制動噪聲時頻域分析

2.1傅里葉變換分析

在Matlab環(huán)境中對樣本信號左耳噪聲做快速傅里葉變換分析，其時域信息與頻譜見下圖1。

圖1　三輛車60 km/h緊急制動時車內(nèi)司機(jī)位左耳噪聲時域圖與頻譜圖

由圖1可見，三輛車60 km/h緊急制動車內(nèi)噪聲整體頻譜情況均以低頻為主，噪聲能量集中在低頻處約400 Hz以內(nèi)，中高頻成分的幅值很小，這與上述實際車內(nèi)乘坐感受相符。

2.2 STFT時頻域分析

車內(nèi)制動噪聲信號是時變信號，可進(jìn)一步運用STFT即短時傅里葉變換詳細(xì)分析制動信號的時頻能量信息分布情況。

因為樣本信號的能量均大部分位于400 Hz以下，所以僅對噪聲的低頻部分進(jìn)行時頻分析即可。運用Matlab軟件先對三個樣本信號進(jìn)行882 Hz重采樣預(yù)處理，接著運用時頻分析工具箱對重采樣后的信號進(jìn)行短時傅里葉變換時頻分析，G車樣本信號低頻噪聲時頻能量分布等高線圖見圖2。

圖2　G車樣本信號低頻噪聲時頻能量分布等高線圖

圖　3三噪聲樣本信號70 Hz以下能量時頻分布等高線圖

由圖2可見，G車低頻車內(nèi)制動噪聲能量更是集中于約50 Hz以下，K車與L車也是如此情況，三車樣本信號0～70 Hz時頻能量信息分布見圖3。由圖3可見，隨著時間增加，噪聲能量的頻率分布一直在變化，且變化較為劇烈，而峰值均處于低頻帶20 Hz～50 Hz人能聽到的頻帶內(nèi)，三個噪聲樣本信號20 Hz～50 Hz低頻成分能量較大。

3　制動噪聲的主動控制

車內(nèi)噪聲主動控制（ANC，也即車內(nèi)有源消聲）是利用一套信號采集處理電路和消聲算法來控制揚(yáng)聲器發(fā)出與乘員耳朵處的車內(nèi)初級噪聲幅值相同相位相反的聲波，以與初級噪聲相抵消的方法，從而達(dá)到降低車內(nèi)乘員耳朵處噪聲水平的目的。近二、三十年來許多學(xué)者和研究人員致力于車內(nèi)噪聲主動控制的研究，取得不少成果[6–8]。在車內(nèi)噪聲主動控制中，控制算法的研究是關(guān)鍵，關(guān)系到系統(tǒng)穩(wěn)定性、實時性和消聲效果。

3.1 LMS自適應(yīng)濾波算法

LMS算法是一種線性自適應(yīng)濾波算法，1960年由Widrow與Hoff提出，廣泛應(yīng)用于主動消噪、自適應(yīng)波束成形與自適應(yīng)譜線增強(qiáng)等領(lǐng)域。圖4所示為該算法噪聲主動控制系統(tǒng)的控制框圖，X(n)是輸入?yún)⒖夹盘?，y(n)是自適應(yīng)濾波器輸出信號，d(n)是期望信號即被消減的噪聲信號，e(n)是誤差信號即消噪后殘余噪聲信號，自適應(yīng)濾波器選為橫向濾波器，具有可調(diào)整的權(quán)向量W。

圖4　LMS算法噪聲主動控制框圖

基于最速下降算法，LMS算法一次迭代過程由三個基本式構(gòu)成：

(1)濾波輸出

(2)誤差信號產(chǎn)生

(3)濾波器權(quán)值的自適應(yīng)調(diào)整式中X(n)是m+1維矢量，橫向濾波器為m階，其權(quán)向量W(n)為m+1維矢量，μ為該算法步長，一般取為小步長，以保證算法收斂[9]。

3.2車內(nèi)制動噪聲的LMS算法主動控制

在Matlab軟件中編制LMS算法M程序，對重采樣882 Hz三輛車車內(nèi)制動噪聲進(jìn)行主動控制仿真試驗，期望信號選擇為司機(jī)位左耳噪聲，參考信號為司機(jī)位右耳信號，自適應(yīng)濾波器階數(shù)設(shè)為15階，算法步長設(shè)為0.02，K車車內(nèi)制動噪聲LMS算法主動消噪效果見圖5。

由圖5可見，針對非平穩(wěn)緊急制動噪聲的主動LMS算法控制中，消噪后噪聲聲壓幅值取得了快速的降低并始終保持在一定的小幅值范圍內(nèi)，時域聲壓幅值消噪效果明顯，從頻域?qū)Ρ戎心芸闯鲈趲缀跛蓄l率處LMS主動噪聲控制方法都取得了較好的消噪效果，特別是在低頻20 Hz～50 Hz頻帶內(nèi)，對應(yīng)頻率噪聲振幅降低明顯，驗證了LMS算法及其噪聲主動控制方法對車內(nèi)低頻制動噪聲控制的有效性，有助于改善制動時車內(nèi)乘員的乘坐聲舒適性。G車、L車消噪效果與K車一致，分別見圖6與圖7。

圖5　K車噪聲LMS算法消噪效果

圖6　G車噪聲LMS算法消噪效果

4結(jié)　語

部分汽車車內(nèi)制動噪聲低頻成分能量大，過大的低頻噪聲會降低車內(nèi)乘員的乘坐聲舒適性，LMS算法可用于車內(nèi)低頻制動噪聲的主動消噪，控制效果較為明顯。而基于LMS算法的有源消聲系統(tǒng)沒有在算法中考慮次級聲信號所經(jīng)過的次級通路（由重構(gòu)濾波器、功率放大器、揚(yáng)聲器和揚(yáng)聲器至誤差傳感器的聲空間所構(gòu)成）的影響，將LMS算法直接應(yīng)用于實際車內(nèi)噪聲主動控制會導(dǎo)致控制系統(tǒng)不穩(wěn)定，在LMS算法的基礎(chǔ)上發(fā)展的考慮了次級通道的自適應(yīng)Fx LMS(Filter-x LMS)算法可以作為車內(nèi)制動噪聲實車主動控制研究的重點。

圖7　L車噪聲LMS算法消噪效果

參考文獻(xiàn)：

[1]劉寧寧.車內(nèi)噪聲綜合煩躁度主觀評價方法研究[D].上海：上海工程技術(shù)大學(xué)，2014.

[2]劉宗巍，王登峰，姜吉光，等.用主動噪聲控制法改善車內(nèi)聲品質(zhì)[J].吉林大學(xué)學(xué)報(工學(xué)版)，2008，38(2)：258-262.

[3]朱從云，趙則祥，李春廣，等.噪聲控制研究進(jìn)展與展望[J].噪聲與振動控制，2007，27(3)：1-8+19.

[4]余榮平，張心光，王巖松，等.車內(nèi)噪聲主動控制變步長LMS算法[J].噪聲與振動控制，2015，35(1)：123-126.

[5]GB/T 18697_2002(聲學(xué)-汽車車內(nèi)噪聲測量方法)，2002.

[6]J Diaz,J M.Ega?a,J Vi?olas.A local active noise control system based on a virtual-microphone technique for railwaysleepingvehicleapplications[J].Mechanical Systems and Signal Processing,2006,20(8):2259-2276.

[7]王峻廷.車內(nèi)噪聲主動控制的選擇性消聲方法研究[D].長春：吉林大學(xué)，2008.

[8]Jordan Cheer,Stephen J Elliott.Multichannel control systems for the attenuation of interior road noise in vehicles[J].Mechanical Systems and Signal Processing, 2015,60-61:753-769.

[9]Simon Haykin著，鄭寶玉，等，譯.自適應(yīng)濾波器原理(第四版)[M].北京：電子工業(yè)出版社，2010.

中圖分類號：U467.4+93

文獻(xiàn)標(biāo)識碼：A

DOI編碼：10.3969/j.issn.1006-1335.2016.01.016

文章編號：1006-1355(2016)02-0075-04

收稿日期：2015-09-09

作者簡介：馮天培（1988-），男，河南永城人，博士研究生，目前從事車輛NVH測控技術(shù)研究。E-mail:ftp20100@163.com

Active Noise Control ofAutomotive Interior Braking Noise

FENG Tian-pei1,SUN Yue-dong1,WANG Yan-song2,LIU Ning-ning2

(1.School of Mechanical Engineering,Shanghai University of Science and Technology, Shanghai 200093,China; 2.Automotive Engineering College,Shanghai University of Engineering Science, Shanghai 201620,China)

Abstract:Low-frequency components of braking noise usually dominate the internal noise for some kinds of automobiles.Since the low-frequency noise has high energy,the strong interior noise will reduce the comfort for the passengers.In this paper,the braking noises at the driver’s ears in three different cars travelling at 60km/h in emergency braking were collected and analyzed in time-frequency domain.Results of analysis agreed well with the real ride-perception in a testing car.Then,the active braking noise control simulation using adaptive LMS algorithm was implemented.The results show that the low-frequency noise,especially in the range of 20 Hz-50 Hz,is greatly eliminated.

Key words:vibration and wave;braking noise;inside automotive;time-frequency domain analysis;active noise control(ANC);LMS algorithm