[發明專利]一種預測發動機轉速的汽車主動降噪方法

有效

• 申請號: 201910267643.5
• 申請日: 2019-04-03
• 公開（公告）號: CN110246481B
• 公開（公告）日: 2023-03-24
• 發明（設計）人: 周求湛;葛鑫;胡繼康
• 申請（專利權）人: 吉林大學
• 主分類號: G10K11/178
• 分類號: G10K11/178
• 代理公司: 哈爾濱龍科專利代理有限公司 23206
• 代理人: 高媛

1.一種預測發動機轉速的汽車主動降噪方法，其特征在于所述方法包括如下步驟：

步驟一：通過實驗得到與不同頻率的噪聲源信號對應的音頻播放器播放音頻的數據，將得到的數據保存并建立音頻播放數據庫；

步驟二：對發動機轉速進行預測估計，并根據發動機轉速信號合成擬噪聲源信號，具體包括以下子步驟：

步驟2.1：根據預測算法采集相關數據預測不同工況下的發動機轉速，所述預測算法的具體步驟如下：

(1)相關數據預處理：對采集到的相關數據使用插補算法對數據進行缺失值填充；

(2)相關數據篩選：使用RF算法篩選BP神經網絡的輸入變量，具體步驟如下：

step1、從經過預處理的相關數據的數據集中隨機抽取M個數據集，在m個特征中選擇最具分類能力的特征進行節點分裂，生成多個決策樹，組成RF，使用樹投票的方式對新數據進行分類；

step2、計算每個特征變量的重要性并根據重要性降序排序；

step 3、確定刪除比例，刪除不重要的指標，得到一個新的特征集；

step 4、建立新的RF，重復step 2～3；

step 5、根據每個特征集及RF，計算袋外誤差，將袋外誤差最小的特征集作為BP神經網絡的輸入變量；

(3)動態生成訓練數據：若指定預測t時刻的發動機轉速，則BP神經網絡會自動將t-1時刻之前的數據作為訓練數據；當預測時間更新為t+1時刻時，則BP神經網絡自動將t時刻的各指標數據加入到訓練數據中；

(4)構建BP神經網絡的初始預測模型：構建BP神經網絡的初始預測模型，設定初始權值與閾值；

(5)參數優化：GA算法優化BP神經網絡初始權值與閾值，具體步驟如下：

Step1、隨機產生初始種群，確定BP神經網絡訓練誤差為適應度函數；

Step2、選擇：選擇適應度較高的個體作為新的種群，將個體按照適應度大小排序，采用輪盤賭選擇：進行交叉的個體被選擇的概率與適應度成正比，進行變異的個體被選擇的概率與適應度成反比，選擇生成新的種群；

Step3、交叉：采用單點交叉的方式，確定交叉概率，產生一個隨機概率，若隨機概率小于交叉概率，則執行交叉操作；

Step4、變異：采用均勻變異的方式，確定變異概率，產生一個隨機概率，若隨機概率小于變異概率，則執行變異操作；

Step5、適應度評價：計算新產生個體的適應度；

Step6、種群更新：比較父代與子代個體適應度，若子代中有個體的適應度大于父代的適應度，保存子代的優秀個體，淘汰父代中較差的個體，始終保持種群中個體數目不變，不斷更新種群；

Step7、重復Step1～6，直至達到迭代次數，最終得到最優解；

(6)進行預測：根據優化的BP神經網絡初始權值與閾值，建立優化后的BP神經網絡預測模型，并據此模型輸入篩選出的相關數據對發動機轉速進行預測；

(7)預測時間更新：若要繼續預測時間t+1的發動機轉速，則更新預測時間為t+1，并跳轉至步驟(3)更新訓練集，繼續預測；

步驟2.2：通過實驗實時測量發動機轉速，實時采集噪聲源信號，根據灰色預測算法，建立發動機轉速與噪聲源信號之間的關系，并據此關系及預測的發動機轉速值合成擬噪聲源信號；

步驟三：計算主動降噪控制系統的數據采集及數據處理造成的通信時延，調整音頻播放時間；

步驟四：根據步驟二合成的擬噪聲源信號頻率自動調取音頻播放數據庫相關數據，再配合步驟三計算的通信時延，驅動音頻播放器播放音頻抵消車內噪聲。

2.根據權利要求1所述的預測發動機轉速的汽車主動降噪方法，其特征在于所述步驟一具體包括以下子步驟：

步驟1.1：采用白噪聲注入法對音頻播放器到音頻采集器之間的物理通路傳遞函數進行估計；

步驟1.2：在噪聲源與最小均方算法之間加入補償的物理通路，建立改進的最小均方算法模型，根據步驟1.1估計的物理通路傳遞函數對物理通路進行補償；

步驟1.3：根據步驟1.2建立的模型，模擬輸入不同頻率的噪聲源信號，得到對應的音頻播放數據并保存起來，建立音頻播放數據庫。