[發明專利]一種內燃機噪聲源識別方法

有效

• 申請號: 201910895945.7
• 申請日: 2019-09-21
• 公開（公告）號: CN110686899B
• 公開（公告）日: 2021-01-29
• 發明（設計）人: 林杰威;周啟迪;張俊紅;李偉東;裘永波
• 申請（專利權）人: 天津大學
• 主分類號: G01M15/00
• 分類號: G01M15/00;G01H17/00;G06K9/00
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 程毓英

本發明涉及一種內燃機噪聲源識別方法，步驟如下：采集內燃機標準工況和倒拖工況的整機噪聲信號，測試標準工況下缸蓋、活塞敲擊點主推力側、噴油泵、渦輪增壓器、空壓機、油底殼、齒輪罩蓋、缸蓋罩的振動信號和缸壓信號；對振動信號和噪聲信號進行去直流、去趨勢項和濾波預處理，以減少信號采集誤差；對預處理的噪聲信號進行改進變分模態分解IVMD，自適應獲得不同頻段的信號分量；采用小波變換對分解的噪聲分量進行時頻分析，確定各噪聲分量時頻、功率譜特征；根據時頻分析結果和內燃機先驗知識進行內燃機階次噪聲識別，并采用倒拖試驗和相關性分析確認分離結果；分離內燃機的非階次噪聲源。

技術領域

本發明涉及一種內燃機噪聲源識別方法。

背景技術

隨著汽車工業的不斷發展，車輛噪聲對人們生活環境和身心健康影響越來越嚴重，內燃機作為車輛最主要的噪聲源，已成為車輛噪聲控制的首要目標，所以有效的降低內燃機輻射噪聲對改善城市聲環境具有重要意義。

在內燃機NVH控制工程中，噪聲源的識別是先決條件。合理控制內燃機振動噪聲，首先應該分析內燃機的主要噪聲特征，即對噪聲源的產生部件進行準確測試和分析。通過試驗和信號處理相結合進行噪聲源分離，根據內燃機工作原理和具體的結構特點，采取相應的措施對主要噪聲源進行有效控制，達到降低整機噪聲的目標。信號處理技術對試驗環境和設備的要求比較低[1]，試驗過程簡單，靈活性更強，因此成為目前噪聲源識別研究熱點。

基于信號處理的噪聲源識別方法發展很快，并在內燃機的振動噪聲控制研究領域得到了廣泛的應用。在柴油機噪聲源分離領域常用的信號處理方法分為如下幾種：模態分解法、時頻分析法、相干分析法、盲源分離法。針對內燃機噪聲源分離研究，一些學者[2-3]采用經驗模態分解(EMD)-魯棒性獨立分量分析(Robust ICA)，聚合經驗模態分解(EEMD)-ICA-小波變換(CWT)成功分離出活塞噪聲、燃燒噪聲，并通過相干分析驗證分離結果的準確性。但EMD在信號分解過程中會出現模態混疊和端點效應的問題，對分離的噪聲特征產生較大的干擾。還有一些研究者通過釬覆蓋法對六缸柴油機的氣缸蓋進行信號采集，采用變分模態分解(VMD)-盲源分離(BSS)-小波分析(CWT)[4]相結合的方法成功的分離活塞敲擊噪聲和燃燒噪聲。VMD[5]是一種適用于非穩態信號的自適應分解方法，它有效的解決了EMD模態混疊和端點效應的問題，但是VMD進行信號處理前需要預設參數，如果參數選擇不準確會使信號分解產生干擾信息，導致特征提取錯誤。VMD進行信號處理時需要預定義2個重要參數(模態數K、懲罰因子a)，K影響信號分解的模態數目，不準確的K值會產生過分解或欠分解問題，a影響分解分量的帶寬,不合適的a值會造成分解出現能量泄露或重疊現象。因此需要對VMD進行自適應優化，降低因參數選擇盲目性造成對信號分解干擾。

針對智能優化算法，粒子群算法(PSO)收斂速度快，但是粒子群的隨機初始化會對算法的尋優結果產生很大的影響，容易陷入局部最優。利用模擬退火算法(SA)概率突跳的性質來優化粒子群算法，可解決PSO局部最優的問題。因此本專利擬采用模擬退火算法和粒子群算法(SAPSO)相結合進行VMD參數尋優，解決了傳統VMD分解過程自適應問題，從而保證分解IMF的精度。

基于上述闡述可知：針對目前采用信號處理技術進行噪聲源識別，分離的噪聲源一般為燃燒噪聲和活塞敲擊噪聲的階次噪聲源，識別效率較低，但是對非階次噪聲源分離效果較差。因此，在噪聲源識別中需要提出一種更系統、客觀的方法來提高識別的精度和效率，為噪聲控制提供更為精確有效的指導。

參考文獻

[1]Zhang J,Zhou Q,Lin J,et al.A Fuzzy-Based Analytic HierarchyProcess for Mechanical Noise Source Identification of a Diesel Engine[J].Shock and Vibration,2019,2019.