一種裝甲車艙室內噪聲主動控制方法及系統與流程

2024-02-06 02:16:15

本發明涉及船舶艦艇領域噪聲控制技術，特別涉及一種裝甲車艙室內噪聲主動控制方法及系統。

背景技術：

裝甲車駕駛室及成員艙內部噪聲超標，嚴重影響了相關人員的生理和心理健康，艙內的減振降噪設計是一項比較重要的工作。裝甲車艙內的主要噪聲源主要包括：車輛高速行駛時，空氣紊流造成車身結構振動，在車內產生高頻噪聲；發動機工作及傳動系的質量不平衡所引起的車身結構振動，在車內輻射中頻噪聲；路面不平整時的懸架系統振動引起車身結構振動，在車內產生低頻噪聲。

常規的裝甲車多通過在駕駛室和乘員室布置阻尼吸聲材料、加強車內地板的吸聲和隔聲性能、增設發動機隔聲罩等物理降噪措施進行艙內的被動式噪聲控制，被動式降噪措施對高頻噪聲的隔離效果較好，而對中低頻噪聲的控制效果較差。為了提高裝甲車的駕駛舒適度，提高軍事作戰能力，急需採用主動降噪方案，對艙室內的中低頻進行控制。

針對上述問題，現急需推出一款裝甲車艙室內噪聲主動控制方法及系統，實現在較大頻帶寬度內的噪聲控制。

技術實現要素：

鑑於上述現有技術存在的問題，本發明提供一種裝甲車艙室內噪聲主動控制方法及系統。

本發明解決技術問題採用如下技術方案：一種裝甲車艙室內噪聲主動控制方法，包括：參考傳聲器採集多個主噪聲源噪聲x[n]，作為參考信號輸入；誤差傳聲器採集噪聲控制後的殘餘噪聲e[n]，作為誤差信號輸入；模糊控制器接收參考輸入信號x[n]、誤差輸入信號e[n]，基於模糊神經網絡的自適應fx-rbf網訓練算法對參考信號和誤差信號進行分析,並輸出反相的目標聲信號y[n]至揚聲器；以及揚聲器發出用於抵消主噪聲源噪聲的目標聲信號y[n]，與主噪聲源噪聲x[n]相疊加。

可選的，所述模糊控制器包括聲學模式提取器，利用所述聲學模式提取器針對需要控制的所述主噪聲源的振幅、能量、相位、頻率、方向和統計特性的聲學屬性，從一系列不相關的參考聲學模式中提取至少一種參考聲學模式。

可選的，所述模糊控制器基於以上多個不相關參考聲學模式進行模糊控制，並輸出噪聲控制模式。

可選的，所述噪聲控制模式包括但不限於噪聲源數量、所述主噪聲源的位置、所述主噪聲源的類型、所述主噪聲源的聲學屬性。

可選的，所述自適應fx-rbf網訓練算法包括：基於模糊c-均值聚類對參考噪聲信號數據集進行劃分；基於近似梯度下降法自適應減少每次迭代的計算步長，並動態調整最小均方差算法的學習速率。

可選的，所述自適應fx-rbf網訓練算法還包括：對時滯信號的幅值和相位進行分析，重構反相目標聲信號後輸出至揚聲器。

可選的，所述基於模糊c-均值聚類對參考噪聲信號數據集進行劃分的步驟包括：使用高斯函數作為算法的基函數，在確定適合實際噪聲情況的最佳聚類個數c和最佳權重因子m後，對隱含層的中心向量進行學習，直到中心向量不再變化或小於預設閾值，並計算高斯函數方差；所述基於近似梯度下降法自適應減少每次迭代的計算步長，並動態調整最小均方差算法的學習速率的步驟包括：基於近似梯度下降法，利用公式α(t+1)＝α(t)-β·δe自適應減少每次迭代的計算步長，並動態調整最小均方差算法的學習速率；然後初始化隱含層到輸出層的每個權值，再利用公式對權值進行計算，直到輸出誤差[yo(n)-y(n)]不再變化或小於預設的某個閾值時，停止學習，否則繼續重複以上學習步驟；式中α為學習速率，δe為訓練前後的誤差，β為自適應調整步長，w為隱含層到輸出層的權值，yo(n)為目標輸出值，y(n)為實際輸出值。

可選的，所述參考傳聲器位於駕駛艙室頂部；所述誤差傳聲器位於駕駛艙座椅靠近人耳處；所述揚聲器位於駕駛艙室頂部和座椅頂部；所述模糊控制器位於駕駛員座椅下方。

本發明解決技術問題採用如下技術方案：一種裝甲車艙室內噪聲主動控制系統，包括：參考傳聲器，與模糊控制器耦接，用於採集多個主噪聲源噪聲x[n]，作為參考信號輸入；誤差傳聲器，與模糊控制器耦接，用於採集噪聲控制後的殘餘噪聲e[n]，作為誤差信號輸入；模糊控制器，與所述參考傳聲器、誤差傳聲器及揚聲器耦接，用於接收參考輸入信號x[n]、誤差輸入信號e[n]，基於模糊神經網絡的自適應fx-rbf網訓練算法對參考信號和誤差信號進行分析,並輸出反相的目標聲信號y[n]至揚聲器；以及揚聲器，與所述模糊控制器耦接，用於發出用於抵消主噪聲源噪聲的目標聲信號y[n]，與主噪聲源噪聲x[n]相疊加。

可選的，所述模糊控制器包括聲學模式提取器，利用所述聲學模式提取器針對需要控制的所述主噪聲源的振幅、能量、相位、頻率、方向和統計特性的聲學屬性，從一系列不相關的參考聲學模式中提取至少一種參考聲學模式；所述模糊控制器基於以上多個不相關參考聲學模式進行模糊控制，並輸出噪聲控制模式；所述噪聲控制模式包括但不限於噪聲源數量、所述主噪聲源的位置、所述主噪聲源的類型、所述主噪聲源的聲學屬性；所述參考傳聲器位於駕駛艙室頂部；所述誤差傳聲器位於駕駛艙座椅靠近人耳處；所述揚聲器位於駕駛艙室頂部和座椅頂部；所述模糊控制器位於駕駛員座椅下方。

本發明具有如下有益效果：

1.採用參考聲學模式提取器將提取函數應用於多類型聲源的多個參考信號輸入中，通過自適應調整算法進行提取函數的優化，可有效確保所提取聲學模式的準確度；

2.基於模糊神經網絡的主動噪聲控制系統，對2000hz以下的噪聲具有明顯的降噪效果，其中，對1000hz以下低頻噪聲的降噪效果尤為顯著；

3.基於自適應fx-rbf網訓練算法進行學習率的自動調節，在確保系統穩定性的同時，提高了算法收斂速度和學習精度；

4.基於自適應fx-rbf算法進行反向目標聲信號的重構，在解決抗噪聲源時滯問題的同時，有效提高了降噪效果。

附圖說明

圖1為本發明的所述一種裝甲車艙室內噪聲主動控制方法的實施例示意圖；

圖2為本發明的所述一種裝甲車艙室內示意圖；

圖3為本發明實施例提供的聲學模式提取器的工作原理圖；

圖4為本發明實施例提供的模糊控制器模型圖；

圖5所示為本申請裝甲車艙室內噪聲主動控制系統的具體示意圖。

具體實施方式

下面結合實施例及附圖對本發明的技術方案作進一步闡述。

如在說明書及權利要求當中使用了某些詞彙來指稱特定組件。本領域技術人員應可理解，硬體製造商可能會用不同名詞來稱呼同一個組件。本說明書及權利要求並不以名稱的差異來作為區分組件的方式，而是以組件在功能上的差異來作為區分的準則。如在通篇說明書及權利要求當中所提及的「包含」為一開放式用語，故應解釋成「包含但不限定於」。「大致」是指在可接收的誤差範圍內，本領域技術人員能夠在一定誤差範圍內解決所述技術問題，基本達到所述技術效果。此外，「耦接」一詞在此包含任何直接及間接的電性耦接手段。因此，若文中描述一第一裝置耦接於一第二裝置，則代表所述第一裝置可直接電性耦接於所述第二裝置，或通過其他裝置或耦接手段間接地電性耦接至所述第二裝置。說明書後續描述為實施本申請的較佳實施方式，然所述描述乃以說明本申請的一般原則為目的，並非用以限定本申請的範圍。本申請的保護範圍當視所附權利要求所界定者為準。

實施例1

本實施例提供了一種裝甲車艙室內噪聲主動控制方法。參見圖1所示為本申請中裝甲車艙室內噪聲主動控制方法的具體實施例，本實施例中步驟包括：

步驟s1-1：參考傳聲器採集多個主噪聲源噪聲x[n]，作為參考信號輸入；

步驟s1-2：誤差傳聲器採集噪聲控制後的殘餘噪聲e[n]，作為誤差信號輸入；

步驟s2：模糊控制器接收參考輸入信號x[n]＝x[n]、誤差輸入信號e[n]，基於模糊神經網絡的自適應濾波rbf(filter-xradialbasisfunction，以下簡稱fx-rbf)網訓練算法對參考信號和誤差信號進行分析,並輸出反相的目標聲信號y[n]至揚聲器；以及

步驟s3：揚聲器發出用於抵消主噪聲源噪聲的目標聲信號y[n]，與主噪聲源噪聲x[n]相疊加。

其中，參考傳聲器位於駕駛艙室頂部；誤差傳聲器位於駕駛艙座椅靠近人耳處；揚聲器位於駕駛艙室頂部和座椅頂部；模糊控制器位於駕駛員座椅下方，如圖2所示。

其中，模糊控制器包括聲學模式提取器，如圖3所示，圖3為本發明實施例提供的聲學模式提取器的工作原理圖。

利用聲學模式提取器針對需要控制的主噪聲源的振幅、能量、相位、頻率、方向和統計特性的聲學屬性，從一系列不相關的參考聲學模式中提取至少一種參考聲學模式。模糊控制器基於以上多個不相關參考聲學模式進行模糊控制，並輸出噪聲控制模式，噪聲控制模式包括但不限於噪聲源數量、主噪聲源的位置、主噪聲源的類型、主噪聲源的聲學屬性。

在模糊控制器中設置參考聲學模式提取器，利用參考聲學模式提取器將提取函數應用於所述的多個參考信號輸入x[n]，然後對經過提取算法處理後輸出參考聲學模式s[n]；然後利用參考聲學模式提取器將估計函數α應用至輸出參考模式s[n]，經過對比估計α(s[n])後進行提取函數的自適應調整。

圖4為本發明實施例提供的模糊控制器模型圖。本發明提供的裝甲車艙室內噪聲主動控制方法主要包括：基於聲系統固有的非線性特性，將神經網絡引入模糊控制，組成模糊神經網絡，根據輸入輸出樣本，通過利用神經網絡的學習方法，自動設計和調整模糊系統的自學習和自適應功能，提高了主動噪聲控制的準確度及降噪量；其中x(n)為系統參考噪聲信號，e(n)為殘餘噪聲信號，y(n)為控制器輸出信號。

如圖所示，神經網絡中處理單元的類型分為三類：輸入層、輸出層、隱含層；

輸入層：接受外部的噪聲源信號與數據；本發明中的輸入層信號為「加入延遲環節的參考信號輸入矢量」；

輸出層：實現系統處理結果的輸出；在本發明中，是「將最優噪聲控制模式輸出至揚聲器，驅動其發出對應的目標聲信號」；

隱含層：對輸入矢量進行變換，處於輸入與輸出層之間，不被系統外部觀察的處理單元；在本發明中，是「將低維的參考信號輸入矢量變換至高維空間，實現聲系統的線性問題在高維空間中的線性可分」。

自適應fx-rbf網訓練算法包括：基於模糊c-均值聚類對參考噪聲信號數據集進行劃分；基於近似梯度下降法自適應減少每次迭代的計算步長，並動態調整最小均方差算法的學習速率。

上述基於模糊c-均值聚類對參考噪聲信號數據集進行劃分的步驟包括：

使用高斯函數作為算法的基函數，在確定適合實際噪聲情況的最佳聚類個數c和最佳權重因子m後，對隱含層的中心向量進行學習，直到中心向量不再變化或小於預設閾值，並計算高斯函數方差。

上述基於近似梯度下降法自適應減少每次迭代的計算步長，並動態調整最小均方差算法的學習速率的步驟包括：

基於近似梯度下降法，利用公式α(t+1)＝α(t)-β·δe自適應減少每次迭代的計算步長，並動態調整最小均方差算法的學習速率，更高效的加快了算法的收斂速度；

然後初始化隱含層到輸出層的每個權值，再利用公式對權值進行計算，直到輸出誤差[yo(n)-y(n)]不再變化或小於預設的某個閾值時，停止學習，否則繼續重複以上學習步驟；通過學習過程中動態的自適應調整學習速度來提高算法的收斂速度，從而提高學習精度。

式中α為學習速率，δe為訓練前後的誤差，β為自適應調整步長，w為隱含層到輸出層的權值，yo(n)為目標輸出值，y(n)為實際輸出值。

其中，所述自適應fx-rbf網訓練算法還包括：對時滯信號的幅值和相位進行分析，重構反相目標聲信號後輸出至揚聲器，所述時滯信號指的是參考信號x(t)在傳播至待消聲點的路徑中，由於時間延遲而產生的信號y(t)；時滯信號與參考信號的關係：y(t)＝x(t)-x(t-t0)，其中，x(t)為參考信號，y(t)為時滯信號，t0為遲滯時間。

實施例2

為了使本發明描述更明確和詳細，同時便於技術人員理解，本實施例提供一種裝甲車艙室內噪聲主動控制系統，參見圖5所示為本申請裝甲車艙室內噪聲主動控制系統的具體示意圖。

一種裝甲車艙室內噪聲主動控制系統，包括：

參考傳聲器，與模糊控制器耦接，用於採集多個主噪聲源噪聲x[n]，作為參考信號輸入；

誤差傳聲器，與模糊控制器耦接，用於採集噪聲控制後的殘餘噪聲e[n]，作為誤差信號輸入；

模糊控制器，與參考傳聲器、轉速傳感器、誤差傳聲器及揚聲器耦接，用於接收參考輸入信號x[n]＝x[n]、誤差輸入信號e[n]，基於模糊神經網絡的自適應fx-rbf網訓練算法對參考信號和誤差信號進行分析,並輸出反相的目標聲信號y[n]至揚聲器；以及

揚聲器，與模糊控制器耦接，用於發出用於抵消主噪聲源噪聲的目標聲信號y[n]，與主噪聲源噪聲x[n]相疊加。

其中，上述參考傳聲器和誤差傳聲器均為麥克風。

模糊控制器包括聲學模式提取器，利用聲學模式提取器針對需要控制的主噪聲源的振幅、能量、相位、頻率、方向和統計特性的聲學屬性，從一系列不相關的參考聲學模式中提取至少一種參考聲學模式。

模糊控制器基於以上多個不相關參考聲學模式進行模糊控制，並輸出噪聲控制模式。噪聲控制模式包括但不限於噪聲源數量、主噪聲源的位置、主噪聲源的類型、主噪聲源的聲學屬性。

其中，參考傳聲器位於駕駛艙室頂部；誤差傳聲器位於駕駛艙座椅靠近人耳處；揚聲器位於駕駛艙室頂部和座椅頂部；模糊控制器位於駕駛員座椅下方。

綜上所述，本發明提供的一種裝甲車艙室內噪聲主動控制方法及系統，與現有技術相比，具有以下有益效果：

1.基於模糊神經網絡的主動噪聲控制系統，對2000hz以下的噪聲具有明顯的降噪效果，其中，對1000hz以下低頻噪聲的降噪效果尤為顯著；本發明所提供的裝甲車艙室內噪聲主動控制系統，能夠實現裝甲車艙室內高中低頻噪聲的主動控制；

2.採用參考聲學模式提取器將提取函數應用於多類型聲源的多個參考信號輸入中，通過自適應調整算法進行提取函數的優化，可有效確保所提取聲學模式的準確度；

3.基於自適應fx-rbf網訓練算法進行學習率的自動調節，在確保系統穩定性的同時，提高了算法收斂速度和學習精度；

4.基於自適應fx-rbf算法對時滯噪聲進行直接控制，有效解決了抗噪聲源時滯問題，並提高了降噪效果。

以上實施例的先後順序僅為便於描述，不代表實施例的優劣。

最後應說明的是：以上實施例僅用以說明本發明的技術方案，而非對其限制；儘管參照前述實施例對本發明進行了詳細的說明，本領域的普通技術人員應當理解：其依然可以對前述各實施例所記載的技術方案進行修改，或者對其中部分技術特徵進行等同替換；而這些修改或者替換，並不使相應技術方案的本質脫離本發明各實施例技術方案的精神和範圍。