一种发动机噪声源权重分析方法技术

本发明专利技术公开了一种发动机噪声源权重分析方法，通过测试发动机多工况的振动和噪声数据，利用变分模态分解(VMD)算法对噪声信号进行自适应分解，将原始噪声信号分解为多个不同频段的IMF，利用不同结构的振动和不同频段的IMF进行偏相干分析，利用改进模糊层次分析法计算不同结构对不同频段、不同测点、不同工况下的发动机噪声的贡献权重。

An engine noise source weight analysis method

The invention discloses an engine noise source weight analysis method. By testing the vibration and noise data of the engine under multiple working conditions, the noise signal is adaptively decomposed by the variational mode decomposition (VMD) algorithm, and the original noise signal is decomposed into IMFs of different frequency bands, and the vibration of different structures and IMFs of different frequency bands are utilized. Partial coherence analysis is carried out, and the contribution weights of different structures to engine noise in different frequency bands, measuring points and working conditions are calculated by the improved fuzzy analytic hierarchy process.

【技术实现步骤摘要】
一种发动机噪声源权重分析方法
本专利技术涉及发动机NVH领域，具体涉及一种发动机噪声源权重分析方法。
技术介绍
目前，国家和行业法规对车辆噪声的要求越来越严格，消费者对车辆噪声水平和品质的要求也在不断提升。作为车辆主要噪声源之一，发动机的噪声性能和动力性、经济性、可靠性一样成为其主要性能指标。进行发动机的降噪需要掌握其噪声源特性，从而针对主要噪声源进行控制。发动机结构复杂、噪声来源众多且相互影响，如何准确识别发动机主要噪声源是研究重点。通常采用的发动机噪声源识别方法包括铅覆盖法、相干分析法、声强法、信号处理法、声学成像法等。基于信号处理的识别方法的测试成本较低、灵活度较高，针对信号特点可选用相应的处理方法，因此基于先进信号处理方法的噪声源识别技术有着广阔的应用前景。一些研究者通过铅覆盖法对发动机的某一气缸进行单独的信号采集，运用EEMD(聚合经验模态分解)-RoustICA(鲁棒性独立分量分析)-CWT(连续小波变换)成功的分离出活塞敲击噪声和燃烧噪声，并通过实验验证了时频分析和盲源分离相结合可以有效地进行柴油机噪声源识别。还有一些研究者将发动机顶部的信号进行EEMD分解，使用振动信号和分解后的IMF(本征模函数)进行相干功率谱分析，结合层次分析法进行多工况整体噪声贡献度的计算。这些方法在一定程度上提升了噪声源识别和权重分析的精度和效率，但仍然存在不足。EEMD虽然在一定程度上可以解决EMD(经验模态分解)算法在信号分解过程存在的模态混叠和端点效应问题，但是加入的高斯白噪声会影响残余分量，同时产生模态分裂现象。在发动机中，多数结构与机体之间刚性连接，导致结构之间的振动信号彼此相关。对于存在相关性的多输入单输出系统来说，常相干分析对噪声源的识别作用较小。虽然利用层次分析法可以计算噪声源在不同频段、不同测点、不同工况下的噪声权重，但是传统层次分析法存在协调判断矩阵的一致性难以保证和一致性检验标准缺乏充分科学依据的缺限。因此，在发动机噪声源权重分析中需要提出一种更系统、更全面、更客观的方法，为发动机噪声控制提供更为精确有效的指导。
技术实现思路
本专利技术的目的是为了克服现有技术中的不足，提供一种基于变分模态分解(VMD)-偏相干分析(CCSA)-模糊层次分析法(FAHP)的发动机噪声源权重分析方法，通过测试发动机多工况的振动和噪声数据，利用变分模态分解(VMD)算法对噪声信号进行自适应分解，将原始噪声信号分解为多个不同频段的IMF，利用不同结构的振动和不同频段的IMF进行偏相干分析，利用改进模糊层次分析法计算不同结构对不同频段、不同测点、不同工况下的发动机噪声的贡献权重。本专利技术的目的是通过以下技术方案实现的：一种发动机噪声源权重分析方法，包括以下步骤：(1)采集发动机机不同工况的振动、噪声信号；(2)对噪声信号进行VMD分解，得到不同频段的IMF，并将分解的IMF进行小波变换；(3)对振动和噪声信号进行偏相干分析，根据输入偏相干功率谱幅值确定不同结构在不同频段的权重排序；(4)构建整机噪声层次分析树：第一层目标层；第二层为转速层；第三层为测点层；第四层为频段层；第五层为方案层；(5)进行多工况噪声源权重计算：具体包括以下步骤：a)根据上述步骤(3)的权重排序结果构建模糊判断矩阵，计算不同结构对不同频段噪声的权重，由于每个振动、噪声信号有与之对应的测点和转速，发动机各结构在各频段、各测点和各种转速下的噪声权重也不同；b)对各测点噪声信号进行三分之一倍频程分析，得到不同频段在不同测点的权重，根据步骤a)结果，建立组合权重矩阵，得到各结构对不同测点噪声的权重；c)根据步骤b)结果，建立组合权重矩阵，计算各结构对不同转速噪声的权重；d)根据步骤c)结果，构建整机噪声的组合权重矩阵，最终得到各结构对整机噪声的综合权重。进一步的，发动机各结构包括油底壳、左机体、右机体、齿轮室罩、飞轮壳、气门室罩。与现有技术相比，本专利技术的技术方案所带来的有益效果是：1.噪声信号的VMD分解有效解决了现有算法所出现的模态混叠、模态分裂、端点效应等问题，可准确获得不同频段的IMF。2.CCSA适用于具有相干关系的多输入-单输出模型，相对于常相干分析(CSA)更能表征振动和噪声的关系。3.FAHP有效的解决了传统的AHP一致性的问题，使计算贡献权重更具有科学性。附图说明图1是偏相干示意图。图2是层次分析树示意图。图3是发动机噪声源权重分析技术路线示意图。具体实施方式下面结合附图对本专利技术作进一步的描述。本专利技术保护一种发动机噪声源权重分析方法，包括以下步骤：(1)振动噪声信号采集：参考GB/T1859-2000往复式内燃机辐射空气噪声测量工程法和简易法。测试柴油机不同工况的振动噪声信号。(2)噪声信号的VMD分解：对噪声信号进行VMD分解，得到不同频段的IMF。并将分解的IMF进行小波变换，可获得不同频段噪声的分解信号。VMD是将待分解信号转化为非递归、变分模态的分解模式，在一定程度上解决了EEMD的模态混叠和模态分裂问题。对噪声信号进行VMD自适应分解可得到不同频段的IMF，并将分解的IMF进行小波变换，可以发现噪声信号经VMD分解有效解决了模态混叠、模态分裂、端点效应等问题，分解效果良好。(3)振动噪声的偏相干分析：偏相干分析适用于存在相关关系的多输入-单输出模型，在步骤(1)和(2)的基础上分别将油底壳、左机体、右机体、齿轮室罩、飞轮壳、气门室罩振动信号和不同频段噪声信号进行偏相干分析，根据输入偏相干功率谱幅值确定不同结构在不同频段的权重排序。多输入-单输出偏相干模型示意图如图1所示，其中Y(t)是柴油机不同频段的噪声信号；X(t)是噪声源；Li(f)是输入X(t)和输出量之间的条件传递函数,N(t)是噪声信号。振动和噪声信号的偏相干分析的具体计算过程如下：a)对输入振动信号X(t)和输出噪声信号Y(t)进行傅里叶变换，X(t),Y(t)→X(f),Y(f)；b)计算输入和输出信号的自功率谱和互功率谱Sxx，Syy，Sxy；c)计算条件传递函数Lij，条件自功率谱Sjj·r！，条件互功率谱Sij·r！；Sij·r！＝Sij·(r-1)！-LrjSir·(r-1)！(5)Sjj·r！＝Sjj·(r-1)！-LrjSjr·(r-1)！(6)d)计算偏相干函数和输入偏相干功率谱Syxi'；(4)构建整机噪声层次分析树：第一层为目标层(整机噪声权重)；第二层为转速层(怠速、1400r/min、1800r/min、额定转速)；第三层为测点层(前、后、左、右、顶)；第四层为频段层(分别为IMF1-IMF6所对应的频段)；第五层为方案层(发动机主要结构)。层次分析树示意图如图2所示。(5)根据上述所构建的整机噪声层次树，基于模糊层次分析法计算相邻层的权重，具体计算过程如下：a)构建模糊判断矩阵A＝[aij]n×n，其中矩阵中元素用0.1-0.9表示，0.5代表两两对比同等重要。b)基于隶属函数将模糊判断矩阵A＝[aij]n×n转化为模糊一致性矩阵R＝[rij]n×n，并计算R矩阵的互反型矩阵M。c)基于最小二乘法计算的初始权重ω0＝[ω1ω2···ωn]：d)计算最终权重值V：Step1:ω0作为权重的初始迭代值V0；Step2:利用迭代公式Vk+1本文档来自技高网...

【技术保护点】
1.一种发动机噪声源权重分析方法，其特征在于，包括以下步骤：(1)采集发动机机不同工况的振动、噪声信号；(2)对噪声信号进行VMD分解，得到不同频段的IMF，并将分解的IMF进行小波变换；(3)对振动和噪声信号进行偏相干分析，根据输入偏相干功率谱幅值确定不同结构在不同频段的权重排序；(4)构建整机噪声层次分析树：第一层目标层；第二层为转速层；第三层为测点层；第四层为频段层；第五层为方案层；(5)进行多工况噪声源权重计算：具体包括以下步骤：a)根据上述步骤(3)的权重排序结果构建模糊判断矩阵，计算不同结构对不同频段噪声的权重，由于每个振动、噪声信号有与之对应的测点和转速，发动机各结构在各频段、各测点和各种转速下的噪声权重也不同；b)对各测点噪声信号进行三分之一倍频程分析，得到不同频段在不同测点的权重，根据步骤a)结果，建立组合权重矩阵，得到各结构对不同测点噪声的权重；c)根据步骤b)结果，建立组合权重矩阵，计算各结构对不同转速噪声的权重；d)根据步骤c)结果，构建整机噪声的组合权重矩阵，最终得到各结构对整机噪声的综合权重。

【技术特征摘要】
1.一种发动机噪声源权重分析方法，其特征在于，包括以下步骤：(1)采集发动机机不同工况的振动、噪声信号；(2)对噪声信号进行VMD分解，得到不同频段的IMF，并将分解的IMF进行小波变换；(3)对振动和噪声信号进行偏相干分析，根据输入偏相干功率谱幅值确定不同结构在不同频段的权重排序；(4)构建整机噪声层次分析树：第一层目标层；第二层为转速层；第三层为测点层；第四层为频段层；第五层为方案层；(5)进行多工况噪声源权重计算：具体包括以下步骤：a)根据上述步骤(3)的权重排序结果构建模糊判断矩阵，计算不同结构对不同频段噪声的权重，由...

【专利技术属性】
技术研发人员：张俊红，周启迪，林杰威，李伟东，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12