一种动态主动降噪方法及空调设备技术

一种动态主动降噪方法及空调设备。本发明专利技术在空调设备的外壳及出风口位置设置有麦克风，在空调设备的外壳上或风道上设置有扬声器，可通过小波神经网络模型，以空调未运转时的环境声为基准，对空调运转时所产生的噪声进行声场抵消，从而在保证降噪效果的同时，不影响获取外界环境音。并且，本发明专利技术对声场的处理能够实时根据噪声水平和空调运行状态进行调节，可有效保证降噪效果。效保证降噪效果。效保证降噪效果。

【技术实现步骤摘要】
一种动态主动降噪方法及空调设备


[0001]本专利技术涉及空调设备领域，具体而言涉及一种动态主动降噪方法及空调设备。

技术介绍

[0002]目前的空调设备，逐渐在一些特定机型中出现采用主动降噪技术进行声场抵消而降低空调运转噪声的设计。但是，现有主流的主动降噪技术通常在出厂前直接对主动降噪模块进行训练，使其按照固定的降噪模式响应环境噪声信号，从而产生降噪声波实现声场抵消。
[0003]但是，现有的这种前期预设的降噪方式，在实际使用中，往往会受空调安装环境的影响，导致预先训练好的降噪模式无法发挥理想的降噪效果。比如，一般预设降噪模式时，通常采用实验室数据对降噪系统参数进行设定。但是，一旦实际使用过程中，噪声频谱分布明显区别试验样本，或者空调出风口气流输出受到环境因素影响，现有降噪模式将无法实时动态根据环境因素进行调节，因而会影响整体降噪效果。

技术实现思路

[0004]本专利技术针对现有技术的不足，提供一种动态主动降噪方法及空调设备，本专利技术能够根据空调运行情况、空调外部环境因素动态调节降噪处理参数，从而实时保证降噪效果。本专利技术具体采用如下技术方案。
[0005]首先，为实现上述目的，提出一种动态主动降噪方法，用于空调设备，其步骤包括：第一步，在空调设备运转前，先采集并记录当前环境噪声，对当前环境噪声进行小波变换后，计算其与理想环境信号之间的偏差量为基础偏差量E(k，j)，其中，k为偏差量信号的时域参数，而j为偏差量信号的频域参数；第二步，空调设备运转时，实时采集空调设备中风机的运行状态数据为M，以及空调设备运转时的噪声分量n(i，t)，对所述噪声分量n(i，t)进行小波变换后，计算其与基础偏差量E(k，j)之间的差值为降噪目标N(k，j)，其中，k为降噪目标的时域参数，而j为降噪目标的频域参数；第三步，根据空调设备中风机的运行状态数据M调取相应的小波神经网络模型，利用该小波神经网络模型对所述降噪目标N(k，j)进行声场处理，获得驱动信号；第四步，根据所述驱动信号相应驱动扬声器输出降噪声波。
[0006]可选的，如上任一所述的动态主动降噪方法，其中，所述小波神经网络模型由以下步骤获得：步骤201，在空调设备运行状态数据为M的情况下，建立具有输入层、隐含层和输出层的小波神经网络模型其中，u
i
为隐含层第i个节点的输入参数，h
i
为隐含层第i个节点的输出参数，训练集包括{X(k，j)，y}，其中，X(k，j)表示对应降噪目标的训练数据集，y表示针对该降噪目标的降噪声波所对应的驱动信号，Ψ(*)表示隐含层的运算过程，m表示隐含层神经元的数量，θ＝(w
i
，a
i
，b
i
，c
i
)分别为小波神经网络的四组权
值参数；步骤202，建立优化目标函数为其中，为示针对该降噪目标的反相声波所对应的驱动信号，R(θ)为约束在权值参数矩阵w＝{w
i
}和c＝{c
i
}上的正则项，λ为一固定系数；步骤203，以利用优化目标函数为为目标，采用梯度下降算法修正上述权值参数，获得小波神经网络模型。
[0007]可选的，如上任一所述的动态主动降噪方法，其中，所述步骤203中，梯度下降算法中具体按照以下的修正递归公式迭代修正所述权值参数：a
i，n
＝1/2(Δa
i，n-1
+2a
i，n-1
+1/2||a
i，n-2-a
i，n
||)，其中，a
i，n
表示第n次迭代所得到的权值参数，Δa
i，n-1
＝a
i，n-1-a
i，n-2
。
[0008]可选的，如上任一所述的动态主动降噪方法，其中，第四步，根据所述驱动信号相应驱动扬声器输出降噪声波后还包括以下步骤：实时采集降噪后的环境噪声，在环境噪声分贝超出预设值时，重新触发对所述小波神经网络模型执行步骤201至步骤203的训练过程，重新触发的训练过程中，训练数据集X(k，j)根据环境噪声的频域和时域特性，分别按照环境噪声的频域分布和环境噪声的时域分布进行修正。
[0009]同时，为实现上述目的，本专利技术还提供一种空调设备，其包括：麦克风，其安装在空调设备的外壳上以及出风口位置，用于采集环境噪声；扬声器，其设置在空调设备的外壳上和/或风道上，用于输出降噪声波；主动降噪控制单元，其连接所述麦克风和扬声器，包括有以下子模块：基础偏差量获取模块，其用于在空调设备运转前，通过所述麦克风采集并记录当前环境噪声，对当前环境噪声进行小波变换后，计算其与理想环境信号之间的偏差量为基础偏差量E(k，j)，其中，k为偏差量信号的时域参数，而j为偏差量信号的频域参数；降噪目标获取模块，其用于在空调设备运转时，实时采集空调设备中风机的运行状态数据为M，以及空调设备运转时的噪声分量n(i，t)，对所述噪声分量n(i，t)进行小波变换后，计算其与基础偏差量E(k，j)之间的差值为降噪目标N(k，j)，其中，k为降噪目标的时域参数，而j为降噪目标的频域参数；声场处理模块，其连接在降噪目标获取模块后，用于在获得降噪目标后，根据空调设备中风机的运行状态数据M调取相应的小波神经网络模型，利用该小波神经网络模型对所述降噪目标N(k，j)进行声场处理，获得驱动信号；输出模块，其连接所述扬声器，用于根据所述驱动信号相应驱动扬声器输出降噪声波，对噪声进行声场抵消。
[0010]可选的，如上任一所述的空调设备，其中，所述扬声器均匀排布在所述风道的外周。
[0011]可选的，如上任一所述的空调设备，其中，所述扬声器的振膜面由一外壳包覆固定，所述外壳与风道的外周表面或与空调设备的外壳表面气密连接；所述扬声器(2)的振膜面与风道中气流的流通方向平行，设置在空调系统内部的风道中，或所述扬声器(2)的振膜面设置为贴合空调设备的外壳表面。
[0012]可选的，如上任一所述的空调设备，其中，所述扬声器还连接有比较器，所述比较器在环境噪声分贝超出预设值时，重新触发主动降噪控制单元对所述小波神经网络模型执行以下训练过程：步骤201
’
，在空调设备运行状态数据为M的情况下，建立具有输入层、隐含
层和输出层的小波神经网络模型其中，u
i
为隐含层第i个节点的输入参数，h
i
为隐含层第i个节点的输出参数，训练集包括{X
′
(k，j)，y}，其中，X
′
(k，j)表示修正后训练数据集，X
′
(k，j)在对应降噪目标的训练数据集X(k，j)中分别按照环境噪声的各频域分量的占比和各时域分量的占比进行修正，可等比例增加环境噪声与训练数据集之间的差量；y表示针对该降噪目标的降噪声波所对应的驱动信号，Ψ(*)表示隐含层的运算过程，m表示隐含层神经元的数量，θ＝(w
i
，a
i
，b
i
，c
...

【技术保护点】

【技术特征摘要】
1.一种动态主动降噪方法，用于空调设备，其特征在于，步骤包括：第一步，在空调设备运转前，先采集并记录当前环境噪声，对当前环境噪声进行小波变换后，计算其与理想环境信号之间的偏差量为基础偏差量E(k，j)，其中，k为偏差量信号的时域参数，而j为偏差量信号的频域参数；第二步，空调设备运转时，实时采集空调设备中风机的运行状态数据为M，以及空调设备运转时的噪声分量n(i，t)，对所述噪声分量n(i，t)进行小波变换后，计算其与基础偏差量E(k，j)之间的差值为降噪目标N(k，j)，其中，k为降噪目标的时域参数，而j为降噪目标的频域参数；第三步，根据空调设备中风机的运行状态数据M调取相应的小波神经网络模型，利用该小波神经网络模型对所述降噪目标N(k，j)进行声场处理，获得驱动信号；第四步，根据所述驱动信号相应驱动扬声器输出降噪声波。2.如权利要求1所述的动态主动降噪方法，其特征在于，所述小波神经网络模型由以下步骤获得：步骤201，在空调设备运行状态数据为M的情况下，建立具有输入层、隐含层和输出层的小波神经网络模型其中，u
i
为隐含层第i个节点的输入参数，h
i
为隐含层第i个节点的输出参数，训练集包括{X(k，j)，y}，其中，X(k，j)表示对应降噪目标的训练数据集，y表示针对该降噪目标的降噪声波所对应的驱动信号，Ψ(*)表示隐含层的运算过程，m表示隐含层神经元的数量，θ＝(w
i
，a
i
，b
i
，c
i
)分别为小波神经网络的四组权值参数；步骤202，建立优化目标函数为其中，为示针对该降噪目标的反相声波所对应的驱动信号，R(θ)为约束在权值参数矩阵w＝{w
i
}和c＝{c
i
}上的正则项，λ为一固定系数；步骤203，以利用优化目标函数为为目标，采用梯度下降算法修正上述权值参数，获得小波神经网络模型。3.如权利要求1-2所述的动态主动降噪方法，其特征在于，所述步骤203中，梯度下降算法中具体按照以下的修正递归公式迭代修正所述权值参数：a
i，n
＝1/2(Δa
i，n-1
+2a
i，n-1
+1/2||a
i，n-2-a
i，n
||)其中，a
i，n
表示第n次迭代所得到的权值参数，Δa
i，n-1
＝a
i，n-1-a
i，n-2
。4.如权利要求1-3所述的动态主动降噪方法，其特征在于，第四步，根据所述驱动信号相应驱动扬声器输出降噪声波后还包括以下步骤：实时采集降噪后的环境噪声，在环境噪声分贝超出预设值时，重新触发对所述小波神经网络模型执行步骤201至步骤203的训练过程，重新触发的训练过程中，训练数据集X(k，j)根据环境噪声的频域和时域特性，分别按照环境噪声的频域分布和环境噪声的时域分布进行修正。5.一种空调设备，其特征在于，包括：
麦克风(1)，其安装在空调设备的外壳上以及出风口位置，用于采集环境噪声；扬声器(2)，其设置在空调设备的外壳上和/或风道上，用于输出降噪声波；主动降噪控制单元，其连接所述麦克风和扬声器，包括有以下子模块：基础偏差量获取模块，其用于在空调设备运转前，通过所述麦克风采集并记录当前...

【专利技术属性】
技术研发人员：黄小宝，张美玲，
申请(专利权)人：上海协格空调工程有限公司，
类型：发明
国别省市：