一种基于分数阶可变步长的列车牵引系统主动噪声控制方法及装置与流程

本发明涉及车辆噪声控制技术领域，更具体地，涉及一种基于分数阶可变步长的列车牵引系统主动噪声控制方法及装置。

背景技术：

随着轨道交通列车向高速、重载化方向快速发展，其噪声问题也日益凸显出来。牵引电机传动系统作为电力机车的主要动力设备，其噪声是列车噪声的一个主要的来源，它会严重地影响车内司机及乘客的舒适性。牵引传动系统的噪声源主要由电磁噪声、机械噪声、空气动力噪声等三类组成。电磁噪声主要是定子产生振动而辐射的噪声。它是由作用在定、转子的气隙中的电磁力产生的旋转力波或脉动力波引起的。机械噪声是电机运转部分的摩擦、撞击、不平衡以及结构共振形成的噪声。机械原因引起的噪声种类很多，噪声源主要有：自身噪声源，负载感应噪声源，辅助零部件的机械噪声源。空气动力噪声是电机转动时，叶片和转子上某些凸出部位对空气产生冲击和摩擦所形成，其大小主要由其风量及风压大小所决定。在高速运转情况下，此项噪声所占比例较大。空气动力噪声是电机噪声的主要部分，约占75％，主要有涡流噪声和笛鸣噪声两种。

目前降噪研究一般是利用声学特性优化设计结构来降低噪声，或是采用消声、隔声或吸声等被动控制措施降噪。前者存在主要问题是声场需要准确建模，且任何结构变化都会导致实际噪声发生变化。后者则主要存在低频噪声无法消除问题，而列车牵引系统噪声多是1khz以下的低频噪声。因此，为了能够更好地消除低频噪声，主动噪声控制技术得以被关注。

现有研究也有采用主动噪声控制的方法，主动噪声控制是指在特定空间实时产生与噪声源在该处噪声频率相同、幅值相等而相位相反的二次声，使其与源噪声叠加相消以实现降噪。其一般包括两个大的部分：控制器部分和声振部分。控制器主要对参考信号和误差信号进行处理，输出驱动信号，驱动次级声源。声振主要包括次级声源(电声器件、作动器)、参考传感器和误差传感器。

列车牵引系统噪声具有非线性与时变性等特征，在主动噪声控制方法多选择使用以自适应滤波器为基础构建的自适应控制算法。其中，最小均方(lms)算法是一个经典算法，其最优性和稳定性得到了充分的讨论。但是，该lms算法如果采用固定步长，其稳态误差与收敛性之间的关系存在矛盾。即步长越小，稳态时的误差就越小，但算法的收敛速度慢；步长越大，收敛速度快，但失调量和稳态误差增大。为消除此矛盾，学者们提出了多种变步长lms算法，如nlms(normalizationleastmeansquare)、svslms(sigmoidvariablestep-sizeleastmeansquare)等代表性算法。然而,这些可变步长算法中使用的步长大多是滤波误差信号的整数阶函数。当滤波收敛时，误差信号不等于零，这意味着非零步长最终将导致系统失调。

主动噪声控制又可以分为前馈控制方式、反馈控制方式以及混合控制方式等。有专利设计一种混合的anc装置，提高降噪装置的抗干扰能力。对比传统anc装置，可以有效消除外界随机噪声对降噪效果的影响，增强设备的环境适应性。也有通过对多通道噪声控制算法的优化，采集更多的相干噪声信号，再生成稳定的控制信号，从而实现降噪效果，并针对不同使用场景，有多种降噪模式可选。但总的来说，现有专利装置基本上仅实现了车辆局部或者特定区域的降噪，控制方法实现的效果均是窄带降噪，主要是抵消了贡献较大的单频带噪音且稳定性较差。

首先，在噪声有源控制系统(anc)中，基本上都存在非线性的问题，影响建模精准度。对设计人员来说，系统清楚或者简单时，一般利用数学工具建立精确的数学模型，但当面对复杂或未知、信息量很少的系统，一般的数学工具就难以建立精确的模型。

其次，当前已有的主动噪声控制技术的控制精度不足，所实现的效果几乎都是窄带降噪，主要是针对那些贡献比较大的单频带纯音进行有目标的抵消，很难达到宽频带的要求，且系统稳定性无法保证。

技术实现要素：

本发明为克服上述现有技术所述的至少一种缺陷，提供一种基于分数阶可变步长的列车牵引系统主动噪声控制方法。

本发明解决上述问题采用如下技术方案：采集列车牵引系统噪声区域的噪声信号，作为参考信号；采集噪声控制区域的残余噪声信号，作为误差信号；通过分数阶可变步长算法，对所述参考信号和误差信号进行分析处理，并输出与噪声信号幅值相等相位相反的反噪声信号至目标区域与噪声信号叠加相互抵消。

进一步地，所述分数阶可变步长算法基于最小均方算法计算权系数迭代，在常规整数阶计算梯度值基础上引入分数阶梯度计算。

进一步地，所述分数阶可变步长算法构建与误差信号变化量相关的时变函数，动态调整控制算法的收敛步长。以误差变化量为收敛步长调节变量改善因非零收敛步长所导致的系统失调。

进一步地，所述分数阶可变步长算法原理包括：

利用梯度下降法推导滤波器权系数迭代公式，目标函数为

j(n)＝e[(d(n)+y(n)*hs(n))²]＝e[e(n)²](1)

令目标函数j(n)对滤波器权值w进行整数阶与分数阶求导得到

v>-1,是分数阶的阶数，通常取1/2。此部分利用幂函数求解n阶导数，公式如下

使用上面的关系可以直接扩展到分数阶导数，当f(t)＝t^m时，其阶导数可由下面给出

其中γ(z)为gamma函数，定义如下

且γ(z+1)＝zγ(z)(5)

对目标函数取一阶整数阶导数与分数阶导数，进行简化运算后得到滤波器权系数更新公式为

其中μ0、μ1为收敛步长，其中

分数阶形式的可变收敛步长表示为

完整的算法运算公式如下所示

进一步地，通过参考传感器采集列车牵引系统附近噪声区域的噪声信号；通过误差传感器采集噪声控制区域的残余噪声信号。

本发明的另一目的在于提供一种基于分数阶可变步长的列车牵引系统主动噪声控制装置，包括参考传感器、误差传感器、分数阶自适应控制器以及扬声器；所述参考传感器用于采集列车牵引系统附近噪声区域的噪声信号，作为参考信号，并输入到分数阶自适应控制器；所述误差传感器用于采集列车内部噪声控制区域的残余噪声信号，作为误差信号并输入至分数阶自适应控制器；所述分数阶自适应控制器，用于对所述参考信号和误差信号通过分数阶可变步长算法进行分析处理，并输出与噪声信号幅值相等相位相反的反噪声信号至扬声器。

进一步地，所述声音传感器及扬声器均设置在列车牵引系统附近噪声区域和列车内部的噪声控制区域。

进一步地，所述分数阶自适应控制器中载入控制算法；声音传感器采集牵引系统噪声传输至分数阶自适应控制器进行处理后经次级通路将反噪声信号传输至扬声器，误差传感器采集噪声与反噪声信号叠加后的残余噪声信号反馈至分数阶自适应控制器进行下一次权值系数计算。

与现有技术相比，本发明的有益效果为：

基于分数阶可变步长的列车牵引系统主动噪声控制方法，针对牵引系统噪声主要贡献，对1000hz以下低频噪声的降噪效果显著。基于可变步长的控制算法进行收敛步长的自动调节，在确保系统稳定性的同时，提高了收敛速度并降低了稳态误差，且以误差变化量为收敛步长调节变量改善因非零收敛步长所导致的系统失调。基于分数阶自适应的控制算法引入分数阶微积分算子，计算分数阶梯度更新滤波器权系数，提高了算法控制精度进一步降低稳态误差。

本发明尤其适用于机车车辆的驾驶舱或乘客舱等对牵引系统噪声感受明显的地方。

附图说明

图1为具体实施方式分数阶自适应主动噪声控制系统示意图。

图2为具体实施方式分数阶可变步长主动噪声控制算法流程图。

图3为具体实施方式分数阶可变步长主动噪声控制算法逻辑示意图。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；本文中的“连接”可以为直接连接，也可以为间接连接；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明的具体含义。下面结合附图和实施例对本发明的技术方案做进一步的说明。

本具体实施方式提供一种分数阶可变步长的列车牵引系统主动噪声控制方法，使用参考传感器采集列车牵引系统附近噪声区域的噪声信号，作为参考信号，并输入到分数阶自适应控制器；使用误差传感器采集列车内部噪声控制区域的残余噪声信号，作为误差信号并输入至分数阶自适应控制器；分数阶自适应控制器对参考信号和误差信号进行分析处理，并输出与噪声信号幅值相等、相位相反的反噪声信号至扬声器，从而达到有效降低噪声的目的。

如图1所示，所述主动噪声控制方法分别在列车牵引系统附近和噪声控制区域布置参考传感器和误差传感器。将噪声信号采集并转换为数字信号后输入到分数阶自适应控制器当中进行分析处理，由分数阶自适应控制器输出反噪声信号至次级声源(扬声器)转换为声频信号并发射到噪声控制区域。在噪声控制区域(如乘客座椅处)，列车牵引系统噪声与次级声源反噪声相互叠加产生相消干涉，进而消除降低噪声。

参考信号与误差信号传递经过不同的传递函数分别输入至分数阶自适应控制器。传递函数是在不同车型、不同的牵引系统工作条件及不同工况下对初级通道传递路径和次级通道传递路径的预先进行辨识形成的。工况是指不同天气、路况的工作环境，如下雨天、大风天，或者隧道中、山路等。

所述分数阶可变步长算法基于最小均方算法计算权系数迭代，在常规整数阶计算梯度值基础上引入分数阶梯度计算，权值系数经整数阶计算过后再进一步进行分数阶梯度微调，从而提高控制精度避免失调与过调。

所述分数阶可变步长算法构建与误差信号变化量相关的时变函数，动态调整控制算法的收敛步长。算法处于自适应初始阶段时，误差变化较大，为了获得足够收敛速度和跟踪速度，应将可变收敛步长调整为较大的取值；当算法收敛步入稳态后，误差变化较小，应将可变收敛步长调整为较小的取值来保证稳态算法性能。

如图2所示，主动噪声控制方法整个流程包括五个步骤。首先设置变量和参量：x(n)为输入向量，或称为参考信号；w(n)为权值向量；e(n)为误差信号；d(n)为期望信号，即为控制区域实际噪声信号；y(n)为算法输出；μ(n)为收敛步长；n为迭代次数。

第二步初始化，赋值给x和w向量各一个较小的随机非零值，令n＝0。

第三步，将参考信号x(n)和误差信号e(n)输入值分数阶自适应控制器。

第四步，计算当前收敛步长的值μ(n)；计算分数阶梯度值并更新权值向量w(n)。最后计算输出反相信号y(n)并传输至次级声源扬声器；n增加1，转入第3步继续执行。

主动噪声控制方法算法如图3所示。其中，n为当前时刻或迭代次数。设p(n)是噪声源信号，d(n)是噪声源信号经过初级通道hp(z)后传播到目标区域的期望信号，y(n)是滤波器输出信号，滤波器输出信号经过次级通道hs(n)后即为扬声器的输出信号ys(n)，e(n)是误差信号；x(n)是由传声器采集噪声源得到的参考输入信号，可表示为x(n)＝[x(n),x(n-1),…,x(n-l)]^t,r(n)即滤波–x信号，w(n)为滤波器权系数，可表示为w(n)＝[w1(n),w2(n),…,wl(n)]^t，其中l为滤波器长度。假设滤波器hs’(z)对次级通道hs(z)的估计不存在辨识误差。

其中初级通路是参考噪声源和误差传感器之间的主要声路，参考噪声信号x(n)通过初级通路滤波，并在误差传感器处显示为期望噪声信号d(n)。自适应滤波器w(z)的目的是产生有次级扬声器传播的合适的抗噪声信号y(n)。抗噪信号与期望噪声信号相结合，在误差传感器附近形成一个降噪区域。ys(n)则是次级通路降噪信号，由滤波器输出信号通过次级通路滤波而来。

将分数阶算子引入到滤波器权系数的更新中。利用梯度下降法推导滤波器权系数迭代公式，目标函数为

j(n)＝e[(d(n)+y(n)*hs(n))²]＝e[e(n)²](1)

令目标函数j(n)对滤波器权值w进行整数阶与分数阶求导得到

v>-1,是分数阶的阶数，通常取1/2。此部分利用幂函数求解n阶导数，公式如下

使用上面的关系可以直接扩展到分数阶导数，当f(t)＝t^m时，其阶导数可由下面给出

其中γ(z)为gamma函数，定义如下

且γ(z+1)＝zγ(z)(5)

对目标函数取一阶整数阶导数与分数阶导数，进行简化运算后得到滤波器权系数更新公式为

其中μ0、μ1为收敛步长，其中

分数阶形式的可变是收敛步长表示为

完整的算法运算公式如下所示。

本实施例采用分数阶可变步长算法作为主要控制方法，将分数阶微积分用于控制滤波器权系数的迭代，并优化可变步长算法的收敛过程。这为列车牵引系统噪声的控制提供了一种非常有效的方法，利用分数阶微积分所具有的对物理变化过程中瞬态的良好描述，提高了算法的控制精度和收敛速度。本发明基于分数阶可变步长的列车牵引系统主动噪声控制方法及装置，对1000hz以下的列车牵引系统噪声具有明显的降噪效果。

附图中描述位置关系的用于仅用于示例性说明，不能理解为对本专利的限制。显然，本发明的上述具体实施方式仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

起点商标作为专业知识产权交易平台，可以帮助大家解决很多问题，如果大家想要了解更多知产交易信息请点击 【在线咨询】或添加微信 【19522093243】与客服一对一沟通，为大家解决相关问题。

此文章来源于网络,如有侵权,请联系删除