一种汽车噪声控制装置及方法与流程

2021-01-28 17:01:42|

333|

起点商标网

本发明涉及噪声消除技术领域，更具体的说是涉及一种汽车噪声控制装置及方法。

背景技术：

传统的降噪技术(被动降噪技术)，主要通过两种方式对车内噪声进行控制。一是改变汽车结构，从声源处减少共振，二是在车内安装隔声、吸声材料，在声音传播过程中对噪声进行控制；被动降噪对于低频噪声的控制效果不佳，还可能增加汽车的重量，不满足汽车轻量化设计的要求。因此合适的降噪方法对汽车的发展尤为重要。

主动降噪利用可控制的声源对某一特定的声场进行控制，达到降低声压或者能量的目的。相对于被动降噪技术，主动降噪技术在几乎不增加汽车重量、不改变汽车结构情况下，可以取得较好的降噪效果。主动降噪系统在降噪的过程中可以实现自适应，在声场可能大幅变化的汽车驾驶舱环境中可以保持稳定的降噪效果。

现在，虽然主动噪声控制已经开始应用于汽车车内噪声控制，但是目前噪声控制在车内复杂的噪声环境中难以达到稳定的降噪效果。

因此，如何提供一种稳定降噪的汽车噪声控制装置及方法是本领域技术人员亟需解决的问题。

技术实现要素：

有鉴于此，本发明提供了一种汽车噪声控制装置及方法，以解决现有技术中的不能稳定降噪的问题。

为了实现上述目的，本发明提供如下技术方案：

一种汽车噪声控制装置，包括：

第一声源采集模块，用于采集汽车产生的第一噪声；

噪声控制模块，用于接收所述第一噪声，并对所述第一噪声进行预测，得到预测信号；

主动噪声控制器模块，用于输入所述预测信号，生成与预测信号相互抵消的控制信号。

在上述的技术方案中，本发明的技术效果在于：利用bp神经网络高度自学习和自适应的能力，对未见过的模式或其他噪声模式进行正确预测，得到正确的预测信号，以满足各种工况下的噪声抵消。

优选的，在上述的一种汽车噪声控制装置中，所述噪声控制模块包括：数据预处理单元，获取第一噪声以及与所述第一噪声产生关联的数据样本；归一化处理单元，对所述数据样本进行归一化处理，得到对应的归一化后的归一化数据样本；

预测模型建立单元，利用matlab来建立噪声预测模型；

更新单元，用于更新的网络权值和更新的网络阈值；

预测模型训练单元，确定最终网络权值和最终网络阈值，得到合格的噪声预测模型。

在上述的技术方案中，本发明的技术效果在于：建立噪声预测模型能够广泛应用于各种复杂的噪声模式下。

优选的，在上述的一种汽车噪声控制装置中，还包括：第二声源采集模块，用于采集环境中的第二噪声，并传输给所述噪声控制模块，与所述第一噪声共同作为输入进行预测，得到预测信号。

在上述的技术方案中，本发明的技术效果在于：便于获取更多的训练样本，以保证系统的鲁棒性和预测精度。

优选的，在上述的一种汽车噪声控制装置中，主动噪声控制器模块包括：滤波器单元，所述预测信号输入后，经过所述滤波器单元生成与预测信号相互抵消的声音信号。

优选的，在上述的一种汽车噪声控制装置中，所述第一声源采集模块设置有多个分别设置在汽车不同声源处。

优选的，在上述的一种汽车噪声控制装置中，所述噪声控制模块根据不同声源处获取的第一噪声，进行叠加；并对叠加后的第一噪声进行预测。

一种汽车噪声控制方法，具体步骤包括：

获取汽车产生的第一噪声，所述第一噪声从单一声源或多个声源获得；

将所述第一噪声输入噪声预测模型，得到预测信号；

根据所述预测信号通过主动噪声控制器模块进行滤波，得到与预测信号相互抵消的控制信号。

优选的，在上述的一种汽车噪声控制方法中，所述噪声预测模型利用matlab设置神经网络的总层数、每一层神经元的数量以及各层之间的传递函数。

优选的，在上述的一种汽车噪声控制方法中，得到与预测信号相互抵消的控制信号具体的控制信号为频率以及振动方向与预测信号相同并且所述控制信号与所述预测信号存在固定的相位差。

经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种汽车噪声控制装置及方法，将第一声源采集模块采集汽车产生的第一噪声；通过建立的噪声预测模型对所述第一噪声进行预测，得到预测信号；将预测信号输入至主动噪声控制器模块，生成与预测信号相互抵消的控制信号。利用bp神经网络高度自学习和自适应的能力，对未见过的模式或其他噪声模式进行正确预测，得到正确的预测信号，以满足各种工况下的噪声抵消，不仅从系统的响应上更加快速，而且对于系统的稳定性也大大提高。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1附图为本发明的实施例1的结构框图；

图2附图为本发明的实施例2的结构框图；

图3附图为本发明的实施例3的结构框图；

图4附图为本发明的实施例4的方法流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例公开了一种汽车噪声控制装置及方法，将第一声源采集模块采集汽车产生的第一噪声；通过建立的噪声预测模型对所述第一噪声进行预测，得到预测信号；将预测信号输入至主动噪声控制器模块，生成与预测信号相互抵消的控制信号。利用bp神经网络高度自学习和自适应的能力，对未见过的模式或其他噪声模式进行正确预测，得到正确的预测信号，以满足各种工况下的噪声抵消，不仅从系统的响应上更加快速，而且对于系统的稳定性也大大提高。

实施例1：

一种汽车噪声控制装置，如图1所示，包括：

第一声源采集模块，用于采集汽车产生的第一噪声；

噪声控制模块，用于接收第一噪声，并对第一噪声进行预测，得到预测信号；

主动噪声控制器模块，用于输入预测信号，生成与预测信号相互抵消的控制信号。

在本发明的实施例中，噪声控制模块包括：

数据预处理单元，获取第一噪声以及与第一噪声产生关联的数据样本；

其中，第一噪声关联的数据样本包括：车速、路况等对于车产生噪声的影响因素数据。

归一化处理单元，对数据样本进行归一化处理，得到对应的归一化后的归一化数据样本；

其中，具体的包括，对数据样本p1进行归一化处理，得到归一化处理数据样本p2，并将归一化处理数据样本p2分为两组，为第一归一化数据样本和第二归一化数据样本。

预测模型建立单元，利用matlab来建立噪声预测模型；

更新单元，利用第一归一化样本数据输入到噪声预测模型中更新的网络权值和更新的网络阈值；

预测模型训练单元，利用第二归一化数据输入到噪声预测模型中，进行训练，确定最终网络权值和最终网络阈值，得到合格的噪声预测模型。

进一步，归一化处理的公式为

其中min(p1)为归一化处理之前的最小值，max(p1)为归一化处理之前的最大值。

在上述的技术方案中，本发明的技术效果在于：建立噪声预测模型能够广泛应用于各种复杂的噪声模式下。

在本发明的实施例中，主动噪声控制器模块包括：滤波器单元和mcu，预测信号输入mcu后，经过滤波器单元生成与预测信号相互抵消的声音信号。

其中，滤波器单元，包括但不限于性能权值滤波器，用于针对预测信号进行频域整形，得到频率以及振动方向与预测信号相同并且控制信号与预测信号存在固定的相位差的控制信号。

实施例2：

一种汽车噪声控制装置，如图2所示，包括：

第一声源采集模块，用于采集汽车产生的第一噪声；

噪声控制模块，用于接收第一噪声，并对第一噪声进行预测，得到预测信号；

主动噪声控制器模块，用于输入预测信号，生成与预测信号相互抵消的控制信号。

还包括：第二声源采集模块，用于采集环境中的第二噪声，并传输给噪声控制模块，与第一噪声共同作为输入进行预测，得到预测信号。

其中，第二声源采集模块用于采集环境中的噪声，如风噪、胎噪、外界的其他噪声，进一步提高预测精度。

在本发明的实施例中，噪声控制模块包括：

数据预处理单元，获取第一噪声以及与第一噪声产生关联的数据样本；

其中，第一噪声关联的数据样本包括：车速、路况等对于车产生噪声的影响因素数据。

归一化处理单元，对数据样本进行归一化处理，得到对应的归一化后的归一化数据样本；

预测模型建立单元，利用matlab来建立噪声预测模型；

更新单元，利用第一归一化样本数据输入到噪声预测模型中更新的网络权值和更新的网络阈值；

预测模型训练单元，利用第二归一化数据输入到噪声预测模型中，进行训练，确定最终网络权值和最终网络阈值，得到合格的噪声预测模型。

进一步，归一化处理的公式为

其中min(p1)为归一化处理之前的最小值，max(p1)为归一化处理之前的最大值。

在本发明的实施例中，主动噪声控制器模块包括：滤波器单元和mcu，预测信号输入mcu后，经过滤波器单元生成与预测信号相互抵消的声音信号。

实施例3：

一种汽车噪声控制装置，如图3所示，包括：

第一声源采集模块，用于采集汽车产生的第一噪声；第一声源采集模块设置有多个分别设置在汽车不同声源处，便于采集多组数据，针对不同的噪声进行叠加得到完整的数据样本。

噪声控制模块，用于接收第一噪声，并对第一噪声进行预测，得到预测信号；

主动噪声控制器模块，用于输入预测信号，生成与预测信号相互抵消的控制信号。

还包括：第二声源采集模块，用于采集环境中的第二噪声，并传输给噪声控制模块，与第一噪声共同作为输入进行预测，得到预测信号。

其中，第二声源采集模块用于采集环境中的噪声，如风噪、胎噪、外界的其他噪声，进一步提高预测精度。

在本发明的实施例中，噪声控制模块包括：

数据预处理单元，获取第一噪声以及与第一噪声产生关联的数据样本；

其中，第一噪声关联的数据样本包括：车速、路况等对于车产生噪声的影响因素数据。

归一化处理单元，对数据样本进行归一化处理，得到对应的归一化后的归一化数据样本；

预测模型建立单元，利用matlab来建立噪声预测模型；

更新单元，利用第一归一化样本数据输入到噪声预测模型中更新的网络权值和更新的网络阈值；

预测模型训练单元，利用第二归一化数据输入到噪声预测模型中，进行训练，确定最终网络权值和最终网络阈值，得到合格的噪声预测模型。

进一步，归一化处理的公式为

其中min(p1)为归一化处理之前的最小值，max(p1)为归一化处理之前的最大值。

在本发明的实施例中，主动噪声控制器模块包括：滤波器单元和mcu，预测信号输入mcu后，经过滤波器单元生成与预测信号相互抵消的声音信号。

实施例4：

一种汽车噪声控制方法，如图4所示，具体步骤包括：

获取汽车产生的第一噪声，第一噪声从单一声源或多个声源获得；

将第一噪声输入噪声预测模型，得到预测信号；

根据预测信号通过主动噪声控制器模块进行滤波，得到与预测信号相互抵消的控制信号。

在本发明的实施例中，噪声预测模型利用matlab设置神经网络的总层数、每一层神经元的数量以及各层之间的传递函数。

在本发明的实施例中，得到与预测信号相互抵消的控制信号具体的控制信号为频率以及振动方向与预测信号相同并且控制信号与预测信号存在固定的相位差。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

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。