[发明专利]一种基于声品质的驱动电机优化方法及系统

权利要求书

1.一种基于声品质的驱动电机优化方法，其特征在于，包括以下步骤：

噪声信号采集：采集电机噪声样本；

声品质预测模块的建立：对采集到的电机噪声样本进行主观评价和心理声学客观参量计算，建立电机声品质预测模型；

声品质敏感频带的识别：确定与电机声品质呈正相关的频带，分析计算每个频带的敏感度系数，确定电机声品质敏感频带，所述声品质敏感频带的识别步骤具体为：设计带阻滤波器(BSF)，所述带阻滤波器分别以覆盖人耳听阈的24临界频带为阻带上下截至频率；以每个噪声样本bark尺度带宽为带阻滤波器的带宽；利用带阻滤波器对噪声样本进行滤波，得到滤波后的噪声样本；利用电机声品质预测模型，分别计算得到滤波前后的噪声样本声品质S1和S2；计算每个频带的敏感度系数Sensitivity coefficient：

若敏感度系数大于0，则认为该频带与电机声品质呈正相关；

比较每个频带的敏感度系数，敏感度系数较大的频带确定为敏感频带；

电机声品质的优化：分析电机声品质敏感频带对应的激励源，即电机的结构参数和控制参数，对电机结构参数和控制参数进行优化，以改善电机声品质。

2.根据权利要求1所述的基于声品质的驱动电机优化方法，其特征在于，所述噪声信号采集步骤中，采集不同转速、不同转矩的电机噪声样本。

3.根据权利要求1所述的基于声品质的驱动电机优化方法，其特征在于，所述声品质预测模块的建立步骤具体为：

对采集得到的噪声样本进行主观评价试验和心理声学客观参量计算，利用GA遗传算法和BP神经网络将主观评价试验结果和心理声学客观参量关联，对主观评价分值和心理声学客观参量进行相关性分析，选取相关性较强的心理声学客观参量建立电机声品质预测模型。

4.根据权利要求3所述的基于声品质的驱动电机优化方法，其特征在于，所述声品质预测模块的建立步骤中心理声学客观参量包括响度、粗糙度、波动度、音调度、A计权声压级。

5.根据权利要求1所述的基于声品质的驱动电机优化方法，其特征在于，所述带阻滤波器采用海明窗法基于有限脉冲响应数字滤波器进行设计。

6.根据权利要求1所述的基于声品质的驱动电机优化方法，其特征在于，所述电机声品质的优化步骤具体为：

通过对电机受到的径向电磁力进行频谱分析，确定敏感频带对应的激励源，即电机的结构参数和控制参数；

所述结构参数包括定子齿槽形状、尺寸和转子磁极尺寸；

所述控制参数包括控制电压和电流大小；

对结构参数和控制参数进行优化。

7.一种实现权利要求1-6任意一项所述基于声品质的驱动电机优化方法的系统，其特征在于，包括信号采集模块、声品质预测模块、声品质敏感频带识别模块和优化模块；

所述信号采集模块用于采集电机噪声样本；

所述声品质预测模块用于对采集到的电机噪声样本进行主观评价和心理声学客观参量计算，建立电机声品质预测模型；

所述声品质敏感频带识别模块用于确定与电机声品质呈正相关的频带，分析计算每个频带的敏感度系数，确定电机声品质敏感频带；

所述优化模块用于分析电机声品质敏感频带对应的激励源，即电机的结构参数和控制参数，对电机结构参数和控制参数进行优化，以改善电机声品质。

8.根据权利要求7所述的基于声品质的驱动电机优化方法的系统，其特征在于，所述信号采集模块包括麦克风传感器和扭矩传感器；

所述麦克风传感器用于采集噪声信号；所述扭矩传感器用于采集电机的扭矩。