[发明专利]一种基于声品质贡献系数的电机噪声源识别方法及系统

权利要求书

1.一种基于声品质贡献系数的电机噪声源识别方法，其特征在于，包括以下步骤：

(1)通过噪声信号采集模块采集电机本体噪声样本S1和车内耳旁噪声样本S2；

(2)通过声品质预测模块对采集到的车内耳旁噪声样本S2进行主观评价和心理声学客观参量计算，对心理声学客观参量与主观评价结果之间进行相关分析，采用GA遗传算法优化BP神经网络建立电机声品质预测模型；

(3)通过声品质贡献量识别模块对噪声信号采集模块所采集的电机本体噪声样本S1进行模态分解和盲源分离，获得多个独立噪声信号分量，分别计算每个独立噪声信号分量的心理声学客观参量，并将参量代入声品质预测模型得到电机本体噪声声品质Sq和车内耳旁独立噪声声品质Sxi，然后利用公式计算每个噪声信号分量的声品质贡献系数Sci，确定电机不同类别噪声的声品质贡献量大小，其中i＝1，2，3，4。

2.根据权利要求1所述的基于声品质贡献系数的电机噪声源识别方法，其特征在于，采集所述电机本体噪声样本S1和车内耳旁噪声样本S2包括采集不同转矩、不同转速的不同工况下的噪声样本。

3.根据权利要求1所述的基于声品质贡献系数的电机噪声源识别方法，其特征在于，所述声品质预测模型的建立步骤具体为：

对采集得到的车内耳旁噪声样本S2进行主观评价试验和心理声学客观参量计算，对主观评价结果和心理声学客观参量进行相关性分析，选取相关性系数大于0.6的心理声学客观参量作为输入，建立BP神经网络，并采用GA遗传算法优化BP神经网络以提高模型的精度，建立GA-BP神经网络声品质预测模型。

4.根据权利要求1所述的基于声品质贡献系数的电机噪声源识别方法，其特征在于，所述心理声学客观参量包括响度、尖锐度、波动度、音调度、粗糙度、A计权声压级。

5.根据权利要求1所述的基于声品质贡献系数的电机噪声源识别方法，其特征在于，所述声品质贡献量的识别具体步骤为：

(1)采用自适应互补集合经验模态分解的方法对采集的电机本体噪声样本S1进行分解，电机本体噪声样本S1被分解为多个噪声信号分量，每一个分量为一个本征模态函数IMF；再对每一个分量进行鲁棒性独立成分分析，得到与源信号近似的多个独立噪声源；

(2)再采用连续小波变换对各独立噪声源时频域特征进行分析，识别出轴承噪声、转子不平衡噪声、径向电磁力噪声、开关频率噪声4个主要独立噪声源；

(3)将上述4个主要独立噪声源分别乘以频响函数H(ω)得到驾驶员耳旁独立噪声样本Xi；

(4)分别计算电机本体噪声样本S1和4个驾驶员耳旁独立噪声样本Xi的心理声学客观参量，并将这些参量代入电机声品质预测模型，得到电机本体噪声声品质Sq和驾驶员耳旁独立噪声声品质Sxi

(5)根据下式计算每个驾驶员耳旁独立噪声样本Xi的声品质贡献量系数Sci；

(6)根据驾驶员耳旁噪声样本的声品质贡献量系数Sci，得到主要独立噪声源的声品质贡献量大小，从而识别出电机的主要噪声源。

6.根据权利要求1所述的基于声品质贡献系数的电机噪声源识别方法，其特征在于，所述噪声信号采集模块包括麦克风、转速传感器和扭矩传感器；

所述麦克风用于采集噪声信号；所述扭矩传感器用于采集电机的扭矩；所述转速传感器用于采集电机的转速。

7.根据权利要求5所述的基于声品质贡献系数的电机噪声源识别方法，其特征在于，所述频响函数H(ω)的确定是根据互异性原理，在驾驶员耳旁处布置体积声源Qa作为激励，在电机表面处布置一个麦克风测得其噪声声压级P作为响应，由激励和响应的关系获得电机表面至驾驶员耳旁之间的频响函数：H(ω)＝Qa/P。

8.一种实现权利要求1-7任意一项所述电机噪声源识别方法的基于声品质贡献系数的电机噪声源识别系统，其特征在于，包括噪声信号采集模块、声品质预测模块、声品质贡献量识别模块：

噪声信号采集模块，用于采集电机本体噪声样本S1和车内耳旁噪声样本S2；

声品质预测模块，用于对采集到的车内耳旁噪声样本S2进行主观评价和心理声学客观参量计算，对心理声学客观参数与主观评价结果之间进行相关分析，采用GA遗传算法优化BP神经网络建立电机声品质预测模型；

声品质贡献量识别模块，用于对所采集的电机本体噪声样本S1进行模态分解和盲源分离，获得多个独立噪声样信号分量，分别计算每个独立噪声信号分量的心理声学客观参量，并将参量代入声品质预测模型得到不同噪声信号分量的声品质大小，然后计算每个噪声信号分量的声品质贡献系数，确定电机不同类别噪声的声品质贡献量大小。