[发明专利]一种主动控制车辆全局空间噪声的卷积-模糊神经网络方法

说明书

本发明公开了一种主动控制车辆全局空间噪声的卷积‑模糊神经网络方法。方法包括在车辆降噪区周围设置多个次级通路；采集各次级通路的噪声残余信号；采用卷积‑模糊神经网络先进行离线辨识得到次级通路模型，同时作为次级通路的自适应有源噪声控制算法在线修正控制器参数，最后输出多方位的噪声抵消信号。本发明将卷积‑模糊神经网络用于辨识对象的逆模型，为车辆全局空间非线性噪声辨识提供了一种非常有效的方法，利用卷积‑模糊神经网络所具有的对函数的非线性逼近能力，提高次级通路的辨识精度；采用有源反馈消声系统，建立了稳定的次级通路模型；解决了车辆全局空间噪声控制难、频带窄的问题。

技术领域

本发明涉及车辆噪声控制技术领域，更具体地，涉及一种主动控制车辆全局空间噪声的卷积-模糊神经网络方法。

背景技术

近年来，随着我国高速列车制造技术水平不断提高，列车运行速度快速提升，轨道交通车辆在满足动力性要求后，舒适性要求也逐渐提高到同等地位，而噪声控制水平是衡量车辆舒适性的关键指标之一。

城市轨道交通领域中，隧道空间使得噪声主观感受更为强烈。无论是乘客，还是地铁运营单位对于列车噪声问题的抱怨也逐渐显现。特别是在地铁开通时间久、线路和车辆老化的城市，轮轨和车辆噪声问题更加突出。

传统的轨道交通车辆噪声控制方法，多采用被动控制方法，即采用吸声、隔声、减振等技术手段控制噪声，该方法的优点是中高频降噪效果直观、明显，物理实现方便；缺点是其噪声诊断及定位周期较长，特别是对于已经设计定型的车辆系统，通过结构和材料优化来降噪的过程非常复杂，且低频噪声的降噪效果有限。

现有研究也有采用主动噪声控制的方法，如申请号为201610590884.X的专利公开了一种混合的ANC装置，以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。申请号为201710523010.7的专利公开了一种基于模糊神经网络的主动噪声控制方法，实现装甲车驾驶舱内高中低频噪声主动控制，对2000Hz以下的噪声具有明显的降噪效果，尤其是对1000Hz以下低频的降噪效果尤为显著。申请号为201810022206.2的专利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。

然而，现有技术虽然基本上实现了降噪，但仍然存在以下缺点：

(1)仅仅实现了车辆局部或者特定区域的降噪，不能解决车辆全局的降噪问题。

(2)现有的主动噪声控制技术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。

(3)现有的降噪控制方法如FX-LMS算法等主要是依赖于初级通路传感器，适用于噪声源诊断明确，特征清晰的噪声降噪；当声源不明确时会出现较大偏差，将严重影响控制效果，特别适用于时变非线性噪声的降噪。

(4)现有的次级通路的建模较简单、稳定性较差，不具备自学习和预测能力。

在噪声主动控制系统(ANC)中，次级通路的建模存在以下问题：

首先，在噪声有源控制系统中，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，且系统稳定性无法保证。

其次，尤其对于大型车辆的噪声源来说，不同区域噪声频率主瓣与旁瓣各有不同，因此对于不同的次级通路应有不同的控制策略，增加了次级通路建模的难度。