[发明专利]一种用于民航客机客舱噪声的主动控制方法

说明书

本发明属于自动控制的技术领域，公开了一种用于民航客机客舱噪声的主动控制方法，其特征在于：包括通过设置于客舱内不同位置的拾音器采集客舱内的初级声源；以飞机本身产生的噪声作为输入、对应客舱位置的噪声作为输出对BP神经网络进行训练，获取BP神经网络模型；以民航客机的噪声控制方法产生的次级声源作为训练好的BP神经网络模型的输入，产生补偿噪声信号；以所述初级声源和补偿噪声信号的差值作为噪声控制方法的输入，对客舱内人员所在位置进行主动降噪。

技术领域

本发明属于自动控制的技术领域，具体涉及一种用于民航客机客舱噪声的主动控制方法。

背景技术

国民经济的高速发展带动了民航业的快速发展，越来越多的人选择飞机作为出行交通工具。除了速度外，人们出行越来越注重舒适性，然而客舱的噪声直接影响了舱内乘客的舒适性，也是困扰着民航业发展的问题之一。客舱具有良好的噪声主动控制，将极大提高竞争力，如何有效控制舱内噪声仍是飞机设计过程中需要解决的问题。

客舱内噪声主要包括发动机噪声、湍流边界层噪声和客舱内部空调噪声等，发动机噪声主要有风扇噪声、燃烧室噪声、涡轮噪声、喷流噪声。当前飞机主要采用被动噪声控制方法：客舱内壁采用隔声吸音的结构和材料；优化飞机气动外形；空调管道加消声器等，被动噪声控制方法对高频噪声有一定的作用，但是对发动机等产生的中低频噪声控制效果不明显，客舱内噪声依旧强烈。同时飞机在不同的工况下，产生的噪声特征变化大，被动噪声控制方法的作用效果十分有限。在现有技术水平下，若要继续控制客舱内噪声，将会产生巨额成本，且噪声控制效果有限。

虽有部分飞机设计院开始进行客舱主动噪声控制，普遍采用前馈ANC系统，存在次级路径效应，即次级声源发出的抵消声波会经由空气传播到参考麦克风，导致参考麦克风接收到的信号不仅含有噪声源信号也含有次级声源信号。虽然基于FX-LMS算法实现了次级路径的识别，但是该算法是假设客舱内环境近似为线性声学环境，然而实际客舱内噪声环境并非线性，直接影响了噪声控制效果。

发明内容

本发明提供了一种用于民航客机客舱噪声的主动控制方法，采用BP神经网络模型代替传统FXLMS算法中次级声源路径的自适应滤波器，可以较为准确预估次级声源传递到客舱座椅处的实际噪声情况，更加符合实际噪声的非线性状态，预测的准确性更高，降噪效果更好。

本发明可通过以下技术方案实现：

一种用于民航客机客舱噪声的主动控制方法，包括：

通过设置于客舱内不同位置的拾音器采集客舱内的初级声源；

以飞机本身产生的噪声作为输入、对应客舱位置的噪声作为输出对BP神经网络进行训练，获取BP神经网络模型；

以民航客机的噪声控制方法产生的次级声源作为训练好的BP神经网络模型的输入，产生补偿噪声信号；

以所述初级声源和补偿噪声信号的差值作为噪声控制方法的输入，对客舱内人员所在位置进行主动降噪。

进一步，所述噪声控制方法设置为采用FXLMS算法的主动噪声控制方法。

进一步，记所述初级声源为X(n)，其经过训练好的BP神经网络滤波得到输入信号为X′(n)，误差信号采集器采集得到误差信号为e(n)；

将第n时刻调整函数W(z)的权值和输入信号表示为向量的形式，即

W(n)＝[w₁(n)，w₂(n)，，w_L(n)]^T

X′(n)＝[x(n)，x(n-1)，...，x(n-L-1)]^T

权值的调整：

W(n+1)＝W(n)+μe(n)X(n)