CN110895622A - 一种基于高铁舱内噪声源识别的降噪指标分解方法 - Google Patents

Abstract

本发明公开了一种基于高铁舱内噪声源识别的降噪指标分解方法，所述方法包括：步骤1)将高铁舱壁划分为若干个噪声源区域，并将每个区域划分成多个源声压和空气质点振速测试点，将车厢划分为多个乘客观察区域，在每个乘客观察区域布置多个观察点；步骤2)在乘客观察区域对高铁舱内的噪声源区域进行识别和测试，获得各个噪声源区域对所有乘客观察区域的噪声贡献度；然后对各噪声源区域进行排序；步骤3)建立最优降噪优化分解方程，根据总降噪指标计算每个噪声源区域的最优降噪量数值。本发明的方法可通过可操作的测试计算流程提出各个舱壁降噪具体量值，为高铁舱室定量降噪设计提供依据。

Description

一种基于高铁舱内噪声源识别的降噪指标分解方法

技术领域

本发明涉及降噪处理领域，具体涉及一种基于高铁舱内噪声源识别的降噪指标分解方法。

背景技术

近年来，伴随着我国高铁机车开发以及高铁运营的发展，高铁成为我国旅客主要长途运输方式，同时高铁也不断走向世界，高铁舱内不仅需要噪音低，还要求能够正常交流、打电话，因此对高铁舱内减振降噪设计提出了迫切需求。

发明内容

本发明的目的在于解决高铁舱内减振降噪设计的需求，提出了一种基于高铁舱内壁板噪声源传递路径识别的降噪指标分解方法。在高铁封闭舱内，噪声通常来源于壁板振动或者舱外噪声引起壁板透射过来的噪声，通过分析舱壁各个区域的声压和表面空气质点振速，可以分析出各壁板对舱室噪声的贡献，进而结合各个壁板噪声贡献量进行噪声指标分解设计工作，从而为高铁舱室降噪提供一种简单易实现的量化设计方法。

为了实现上述目的，本发明一种高铁舱内噪声源识别的降噪指标分解方法，所述方法包括：

步骤1)将高铁舱壁划分为若干个噪声源区域并在每个区域上设置多个源声压和空气质点振速测试点，将车厢分块为多个乘客观察区域，在每个乘客观察区域设置多个观察点；

步骤2)在乘客观察区域对高铁舱内的噪声源区域进行识别和测试，获得各个噪声源区域对所有乘客观察区域的噪声贡献度；然后对各噪声源区域进行排序；

步骤3)建立最优降噪优化分解方程，根据总降噪指标计算每个噪声源区域的最优降噪量数值。

作为上述方法的一种改进，所述步骤1)具体为：

步骤1-1)所述高铁舱壁的噪声源区域包括顶板区、侧壁区、车厢地板区和前后隔门区；所述顶板区分为受电弓区和非受电弓区；所述侧壁区分为窗口区和非窗口区；在每个噪声源区域内设置多个声压和空气质点振速测试点；

步骤1-2)将乘客观察区域分为车厢乘客中间区域和车厢乘客前后区域；在每个乘客观察区域上设置多个观察点。

作为上述方法的一种改进，所述步骤2)具体包括：

步骤2-1)在高铁舱内各观察点放置体积声源发声，在第k个噪声源区域的第l个测试点，采用参考信号同步测量表面空气质点振速u_{k_l}和声压p_{k_l}；

步骤2-2)采用互易法获得各测试点到各观察点的传递函数

和

其中，

表示

表示

k表示噪声源区域的编号，l表示第k个噪声源区域内的测试点的编号，i表示观察区域的编号，j表示第i个乘客观察区域内的观察点的编号，Q_{i_j}表示在第i个观察区域内的第j个观察点的体积声源大小；

步骤2-3)对高铁舱壁的噪声源区域的噪声进行计算；得出各个噪声源区域对所有乘客观察区域加权平均噪声贡献度；从而对各噪声源区域进行排序。

作为上述方法的一种改进，所述步骤2-3)具体包括：

步骤2-3-1)计算第k个噪声源区域在第i个观察区域的第j个观察点产生的噪声p_{k_i_j}为：

其中，k＝1,2,…N_k，N_k为噪声源区域的个数；

为第k个噪声源区域的测试点的总数，Δs_{k_l}为第k个噪声源区域的第l个测试点占据的面积；

计算所有噪声源区域对i个观察区域的第j个观察点的总噪声：

步骤2-3-2)第k个噪声源区域相对于第i个观察区域所有观察点的平均贡献度p_{k_i}为：

其中，

为第i个乘客观察区域的观察点总数，<>表示空间求平均；

第k个噪声源区域对所有乘客观察区域的平均加权贡献度为：

其中，N_i为观察点区域总数，w_i为对第i个观察区域的加权系数，总权重应满足

步骤2-3-3)对各噪声源区域贡献<p_k〉进行排序，获取各噪声源区域的噪声贡献。

作为上述方法的一种改进，所述步骤3)具体包括：

步骤3-1)应用层次分析法获得降噪广义成本权重值c_k；

步骤3-2)建立优化的降噪目标函数：

约束条件为使整体区域加权平均噪声ΔdB_t达标：

ΔdB_t≤ΔdB_r

其中，ΔdB_k为优化变量，表示第k个噪声源区域的降噪量，0≤ΔdB_k≤d_k，d_k为第k个噪声源区域以分贝数表示的最大减振降噪量，γ为大于0的常数，表示降噪难度成本与降噪分贝数成指数关系；ΔdB_r表示要求的所有乘客观察区域的总加权平均降噪量，根据目前噪声水平和要求噪声水平相减获得；

步骤3-3)根据步骤3-2)建立的优化的降噪目标函数，迭代计算获得以分贝数表示的第k个噪声源区域最优降噪量数值。

作为上述方法的一种改进，当使某个噪声源区域的噪声达到要求，所述步骤3-2)的降噪优化方程的约束条件为：

某个乘客观察区域的加权平均噪声ΔdB_{t_i}达标：

ΔdB_{t_i}≤ΔdB_{r_i}

其中，ΔdB_{r_i}为该乘客观察区域的总平均要求的降噪量，根据该观察区域的目前噪声水平和要求噪声水平相减获得。

本发明的优势在于：可通过可操作的测试计算流程提出各个舱壁降噪具体量值，为高铁舱室定量降噪设计提供依据。

附图说明

图1为本发明的基于高铁舱内噪声源识别的降噪指标分解方法的流程图。

具体实施方式

下面结合附图对本发明进行详细的说明。

针对高铁舱内降噪的需求，本发明提出一种基于舱内壁板噪声源传递路径识别的降噪指标分解方法，实现舱室降噪量化设计。

根据声学互易原理，对观察点的噪声计算公式如下：

应用互易原理，

和

为在观察点放置体积声源测量舱壁声压和空气分子振速对体积声源的传递函数，而u′和p′为实际工况舱壁表面振速和声压，可采用pu探头测得。

将舱壁分区，如：顶板可划分有受电弓区和非受电弓区，侧壁分窗口区和非窗口区等，对于乘客观察点也可以分区，如：车厢乘客中间区域，车厢乘客前后区域。对各个区域又分为测量位置，对于源区，根据离散化原理，根据声波每个波长两个三个测点，每个区域布置多个测试点。应用互易原理，测量源区域到观察点的传递函数，将各个源分区点到各乘客区观察点的传递函数

和

离散化表示为

和

表示

表示

上标k_l中k表示源分区号，l表示k源区中测点号，下标i_j中i表示接收位置分区号，j表示i接收区中测点号。

第k个源区域对第i个观察区域的第j点的声压贡献计算公式离散化为：

Δs_{k_l}为各源区划分的各个测点附近的面积，所有小块面积加起来为总源面积，

为第k个源分区的总测点数。

计算

比空气阻抗大很多，表明表面很硬，则忽略表面声压的影响，公式还可简化为：

同时可计算所有壁面噪声源区域对i个观察区域的第j个观察点的总噪声：

可将上述公式计算的数值与第i个观察区域的第j个观察点测量的声压对比，分析是否遗漏源或者其它测试分析错误问题。

如图1所示，本发明提出了一种基于高铁舱内噪声源识别的降噪指标分解方法，具体包括：

1.舱内噪声识别的测试和分析

1.1舱内噪声传递函数测试方法

舱壁对观察区的传递函数测试采用互易法进行，即在各观察点放置体积声源发声，测试各个区域壁面附近的声压和空气质点速度，获得各源点到观察点的传递函数

和

1.2舱壁噪声和质点速度测试方法

高铁按照实际工况运行，在各个区域布置声压和空气质点振动测试点，测量各区域对应参数值，当表面阻抗比较高时，可以采用忽略声压的简化计算公式，因此也可只测量表面空气质点振速。

对于测试面积比较大，一次可能无法铺设所有传感器，测试分块进行，采用基于参考信号同步的方法。假设某区域有一个参考信号，且在以后分块测试中都测试该信号，该参考信号首次测试频域信号为

其后每次测试信号可以采用以下公式获得同步信号：

y_i为第i次布点测试频域信号，

为第i次测试频域参考信号，y_i′为同步后的信号，可为声压或者表面质点振速。

1.3舱内噪声多点贡献量分析计算方法

第k个噪声源区域相对于第i个观察区域所有观察点的平均贡献度p_{k_i}为：

,其中，

为i观察区域观察点总数，<>表示空间求平均。

第k个噪声源区域对所有观察区域的平均加权贡献度为：

其中，N_i为观察点区域总数，w_i为对第i个观察区域的加权系数，总权重应满足

通过上式可以分析出<p_{k_i}＞，<p_k>(i＝1...N_i，k＝1...N_k,N_i和N_k分别表示观察区域和源区域总数)，得出各个源区域对i观察区域或者所有观察区域的加权噪声贡献量。从而对各壁板噪声源贡献进行排序，为壁板减振降噪提供参考。

2.噪声指标分解法

2.1区域降噪导致总噪声降低计算

设某区域降噪量为ΔdB_k(k＝1...N_k)，假设区域变化不会对传函产生太大影响，各源片区域对观察点贡献符合能量加法，实践证明对于高铁等在大于200Hz的高频这种近似是可行的。计算降噪数值公式为：

(1)某个观察区域

(2)整体平均降噪量

2.2噪声指标分解

降噪一般涉及到成本问题，即采用最有效的方法获得降噪效果，对高铁各个舱壁处理，降低各舱壁噪声贡献，由于不同区域贡献不同，且在不同区域进行降噪处理成本不同。因此用层次分析法分析各舱壁源区域降噪成本权重值c_k，成本可以是考虑降噪可行性、周期和成本广义成本值。

最后建立以下优化方程并求解降噪量数值。

优化方程目标函数：

ΔdB_k为优化变量，表示第k个噪声源区域的降噪量，0≤ΔdB_k≤d_k，d_k为单块壁板以分贝数表示的最大减振降噪量，γ为大于0的常数，表示降噪难度成本与降噪分贝数成指数关系，一般可取1。

约束条件为：

(1)只降低某个区域的噪声使之达标

ΔdB_{t_i}≤ΔdB_{r_i}

或

(2)使整体区域加权平均噪声达标

ΔdB_t≤ΔdB_r

ΔdB_{t_i}和ΔdB_t计算方法见2.1，ΔdB_{r_i}和ΔdB_r为某个观察区域和总平均要求的降噪量，可根据目前噪声水平和需求噪声水平相减获得。

3.迭代设计

第一次测试和设计完成后，可实车铺设声学材料，再测试并分析，并比较噪声是否达标，进行下一次循环设计，提出的设计流程图如下图。

以上方法可以针对各频段依次开展，也可以针对总噪声开展，方法不脱离本方法的实质要求。

最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (6)

1.一种基于高铁舱内噪声源识别的降噪指标分解方法，所述方法包括：

步骤1)将高铁舱壁划分为若干个噪声源区域并在每个区域上设置多个源声压和空气质点振速测试点，将车厢分块为多个乘客观察区域，在每个乘客观察区域设置多个观察点；

步骤2)在乘客观察区域对高铁舱内的噪声源区域进行识别和测试，获得各个噪声源区域对所有乘客观察区域的噪声贡献度；然后对各噪声源区域进行排序；

步骤3)建立最优降噪优化分解方程，根据总降噪指标计算每个噪声源区域的最优降噪量数值。

2.根据权利要求1所述的高铁舱内噪声源识别的降噪指标分解方法，其特征在于，所述步骤1)具体为：

步骤1-1)所述高铁舱壁的噪声源区域包括顶板区、侧壁区、车厢地板区和前后隔门区；所述顶板区分为受电弓区和非受电弓区；所述侧壁区分为窗口区和非窗口区；在每个噪声源区域内设置多个声压和空气质点振速测试点；

步骤1-2)将乘客观察区域分为车厢乘客中间区域和车厢乘客前后区域；在每个乘客观察区域上设置多个观察点。

3.根据权利要求2所述的高铁舱内噪声源识别的降噪指标分解方法，其特征在于，所述步骤2)具体包括：

步骤2-1)在高铁舱内各观察点放置体积声源发声，在第k个噪声源区域的第l个测试点，采用参考信号同步测量表面空气质点振速u_{k_l}和声压p_{k_l}；

步骤2-2)采用互易法获得各测试点到各观察点的传递函数

和

其中，

表示

表示

k表示噪声源区域的编号，l表示第k个噪声源区域内的测试点的编号，i表示观察区域的编号，j表示第i个乘客观察区域内的观察点的编号，Q_{i_j}表示在第i个观察区域内的第j个观察点的体积声源大小；

步骤2-3)对高铁舱壁的噪声源区域的噪声进行计算；得出各个噪声源区域对所有乘客观察区域加权平均噪声贡献度；从而对各噪声源区域进行排序。

4.根据权利要求3所述的基于高铁舱内噪声源识别的降噪指标分解方法，其特征在于，所述步骤2-3)具体包括：

步骤2-3-1)计算第k个噪声源区域在第i个观察区域的第j个观察点产生的噪声p_{k_i_j}为：

其中，k＝1,2,…N_k，N_k为噪声源区域的个数；

为第k个噪声源区域的测试点的总数，Δs_{k_l}为第k个噪声源区域的第l个测试点占据的面积；

计算所有噪声源区域对i个观察区域的第j个观察点的总噪声：

步骤2-3-2)第k个噪声源区域相对于第i个观察区域所有观察点的平均贡献度p_{k_i}为：

其中，

为第i个乘客观察区域的观察点总数，<>表示空间求平均；

第k个噪声源区域对所有乘客观察区域的平均加权贡献度为：

其中，N_i为观察点区域总数，w_i为对第i个观察区域的加权系数，总权重应满足

步骤2-3-3)对各噪声源区域贡献<p_k>进行排序，获取各噪声源区域的噪声贡献。

5.根据权利要求4所述的高铁舱内噪声源识别的降噪指标优化分解方法，其特征在于，所述步骤3)具体包括：

步骤3-1)应用层次分析法获得降噪广义成本权重值c_k；

步骤3-2)建立优化的降噪目标函数：

约束条件为使整体区域加权平均噪声ΔdB_t达标：

ΔdB_t≤ΔdB_r

其中，ΔdB_k为优化变量，表示第k个噪声源区域的降噪量，0≤ΔdB_k≤d_k，d_k为第k个噪声源区域以分贝数表示的最大减振降噪量，γ为大于0的常数，表示降噪难度成本与降噪分贝数成指数关系；ΔdB_r表示要求的所有乘客观察区域的总加权平均降噪量，根据目前噪声水平和要求噪声水平相减获得；

步骤3-3)根据步骤3-2)建立的优化的降噪目标函数，迭代计算获得以分贝数表示的第k个噪声源区域最优降噪量数值。

6.根据权利要求5所述的高铁舱内噪声源识别的降噪指标优化分解方法，其特征在于，当使某个噪声源区域的噪声达到要求，所述步骤3-2)的降噪优化方程的约束条件为：

某个乘客观察区域的加权平均噪声ΔdB_{t_i}达标：

ΔdB_{t_i}≤ΔdB_{r_i}

其中，ΔdB_{r_i}为该乘客观察区域的总平均要求的降噪量，根据该观察区域的目前噪声水平和要求噪声水平相减获得。

Images