工程机械司机室内噪声信号盲源分离及特性研究

摘要

目前我国工业化建设进展迅速，工程机械设备在基础设施建设及工农业生产中发挥着突出作用。工程机械行业已发展成为我国机械工业中的第四大行业，国产工程机械设备技术水平获得了很大提升。随着工程机械行业的快速发展以及各国环保政策的大力推行，人们对于工程机械的综合性能提出了更高的要求，对于工程机械的舒适性和噪声控制的要求也越来越严格。工程机械司机室内噪声作为NVH(Noise、Vibration、Harshness)重要指标之一，越来越受到广泛的关注。为增强我国的工程机械产品国际竞争力，推动我国向着工程机械制造强国转变，对司机室内噪声问题进行研究具有重大的现实意义。
　　推土机司机室受到多种振动和噪声激励影响，各噪声源具有各自的时频特征。当在多个噪声源共存的情况下，降低司机室噪声，需要抑制最主要噪声源，才能取得明显的降噪效果。因此，确定噪声源是降低噪声限值的首要工作。由于多个噪声源的同时作用，测试采集得到的噪声信号包含多种复杂的瞬变非稳态信号和少数稳态信号的叠加，研究司机室振动噪声源及特性，是实现噪声源定位的重要基础。
　　研究发现司机室内噪声、振动信号是含有一定噪声的非平稳信号，采用小波等时频分析方法能够其进行详细的研究，但需依据信号特征反复调整参数才能取得较好的分析效果，而EEMD能够将非线性、非平稳信号自适应分解成为一族固有模态函数IMF，这将有效的提高振动、噪声信号分析效率。但EEMD方法也存在着参与运算的白噪声信号影响分解效果的问题。改进的EEMD方法即MEEMD方法，在保持EEMD分解的优点的同时，减小了参与辅助计算的白噪声残留，对IMF分量的模态分裂也有较好的抑制作用。本研究将MEEMD方法应用到推土机司机室内振动噪声信号特征分析上，可改进现司机室内振动噪声源特征分析效果。
　　推土机司机室内振动噪声源众多，且传入路径复杂，由于工程实际测试时相关测量使用的传感器数量限制，如何利用有限的观测信号识别多个源信号，是欠定盲识别的难题。研究表明，单通道信号经MEEMD分解，拓展为多个带有源信号的特征信息的IMF分量，从而实现欠定问题到正定问题的转换。本文将采集的振动、噪声信号的MEEMD分解结果作为冗余的观测分量，分别利用协方差矩阵特征值分析方法和信号稀疏性特征分析方法，探讨司机室内振动噪声源的数目估计，为实现司机室内振动噪声源准确识别提供研究基础。
　　利用IMF分量进行振动噪声源识别时，由于MEEMD方法分解得到的IMF分量之间总存在一定的耦合信息，需要对IMF信号进行解耦，即去除各IMF信号间的相关性。IMF分量组合的观测阵代表了多个源信号的线性混合，采用独立成分分析(ICA)从混合矩阵分离出若干相互独立的成分，但现有方法受数值计算迭代初值的影响具有不确定性，且基于负熵的固定点算法(Fixed-PointAlgorithm-FICA)的稳定性需要改进，本研究将MEEMD和ICA方法相整合改进，将其应用于司机室内噪声源的分离和识别，并通过相干分析与时频分析相结合的技术对噪声源进行定位，最后从隔声和减振两方面入手对司机室内噪声的进行了综合治理。
　　综合以上问题的分析，本研究展开了以下内容的研究:
　　结合推土机的结构和司机室的特点，对司机室内噪声来源、噪声传播途径和产生机理进行了分析，对多个型号推土机司机室内振动、噪声信号进行初步分析，确定司机室内振动噪声信号大致特征。采用四种不同的小波函数对多个型号推土机司机室内振动、噪声信号进行了时频分析，确定最优的复Morlet小波参数，并与STFT时频分析比较分析效果，研究发现复Morlet小波和STFT变换各有优点，可根据信号的特点选择合适的时频分析工具。
　　将MEEMD方法引入推土机司机室振动噪声源特征识别研究中，结合相关系数分析筛选有效IMF分量组合。结合IMF分量时频特征分析，研究了型号Ⅰ司机室内底板振动信号、耳旁噪声信号，分析与司机室内振动噪声信号密切相关的各IMF分量。采用IMF分量的能量变化指标研究了运行工况变化对IMF分量能量特征的影响情况，根据能量变化的情况确定转速工况对耳旁噪声各IMF分量的影响，对敏感的IMF分量进行追踪和定位，为进一步实现驾驶室内噪声治理提供分析基础。
　　利用MEEMD将单个观测信号拓展为带有多个源信号特征信息的IMF分量组合，将欠定盲分析问题转化为正定问题。采用两种不同的分析方法分别利用单通道观测信号进行了源数估计:(1)根据观测阵信号子空间维数估计原理，将特征值方法应用于IMF分量构成的观测信号的分析中，对源信号的个数进行估计;(2)根据观测信号在时频域的稀疏性原理，将IMF分量构成的观测信号进行时频域转换，提取信号的稀疏特征向量进行源数估计。采用两种分析方法对型号Ⅱ推土机司机室内耳旁噪声和底板振动信号进行了源数估计，并对得到噪声合成信号simf和振动合成信号vimf，进行时频分析，分析影响司机室内耳旁噪声的主要频率。
　　对MEEMD和ICA方法进行整合，通过添加迭代步长参数α对基于负熵的固定点算法进行了改进，结合分离性能指标，选择最优的参数设置。采用整合改进的MEEMD和ICA方法，结合相干分析与时频分析相结合的技术，对型号Ⅰ推土机司机室内噪声信号进行盲分离，并对型号Ⅰ推土机司机室内振动噪声进行了分步分阶段治理，有效降低了司机室内耳旁噪声。从隔声和减振两方面入手的分阶段的综合治理的实验结果也验证了对司机室内噪声的综合治理行之有效。通过改进减振系统有效降低了低速工况下的噪声水平，而隔声措施对于降低中高速工况下的噪声效果较明显。
　　本研究以某系列液压式履带推土机研究对象，实现了工程机械司机室内噪声盲源分离，以司机室内振动噪声源估计、噪声源识别和特性分析为主要内容，以现代信号处理方法MEEMD、ICA、时频分析以及信号稀疏特征分析等多种方法为手段，对司机室内复杂声场内盲源分离方法及关键技术进行了研究。研究结论和提出的研究方法对其他类型的工程机械具有一定的借鉴意义。本研究还存在一定的不足，主要有以下两个问题需要继续研究和完善:
　　(1)研究了某系列3种型号推土机的司机室内振动噪声情况，但未涉及到其他类型的工程机械，研究范围还需要拓展，使文中提出的研究方法应用更为广泛;
　　(2)MEEMD分解对非平稳信号分析具有一定的优势，但存在计算效率低的问题，参数选择的设置也有待进一步优化，未来可以建立参数选择的优化指标，提高算法的计算效率。