论文部分内容阅读
随着汽车工业的不断发展、环保意识的增强以及人们对乘坐舒适性要求的提高，汽车噪声控制特别是车室噪声控制日益引起人类和有关部门的重视。传统的噪声控制技术主要是被动控制包括隔声、消声和吸声等方法，对中高频噪声有较好的效果，但对于路面激励或发动机激励作用下引起车身振动进而辐射的低频噪声无法实现有效的控制。相对于被动控制技术而言，噪声主动控制（Active NoiseControl）能有效地降低车室低频噪声。本文综合国内外研究手段，建立噪声主动控制模型并取得较好的降噪效果，从而为噪声主动控制技术的发展提供参考。本文针对汽车车室噪声声压级比较大、低频特性为主的特点，结合声波叠加原理和噪声主动控制理论，采用有限元分析和数学建模相结合的方法，分别构建神经网络噪声主动控制系统和自适应神经网络噪声主动控制系统，并且比较分析了两种系统的降噪效果。根据降噪要求将本文的研究内容分为两部分，第一部分为车室噪声的预测，第二部分为车室噪声主动控制。车室噪声预测通过采用结构—声场耦合有限元分析方法预测车室内的噪声。其实施步骤如下：首先分别对车身顶棚和地板进行模态分析、车室空腔进行声模态分析，得到声学共振频率进而为结构改进提供依据；然后建立1/2汽车六自由度动力学模型，并且借助Matlab和Simulink搭建动力学响应的仿真模型，运行仿真模型得到车身顶棚和车身底板的振动加速度；最后将车身顶棚和车身地板的振动加速度作为边界条件导入LMS Virtual LAB的声学模块中，进行结构—声场耦合分析，得到车室内驾驶员右耳位置对应节点的频率响应函数曲线和功率谱密度曲线，从而实现了对车室噪声的预测。车室噪声主动控制是指结合信号控制理论和噪声控制理论对车室低频噪声进行有效控制。其具体内容如下：首先根据神经网络和自适应滤波理论分别建立神经网络和自适应神经网络噪声主动控制系统原理图，并且结合Matlab编程和Simulink中的DSP Blockset/Neural Network Blockset模块求得神经网络模型的权值和阈值以及自适应滤波器的最适宜滤波器阶数和收敛因子；然后根据控制系统原理图分别建立神经网络噪声主动控制系统模型和自适应神经网络主动控制系统模型，运行仿真模型得到控制前后的时域—声压曲线、频率响应函数曲线和功率谱密度曲线，通过曲线的对比分析比较了两种噪声主动控制系统的降噪效果。结果表明：自适应神经网络噪声主动控制系统的控制效果比神经网络噪声主动控制系统的降噪效果好。