min - 1 到 3 800 r ・ min - 1 加速工况为例 ,通过识别车内外主要
染、 能源等问题却限制了传统汽车工业的发展 , 因 此 ,迫切需要开发可持续发展的汽车新能源技术 . 燃 料电池汽车 ( FCV ) 以采用燃料电池作为动力系统的 零排放新型环保汽车 , 成为当今新能源技术中一个 很有前途的解决方案 . 然而影响 FCV 车内噪声的因 素有别于传统内燃机轿车 , 主要反映在燃料电池辅 助系统 、 驱动电机总成以及冷却系统等噪声源上 . 目 前国内外鲜有燃料电池汽车的振动噪声特性的研究 报道 . 2002 年 Florida 大学的 Mat heny 等[ 1 ] 针对某 型燃料电池车进行了怠速工况噪声试验研究 , 识别 出主要 噪声 源 , 并 指出 使用 质子 交换 膜燃 料电池 ( P EM FC) 、 风机等部件的汽车在很大程度上会影响 车内噪声 ,但其并没有研究在非稳态工况下 FCV 车 内外主要噪声源 ,以及驾驶员座椅处的主要振源 . 而 且噪声源识别时常用的现代信号分析技术是基于 FF T (fast fo urier t ransformatio n ) , 而其并不善于分 析非稳态信号 . 故本文首先依据小波包变换 ,结合欧 氏空间理论 , 初步探索了一种在非稳态工况下识别 噪声源的方法 . 然后选取燃料电池汽车风机从 1 000
S t u dy on Met h od of N ois e S ou rce I de nt if ic a t i on i n F uel Cell Ve hicles
ZUO S h ugua ng , GUO Wei , LI Xuga ng
(College of Automotive St udies , Tongji Universit y , Shanghai 201804 , China)
A bs t r act : Based on wavelet packet t ransformation (WP T) and Euclidean space t heory , a met hod was explored to ide ntif y noise source unde r t he non2s tationary conditions . Take n t he condition t hat t he fans in f uel cell vehicle ( FCV ) accele rated f rom 1000 rp m to 3800 rp m as example , t his met hod was int roduced and p roved to be effective by identif ying t he main noise source bot h inside and outside of FCV , and t he main vibration source in t he p osition of f ront seat . So it can be applied in inde ntif ying t he main noise source in automotive un2 stationary conditons s uch as accele ration conditions , deceleration conditions ,and so on. Key w or ds : noise source ide ntification ; wavelet analysis and wavelet packet technology ; non2s teady2s tate conditions ; f uel cell vehicle
k < + ∞内变换叠加而成的 ,即组分能量 Ef ij 是由小
i 波函数 ψ jk ( t) 所确定的频率带内的信号能量 . 依据帕 斯维尔定理 : 时域中信号所具有的总能量等于频域 中的总能量[ 5 - 6 ] ,故小波包组分能量 Ef ij 如下式 : 2
i
ψ2 i + 1 ( t ) =
∑
i g ( k) ψ ( t / 2 - k)
j 为尺度 ,即分解层数 ; k 为平移参数 ; t 为时间 .
(1)
式中 : i 为小波包函数的调幅 ,即小波包子空间次序 ; 当今世界 ,汽车已经日益普及 ,但随之而来的污
收稿日期 : 2009 - 03 - 24 基金项目 : 国家 “八六三” 高技术研究发展计划资助项目 (2008AA501000) ; 上海市曙光计划资助项目 (08SG22) ) ,男 ,教授 ,博士生导师 ,工学博士 ,主要研究方向为汽车系统动力学与控制. E2mail :shuguang. zuo @ 作者简介 : 左曙光 (1968 — fcv2sh. com
r・ min - 1 到 3 800 r ・ min - 1 加速工况 ,识别了车内外
噪声源 ,以及驾驶员座椅处的主要振源 , 论证该方法在识别 非稳态工况下主要噪声源是有效的 ,从而可对汽车非稳态工 况 ( 如加速工况 、 减速工况等) 发出的非平稳噪声信号进行分 析并识别出主要源头 . 关键词 : 噪声源识别 ; 小波分析及小波包变换 ; 非稳态工况 ; 燃料电池汽车 中图分类号 : TB 535 文献标识码 : A
第 38 卷第 6 期 2010 年 6 月
同 济 大 学 学 报 ( 自 然 科 学 版)
JOURNAL OF TONGJ I UNIV ERSI TY(NA TURAL SCI ENCE)
Vol . 38 No. 6 J un. 2010
文章编号 : 02532374 X ( 2010) 0620885205
小波系数满足正交条件 , 那么小波包组分信号 i f j ( t) 可表示为小波包函数的线性组合
i f j ( t) = - ∞
∑C
i j, k
( t ) ψij , k ( t )
( 5)
原始信号在尺度 j 下经过小波包分解可表示为
f ( t) =
i=1
6
2
j
f j ( t)
i
( 6)
其分解树形图如图 1 所示 .
886
同 济 大 学 学 报 ( 自 然 科 学 版)
第 38 卷
i 小波函数 ψ 可由如下递推关系式得到 : 2i ψ ( t) =
1 2 1 2
+ ∞
- ∞
∑h ( k ) ψ ( t / 2 i +∞ - ∞
k)
( 2) ( 3)
的能量成正比[ 4 ] . 由式 ( 9 ) 可以看出 , 组分信号 f ij ( t) i 是由小波函数 ψ jk ( t) 于相同尺度 j 下 , 在时域 - ∞<
主要噪声源 ,以及驾驶员座椅的主要振源 ,并论证了 该方法在识别非稳态工况下主要噪声源是有效的 .
1 小波包变换基本原理
小波包变换是从小波分析延伸出的一种对信号
i 进行更加细致的分析与重构的方法 . 小波包函数 ψ j,k
通常表示为 ψij , k ( t ) = 2 - j/ 2 ψi ( 2 - j t - k )
i 式中 :ψ 为小波母函数 [ 2 - 3 ] ; h ( k) 和 g ( k) 分别为离散 滤波器与尺度函数和小波母函数相关的积分镜像滤 波器系数 . 设原始信号 f ( t) 的小波包系数为 Cij , k , 其解由 下式求得 :
E
i fj
=
k=1
∑( C
i j, k
)2
( 10 )
Cj , k =
DOI : 10 . 3969/ j . iss n. 02532374 x. 2010 . 06 . 019
一种燃料电池汽车噪声源识别方法
左曙光 ,郭 伟 ,李徐钢
( 同济大学 汽车学院 ,上海 201804)
摘要 : 依据小波包变换 ,结合欧氏空间理论 ,探索在非稳态工 况下识别噪声源的方法 . 以燃料电池汽车风机从 1 000 r ・
3 实验验证
为了具体介绍该种识别方法的分析过程 , 本文 选取一个特定非稳态工况 ( 某型燃料电池轿车前舱 空气辅助系统风机转速从 1 000 r ・min - 1 加速至 3 800 r ・ min - 1 的瞬态工况 ) 采集到的数据 , 进行信 号分析 ,识别出车内 、 车外主要噪声源及驾驶员座椅 处的主要振源 ,以说明该方法的分析原理及有效性 . 该试 验 在 汽 车 声 学 实 验 室 内 进 行 . 试 验 设 备 为 SQlab Ⅲ ( 34 通 道 ) , icp 压 电 式 加 速 传 感 器 及 麦 克风 . 拾取振动信号分别为 : 驾驶员座椅 , 进气管前 端 ,进气管后端 ,副车架 ,风机 x 向 ,风机 y 向 ,风机 z 向 ,空滤 x 向 ,空滤 y 向 ,共 9 处振动信号 . 拾取噪声信号为 : 前排座椅 , 后排座椅 , 车外正 前方 ,车外左侧 ,空滤噪声 ,风机前端噪声 ,风机后端 噪声 ,进气管噪声 ,共 8 处噪声信号 . ( 本文重点在于 介绍一种新的噪声源识别方法 , 所以省略了传感器 布置的介绍 ,默认布置方式是正确的 . ) 3. 1 验证该方法分析结果的正确性 根据上述小波包变换的推导过程 , 对噪声信号 进行分析 ,并提取特征向量在 2 维图中显示 , 如图 2 所示 . 图中 ,横坐标 i 为小波包子空间次序 , 代表 ( i 1) × 39 到 i × 39 之间的频带 , 纵坐标代表噪声信号
i
∫f ( t ) ψ
- ∞ +∞
+∞
i j, k
( t) d t
( 4)
选取每一个小波包子空间里小波包组分能量 E f ij 除 以信号总能量 E f ,量纲一化后作为噪声信号的特征 参数 Ef ij / Ef . 下文中 FCV 振动噪声特性试验时 ,选取的采样 频率 Fs ≈ 40 k Hz , 再利用软件 Matlab 对信号进行 小波包分析 ,最大可以实现的分解层数 j = 9 ,即把信 号分解成 29 = 512 个小波包子空间 , 则每个小波包 子空间占有的频段大约为 ( Fs / 2 ) / 512≈39 Hz ,噪声 信号和振动信号的能量主要集中在 0 ～ 5 k Hz , 故只 选取前 150 个小波包子空间提取特征参数 , 即每个 信号对应特征向量 ( Ef 1 / E f , Ef 2 / Ef , …, Ef 150 / Ef ) . 9 9 9