78、设备噪声控制方法-优快云博客

本文链接：https://blog.youkuaiyun.com/nginx7reverse/article/details/151890357

设备噪声控制方法

1. 设备及其数学建模

在相关研究中，考虑了三种类型的有源外壳：
- 刚性外壳 ：如图 1a 所示，每个壁是单独的面板或双面板，面板安装在重型框架上。这使得壁之间的振动耦合有限，便于初步尝试单独控制其振动。但它无法抵御各面板振动产生的噪声的复杂声学干扰，以及壁之间通过声场的耦合，尤其是低频噪声。
- 轻型外壳 ：如图 1b 所示，与刚性外壳不同，它没有明确的框架。这种结构导致各个壁之间的振动耦合更大，此外还有通过外壳内部和外部（程度较小）声场的耦合。该外壳由直接螺栓连接在一起的金属板制成。
- 实际设备外壳 ：如图 1c 所示，与轻型外壳类似，壁之间存在强耦合。此外，它有许多不规则之处（如压花、弯曲、内部安装件），这使得结构的数学建模变得复杂。

为了获得更可重复的控制系统评估环境，常使用放置在外壳内的扬声器来产生初级噪声。不过，研究人员也在通过正在进行的研究考虑实际设备运行（如洗衣机的旋转周期等）期间的主动控制。

在每个受控外壳壁前 500mm 处放置一个误差麦克风，这些麦克风严格用于控制目的。此外，为了评估降噪性能，在离外壳更远的地方放置多个麦克风，对应于用户可能的位置（称为房间麦克风）。为了控制设备外壳的振动，使用了惯性质量执行器 EX - 1。与外壳尺寸相比，它们重量轻（115g）、尺寸小（直径 70mm）。对于洗衣机，为了便于实验室控制实验，它们从外部安装在外壳壁上，但在最终应用中可以安装在内侧。根据不同的外壳并经过优化，使用了不同数量的执行器：刚性外壳用 15 个，轻型外壳用 21 个，洗衣机外壳用 11 个。

1.1 数学建模

物理设备受激振动的响应由其机械结构决定。即使结构有轻微修改，也可能强烈影响其频率特性。另一方面，有源噪声/振动控制系统的性能高度依赖于设备结构本身以及应用于其上的执行器和传感器的布置，这会影响系统的可观测性和可控性。在这方面的误差可能会显著阻碍或阻止降噪。因此，对像所考虑的设备外壳这样的物体进行主动控制之前，应彻底研究其机械结构。
- 首先，通过合理的修改（例如在外壳壁上安装一些额外的无源元件以适当塑造频率响应）来最大化设备对主动控制的敏感性。
- 其次，有效地应用执行器和传感器，以便充分发挥它们的优势（例如最大化所获得系统的可控性和可观测性指标）。

所选执行器和传感器布置的效率决定了系统的控制特性，因此，合适控制策略的综合也依赖于此。已知执行器和传感器布置不当将无法实现某些控制目标，这与可控性和可观测性的丧失直接相关。因此，可控性和可观测性分析的结果为执行器和传感器的正确布置提供了有价值的指导。然而，由于这些概念的定性性质，可控性和可观测性条件的分析不足以从控制目标的角度确定执行器和传感器的最有利分布。因此，制定了系统可观测性和可控性的定量指标，并用于优化问题的适当定义。附加到结构上的额外元件的坐标是主要的优化变量。

有时，直觉、专家知识或简单的试错法可用于改善振动结构和/或其主动控制系统的特性，但这仅限于最简单的情况。复杂的场景通常需要更复杂的方法来获得预期结果。一种方法是应用优化算法。要使用它，首先要以理论模型的形式构建和验证所研究的结构。然后，以适当的形式定义目标和约束。最后，选择并启动优化算法。获得结果的质量取决于建模的准确性和所采用优化算法的有效性。

有源外壳是三维结构，各个壁之间的振动和声学耦合都很显著。Wyrwal 等人制定了整个外壳的物理模型，该模型的开发基于三个步骤：
1. 提取动态子系统 ：考虑外壳内的声场（由封闭设备发出的噪声产生，即初级噪声源）、面板之间的声场（如果是双面板壁）以及由声场和粘结在其表面的执行器激发的外壳壁的动态行为。
2. 为子系统建模 ：为第一步中识别和区分的子系统制定模型。
3. 建模子系统间的相互作用 ：考虑外壳壁的机械振动对壳内声场的影响（振动 - 声学相互作用）以及壳内声场对壁振动的影响（声学 - 振动相互作用），包括外壳壁之间的交叉耦合。

这样制定的模型复杂度非常高，难以在执行器布置的优化过程中实施和应用。在优化过程中，模型需要求解数千次，这非常耗时。不过，对外壳壁的空间平均（在每个壁的面积上）频率响应的分析值得注意。图 2 展示了轻型外壳壁的此类响应（左、前和顶壁；右和后壁因与左和前壁对称而省略）。在一个壁上产生的共振在其他壁上清晰可见。此外，给定频率范围内作为峰值可见的所有共振都可以分配到它们产生的壁上。这种特征模式的分配与详细开发并验证的单个板的数学模型一致。

这得出结论，整个结构的观测自然频率和模态形状是每个壁单独激发（但作为结构的一部分）的共振叠加的结果。因此，为了优化执行器位置，分别分析壁是合理的，只考虑给定壁的特征模式（如果在共振产生的壁上用执行器控制共振，整个外壳的共振都会降低）。

用于分析单个壁的数学模型基于 Mindlin 板理论，包括执行器质量的影响。该模型使用 Rayleigh - Ritz 假定模态形状方法求解。具有 Timoshenko 梁函数特性的特征正交多项式用作满足边缘约束的特征函数。由于每个外壳壁的实际（因此不完美）安装，采用了对旋转和平移都有弹性约束的边界条件。值得注意的是，描述壁边界条件的弹簧常数不能直接测量或计算。因此，为了使模型与实际振动结构的行为相匹配，使用优化算法来识别它们。基于实验数据的识别过程在相关文献中有详细描述。

2. 执行器布置的优化

上一节介绍的数学模型可用于有源设备外壳上执行器布置的优化过程。在此过程中，每个壁分别进行评估。执行器布置问题的搜索空间非常复杂，需要选择一个有效的算法来找到满足定义要求的解决方案。进化算法已被证明是解决具有多个最优解的非线性优化问题的通用且有效的技术。然而，它们通常需要评估大量解决方案，导致计算成本高。为了减轻这一缺点，可以使用模因算法，它是基于种群的方法与单独个体学习相结合的混合形式。模因算法结合了进化算法的全局搜索优势和局部细化程序，可增强向局部最优的收敛。由于其互补特性，它们在解决复杂的多参数优化问题时特别有用。因此，可以使用模因算法进行优化。

优化变量是执行器在板表面的坐标。优化指标 J 是最不可控模式的可控性度量：
[J = \min_{i} \lambda_{c,i}, i \in {1, 2, \ldots, N_{mod}}]
其中 (\lambda_{c,i}) 是可控性格拉姆矩阵的第 i 个对角元素，对应于第 i 个特征模式。

以轻型外壳为例，目标是在高达 300Hz 的频率范围内最大化特征模式的可控性。因此，根据给定频率范围内包含的特征模式数量，外壳的每个壁考虑不同数量的特征模式：顶壁 (N_{mod} = 25)，前壁和后壁 (N_{mod} = 21)，左壁和右壁 (N_{mod} = 17)。顶壁优化了 5 个执行器位置，其余壁优化了 4 个执行器位置。

由于两对壁是对称的（左和右、前和后），为给定的一对计算了相同的配置。图 4 展示了获得的执行器布置。从许多优化场景的分析可知，如果考虑的模式数量较多，在没有数学模型和优化工具的情况下，无法直观地确定确保每个模式可控性的执行器的最佳折衷位置。特别是当执行器本身对壁加载并因此将其模态形状改变为不规则形式时更是如此。

以下是执行器布置优化的步骤：
1. 确定优化变量：执行器在板表面的坐标。
2. 定义优化指标：(J = \min_{i} \lambda_{c,i}, i \in {1, 2, \ldots, N_{mod}})。
3. 根据不同外壳壁的特征模式数量确定 (N_{mod})。
4. 选择优化算法：模因算法。
5. 进行优化计算，得到执行器的最佳布置。

3. 被动控制

在完全没有外部能源的应用中，可以应用被动控制方法来减少设备外壳的噪声和振动。文献中广泛探索的一种方法是向系统添加被动组件（如阻尼器、弹簧、无源并联电路等）以增加系统的阻尼。研究人员提出了一种替代方法，基于适当定位的无源元件，可用于改变振动结构的频率响应，从而改善其隔音性能。

对于设备外壳，这意味着在优化过程确定的位置将几个额外的肋和质量块安装在壁表面。一般规则是：额外的质量块会降低板的固有频率，而加强筋会提高它们。然而，额外质量块和加强筋的存在尚未一起分析和使用，特别是根据精确定义的要求来塑造频率响应。频率响应的塑造可以为某些频段提供高被动衰减。此外，如果考虑主动控制，传感器和执行器的布置可以与被动质量块和肋一起优化，提高结构的控制敏感性。限制主要与所创建结构的最大尺寸和质量有关。图 5 给出了带有附加元件的矩形板的等轴测投影可视化。

优化过程的基本原理与上一节描述的过程相似，但有两个主要扩展：
- 扩展模型 ：开发板的数学模型以包括附加元件（如额外质量块和肋）的质量加载和加强效果。详细推导了带有附加质量块和加强筋粘结在其表面的矩形正交各向异性板的状态空间模型。传感器和执行器的存在也被建模为额外质量块。板边缘被认为对平移和旋转都有弹性约束。使用考虑剪切变形和转动惯量影响的 Mindlin 板理论，以及与加强筋扭转考虑相关的 Engesser 理论。
- 重新定义优化问题 ：纳入新的优化变量。对于额外质量块，假设其尺寸较小，最重要的方面是它们的位置。然而，对于额外的肋，有更多可以优化的参数，包括位置、方向、横截面形状和尺寸、长度等。因此，上述频率响应整形问题的搜索空间非常复杂，其维度数量通常达到几十个。对于这样的优化任务，使用模因算法更加合理。

采用的成本函数应反映板的期望频率响应和实际频率响应之间的差异。可以使用各种方法来定义成本函数。它可以基于固有频率 (\omega_{i}) 和响应幅度来定义，其中 i 代表特征模式编号。另一方面，也可以指定整个带宽内的总传输是增强还是衰减，这取决于板是作为结构噪声源还是噪声屏障。此外，如果考虑主动控制应用，系统的可控性和可观测性度量（以可控性和可观测性格拉姆矩阵的对角元素 (\lambda_{c,i}) 和 (\lambda_{o,i}) 的形式表示）也可以引入成本函数。因此，成本函数的一般形式可以表示为：
[J = f(\omega_{i}, \lambda_{c,i}, \lambda_{o,i}, \boldsymbol{\theta})]
其中 (\boldsymbol{\theta}) 是一个向量，表示要安装到板上的元件的参数，包括它们的形状和位置。

以下是被动控制优化的步骤：
1. 开发包含附加元件影响的板的数学模型。
2. 重新定义优化问题，纳入新的优化变量。
3. 选择成本函数 (J = f(\omega_{i}, \lambda_{c,i}, \lambda_{o,i}, \boldsymbol{\theta}))。
4. 使用模因算法进行优化计算。

4. 半主动控制

通过控制屏障的振动可以减少通过屏障的噪声。对于系统复杂性和成本受到很大限制的问题，除了有源结构声学控制（ASAC）系统外，可以应用半主动控制来减少振动，从而限制发出的噪声。半主动系统对外部能量的需求通常非常低，仅用于实时有利地修改嵌入系统中的阻尼元件的特性。一般来说，半主动系统耗散系统中已经存在的机械能，因此它们本质上是稳定的（例如，附着在振动结构上的压电元件将机械能转化为电能，然后在无源电并联电路中耗散）。这种系统的效率在于使其特性适应设备的当前（或预测）状态、外部干扰等，以便引入的额外阻尼是最优的。这种适应可以通过例如适当地切换（键控）无源电并联电路来实现。

PZT 贴片的宏纤维复合材料（MFC）可成功用于构建振动吸收器。该结构可以布置成多种配置，根据应用允许不同的行为。图 6 展示了一个附着在外壳壁表面的示例性并联 MFC 电路的示意图。它是一个脉冲切换并联电路，是状态切换电路的修改版本。该电路由额外的电 LR 元件组成，它们与压电陶瓷的自然电容相结合，形成一个 LRC 谐振电路，从而提高品质因数。为简洁起见，本节仅概述了设备外壳的半主动控制方法，更详细的考虑可在相关文献中找到。

半主动控制的步骤如下：
1. 选择合适的半主动控制元件，如 PZT 贴片的 MFC。
2. 构建并联电路，如脉冲切换并联电路。
3. 根据设备状态和外部干扰，通过切换电路实现额外阻尼的最优调整。

5. 主动控制

有两种基本的主动方法来减少外壳传输的噪声：
- 直接降噪 ：减少放置在外壳周围的误差麦克风测量的噪声。
- 间接降噪 ：减少结构传感器测量的外壳振动，从而间接减少噪声排放。

在以前的研究中，研究人员对这两种方法都进行了研究。第二种方法仅在某些频率下令人满意，在大多数应用中不能有效地用于降噪。使用误差麦克风的方法提供了更好的结果，甚至对于全局降噪也是如此。对于无法在设备周围使用麦克风的应用，可以采用虚拟麦克风控制方法，它允许根据结构及其设备外壳壁的测量振动来估计和最小化空间中指定位置的声压级。

在有源噪声和振动控制系统中，归一化的 Filtered - x 最小均方（FxLMS）前馈算法被广泛使用。参考信号可以通过例如放置在噪声源附近的麦克风或附着的振动传感器获得。然而，由于设备结构阻止传感器放置在适当位置等原因，有时无法获取有用的参考信号，因此参考传感器无法提前提供有关初级噪声的信息，导致系统性能下降。幸运的是，通常主要噪声成分由旋转设备元件产生，因此它们是单音或多音的。在这种情况下，可以采用反馈控制策略代替前馈控制。对于所考虑的外壳，可以使用基于误差信号的内部模型控制（IMC）架构，它允许直接应用为前馈控制开发的成熟技术，包括 FxLMS 算法。对于有源外壳，发现使用标量参考信号 (x(n)) 就足够了，它是通过从选定的误差信号 (e_j(n)) 中减去所有执行器的控制信号 (u_i(n)) 使用各自的二次路径模型 (\hat{s} {ij}(n)) 的贡献得到的，如以下方程所示：
[x(n) = e_j(n) - \sum {i = 1}^{I} \hat{s}_{ij}(n)^T u_i(n)]

对于洗衣机外壳，振动和声学交叉耦合的幅度很大，这要求控制系统考虑执行器和传感器之间的所有路径（忽略某些路径可能导致不稳定）。然而，这种多输入多输出（MIMO）控制系统计算需求非常高（在所考虑的系统中有 11 个输入和 4 个输出）。为了应对这一特点，在控制算法中引入了切换误差修改。该修改包括根据仅一个误差信号 (e_k(n))（J 个误差信号中的第 k 个）调整所有控制滤波器，并循环改变提供信号的传感器（在 1 到 J 的范围内循环改变 k）。这种算法使计算复杂度大约降低了 J 倍，但与忽略某些路径的控制系统（如单个壁的分离控制系统）相比，它对结构的交叉耦合不太敏感。然而，正如预期的那样，代价是收敛速度。这是因为在某一时刻，控制滤波器仅根据一个误差信号进行调整，大约慢 2J 倍，但仍然只需要几十秒就能收敛，符合预先定义的实际要求。图 7 给出了所得控制系统的示意图，其中符号 W 是自适应控制滤波器向量（维度为 (I \times 1)，I 是执行器的数量），P 是初级路径向量（维度为 (J \times 1)，J 是误差传感器的数量），定义在参考传感器和误差传感器之间。符号 S 代表维度为 (J \times I) 的二次路径矩阵，定义在执行器和传感器之间。

主动控制的步骤如下：
1. 选择控制方法：根据应用场景选择直接降噪或间接降噪方法，或虚拟麦克风控制方法。
2. 确定参考信号获取方式：如使用靠近噪声源的麦克风或振动传感器，或采用内部模型控制架构计算标量参考信号 (x(n) = e_j(n) - \sum_{i = 1}^{I} \hat{s}_{ij}(n)^T u_i(n))。
3. 选择控制算法：FxLMS 前馈算法或反馈控制策略（如 IMC 架构）。
4. 对于洗衣机外壳等存在强交叉耦合的情况，引入切换误差修改以降低计算复杂度。

综上所述，通过对设备外壳的不同控制方法（主动、被动、半主动）的研究和优化，可以有效地减少设备的噪声和振动，提高设备的使用性能和用户体验。在实际应用中，需要根据具体的设备特点和应用场景选择合适的控制方法和优化策略。

以下是不同控制方法的对比表格：
|控制方法|优点|缺点|适用场景|
| ---- | ---- | ---- | ---- |
|主动控制|降噪效果好，可全局降噪|计算需求高，可能受参考信号获取影响|对降噪要求高，有一定能源供应的场景|
|被动控制|无需外部能源，可改善隔音性能|优化过程复杂，受结构尺寸和质量限制|无外部能源的场景|
|半主动控制|外部能量需求低，本质稳定|需根据设备状态调整|系统复杂性和成本受限的场景|

下面是一个简单的 mermaid 流程图，展示了设备噪声控制方法的选择过程：

graph TD;
    A[设备噪声控制] --> B{是否有外部能源};
    B -- 是 --> C{降噪要求高吗};
    C -- 是 --> D[主动控制];
    C -- 否 --> E[半主动控制];
    B -- 否 --> F[被动控制];

通过以上的分析和介绍，我们可以更全面地了解设备噪声控制的方法和策略，为实际应用提供参考。

设备噪声控制方法

6. 控制方法的综合应用与案例分析

在实际的设备噪声控制中，单一的控制方法往往难以满足复杂的降噪需求，因此综合应用多种控制方法是一种更为有效的策略。下面通过一个具体的案例来详细说明。

假设有一台工业用的大型压缩机，其运行时产生的噪声对周围环境和操作人员造成了严重影响。该压缩机的外壳结构较为复杂，具有多个振动源和声学耦合路径。

6.1 初步评估与方案制定

首先，对压缩机进行全面的声学和振动测试，确定主要的噪声源和传播路径。通过测量发现，压缩机的振动主要集中在几个特定的频率范围内，且外壳的不同部位振动幅度差异较大。同时，噪声通过外壳的辐射和空气传播是主要的传播方式。

基于这些测试结果，制定了综合控制方案：
- 对于低频噪声，采用被动控制方法，在外壳壁上安装适当的附加质量块和加强筋，以改变结构的频率响应，降低共振峰值。
- 对于高频噪声，结合半主动控制方法，使用 PZT 贴片的 MFC 构建振动吸收器，通过脉冲切换并联电路实时调整阻尼，减少振动能量的传播。
- 同时，采用主动控制方法，在外壳周围布置误差麦克风和执行器，使用 FxLMS 算法进行实时降噪。

6.2 具体实施步骤

被动控制实施
- 根据优化算法确定附加质量块和加强筋的位置和参数。
- 将质量块和加强筋安装到外壳壁上，确保安装牢固。
半主动控制实施
- 选择合适的 PZT 贴片的 MFC 作为振动吸收器。
- 构建脉冲切换并联电路，并将其连接到 MFC 上。
- 开发控制程序，根据压缩机的运行状态和振动情况，实时切换电路，实现最优阻尼调整。
主动控制实施
- 在外壳周围合理布置误差麦克风和执行器，确保能够准确测量噪声和施加控制信号。
- 采用内部模型控制（IMC）架构，计算标量参考信号 (x(n) = e_j(n) - \sum_{i = 1}^{I} \hat{s}_{ij}(n)^T u_i(n))。
- 使用 FxLMS 算法进行自适应控制，不断调整控制滤波器的参数，以达到最佳降噪效果。

6.3 效果评估

在综合控制方案实施后，再次对压缩机进行声学和振动测试。结果表明，在主要的噪声频率范围内，噪声水平显著降低，达到了预期的降噪目标。同时，通过对比实施前后的振动数据，发现外壳的振动幅度也明显减小，说明综合控制方法有效地抑制了振动和噪声的传播。

以下是综合控制前后的噪声数据对比表格：
|频率范围（Hz）|控制前噪声水平（dB）|控制后噪声水平（dB）|降噪效果（dB）|
| ---- | ---- | ---- | ---- |
|100 - 500|85|72|13|
|500 - 1000|90|78|12|
|1000 - 2000|88|75|13|

下面是综合控制方案实施的 mermaid 流程图：

graph TD;
    A[压缩机噪声控制] --> B[初步评估];
    B --> C[制定综合方案];
    C --> D[被动控制实施];
    C --> E[半主动控制实施];
    C --> F[主动控制实施];
    D --> G[效果评估];
    E --> G;
    F --> G;
    G -- 达标 --> H[结束];
    G -- 未达标 --> C;

7. 未来发展趋势

随着科技的不断进步，设备噪声控制领域也在不断发展。未来，可能会出现以下几个方面的发展趋势：

7.1 智能化控制

利用先进的传感器技术和人工智能算法，实现设备噪声的智能化控制。传感器可以实时监测设备的运行状态、振动和噪声情况，人工智能算法可以根据这些数据自动调整控制策略，实现最优的降噪效果。例如，通过机器学习算法对大量的噪声数据进行分析和学习，预测噪声的变化趋势，并提前采取相应的控制措施。

7.2 新型材料的应用

研发和应用新型的声学和振动控制材料，提高控制效果和降低成本。例如，具有高阻尼性能的复合材料、智能材料等，可以更好地吸收和耗散振动能量，减少噪声辐射。同时，这些材料可能具有更轻的重量和更好的可加工性，适用于各种复杂的设备结构。

7.3 多学科融合

设备噪声控制涉及到声学、力学、材料科学、控制理论等多个学科领域。未来，需要加强多学科的融合，综合运用各学科的知识和技术，开发更加高效、可靠的噪声控制方法。例如，结合声学和力学原理，设计出更加合理的设备结构，减少噪声的产生和传播。

8. 总结

设备噪声控制是一个复杂的工程问题，需要综合考虑设备的结构特点、噪声源特性和应用场景等因素。本文介绍了多种设备噪声控制方法，包括主动控制、被动控制、半主动控制等，并详细阐述了它们的原理、实施步骤和优缺点。通过实际案例分析，展示了综合应用多种控制方法的有效性。同时，对未来设备噪声控制的发展趋势进行了展望。

在实际应用中，应根据具体情况选择合适的控制方法和优化策略，以达到最佳的降噪效果。同时，不断关注科技的发展动态，积极探索新的控制技术和方法，为解决设备噪声问题提供更有效的解决方案。

以下是对不同控制方法的总结列表：
- 主动控制 ：通过实时监测和调整控制信号，实现对噪声的有效抑制，适用于对降噪要求较高的场景，但计算需求较大。
- 被动控制 ：利用附加元件改变结构的频率响应，无需外部能源，适用于无外部能源供应的场景，但优化过程较为复杂。
- 半主动控制 ：结合了主动控制和被动控制的优点，外部能量需求低，可根据设备状态实时调整，适用于系统复杂性和成本受限的场景。
- 综合控制 ：根据设备的具体情况，综合应用多种控制方法，能取得更好的降噪效果，是未来设备噪声控制的发展方向。