胡佩佩,戢金国,金江明,卢奂采( .浙江工业大学特种装备制造与先进加工技术教育部/浙江省重点实验室,杭州3004;.浙江省信号处理重点实验室,杭州3004)
汽车座椅水平驱动器声品质客观参量分析
胡佩佩1,戢金国1,金江明2,卢奂采1
( 1.浙江工业大学特种装备制造与先进加工技术教育部/浙江省重点实验室,杭州310014;2.浙江省信号处理重点实验室,杭州310014)
摘要:针对汽车座椅水平驱动器(Horizontal Driving Machine,简称HDM)在运行情况下出现的异常噪声(简称异响),提出一种基于主观感觉的声品质客观参量分析方法。通过计算并对比分析主观判断有异响HDM和正常HDM声音的声品质客观参量,量化有异响HDM和正常HDM噪声特性以及主观感受的差别;另外,通过时频分析和声品质客观参量随时间变化曲线的对比,有效识别出有异响HDM以及异响频率;通过互动式滤波处理和声学回放,进一步确定异响声源位置。研究结果表明,该分析方法能识别有异响HDM。各声品质客观参量中,尖锐度和有调度对鉴别HDM声品质贡献较大。
关键词:声学;汽车座椅水平驱动器;噪声特性;声品质客观参量;时频分析
汽车座椅水平驱动器(Horizontal Driving Machine,简称HDM)是实现高档汽车座椅位置自动控制的重要部件[1, 2],它在移动过程中产生的噪声声压级很小,但声音品质的好坏则对汽车舒适性指标和定价影响很大。
目前,HDM的质量检测生产线大多是通过人工听音的方法[3, 4]判断产品的质量,而这种依靠人主观感觉与经验来确定产品质量的诊断方法效率低、劳动强度大且判定结果的重复性差。近年来,国内不少研究者对HDM产品的声音,展开定量测定与分析诊断的研究。其中,文献[5]对HDM声音信号,进行了1/3倍频程带通滤波对比分析和Gabor时频分析,结果表明该方法能有效识别出频率大于12 kHz的打点噪声。文献[6,7]从调制的角度,阐述了HDM异响原因,并提出利用希尔伯特包络解调结合傅立叶变换的方法,获得与故障相关的特征频率。这些方法所定量分析的声音指标,都不是基于主观感觉的客观参量评价和分析。因此,提出针对HDM的基于声品质客观参量的分析方法,客观定量分析HDM产品的声品质,这对在线、自动、定量评定HDM噪声的方法和技术研究,具有重要意义[8, 9]。
分别采集人工判断有异响的HDM和正常HDM两组声音信号,利用Artemis算法分别计算HDM正向、反向移动时声音的声品质客观参量,对HDM进行声品质客观评价,定量描述有异响HDM和正常HDM的主观感受差别;通过时频分析和声品质客观参量随时间变化曲线对比,确定异响所在频率范围;通过对异响频率进行互动式滤波处理和声学回放,进一步确定异响的声源位置。
选择A声级、响度、尖锐度、抖动度、粗糙度和有调度6个主要声品质客观参量对HDM进行分析[10–14]。其中,A声级是用声级计的A计权算法测得的声级,描述人耳对声音强弱的感觉,单位dB (A),其它声品质客观参量的定义及计算公式如表1所示。
表1 声品质客观参量的定义及计算公式
2.1噪声样本的采集
实验对象为人工判断有异响的HDM和正常的HDM,实验设备主要有数字人工头、HEAD Analyzer Artemis软件系统、供给电压设备、HDM测试平台。
在全消声室内,将数字人工头放置于HDM平台垂直上方,人工头耳朵中心位置与HDM垂直距离为650 mm。图1、图2分别为实验测试的HDM平台示意图以及设备布置图。
图1 HDM平台上各部件示意图
采用德国HEAD Acoustics公司生产的HEAD HMSIII进行噪声信号采集,试验时依次更换不同HDM(其中编号为1#、2#、3#和4#的HDM被人工判为有异响HDM,1*、2*和3*HDM被人工判为正常HDM),分别在HDM正向、反向移动时实时采集人工头左耳的声音信号(其中水平驱动器上螺母座靠近电机和齿轮箱方向为正向,螺母座部分远离电机和齿轮箱的方向为反向),每次采集时间为10s。
图2 数字人工头与HDM平台
2.2计算结果
经后处理软件HEAD Analyzer Artemis12.0对信号进行计算和处理,得到各声品质参量的数值,如表2所示。
3.1声品质客观参量分析
从表2中,单独对比HDM反向移动时各参数值,异响HDM与正常HDM的值没有较大差别,单独对比正向移动时的各参数值也是如此,所以通过单独比较HDM正向或者反向移动时的各参数值,难以识别出HDM的声品质。
如表3、图3和图4所示,对比分析HDM各参数在正、反向移动时的差值,可以看到:异响HDM正、反向移动时声音的尖锐度和有调度差值普遍比正常HDM的差异值大,2#和4#HDM的A计权声级和响度在正、反向移动时的差值较大,3# HDM尖锐度和有调度在正、反向移动时的差值最大。这说明可通过HDM各参数正、反向移动时的差值来识别HDM声品质,其中尖锐度和有调度正、反向移动时的差值对识别HDM声品质的贡献较大。另外,HDM粗糙度、抖动度的值都很小,且正、反向移动时的差值也很小,对识别HDM声品质的贡献较小。
图3 HDM正、反向移动时的A声级
表2 7个HDM正向、反向移动时的A计权声级、响度、尖锐度、粗糙度、抖动度、有调度的值
表3 HDM各参量正、反向移动的差值
图4 HDM正、反向移动时的响度、尖锐度、有调度
因此,可通过尖锐度和有调度在正、反向移动时的差值是否超过一定阈值来实现HDM声品质的鉴别。
3.2异响分析
取1*HDM与1#HDM声音信号进行分析对比,结果如图5至图9所示。
从图5至图9中左侧1*各曲线图上可看出1*HDM正、反向移动时声音的时域曲线相近,各声品质参数正、反向移动时声音曲线间的差异也很小。而图5中1#HDM反向移动4 s之后声音出现明显异常;图7、图8、图9中可直观地看出1#HDM在分别反向移动8 s和正向移动5 s时响度出现明显突变,尖锐度、有调度曲线在正、反向移动时的差异明显较大。这也与3.1节分析结果相一致。
在1#HDM FFT分析图中,HDM反向移动时频率在340 Hz处声音出现最高的峰值,且正、反向移动时声压级差值达17 dB。对中心频率在340 Hz的噪声频带进行互动式滤波处理,并进行声学回放。通过滤波前后主观听觉对比,结果表明:滤波后减速箱与固定架之间接触振动噪声明显减弱,声品质显著改善。而减速箱与固定架之间接触振动噪声异常主要是齿轮箱内蜗杆/斜齿轮副啮合故障引起的。
图5 1*与1#HDM声音时域对比图(黑色曲线:正向移动,灰色曲线:反向移动)
图6 1*与1#HDM声音FFT对比图(黑色曲线:正向移动,灰色曲线:反向移动)
图7 1*与1#HDM声音响度对比图(深色曲线:正向移动,浅色曲线:反向移动)
基于声品质客观参量的分析方法,定量分析了人工判断有异响与正常的两组HDM声音的声品质特性,得到如下结论:
(1)通过单独比较HDM正向或者反向移动时的各参数值,并不能有效识别出HDM的声品质。
图8 1*与1#HDM声音尖锐度对比图(黑色曲线:正向移动,灰色曲线:反向移动)
图9 1*与1#HDM声音有调度对比图(深色曲线:正向移动,浅色曲线:反向移动)
(2) HDM声品质客观参量在正、反向移动时的差值能有效识别其声品质好坏,其中尖锐度和有调度贡献较大。因此,可通过尖锐度和有调度在正、反向移动时的差值是否超过一定阈值来定量实现声品质的鉴别。
(3)通过HDM正、反向移动时声音的FFT分析对比图中,可识别出故障HDM的异响频率范围。通过互动式滤波处理,间接分析出异响原因。
总体而言,基于声品质客观参量的分析方法能有效识别有异响的HDM,从而为HDM噪声对汽车舒适性影响的定量评定提供一种新的思路和方法。
参考文献:
[1]徐平均,欧阳志喜,李伟,等.一种紧凑型汽车座椅水平驱动器[P].中国专利:ZL200620106505.7,2007,9.
[2]唐艾君,张钊,刘立君.基于声信号汽车座椅水平驱动器产品的质量分析[J].制造业信息化,2014,10:174-176.
[3] Erkki J. How to diagnose the wear of rolling element bearings based on indirect condition monitoring methods [J]. International Journal of Comadem, 2006, 9(3):24-38.
[4] Lahdelma S, Juuso E. Advanced signal processing and fault diagnosis in condition monitoring[J]. Insight:Non-Destructive Testing and Condition Monitoring, 2007, 49 (12):719-725.
[5]刘立君,杨克己,王奇,等.汽车座椅水平驱动器打点噪声识别分析[J].中国机械工程,2010,21(22):2760-2770.
[6]王奇.基于声信号汽车座椅水平驱动器质量检测方法研究[D].杭州:浙江大学,2011.
[7]王奇,刘立君,杨克己,等.一种紧凑型汽车座椅水平驱动器的声音品质识别[J].机械科学与技术,2012,31(1):167-172.
[8]欧阳丹.基于动态舒适性的汽车座椅系统的研究[D].长沙:湘潭大学,2012.
[9]樊慧.基于虚拟样机和人机工程学的汽车座椅舒适性研究[D].哈尔滨:哈尔滨工业大学,2009.
[10]梁杰.基于双耳听觉模型的车内声品质分析与评价方法研究[D].长春:吉林大学,2007.
[11]高印寒,孙强,粱杰,等. B级轿车车内噪声品质的主观评价研究[J].噪声与振动控制,2010,30(4):115-118.
[12]扈凯,王岩松.轨道车辆车内声场仿真及声品质优化[J].噪声与振动控制,2014,34(4):174-177.
[13]李加威,张建润,等.结合声强测试的风冷式电冰箱声品质评价[J].噪声与振动控制,2015,35(1):187-203.
[14] Zwicker, Fastl H. Psychoacoustics:Facts and Models[M]. Germany:Springer-Verlag Berlin Heidelberg, 2007.
Objective Parameters Analysis of Sound Quality of Auto Horizontal Driving Machines
HU Pei-pei1, JI Jin-guo1, JIN Jiang-ming2, LU Huan-cai1
(1. Key Laboratory of Special Equipment ManufactureandAdvanced Processing Technology, Ministry of Education& Zhejiang Province, Zhejiang University of Technolory, Hangzhou 310014, China; 2. Key Laboratory of Signal Processingof Zhejiang Province, Hangzhou 310014, China)
Abstract:An approach for thecharacteristic analysisof thenoiseof auto horizontal driving machine(HDM) based on the objectiveparametersof sound quality waspresented. Two setsof thesound quality objectiveparametersfrom theabnormal and normal HDMs, which were subjectively classified and judged by juries, were acquired, calculated, compared and analyzed. Thus, the subjective differences and characteristics of the noise of HDMs were objectively quantified. In addition, the frequencies of the noise from the abnormal HDMs were identified based on the time-frequency analysis and the comparison with thecurvesof objectiveparametersvs. time. Finally, thefrequency componentsof thenoisefrom theabnormal HDMscan then befurther identified by theinteractivefiltering and acoustic playback. Theresultsshow that thetwo objectiveparameters of sound quality, sharpness and tonality, are the most effective objective parameters for the identification of the noise of the abnormal HDM.
Key words:acoustics; horizontal driving machine; noise characteristic; objective parameter of sound quality; timefrequency analysis
通讯作者:卢奂采,女,博士生导师。E-mail:huancailu@zjut.edu.cn
作者简介:胡佩佩(1991- ),女,浙江省衢州市人,硕士生,主要研究方向为声品质客观参量三维成像研究。E-mail:hupeipei_svlab@163.com
收稿日期:2015-09-22
文章编号:1006-1355(2016)02-0116-05
中图分类号:U467.4+93
文献标识码:ADOI编码:10.3969/j.issn.1006-1335.2016.02.026