1介紹

降低發(fā)動機噪聲是提升汽車NVH性能的關(guān)鍵之一,，而解決這一問題的核心在于準確識別主要的噪聲源。傳統(tǒng)的識別方法主要包括聲壓法,、表面振動法和聲強法等,。聲壓法操作簡便、效率高,，但容易受到聲源位置和測試條件的影響,，因此只能用于簡單的噪聲源識別。表面振動法能夠識別結(jié)構(gòu)輻射的噪聲源,，但對通過空氣傳播的噪聲無效,，同時測量易受振動位置的限制。聲強法雖然對測試環(huán)境要求低,，具備寬頻帶,、高分辨率等優(yōu)點，但只能逐點掃描穩(wěn)定工況的噪聲源,，測試耗時長,，效率較低。近年來,，基于麥克風(fēng)陣列的聲源識別技術(shù)因其測量速度快,、成像效率高、空間分辨率好,，且能適用于穩(wěn)態(tài)和瞬態(tài)聲源的優(yōu)勢,，在各類工業(yè)領(lǐng)域中得到了廣泛應(yīng)用。

聲學(xué)相機是一種可以將聲音信號轉(zhuǎn)化為可視化圖像的設(shè)備,，通常由多個麥克風(fēng)陣列組成,，通過拾取不同位置的聲波信號，結(jié)合波束形成算法或其他空間定位算法,，生成聲源位置的圖像,。聲學(xué)相機可用于快速定位噪聲源，特別適合復(fù)雜噪聲環(huán)境下的多源分析,。

本文以汽車發(fā)動機的噪聲定位為例介紹漢航NTS.LAB ACX聲學(xué)相機模塊,。發(fā)動機噪聲是一種典型的機械噪聲，主要包括以下幾類：

①       空氣動力學(xué)噪聲：由發(fā)動機運轉(zhuǎn)時氣體流動,、排氣系統(tǒng)引起的噪聲,，頻率范圍較廣。

②       機械噪聲：由發(fā)動機內(nèi)部機械部件的運動,、摩擦,、振動等引起，如活塞、曲軸,、氣門等,，通常在中高頻段。

③       結(jié)構(gòu)噪聲：發(fā)動機運行時,，噪聲通過車體或其他部件結(jié)構(gòu)傳遞和輻射產(chǎn)生的噪聲,。

④       爆燃噪聲：燃燒過程中產(chǎn)生的爆燃或爆震所帶來的短時脈沖噪聲，頻率較高且隨機,。

2陣列

通常情況下,，陣列的波束若能有足夠窄的帶寬和較大的動態(tài)范圍，則對于成像精度有顯著的提升,。由“瑞利極限”可知陣列的帶寬反比于陣列的孔徑和聲源頻率,，正比于聲源的距離。傳感器陣列的陣列指向性圖僅與陣元位置相關(guān),，因此陣列的布局會影響其指向性能,。合理的陣列布局能夠在可接受的動態(tài)范圍內(nèi)獲得較高的分辨率。總而言之,，影響陣列成像效果的關(guān)鍵因素包括：①聲源的頻率,；②聲源與陣列的距離；③陣列的孔徑,；④傳感器數(shù)目與分布形式；⑤傳感器性能,。

圖1為漢航NTS.LAB ACX聲學(xué)相機模塊計算的2000Hz頻率下各典型陣列在正前方向的陣列指向性圖,。

圖1 陣列指向性圖

3算法

漢航NTS.LABACX聲學(xué)相機模塊包含波束形成(Beamforming)和近場聲全息(Nearfield Acoustic Holography, NAH)兩類算法，本文主要介紹Beamforming算法,。

Beamforming算法通過利用傳聲器陣列中各陣元的位置和接收到聲波的時間差來確定聲源位置,。常見的波束形成算法是延時求和(Delay-and-Sum)算法。如圖2所示,，延時求和算法以參考傳聲器為基準,，對陣列中其他傳聲器接收到的信號進行延時調(diào)整，以補償聲波在傳播過程中到達各傳聲器的時間差,。這一延時操作使得陣列所有傳聲器在某期望位置接收到的聲波經(jīng)過延時后在正確的方向上相位一致,。接著，算法對所有信號進行加權(quán)求和處理,，以使該位置上的聲信號得到顯著增強,。經(jīng)過這一處理后，期望位置的聲信號形成一個空間響應(yīng)的極大值,，而其他位置的信號被有效抑制,。增強信號所對應(yīng)的極大值即表明潛在聲源的位置，從而實現(xiàn)了精確的聲源定位。

圖2 聲信號傳播示意圖

聲源傳播至參考陣元與其他各陣元間的時間差τn可表示為：

由測量得到的傳聲器信號xn對成像面某一點進行聚焦,，即用聲波傳播至參考陣元與至所有陣元的相對延遲時間τn'來進行時延補償,，接著對補償后的信號進行加權(quán)、求和,，可得到系統(tǒng)的輸出為：

經(jīng)傅里葉變換到頻域輸出為：

式中,，an為加權(quán)系數(shù)，由式可看出,，若τn'=τn,，此時補償后的各信號具有相同的相位，聚焦后的輸出**,；若τn'≠τn,，此時補償后的各信號相位不同，求和時可能出現(xiàn)相互抵消,。

延時求和波束形成輸出的平均功率即為：

式中,，

是傳聲器信號的互功率譜，將波束形成輸出的平均功率譜分解成自譜和互譜兩個部分：

由于各個傳聲器之間的噪聲通常是互不相干的,，因此在實際工程應(yīng)用中,，可去除功率譜中的自譜部分，產(chǎn)生更好的降噪效果和抗干擾能力,，最終輸出為：

傳統(tǒng)的波束形成技術(shù)基于平面波假設(shè),，在實際測量中，當聲源與傳聲器陣列的距離較大時,，聲源可以被認為是遠場聲源,，傳聲器接收到的聲波可視為平面波。當前聲源定位可視化的一個發(fā)展趨勢是使用大孔徑陣列進行近距離測量,，從而捕捉更多聲源細節(jié)信息,。例如，在工廠車間等嘈雜環(huán)境中,，為了更準確地診斷設(shè)備故障或進行降噪處理,，通常需要縮短測量距離，以提升信噪比并精確定位噪聲源,。然而,，當聲源與陣列之間的距離無法滿足遠場條件時，若仍使用遠場平面波模型,，會導(dǎo)致波束形成性能嚴重下降,，出現(xiàn)波束主瓣變寬、旁瓣增高等現(xiàn)象,，從而影響定位效果,，如圖3所示。因此，在這種情況下,，采用更適合近場條件的球面波模型,，能夠避免這些問題，實現(xiàn)更理想的波束成像效果,。

圖3 近場波與遠場波示意圖

在近場聲源定位中,，聲源的方向和其與傳聲器的距離都需納入模型的考慮。當聲源的尺寸遠小于其輻射聲波的波長時,，可以將其近似為點聲源,。點聲源輻射的波形為球面波，因此球面波模型的聲壓表達式會根據(jù)聲波的傳播距離調(diào)整幅值,，更加貼近實際的聲波衰減特性,。

在實際測量中，陣列面與聲源面之間的距離通常決定了是采用近場還是遠場模型,。近場球面波模型與遠場平面波模型的主要差異在于計算聲波到達各傳聲器的時間差方式,，但二者的波束形成原理基本一致。采用球面波模型能夠更精確地反映近場條件下的聲波傳播特性,，提升測量的準確性,。

4實驗

漢航（北京）科技有限公司開發(fā)了便攜式手持聲學(xué)相機系統(tǒng)，以高效FPGA平臺作為數(shù)據(jù)處理核心,，形成了精度高,、體積小、實時性強的聲源定位方案,，具備廣泛的工程應(yīng)用價值,。

該系統(tǒng)的軟件部分依托漢航NTS.LAB測試平臺，顯著提升了性能及海量數(shù)據(jù)處理能力,。漢航NTS.LAB ACX聲學(xué)相機模塊的波束形成算法適用于遠場和近場聲源定位，系統(tǒng)能夠根據(jù)用戶設(shè)置的分析需求,，自動生成匹配的波束形成算法模型,，實時計算并提供精準的聲源定位結(jié)果。這種設(shè)計不僅確保了精確的定位效果,，也為實際應(yīng)用場景中的噪聲源分析和問題解決提供了更強的支持,。

本次試驗采用了漢航公司自主研發(fā)的30通道螺旋型陣列進行噪聲測量。測量過程中,，陣列中的每個傳聲器同步接收聲音信號,，并通過漢航高精度Hunter系列數(shù)據(jù)采集硬件將數(shù)據(jù)實時傳輸至漢航NTS.LAB ACX聲學(xué)相機模塊。漢航NTS.LAB  ACX聲學(xué)相機模塊利用高效的算法處理獲取到的完整互譜矩陣,，并基于波束形成反向計算聲源表面各位置的聲功率分布,，實現(xiàn)聲源區(qū)域的聲學(xué)成像。

如圖4所示，試驗現(xiàn)場展示了陣列與發(fā)動機的測量布局,。

圖4 發(fā)動機聲源定位試驗現(xiàn)場圖

通過使用漢航NTS.LAB ACX聲學(xué)相機系統(tǒng)對實時噪聲數(shù)據(jù)進行觀測,，可以從圖5中的示波界面可觀測到1300-1600Hz的頻率范圍內(nèi)噪聲信號表現(xiàn)出顯著的能量峰值。結(jié)合前文對發(fā)動機噪聲的分析,，這一頻段內(nèi)的噪聲主要源于動力總成系統(tǒng)內(nèi)部機械部件的運動產(chǎn)生的機械噪聲,。因此，在1300-1600Hz頻段范圍內(nèi)進行聲源定位分析,，清晰地識別出機械噪聲源的位置,，能夠為后續(xù)的噪聲優(yōu)化和控制提供關(guān)鍵數(shù)據(jù)支持。

圖5 NTS.LAB DSA示波信號

在1300-1600Hz頻段,，應(yīng)用Beamforming算法,，對整個動力總成系統(tǒng)進行聲源定位成像，結(jié)果如圖6所示,。

圖6 NTS.LAB ACX聲源實時定位結(jié)果

在漢航NTS.LAB ACX聲學(xué)相機模塊的支持下,，系統(tǒng)能夠在測量過程中同時采集數(shù)據(jù)和畫面，并將其實時導(dǎo)入NTS.LAB Analysis平臺進行每幀數(shù)據(jù)的聲學(xué)成像分析,。在NTS.LAB Analysis中打開該段測量信號,，可以觀察到1500Hz下的聲源成像結(jié)果，圖像清晰地顯示了噪聲主要來自汽車發(fā)動機部位,。這種直觀的聲源成像結(jié)果為噪聲源定位提供了高效,、精準的參考，有助于工程師更快速地開展降噪和優(yōu)化工作,。

圖7  NTS.LAB Analysis聲學(xué)相機后處理模塊

5總結(jié)

漢航NTS.LAB ACX聲學(xué)相機模塊可以幫助工程師迅速且準確地識別噪聲來源,，結(jié)合強大的Beamforming算法，不僅能夠生成清晰的聲源分布可視化圖,，還能深入分析噪聲的特性和來源,。這一過程極大地提升了工程師分析和解決噪聲問題的效率，為汽車行業(yè)的降噪設(shè)計提供了可靠的技術(shù)支持,。