汽油-天然氣雙燃料發動機噪聲粗糙度分析*

毛 杰，郝志勇，張慶輝，鄭 旭

(浙江大學能源工程學系，杭州 310027)

?

2015058

汽油-天然氣雙燃料發動機噪聲粗糙度分析*

毛 杰，郝志勇，張慶輝，鄭 旭

(浙江大學能源工程學系，杭州 310027)

鑒于聲品質客觀評價中，噪聲粗糙度算法尚未標準化，本文中提出了改進的Aures粗糙度算法(MARA)。選取最大轉矩轉速(3 800r/min)為研究工況，進行了某汽油-天然氣雙燃料發動機的聲學性能臺架試驗。結果表明，燃用汽油時兩個測點的聲學響應均大于燃用天然氣時的聲學響應，整機輻射聲功率級分別為106.2和103.7dB(A)。但人耳主觀感覺卻是燃用天然氣時的噪聲粗糙度比燃用汽油時大。采用MARA客觀評價該發動機的噪聲粗糙度的結果顯示，燃用天然氣時測點1和測點2的噪聲總粗糙度分別比燃用汽油時大12.2%和4.3%，間接驗證了MARA客觀評價更接近于人耳主觀感覺。

壓縮天然氣發動機; 汽油機; 噪聲粗糙度; 改進的Aures粗糙度算法

前言

心理聲學的研究背景之一是試驗測得的聲學性能參數(如聲壓、聲強等)已經無法直接反映人耳的聽覺感受。因此，學者們開展了聲激勵與人耳聽覺之間對應關系的研究，提出了定量表示該關系的心理聲學參數，如響度、尖銳度、粗糙度和抖動度等[1]。其中響度和尖銳度的計算模型已經被廣泛接受并標準化。比如，基于等響度曲線的Zwicker響度模型已被收入ISO 532B中；尖銳度模型也可在多個國家標準中查閱，如德國標準DIN 45692[2]。

在工程中，通常認為A計權聲壓級(或聲功率級)與人耳的聽覺較為接近，可用來評價噪聲的品質。然而，它不能反映一些重要的聲學性能，如噪聲隨時間的波動。噪聲的時域波動可以基于粗糙度、音調、抖動度等聲品質客觀參數，描述人耳對聲音信號瞬時變化的感覺，與聲音的調制頻率、調制比等參數具有較大的關系。當調制頻率低于15Hz時，聲音在人耳中表現為抖動度，單位為vacil；隨著調制頻率升高，聲音在人耳中表現為粗糙度，單位為asper；若調制頻率進一步升高，則表現為高頻的音調[3]。研究發現，粗糙度對于異響的貢獻很大[4]，而目前異響在汽車銷售3個月后的投訴項中占了6%。

基于粗糙度在聲品質客觀評價系統中的重要性，且暫無相關的計算標準這一情況，本文中提出了一種改進的粗糙度模型，計算了某汽油-天然氣雙燃料發動機的噪聲粗糙度，通過試驗結果的對比與分析間接驗證算法的有效性。

1 改進的粗糙度計算模型

常用的粗糙度計算方法有Fastl模型[5]和Aures模型[6]，其核心差異在于采用不同的方法將特征頻帶內的聲激勵級轉化為粗糙度。其中Fastl模型假設每個特征頻帶內的聲激勵級差與粗糙度呈正比例關系，然而對于復雜或非穩態的聲信號而言，準確的聲激勵差很難獲取。雖然Fastl和Aures粗糙度模型的建立已經超過20年，并且基于它們的應用和成果也很多，但對其進行理論上的分析和改進卻較為罕見。

基于這種背景，本文在Aures粗糙度模型的基礎上，提出了改進的粗糙度算法(MARA)，考慮了單耳結構(即外耳、中耳和內耳)的完整聲傳遞函數，使算法與人耳聽覺系統更加接近，最終基于MARA完成了某汽油—天然氣雙燃料發動機的噪聲粗糙度分析。本文未研究雙耳聽覺系統，因為一般對于雙耳模型的處理是單純簡化為兩個單耳模型的疊加，研究意義不大；或者采集大量的聲品質主觀評價試驗數據而進行歸一化處理，得到一般性的結論。由于單耳模型是研究雙耳模型的基礎，因此，本文中改進了針對單耳模型的噪聲粗糙度算法，并成功將其應用于工程問題。

1.1 時域信號特征頻帶化

當兩個聲音A和B同時存在時，聲音A在人耳中的感覺會受到聲音B的干擾，使A的聽閾提高，這種現象稱為聲音的掩蔽效應。若單個反射聲的延遲時間大于50ms，人耳會感覺到回聲[7]。為了防止直達聲與回聲之間發生掩蔽效應，以提升MARA的計算精度，本文中將試驗測得的發動機噪聲時域信號等分成一組連續的50ms時長的子信號。子信號加漢寧窗處理后，再經快速傅里葉變換得到頻域結果。采用MARA求解各個子信號的平均粗糙度值，最終得到整個測試時間內的粗糙度變化曲線。

人耳聽覺產生于鐙骨的振動，再依次刺激內耳基底膜的不同區域和聽覺神經。在心理聲學中，在考慮掩蔽效應的基礎上，常用臨界頻帶和臨界頻帶率來描述人耳聽覺系統對聲音頻率的選擇特性。其中，臨界頻帶率z(單位為Bark，與內耳基底膜的長度呈線性關系)比頻率更能準確地反映人耳對聲音的主觀感覺。臨界頻帶率與頻率f(單位為kHz)和1/3倍頻程中心頻率fc(單位為kHz)的對應關系分別為

(1)

(2)

1.2 人耳傳遞函數

人的聽覺器官可以分為外耳、中耳和內耳3部分[8]。聲音從外界環境傳遞到人耳，大概可以分為兩個階段。

第一階段為外耳和中耳的共同作用，產生影響的結構主要是耳廓、耳道、耳膜和鼓室。此時，聲音的傳遞可以用一個二階低通濾波器等效表述，其共振頻率和截止頻率分別為4和5.6kHz，得到外耳和中耳的聲傳遞函數，即聲壓級與頻率的關系，如圖1(a)所示。

第二階段為內耳的作用，產生影響的主要結構是耳蝸。聲音到達耳蝸的激勵可以用E表示，相應的激勵級為

LE=10lg(E/E0)

(3)

式中：E0為參考激勵，表示自由聲場中頻率為1 000Hz、聲壓級為0的單頻聲對耳蝸造成的激勵。

此外，人耳聽閾值對應的激勵ETH在不同的頻率下具有不同的幅值[9]。當頻率大于500Hz后，ETH可以認為是常數，如表1所示[10]。

表1 人耳聽閾值對應的激勵與頻率的關系

注：ETH的單位經取級后轉換成dB(10lgETH)。

聲音通過鼓膜和聽骨鏈的振動引發了基底膜行波，使蝸隔的上下振動從蝸底向蝸頂方向傳至對聲音頻率反應最大的部位，即為耳蝸放大器的工作原理[11]。

耳蝸放大器在特定頻率下的低能級增益G，隨著頻率的變化而變化，其值可以通過以下關系確定：若ETH在某頻率下的值是其在500Hz時的k倍時，則該頻率下G=1/k。耳蝸放大器的低能級增益與頻率之間的關系如圖1(b)所示。

此外，在特征頻率尺度下，每個頻率成分的聲音傳到基底膜上產生的作用，均能等效成一種三角形的激勵模式，用以模擬聲激勵作用在基底膜的不同位置。三角形激勵的最大值出現在激勵頻率對應的特征頻帶率上，并以不同的斜率S1和S2分別向低頻域和高頻域衰減，其中斜率S1和S2基于Terhardt的研究成果[12]。

S1=27

(4)

S2=-24-230/f+0.2LI

(5)

式中：S1和S2的單位是dB/Bark；f是激勵的頻率；LI是激勵的聲強級。

圖2所示是頻率為1 000和2 000Hz、聲強級分別為60和80dB的單頻聲在特征頻帶尺度下的三角形激勵模式，圖中左右斜邊的斜率分別為S1和S2。從圖中可見，隨著激勵頻率和聲強級的增大，三角形的面積越大，作用的特征頻帶也越寬。各個特征頻帶內的激勵級是各頻率成分的三角形激勵在該頻帶內的能量疊加。

外界聲信號經過上述傳遞函數的處理后，得到聲音在聽覺神經末梢形成的聲學信號，即可進入下一步的粗糙度計算。

1.3 調制指數

粗糙度的計算式[1, 9]為

(6)

式中:fmod為調制頻率；LE為激勵級差。

mi與l(zi)乘積的平方等效于式(6)中fmod與LE的乘積。其中，l(zi)為計權函數，表示粗糙度對調幅聲載波頻率的依賴程度[13]，如圖4所示。

此時，由于不同特征頻帶率下的調制特性存在不相關性，若簡單地采用mi與l(zi)乘積的平方來計算粗糙度，將得到過高的評價值。因此，在計算特征粗糙度時，須考慮相鄰特征頻帶通道之間的互相關系數ci的作用。

綜上所述，第i個特征頻帶率下的特征粗糙度可表示為

Ri=(ci·li·mi)2

(7)

式中ci和mi的選取及Ri的具體計算過程可參見文獻[2]。

粗糙度總值R由各特征頻帶率下的特征粗糙度疊加得到，即

(8)

式中：C為校準系數，在本文中取0.25。

MARA在Aures粗糙度模型的基礎上，考慮了外耳、中耳和內耳的傳遞函數，提高了計算模型的完整性，利于提升噪聲粗糙度客觀評價結果與主觀評價的一致性。

2 雙燃料發動機噪聲粗糙度分析

2.1 發動機噪聲測試

在客觀評價發動機噪聲品質時，通常將人工頭或傳聲器置于發動機前面、與發動機前端面、側表面和地面的垂直距離均為1m左右的兩個點上[14]，如圖5所示。測點1和測點2分別位于發動機的排氣側和進氣側。

選取最大轉矩轉速3 800r/min作為研究工況，在標準的半消聲室內進行試驗，得到雙燃料發動機分別燃用汽油和壓縮天然氣時的聲學響應，結果如圖6所示。從圖6(a)中可見，在先后燃用汽油和天然氣時，測點1的A計權聲壓級曲線趨勢基本一致，在個別頻率下，燃用汽油時的聲壓級峰值大于燃用天然氣時，同時在局部頻段也出現了峰值錯開的現象。此外，測點1在燃用汽油時的總聲壓級為89.2dB(A)，在燃用天然氣時為88.6dB(A)。測點2的聲學響應情況與測點1基本相同，在燃用汽油和天然氣時的總聲壓級分別為89.1和88.7dB(A)。

此外，本次研究參照國家標準GB/T 1859—2000 《往復式內燃機輻射的空氣噪聲測量工程法及簡易法》，完成了整機聲學性能的評測，得到3 800r/min下燃用汽油和天然氣時的整機輻射聲功率分別為106.2和103.7dB(A)。

2.2 噪聲粗糙度分析

雖然發動機燃用汽油時的整機和聲品質測點的聲學響應均大于燃用天然氣時，但是試驗人員主觀感覺到在測點1和測點2附近，燃用天然氣時的噪聲飽滿度明顯較小，使得聲音聽起來不平順，即粗糙度較大，并且測點1處的感覺比測點2處明顯。然而，這種噪聲飽滿度不足、粗糙度較大的現象無法從A計權聲學結果中體現出來，接下去分析MARA計算得到的粗糙度結果能否對上述現象進行合理的闡述。

基于上文的MARA理論，將測點1和測點2噪聲的時域信號等分成一組時長為50ms的連續子信號，通過推導的公式求得各個子信號的平均粗糙度，最終得到測點1和測點2分別在燃用汽油和天然氣時的噪聲粗糙度時域曲線，如圖7所示。

從圖7(a)中可以看到，基于MARA得到測點1在燃用天然氣時的噪聲粗糙度曲線明顯高于燃用汽油時的結果。計算發現，測試時間(10s)內，測點1在燃用天然氣時的總粗糙度為0.46asper，比燃用汽油時的總粗糙度0.41asper高12.2%，以至于人耳在測點1附近能夠明顯感受到燃用兩種燃料時噪聲飽滿度和平順性的差別。在圖7(b)中，測點2在燃用兩種燃料時噪聲粗糙度曲線波動范圍的差別不明顯，燃用天然氣和汽油時的總噪聲粗糙度分別為0.48和0.46asper，前者比后者高4.3%，人耳也能感覺到兩者的差別，但是效果沒有測點1處那么明顯。

總體而言，基于MARA得到的噪聲粗糙度結果與人耳的主觀感受之間具有較好的一致性，可以在一定程度上保證新算法的可靠性和有效性。

3 總結

本文從理論和試驗相結合的角度，對某汽油-天然氣雙燃料發動機的噪聲粗糙度進行了深入分析，總結如下：

(1) 提出了經改進的Aures粗糙度算法(MARA)，考慮了聲音在單耳中的完整傳遞函數，提升了粗糙度結果與人耳主觀聽覺的契合度；

(2) 采用MARA客觀評價了發動機燃燒不同燃料時的噪聲粗糙度，結果顯示各測點的粗糙度結果與人耳的主觀感受基本保持一致，間接驗證了MARA的可靠性和有效性。

[1] Fastl H, Zwicker E. Psychoacoustics: Facts and Models [M].Berlin: Springer, 2006.

[2] Wang Y S, Shen G Q, Guo H,et al. Roughness Modelling Based on Human Auditory Perception for Sound Quality Evaluation of Vehicle Interior Noise[J]. Journal of Sound and Vibration, 2013, 332(16): 3893-3904.

[3] Shin T J, Park D C, Lee S K. Objective Evaluation of Door-closing Sound Quality Based on Physiological Acoustics[J]. International Journal of Automotive Technology, 2013, 14(1): 133-141.

[4] Shin S H, Cheong C L. Experimental Characterization of Instrument Panel Buzz, Squeak and Rattle (BSR) in a Vehicle[J]. Applied Acoustics, 2010, 71(12): 1162-1168.

[5] Fastl H. The Hearing Sensation Roughness and Neuronal Responses to AM-tones[J]. Hearing Research, 1990, 46(3): 293-296.

[6] Aures W. A Procedure for Calculating Auditory Roughness[J]. Acustica, 1985, 58(5): 268-281.

[7] 馬大猷. 噪聲與振動控制工程手冊[M]. 北京: 機械工業出版社, 2002: 51-57.

[8] Guinan J J, Cooper N P. Medial Olivocochlear Efferent Inhibition of Basilar-membrane Responses to Clicks: Evidence for Two Modes of Cochlear Mechanical Excitation[J]. Journal of the Acoustical Society of America, 2008, 124(2): 1080-1092.

[9] Mao J, Hao Z Y, Zheng K, et al. Experimental Validation of Sound Quality Simulation and Optimization of a Four-cylinder Diesel Engine[J].Journal of Zhejiang University-Science A, 2013, 14(5): 341-352.

[10] American National Standards Institute. ANSIS3.4-2005. Procedure for the Computation of Loudness of Steady Sounds[S]. New York, USA, 2005.

[11] Khanna S M. The Response of the Apical Turn of Cochlea With a Tuned Amplifier With Negative Feedback[J]. Hearing Research, 2004, 194(1-2): 97-108.

[12] Terhardt E. Calculating Virtual Pitch[J]. Hearing Research, 1979, 1: 487-489.

[13] Fastl H. The Psychoacoustics of Sound-quality Evaluation[J]. Acustica, 1997, 93: 754-764.

[14] 胡國強, 陳曉東, 孫柏林, 等. 4缸柴油機怠速噪聲及聲品質優化研究[J]. 內燃機工程, 2009, 30(4): 78-81,86.

An Analysis on the Noise Roughness of a Gasoline/CNG Dual Fuel Engine

Mao Jie, Hao Zhiyong, Zhang Qinghui & Zheng Xu

DepartmentofEnergyEngineering,ZhejiangUniversity,Hangzhou310027

In view of that the noise roughness algorithm has not been standardized in sound quality objective evaluation, a modified Aures roughness algorithm (MARA) is proposed in this paper. An acoustic performance bench test on a gasoline/natural gas dual fuel engine is conducted at its maximum torque rotating speed of 3 800r/min. The results indicate that the acoustic responses at two measuring points when fueling gasoline are higher than that when fueling natural gas, and the radiated sound power level of whole engine with different fuels are 106.2db and 103.7db respectively. But the subjective perception of human ears is just the opposite, i.e. the noise roughness of engine when fueling natural gas is higher than that when fueling gasoline. The results of objective evaluation for engine noise roughness with MARA algorithm show that the overall noise roughness of measuring point 1 and 2 when fueling natural gas are 12.2% and 4.3% higher than that when fueling gasoline respectively, indirectly validating that MARA objective evaluation is closer to the subjective hearing sensation of human ears.

CNG engine; gasoline engine; noise roughness; modified Aures roughness algorithm

*國際科技合資項目(2007DFB50150-2)資助。

原稿收到日期為2013年6月14日，修改稿收到日期為2013年9月28日。