基于LabVIEW的車輛通過噪聲測試系統設計

潘 碩， 胡定玉， 楊 超， 廖曉瑤

(1 上海工程技術大學 城市軌道交通學院, 上海 201620； 2 上海工程技術大學 機械與汽車工程學院, 上海 201620)

0 引 言

車輛通過噪聲是城市噪聲污染中的主要來源。當前，關于車輛噪聲測試的技術標準主要有中國的GB1495—2002規范的汽車加速行駛車外噪聲限值及測量方法[1]和歐洲的ISO362-1:2007測試標準等。其中關于通過噪聲的測試方案，采用在車輛單側或兩側傳聲器線陣列測得的平均聲壓級確定，此類方法不能反映車輛通過噪聲的空間分布情況。因此，有必要利用先進的測試及分析方法，將車輛通過噪聲進行可視化展示，從而明確車輛通過時的噪聲分布。另外，為了分析車輛各零部件的噪聲貢獻，有必要從車輛通過噪聲中區分出各部分的局部噪聲，如輪胎、擋風玻璃、發動機的噪聲等。隨著動力系統降噪水平的提高，道路正常行駛時的動力系統噪聲所占比例開始下降，輪胎噪聲所占權重開始增加[2]。針對通過噪聲中的局部噪聲，如輪胎噪聲進行特性分析，是車輛通過噪聲測量中下一步需要考慮的問題。

近年來，基于傳聲器陣列的聲學測量技術被用于通過噪聲測試。該技術利用傳聲器陣列獲取噪聲信號，并利用聲成像技術進行聲場可視化[3]。在運動聲源定位領域，波束形成方法是主流方法之一[4]。孟凡宇利用波束形成方法對快速行駛的汽車進行聲源定位，結果表明波束形成方法可以較為準確地識別出汽車揚聲器的位置[5]；同濟大學楊洋基于互譜成像函數波束形成方法，實現了發動機噪聲源的定位及強度識別[6]。近幾年，眾多國內外企業利用波束形成技術，開發出多種用于聲源定位的噪聲測量系統。德國GFal朗德公司開發的聲學攝像機系統，實現了對汽車、飛機等運動聲源的識別。隨著噪聲測試要求的提高和社會需求的增加，車輛噪聲源定位及可視化分析系統的應用前景非常廣闊。

基于工程需求，實現車輛通過噪聲的測試與分析，亟需設計一套車輛通過噪聲測試分析系統。本文基于LabVIEW開發平臺，結合傳聲器陣列和數據采集儀卡等硬件設備，設計了一套車輛通過噪聲測試與分析系統，旨在實現車輛通過噪聲的可視化分析，滿足實際測試的需求。該系統已在實車測試中取得良好效果，可為車輛設計和檢修提供有效的測試數據支持。

1 車輛通過噪聲信號處理

1.1 去除多普勒效應原理

在通過噪聲聲源識別過程中，由于測量設備與聲源存在相對運動，測量設備記錄的運動聲源信號會因為多普勒效應而產生信號失真。假設聲源以勻速直線運動狀態通過傳聲器陣列前方，幾何位置如下圖1所示。

圖1 運動車輛通過噪聲測量

根據運動聲源理論，在圖1所示的測量過程中，運動車輛以勻速v從傳聲器陣列前方直線通過，傳聲器陣列上第n個傳聲器記錄了其輻射的聲壓p(t)。當車輛運行速度的馬赫數M=v/c<0.2時，可將傳聲器上記錄的聲壓信號p(t)表示為式(1)：

(1)

式中，τ為聲源信號的發生時間；t為傳聲器的接收時間；cos(θ(τ))為相應的聲輻射方向與聲源運動方向的夾角余弦；R(τ)的計算公式(2)為:

(2)

q′(τ)=p[(τ+R(τ)/c]R(τ)[1-Mcos(θ(τ))]2.

(3)

依據以上的原理，對現場測量的車輛通過噪聲進行去除多普勒效應處理。

1.2 互譜成像波束形成原理

依據車輛通過噪聲中的局部噪聲分析、特征頻譜分析和噪聲云圖實時顯示等要求，本系統中的噪聲源定位采用互譜成像波束形成方法。互譜成像波束形成方法最初由 Blacodon和élias提出，該方法為每個可能的噪聲點源生成一個互譜矩陣，通過理論的和實際測量的互譜矩陣之間的最小二乘擬合確定源振幅，取得了很好的聲源定位效果[8-9]。

(4)

(5)

顯然，使目標函數最小的q和聚焦位置點n反應了真實源強的強度和位置。因此，首先關于E的最小化式可得式(6)和式(7)：

Pm21?q·Gm21.

(6)

(7)

將式(7)代入E，即式(8)：

(8)

(9)

2 系統開發

2.1 系統組成

本系統主要由前端采集裝置、后端處理系統和系統處理軟件三部分組成。其中，前端采集裝置和后端處理系統組成的現場測試裝置如圖2所示。前端采集裝置布置在測試現場，負責采集信號，其主要硬件包括傳聲器陣列和陣列內嵌的高速攝像機。按測試需求選配合適的傳聲器陣列，不合適的傳聲器陣列將嚴重影響后續的測試分析任務。后端處理系統包括NI-9234數據采集板卡、NI-PXI機箱、管理平臺等，是以pc機的形式為主體的計算處理硬件，數據采集板卡直接嵌在PXI機箱中，以PXI-e接口連接到主機的主板上，使得CPU可以高速訪問緩存數據。軟件部分是以LabVIEW為平臺開發的車輛通過噪聲采集系統。軟件通過DAQmx調用數據采集硬件，將噪聲數據代入到噪聲處理模塊中，利用波束形成等算法進行聲像合成。數據處理結果由管理平臺管理，可保存或實時輸出，方便現場測試或異地分析。

軟件系統的架構組成如圖3所示。軟件系統底層采用模塊化設計理念，各部分組件之間相對獨立，利于系統的分步分工開發。底層組件緊跟實際測試實驗中的需求，設置了傳聲器設置、信號處理方法等模塊，在使用時可以根據用戶需求自由調用。經過大量的驗證和測試，底層處理模塊的穩定性和有效性得到提升。

圖2 系統主要硬件

圖3 系統架構圖

2.2 功能模塊

本系統為實現車輛通過噪聲測試分析的基本功能，共設有六大功能模塊，并采取基本功能層與應用功能層分離的措施，基本功能層為數據采集功能層，具有數采儀器的通用功能，可以進行普通的數據采集工作；應用功能層為車輛通過噪聲測試分析層，針對車輛通過噪聲開發的特定分析功能模塊。后續考慮拓展新的功能模塊，以便服務車輛通過噪聲測試的其他需求。各功能模塊的詳細內容見表1。

表1 主要功能模塊

2.3 系統實現

該系統以QMH(Queued Message Handler)架構為基礎進行開發，采用圖像化編程語言，以數據流的思想構建程序框架。開發環境基于LabVIEW 2018，并插入sound&vibration模塊、視覺與運動模塊等處理模塊，方便快速有效地進行程序開發。LabVIEW自身并行化的運算方式提高了程序運算的速度。測試數據存儲采樣TDMS格式的數據文件存儲格式。采樣調用DLL動態鏈接庫的方式運行噪聲測試分析算法。

隊列消息處理架構(QMH)的框架設計如圖4所示。該架構有助于多段代碼并行運行，并在它們之間發送數據。代碼的每一部分表示一個任務，例如獲取數據，其設計類似于狀態機。這種設計可以將每個任務劃分為多個狀態。除了事件處理循環(EHL)和消息處理循環(MHL)，還需要第三個并行進程來處理用戶操作。

圖4 QMH架構框架圖

3 測試實驗

在一次實際測試中，選取汽車作為測試對象，在戶外進行測試實驗。實驗參數見表2。

利用本文所述的噪聲測試軟件，對此次實驗數據進行分析。首先對數據做去除多普勒效應處理，處理結果如圖5所示。可以看到噪聲數據經過處理后，有效去除了多普勒效應導致的信號畸變。從噪聲的頻域圖上可以看出，車輛噪聲低頻部分的幅值特別大，對于車輛胎噪聲源定位有很大的影響，需要進一步的低頻濾波處理。

表2 實驗參數

圖5實驗數據去除多普勒效應

此次測試實驗處理的最終結果如圖6所示。從測試結果可以看出，車輛的前輪剛剛進入視野時，其的噪聲明顯突出，是此時最主要的聲源。通過對該點處的聲信號聚焦分析，即可以獲悉車胎噪聲的頻率特性和聲學特征。

圖6 測試實驗分析

4 結束語

本文設計的基于LabVIEW的車輛通過噪聲系統，實現了噪聲測試的基本功能，解決了車輛通過測試中的聲源定位分析的問題，并在車輛通過噪聲局部噪聲定位分析方面取得良好的效果，為噪聲測試、車輛噪聲控制等領域提供有利的技術支持。

隨著車輛動力系統降噪水平的提高，道路正常行駛時的動力系統噪聲所占比例開始下降，輪胎噪聲所占權重開始增加。針對通過噪聲中的局部噪聲，如輪胎噪聲特性分析，是車輛通過噪聲測量中下一步需要考慮的地方。因此，本噪聲測試軟件尚需拓展在聲學特征方面的分析功能，以期在噪聲源分析診斷中發揮更大的作用。