王理周，陈祥君，张斌瑜，任 超

（广州汽车集团股份有限公司 汽车工程研究院，广东 广州 511434）

汽车路噪是整车噪声的重要来源，影响整车的噪声、振动与声振粗糙度（Noise, Vibration,Harshness, NVH）性能和乘坐舒适性。随着车辆电动化趋势的加强，没有发动机噪声掩盖的路噪变得越来越突出，同时电动车的加速性能比燃油车要好得多。为了突出电动车的优势，电动车的底盘一般以运动化为主，导致电动车的路噪更加突出。加之路噪的噪声源一般不可控，其噪声的频率范围也低于声学包的控制范围，导致电动车的路噪问题更为突出，成为目前汽车NVH领域需要重点解决的一个问题。

传统的路噪解决方法包括采用低噪声轮胎、轮胎吸振器，降低轮胎导致的路噪。在传递路径上包括采用底盘衬套隔振、副车架加强、车身连接点加强、增加声学材料隔声等措施。这些技术比较成熟，但存在灵活性差、针对的频段窄的缺点，同时有时会和其他性能冲突，如底盘隔振衬套可能车辆操稳性能的改变。车内道路噪声的主动控制技术自COSTIN M H等[1]提出，这个技术克服了传统路噪控制方法的缺点。但这个技术目前只有一些演示系统，尚无大规模的商业应用[2-3]。鉴于路噪主动降噪对消除路噪方面的潜力和优势，本文开发了主动路噪控制系统，用来研究路噪算法实车应用的可行性，并从主观和客观两方面评估路噪主动降噪系统的降噪性能。

1 路噪主动降噪控制的原理

主动降噪一般采用最小均方误差（Filter-x Least Mean Square, FxLMS）算法[4-6]，车内路噪主动降噪这种多参考点、大空间的降噪系统，参考信号、次级通道信号，以及误差麦克风控制点都是多通道的，噪声主动降噪控制系统原理如图1所示。

图1 噪声主动降噪控制系统图

图1为FxLMS算法的框图，其中d(n)为要消除的噪声；x(n)为参考信号；其中d(n)的幅值和相位是未知的，为了消除d(n)，来反复迭代权系数w(n)，使次级声源发出反相声波y(n)，来抵消要消除的噪声[4]，LMS为最小均方算法（Least Mean Square, LMS）。对路噪来说，从底盘到车内的噪声传递路径有很多条，每条对车内噪声有一定影响的路径，主动降噪系统都要包含在内，因此，路噪主动降噪的参考信号有很多条，导致路噪主动降噪的多通道模型非常复杂。下面用一个简化版的2×2×2，即2个参考信号k、2个次级信号j、2个误差麦克风信号m的时域FxLMS模型来说明路噪主动降噪的算法原理。

一个2×2×2 时域FxLMS的算法框图如图2所示。

图2 主动控制2×2×2 FxLMS算法控制系统框图

其中有两路喇叭输出，其输出为y：

上述自适应滤波的权系数更新为

式中，k为参考信号序号；j为次级喇叭的输出；m为误差麦克风的信号的序号，其范围都为1～2。

多通道的次级通道的补偿滤波为

在实际的路噪主动降噪系统开发中，要根据实际的参考点、次级喇叭和误差麦克风的数量，按照图2来调整系统的框图。

在式（3）的迭代中，迭代的步长因子，对路噪主动降噪的性能影响很大，如果步长设置过小，不但会导致收敛过慢，而且会陷入局部的极值中，导致降噪的性能不好；如果步长过大，会导致不稳定，因此，选择合适大小的迭代步长因子，变得非常重要。从式（3）中同样也可以看出收敛的速度除跟步长相关外，还跟参考信号和误差信号的能量相关，而路噪路面的多样性，需要将参考信号也综合纳入步长的考量中，即采用归一化的LMS算法，即考虑步长为

2 实车测试

在某车型上进行路噪主动降噪算法性能测试，在实测实验中，使用Simulink开发仿真模型，并在德斯拜思dSPACE平台搭建实测的整车在环仿真模型，最终形成的模型如图3所示。

图3 dSPACE搭建的模型框图

图4 振动加速度布置

其中振动参考信号为4个布置在底盘位置的振动传感器，每个传感器为3个方向，振动加速度的布置点的选择一般采用整车传递路径分析（Transfer Path Analysis, TPA）方法，找出对车内路噪影响最大的路径，再在路径上找出合适的布置点，本文不再详述。在本例中，前轮的振动加速度布置在前轮的轮包位置，后轮的加速度布置在副车架和车身连接处，左右轮上的传感器采用对称的位置布置，图4为车身左边传感器的布置。

车内误差麦克风布置位置在头枕，每个头枕位置布置一个误差麦克风，后排布置三个误差麦克风，用来发送次级声喇叭选用车门上的低音喇叭，为了加强低频噪声消除的效果，在后备厢中加装了低音扬声器，如图5所示。

图5 次级扬声器和误差麦克风布置示意图

dSPACE系统为DS1007，将dSPACE平台布置在车辆的后备箱位置，振动传感器和误差麦克风通过信号调理器接入dSPACE的A/D接口，dSPACE的D/A输出接功放板，再连接到车门上的低音喇叭和后备箱的超低音扬声器。

2.1 传递路径物理模型识别和信号采集

首先进行初级声源和次级声源传递路径物理模型的识别，使用图6的模型来识别初级声源到耳旁的传递路径以及次级声源的传递路径。在截取传递函数的阶次时，注意阶次截断的影响，以免估计模型和实际模型的相位差太大。

图6 声通道辨识模型图

图中x(n)为次级通道辨识信号；y(n)为次级通道辨识输出信号；d(n)为期望信号；e(n)为次级通道辨识误差信号；H1为D/A转换，重建滤波和功率放大；H2为抗混淆滤波；A/D转换和低通滤波；黑色虚线框是次级通道的物理模型，包含H1、H2以及喇叭到麦克风通道的声传递函数，记作S(z)；为次级通道的估计模型，当次级通道的辨识误差信号收敛为零时，即

式中，X(z)、D(z)分别为x(n)和d(n)的z变换，此时Sˆ(z)=S(z)，以次级通道估计模型能够准确地表示次级通道的物理模型。通过这个方法来获取车内次级喇叭到误差麦克风的传递函数，在本例中传递函数取128点（采样频率为2 kHz）。获取的次级通道传递函数如图7所示。

图7 次级通道传递函数

2.2 实车测试结果

路噪主动降噪系统的实车测试在不同的粗糙路面上进行，对比主动降噪在开启和关闭的情况下，在乘客位置的降噪效果。实车匀速时，后排左右乘客位置的降噪效果对比后，实线为主动降噪关闭的情况，虚线曲线为主动降噪打开的情况，主动降噪系统在低频部分，综合的降噪效果能达到3 dBA～5 dBA，主观评价也能明显感觉到路噪的改善，如图8所示。

图8 路噪主动降噪实车改善效果图

2.3 测试过程中的问题及处理

车辆路噪主动降噪系统的稳定性和鲁棒性非常重要，因此，在测试过程中，除考查算法的降噪效果外，也在不同的路面上进行测试，包括粗糙、半粗糙、光滑等不同的路面。在不同路面的切换过程中，路噪主动降噪系统总体稳定，但在不同工况的切换中，尤其是在行驶-停止-行驶的过程中，如果车辆停止较长一段时间（如等红灯），再行驶的过程中，会出现声音发散的情况，检查整个的算法链中，发现这个问题与归一化的步长设置方法相关，参见式（5）。如果在停止的状态中，输入的参考信号将变得非常小，这会导致在车辆停止的时候，步长变得非常大，而一旦再启动，过大的步长会造成发散，考虑这个情况，在归一化的算法中增加一个门槛值，即

这样，即使在参考信号输入最小的情况下，步长也能保持一个合理的值。在实车测试中消除了系统不稳定的情况。

3 结论

本文对车辆路噪主动降噪开发流程进行了论述，首先对主动降噪的原理进行了分析，然后在整车上进一步验证。通过开发时域FxLMS算法的路噪主动降噪系统，采用dSPACE系统作为路噪主动降噪系统控制器，对车辆路噪的降噪取得了良好的效果。同时对归一化算法的不稳定问题进行了分析并提出了解决办法，为车辆主动降噪的后续量产化开发奠定基础。