张炳文，郑　坚，熊　超

(解放军军械工程学院，河北 石家庄　050003)



基于波束形成的自行车辆噪声分布测试方法

张炳文，郑坚，熊超

(解放军军械工程学院，河北 石家庄050003)

针对声强测试方法成本高、声全息方法实现远场测试困难的问题，提出了基于波束形成的自行车辆噪声分布测试方法。该方法采用声源仿真性能较好的十字交叉阵列，并进行了自行车辆的静止单、多排气口噪声实验。实验结果表明，波束形成能够实现自行车辆静止噪声源的空间定位，确定了噪声特性和分布规律。

波束形成;阵列;自行车辆;噪声

0　引言

作为大型机械装备，自行车辆的运行噪声量级很大，严重影响了其生存能力。进行自行车辆的整体噪声测试实验，分析其分布特性，对提高自行车辆的噪声隐身性能具有十分重要的意义。

自行车辆的主要噪声源包括发动机、传动系统以及排气系统等。由于空间体积较大，内部结构复杂，发动机及传动系统噪声主要由相应振动传播至车辆外表后产生的噪声体现，与排气系统噪声相比强度较小。因此，自行车辆的整体噪声主要分布在排气系统的排气口附近。

目前国内外通常采用的车辆整体辐射噪声测试方法主要有声压法、声强法、近场声全息法以及波束形成方法等[1]。其中，声压法的主要测量对象声压是标量单位，仅包含数值大小，无法确定声源方向，且受实验环境的影响较大。声强法能够较为完整地获得噪声信号的大小及流动方向，并能够反映出噪声辐射面声强分布规律，测试效果理想，但是受到声强设备的造价限制，无法应用到噪声源复杂分布的大型设备测试中[2]。近场声全息方法结合参考传感器的设置，充分利用不同传感器采集信号的相位信息，能够在信噪比较低的情况下准确识别噪声源，获取其频率特性[3-4]，但近场声全息方法要求测试距离较近，自行车辆排气口排出的为高温喷流气体，近距离下会对传声器及测试设备造成伤害，无法完成测试。而波束形成方法不仅能够较为全面地给出测试对象的噪声特性，通过声源成像确定声源外表面分布规律[5-7]，且由于该法对测试距离要求较低，可进行远场测量。因此，论文提出了基于波束形成方法的自行车辆噪声分布测试方法。

1　波束形成

波束形成方法的基本原理是通过“时延-累加”算法获取声源的空间位置及指向，进而获取整个声源表面辐射特性[8]。平面声波的波束形成原理如图1所示。

图1　波束形成原理示意(平面声波)Fig.1　Principle of Beamforming (plane wave)

图1中传感器阵列由M个传声器构成，其位置向量分别为ri(i=1,2,…,M)，则由传感器阵列确定的κ方向声源强度为：

(1)

式(1)中，wi为每个传声器的特征系数，由传感器阵列性质决定；pi为传声器测得的声压值；τi为κ方向的时间延迟，通过单位方向向量κ的切换来确定，其表达式为：

(2)

式(2)中，c为声波的传播速度。

由于实际应用中声源的性质通常较为复杂，声源定位及成像中关心的是不同频率的声波特性，因此对式(1)进行傅里叶变换，获得κ方向声源强度的频域表达式：

(3)

式(3)中，k=-aκ为κ方向的波数向量，波数a=ω/c。

研究自行车辆的整体辐射噪声，不能将其视为点声源。设定半空间中的自行车辆为多个聚焦声源组成的平面声源，声波传播方式为球面传播，球面声波的波束形成原理如图2所示。

图2　波束形成原理示意(球面声波)Fig.2　Principle of Beamforming (spherical wave)

则式(3)中的时间延迟τi转换为向量差的形式：

(4)

此时，图2中r指向聚焦区域的波束形成输出为：

(5)

综上所述，实际应用中需要准确测得声源的辐射声信号，利用指向向量r的空间指向性将聚焦区域历遍声源平面，即可获得声源的辐射噪声特性。

2　自行车辆声源仿真计算

自行车辆体积庞大，表面形状复杂，且噪声源数量、分布不规律，传统的单点测量和普通的多点测量无法实现噪声信号的完整采集，必须借助传声器阵列。同时阵列结构也会对波束形成算法的空间滤波能力产生影响。因此，需要对传声器阵列的性能进行一定的分析，选取较为常用的平面方阵、螺旋阵和十字交叉阵三种。

对阵列性能进行实际的考察，涉及到阵列支架的制作和采集系统的协调，在实际应用中较难实现，因此建立阵列模型，并通过仿真自行车辆声源，对利用不同阵列的噪声测试方法进行研究。

平面方阵阵型示意图如图3所示，在该阵型中设置了36个传感器，横竖每列中均有6个传感器。

图3　平面方阵阵型Fig.3　Model of square plane array

设定待测平面上有三个声源，其位置为A(-0.4，0)、B(0.3，0.6)、C(0.6,-0.4)，和传感器阵列所在平面的距离为1m对预设声源不同频率分布的声场分布进行了仿真分析。

图4(a)为在频率中心为f=1kHz条件下预设声场的分布。从图中可以较为明显地看出平面方阵的测试效果，确定了三个声源的位置及其分布，但声源主瓣分布面积较大，定位效果并不是十分理想。图4(b)为频率中心f=2kHz下的声场分布，测试性能得到了一定的提高，预设声源主瓣分布面积较小，但旁瓣泄露较大，在峰值面积附近出现了一定程度上的鬼影。

图4　平面方阵测定的声场分布Fig.4　Sound distribution of square plane array

螺旋阵的阵型分布如图5所示，设置了4个旋臂，每个旋臂上有8个传声器，共32个传声器。

图5　螺旋阵阵型Fig.5　Model of spiral plane array

声源设置同平面方阵，图6(a)为中心频率f=1kHz时螺旋阵确定的声场分布。从图中可以看出螺旋阵能够确定声源位置，但是主瓣面积很大，性能较平面方阵有一定的下降。图6(b)为f=2kHz时的声场分布，声源主瓣的面积得到了聚焦，且其旁瓣的泄露较小，几乎没有鬼影出现。

十字交叉阵型示意图如图7所示，坐标系中布置个32个传声器，X轴和Y轴分别布置16个，关于原点O对称。

声源设置同上，图8(a)为中心频率f=1kHz时十字交叉阵确定的声场分布。从图中可以看出该阵型能够确定声源位置，声源主瓣的面积比前两种阵型都要小，声源定位性能最好，但是出现了一定程度的旁瓣泄露，围绕主瓣呈现十字分布的规律。图8(b)为f=2kHz时的声场分布，从图中可以看出，十字交叉阵测定的声源主瓣面积分布是三种阵列中聚焦程度最高的，虽然有一定的旁瓣泄露，但和主瓣峰值比较数值和分布范围都较小。

图7　十字交叉阵型Fig.7　Model of cross array

图8　十字交叉阵测定的声场分布Fig.8　Sound distribution of cross plane array

综上，在相同的自行车辆声源仿真条件下，十字交叉阵在不同频率分布下声源的主瓣面积最小，性能最优。虽然在低频范围存在一定程度上的旁瓣泄露，但其泄露程度并不随频率的升高增大。因此，选取十字交叉阵型为自行车辆辐射噪声测试的传声器阵型。

3　实验及结果分析

3.1实验过程简述

噪声测试实验选择在室外空旷的场地进行，测试系统如图9所示。传声器阵列选取十字交叉阵型，四个直臂分别设置8路传声器，共32路。在十字阵中心布置一个数码照相机，获取待测车辆的光学图像，和波束形成处理得到的的噪声分布进行重叠，最终获取静止车辆的空间噪声特性及分布规律。

图9　噪声测试系统Fig.9　Test system for sound

实验中，自行车辆分别按照不同的转速，发动主发动机和辅发动机，处于空档状态，此时，自行车辆处于静止状态。待噪声稳定后，对侧面单排气口及一定角度下背面多排气口的噪声进行测试。

3.2侧面结果及分析

侧面噪声测试实验中，传声器阵列距离待测车辆的距离为8m。此时，只发动车辆主发动机，并以1 200r/min转速持续运行。

对测试信号进行波束形成处理，需要得知其功率分布。侧面噪声的功率谱如图10所示，可以明显看出噪声信号的基频约为600Hz，在其倍频成分1 800Hz处能量较大。因此选取600Hz和其倍频1 800Hz作为波束形成的中心频率，进行成像处理。

图10　侧面测试信号功率谱Fig.10　Power spectrum of side signal

图11(a)为中心频率f=600Hz时自行车辆侧面噪声的声源成像结果。对其进行分析可知，波束形成较为成功地确定了自行车辆的侧面噪声分布，图中的主瓣位置和侧面主发动机排气口的位置重合，最大相对声压为79dB。但是由于聚焦频率较低，主瓣的分布面积较大定位性能并不是很理想；同时存在较大能量的旁瓣，部分最大值达到了76dB，分布面积几乎和主瓣相当，分布规律和仿真结果相似，围绕主瓣呈现出了十字对称分布。

图11(b)为f=1 800Hz时的成像结果，该频率分布下噪声的主瓣能量为61dB，下降了约8dB，同时定位性能得到了提升，图中声源主瓣的面积更加聚焦。旁瓣能量同样降低为约58dB，分布面积聚焦，但是旁瓣的总体数目上有一定程度的增加，分布的规律仍为十字状。

3.3背面结果分析

自行车辆背面噪声测试实验中，传声器阵列距离待测车辆的距离为10m,阵列中心与车辆连线和车辆侧面约成30°。同时发动车辆的主机和辅发动机：主发动机转速同样为1 200r/min，辅机按照仅有的转速运动，持续空档运行一段时间噪声稳定后进行测试。

对测试的噪声信号进行处理，其功率谱如图12所示，由图中可以明显看出信号的基频除约为600Hz(主机)外，增加了辅机的频率成分约为877Hz，选取这两种信号的能量较高的倍频成分1 800Hz和2 700Hz作为波束形成的中心频率。

图12　背面测试信号功率谱Fig.12　Power spectrum of backside signal

图13(a)为波束形成中心频率f=1 800Hz时自行车辆背面的声源成像结果。对其进行分析可知，实验成功地测试并确定了背面的噪声分布规律：该频率下，最大的相对声压能量为73dB，存在一定的旁瓣泄露，且能量较大，和辅机的能量相当。由于1 800Hz为主发动机信号频率的3倍频，故主瓣位于主发动机排气口的位置；辅机排气口的声压能量约为71dB，但是分布并不规则，沿排气方向有部分延伸，经分析，推测为辅机的高温喷射气流噪声。

图13(b)为聚焦频率f=2 700Hz时的成像结果，由于聚焦频率约为辅机噪声基频的3倍频位置，故噪声主瓣位于辅机排气口位置，能量约为71dB，同样沿气流方向有一定的延伸，且周围存在呈十字对称分布、约为68dB的鬼影；主机排气口位置能量约为69dB，没有鬼影存在。

图13　车辆侧面噪声分布Fig.13　Sound distribution of vehicle backside

综上可知，波束形成算法能够有效实现自行车辆的静止噪声成像。在两个不同测试角度下，均能确定出两个排气口声源的位置和相对的声压强度，成像结果呈现出一种聚焦性能随中心频率升高而提升的特性。但是由于阵列形状和算法的限制，存在一定程度上的鬼影。

4　结论

本文提出了基于波束形成的自行车辆分布噪声

测试方法。该方法采用声源仿真中性能较好的十字交叉阵列，进行了自行车辆的静止噪声实验。实验结果表明：波束形成能够有效实现自行车辆单、多排气口的噪声成像，成像结果呈现出一种聚焦性能随中心频率升高而提升的特性，较为准确地给出了不同条件下自行车辆的噪声特性及分布规律，为翻斗车、起重机等常规大型车辆和工程机械的噪声分析提供一定的参考价值。但是运动状态下的波束形成成像，需要充分考虑使用短时数据相关的成像性能，和对多普勒效应造成的频移补偿方法，需要进行进一步的研究。

[1]SchulteWerningB,JagerK,StrubeR.RecentdevelopmentsinnoiseresearchatDeutscheBahn[J].JournalofSoundandVibration, 2003 ,267 :689-699.

[2]郝志勇,韩军. 车用发动机主要噪声源的声强测试方法研究[J].内燃机工程,2004,25(2):15-17.

[3]毛荣富,朱海潮,陈志敏.基于近场声全息的空压机噪声源识别[J].海军工程大学学报，2011，23(1):58-65.

[4]鲁文波，蒋伟康. 基于近场声全息的故障诊断方法及系统实现[J].振动与冲击，2013,32(5):48-51.

[5]褚志刚，杨洋，王卫东，等.基于波束形成方法的货车车外加速噪声声源识别[J].振动与冲击，2013,21(7):66-70.

[6]伍岳，杨兵，贾少红，等. 基于波束形成方法的风力机叶片气动噪声定位研究[J].工程热物理学报,2013,34(12):2262-2266.

[7]司春棣,陈恩利,杨绍普，等. 基于声阵列技术的汽车噪声源识别试验研究基金项目[J].振动与冲击,2009,28(6):173-175.

[8]ChristensenJJ,HaldJ.Beamforming[J].B&K,TechnicalReview,2004(1):1-48.

Acoustic Regularity Testing Method of Self-Propelled Vehicle Based on Beam Forming

ZHANG Bingwen, ZHENG Jian, XIONG Chao

(Ordnance Engineering College, Shijiazhuang 050003，China)

Aiming at the problem of high cost of sound intensity measurement, and NAH is poor in far field testing ability, an acoustic regularity testing method of self-propelled vehicle based on beam forming was put forward. Based on the comparison of performance of simulation, still vehicle acoustic experiments of single and double vents was carried out with the method based on cross array of higher performance. The testing results showed that beam forming method was effective to rebuild the sound field of self-propelled vehicle, acoustic distributing regularity was determined accurately.

passive location; seismic signal; acoustic signal; weighted process; bomb point

2016-01-20

张炳文(1987—)，男，山东青岛人，博士研究生，研究方向：噪声信号测试及处理。E-mail：bingwengongtuan@163.com。

TH11

A

1008-1194(2016)04-0103-05