[发明专利]一种基于改进变分模态分解的噪声源识别方法

说明书

本发明涉及一种一种基于改进变分模态分解的噪声源识别方法，包括下列步骤：采集发动机某一工况下单通道信号噪声；对噪声信号进行去趋势项及去噪预处理处理；对于预处理后的信号进行改进变分模态分解IVMD，得到不同频段的信号分量；对于输出的分解信号分量，利用互信息筛选主要噪声分量，确定主要噪声频段：对噪声分量与源信号进行互信息的分析，确定互信息值最高的几个分量作为主要噪声频段进行后续分离及分析；对噪声分量进行盲源分离，得到独立的噪声分量；对独立的噪声分量利用小波变换进行时频分析及傅里叶变换，确定各独立分量的噪声分量时频、功率谱、包络谱等特征；对噪声分量与近场噪声进行相干性分析，识别分量噪声信号来源。

技术领域

本发明涉及发动机NVH领域，具体涉及一种基于信号处理的发动机噪声源识别方法。

背景技术

随着内燃机功率密度的不断增加，其噪声问题越发受到人们的重视。内燃机噪声源众多且相互影响，噪声源的分离识别对掌握声源特性并进行相应的噪声控制具有重要意义。

噪声源识别方法众多，传统的噪声源识别依赖试验器材的精度且需要有相关的试验测试经验。基于信号处理的噪声源识别具有成本低、可视化好、识别精度高的特点。利用单通道噪声信号进行信号分解和处理，使其达到分离混合噪声信号的目的，对信号分量进行频谱、包络谱、功率谱等特征进行分析，可以从多维度进行噪声源的识别。目前基于信号处理的噪声的噪声源识别普遍依赖单一的信号处理方法，但是每种信号处理方法都有一定的适用范围且存在各种缺陷，利用多种信号处理方法相结合，可以克服缺陷提高识别精度。

依据噪声源的识别结果，可以为工程师提供降噪参考，从而制定针对性的噪声控制方案。

发明内容

本发明的目的是提供一种低成本、高准确率的发动机噪声源识别方法，该方法基于改进的变分模态分解算法实现。技术方案如下：

一种基于改进变分模态分解的噪声源识别方法，包括下列步骤：

(1)采集发动机某一工况下单通道信号噪声；

(2)对噪声信号进行去趋势项及去噪预处理处理，以减少噪声信号采集误差；

(3)对于预处理后的信号进行改进变分模态分解IVMD，得到不同频段的信号分量，方案如下:

(a)设定初始变分模态分解数k＝1，进行分解，得到k个IMF分量

(b)对k个IMF分量进行线性叠加，所有分量信号求和重构，对重构信号幅度值的平方进行求和得到和能量，然后计算和能量与源信号的能量比，定义能量比为C；

(c)增加k值，循环步骤(a)、(b)，直至C大于某一阈值；

(d)当C大于阈值时，确定k个IMF分量，输出分解信号分量；

(4)对于输出的分解信号分量，利用互信息筛选主要噪声分量，确定主要噪声频段：对噪声分量与源信号进行互信息的分析，确定互信息值最高的几个分量作为主要噪声频段进行后续分离及分析；

(5)对噪声分量进行盲源分离，得到独立的噪声分量；

(6)对独立的噪声分量利用小波变换进行时频分析及傅里叶变换，确定各独立噪声分量的时频、功率谱、包络谱等特征。

(7)测试近场噪声信号，对独立噪声分量与近场噪声进行相干性分析，识别分量噪声信号来源。

与现有技术相比，本发明的技术方案带来的优异效果是：

1.噪声信号的IVMD分解有效解决了现有算法所出现的模态混叠、端点效应等问题，同时解决了VMD分解数不准确的问题，可准确获得不同频段的IMF。

2.信息熵相关性可以有效分析信号分量与信号源关系，进而快速准确识别主要噪声源，减少了人为筛选。