主动降噪系统的步长标定方法和主动降噪系统

本技术涉及主动噪声控制，尤其涉及主动降噪系统的步长标定方法和主动降噪系统。

背景技术：

1、主动噪声控制技术基于声波相消干涉原理，已广泛应用于汽车座舱、室内区域及开放空间等领域。步长作为滤波器权值更新的核心参数，直接决定控制器对误差信号的响应幅度，其取值影响系统降噪量、收敛速度与稳定性等综合性能。

2、目前，主动降噪系统的步长标定主要依赖人工试错与经验迭代，存在测试工作量大、标定周期长等缺陷。在传统方法中，仿真域与试验域之间存在性能偏差，预测精度有限，并且在实测标定时，步长难以直接取得最佳值以保证各项控制性能综合最优。

3、因此，如何提高主动降噪系统的预测精度和控制性能，是目前亟需解决的一个问题。

技术实现思路

1、本技术的主要目的在于提供一种主动降噪系统的步长标定方法和主动降噪系统，旨在解决如何提高主动降噪系统的预测精度和控制性能的技术问题。

2、为实现上述目的，本技术提出一种主动降噪系统的步长标定方法，所述主动降噪系统的步长标定方法应用于主动降噪系统，所述主动降噪系统的步长标定方法包括：

3、获取第一误差信号和第二误差信号，所述第一误差信号为所述主动降噪系统处于关闭状态下的误差信号，所述第二误差信号为所述主动降噪系统分别以多个步长运行且收敛后的误差信号；

4、根据所述第一误差信号确定基准噪声能量值，根据各步长对应的所述第二误差信号确定对应的残余噪声能量值，并根据所述基准噪声能量值和所述残余噪声能量值计算各步长对应的物理综合评价指标，所述物理综合评价指标用于量化所述主动降噪系统在对应步长下的降噪性能；

5、获取所述多个步长下所述主动降噪系统的仿真模型输出的仿真误差信号，根据所述仿真误差信号计算所述多个步长各自对应的仿真综合评价指标；

6、基于各步长及对应的所述物理综合评价指标和所述仿真综合评价指标，构建步长、仿真综合评价指标以及物理综合评价指标之间的映射关系，并将所述映射关系输入深度学习模型进行模型训练，得到目标降噪性能预测模型；

7、基于所述目标降噪性能预测模型，在预设步长取值区间内进行步长寻优，得到目标步长，所述目标步长对应所述物理综合评价指标最优，用于驱动次级声源完成步长标定。

8、在一实施例中，所述根据所述基准噪声能量值和所述残余噪声能量值计算各步长对应的物理综合评价指标的步骤，包括：

9、针对各步长，将对应的所述基准噪声能量值与所述残余噪声能量值的比值取对数，得到当前步长下的稳态降噪量分量；

10、获取所述主动降噪系统开启后的实时降噪曲线，并根据所述实时降噪曲线上瞬时降噪量达到稳态降噪量预设比例所需的时长，确定当前步长下的收敛时间分量；

11、分别对所述稳态降噪量分量和所述收敛时间分量进行归一化处理，并对归一化后的两个分量进行加权求和，得到当前步长对应的物理综合评价指标。

12、在一实施例中，所述获取所述主动降噪系统开启后的实时降噪曲线，并根据所述实时降噪曲线上瞬时降噪量达到稳态降噪量预设比例所需的时长，确定当前步长下的收敛时间分量的步骤，包括：

13、在所述主动降噪系统以任一步长运行的过程中，获取误差信号采集装置在各时刻的瞬时误差信号，所述瞬时误差信号包括瞬时能量值；

14、根据所述基准噪声能量值与各时刻的所述瞬时能量值，计算各时刻的瞬时降噪量；

15、以时间为横坐标，以各时刻的所述瞬时降噪量为纵坐标，构建实时降噪曲线；

16、根据所述实时降噪曲线确定所述主动降噪系统的稳态降噪量；

17、将所述实时降噪曲线上瞬时降噪量首次达到所述稳态降噪量的预设比例且连续满足预设保持时长的时刻，确定为收敛时刻；

18、根据所述收敛时刻相对于所述主动降噪系统开启时刻的时间差，确定收敛时间分量。

19、在一实施例中，所述获取所述多个步长下所述主动降噪系统的仿真模型输出的仿真误差信号，根据所述仿真误差信号计算所述多个步长各自对应的仿真综合评价指标的步骤，包括：

20、将所述主动降噪系统的工况参数输入所述主动降噪系统的仿真模型；

21、在所述仿真模型中分别以各所述步长运行仿真，获取所述仿真模型在各所述步长下输出的仿真误差信号；

22、根据各所述步长下的所述仿真误差信号，基于物理综合评价指标的计算方法，确定各所述步长对应的仿真综合评价指标。

23、在一实施例中，所述深度学习模型包括物理信息神经网络模型，所述基于各步长及对应的所述物理综合评价指标和所述仿真综合评价指标，构建步长、仿真综合评价指标以及物理综合评价指标之间的映射关系，并将所述映射关系输入深度学习模型进行模型训练，得到目标降噪性能预测模型的步骤，包括：

24、从多个步长中选取部分步长作为训练样本，各训练样本包括步长及对应的仿真综合评价指标和物理综合评价指标；

25、在预设步长取值区间内选取物理配点，基于已有的步长与仿真综合评价指标之间的对应关系，确定各物理配点对应的仿真综合评价指标；

26、将各训练样本的步长和仿真综合评价指标作为输入，将所述物理综合评价指标作为输出标签；

27、以各物理配点的步长和仿真综合评价指标作为物理约束施加点，对所述物理信息神经网络模型进行联合训练，得到目标降噪性能预测模型。

28、在一实施例中，所述以各物理配点的步长和仿真综合评价指标作为物理约束施加点，对所述物理信息神经网络模型进行联合训练，得到目标降噪性能预测模型的步骤，包括：

29、根据所述物理信息神经网络模型在各物理配点处输出的物理综合评价指标预测值，计算平滑约束损失项，所述平滑约束损失项用于约束相邻物理配点处的输出值之间满足预设的差分平滑条件；

30、根据所述物理信息神经网络模型在各物理配点处输出的物理综合评价指标预测值对输入特征的梯度，计算梯度约束损失项，所述梯度约束损失项用于约束所述物理综合评价指标预测值对输入特征变化的敏感程度；

31、将所述平滑约束损失项和所述梯度约束损失项与数据拟合损失项分别以预设权重进行加权求和，得到总损失值；

32、根据所述总损失值更新所述物理信息神经网络模型的网络参数，当满足训练终止条件时，得到目标降噪性能预测模型。

33、在一实施例中，所述基于所述目标降噪性能预测模型，在预设步长取值区间内进行步长寻优，得到目标步长的步骤，包括：

34、在所述预设步长取值区间内生成多个候选步长，并确定各候选步长对应的仿真综合评价指标；

35、将各候选步长及其对应的仿真综合评价指标输入所述目标降噪性能预测模型，得到各候选步长对应的物理综合评价指标预测值；

36、确定所述预设步长取值区间内所述物理综合评价指标预测值的最大值点；

37、基于当前工况信息和所述物理综合评价指标预测值的最大值点确定目标步长。

38、此外，为实现上述目的，本技术还提出一种主动降噪系统，所述主动降噪系统包括处理器、控制器、数据采集装置、误差信号采集装置、次级声源；

39、所述数据采集装置，与所述误差信号采集装置连接，用于采集并记录所述误差信号采集装置输出的误差信号；

40、所述误差信号采集装置，分别与所述数据采集装置和所述处理器连接，用于采集目标位置的误差信号并传输至所述处理器；

41、所述处理器配置为执行如上文所述的主动降噪系统的步长标定方法，得到目标步长，并将所述目标步长发送至所述控制器；

42、所述控制器分别与所述处理器和所述次级声源连接，用于接收所述目标步长，并根据所述目标步长输出驱动信号至所述次级声源；

43、所述次级声源，用于接收所述驱动信号并发出次级声波。

44、此外，为实现上述目的，本技术还提出一种电子设备，所述电子设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如上文所述的主动降噪系统的步长标定方法的步骤。

45、此外，为实现上述目的，本技术还提出一种非暂态计算机存储介质，所述非暂态计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上文所述的主动降噪系统的步长标定方法的步骤。

46、本技术提出的一个或多个技术方案，至少具有以下技术效果：

47、（1）获取第一误差信号和第二误差信号；根据第一误差信号确定基准噪声能量值，根据各步长对应的第二误差信号确定对应的残余噪声能量值，并根据基准噪声能量值和残余噪声能量值计算各步长对应的物理综合评价指标，物理综合评价指标用于量化主动降噪系统在对应步长下的降噪性能；获取多个步长下主动降噪系统的仿真模型输出的仿真误差信号，根据仿真误差信号计算多个步长各自对应的仿真综合评价指标；基于各步长及对应的物理综合评价指标和仿真综合评价指标，构建步长、仿真综合评价指标以及物理综合评价指标之间的映射关系，并将映射关系输入深度学习模型进行模型训练，得到目标降噪性能预测模型；基于目标降噪性能预测模型，在预设步长取值区间内进行步长寻优，得到目标步长，目标步长对应物理综合评价指标最优，用于驱动次级声源完成步长标定。采用了同步获取仿真模型在各步长下输出的仿真误差信号并计算仿真综合评价指标的技术手段，解决了单一依赖仿真预测存在域间偏差，实现了仿真域与试验域降噪性能的统一表征与优势互补。基于各步长及其对应的物理与仿真两类综合评价指标构建映射关系并输入深度学习模型训练得到目标降噪性能预测模型，解决了仿真与实测之间存在性能偏差导致预测精度不足的问题，实现了对系统全区间实测性能进行高精度预测并有效修正仿真偏差；基于目标降噪性能预测模型在预设步长取值区间内进行步长寻优，得到物理综合评价指标最优的目标步长，并驱动次级声源完成标定，解决了传统标定测试工作量大、周期长、依赖经验且难以取得全局最优步长的问题，实现了主动降噪系统全局最优单一步长的自动输出与高效标定，使系统降噪量、收敛速度及稳定性等综合控制性能达到最佳状态。

48、（2）在预设步长取值区间内生成多个候选步长，并确定各候选步长对应的仿真综合评价指标；将各候选步长及其对应的仿真综合评价指标输入目标降噪性能预测模型，得到各候选步长对应的物理综合评价指标预测值；确定预设步长取值区间内物理综合评价指标预测值的最大值点；基于当前工况信息和物理综合评价指标预测值的最大值点确定目标步长。其中，目标步长包括绝对最优步长和稳健最优步长。物理综合评价指标预测值的最大值点对应的候选步长为绝对最优步长。以最大值点为中心，在预设邻域范围内确定综合评价指标预测值满足预设稳定性条件的步长区间，将步长区间内的指定候选步长确定为稳健最优步长。基于当前工况信息和物理综合评价指标预测值最大值点确定目标步长，解决了固定步长无法适配多场景稳定性需求的问题，使系统兼顾最佳降噪量与运行适应性；将最大值点对应候选步长定义为绝对最优步长，并明确目标步长包含绝对与稳健最优两种形态，为后续灵活应用提供依据；由于采用了以最大值点为中心在预设邻域范围内确定综合评价指标预测值满足预设稳定性条件的步长区间，并将区间内指定候选步长确定为稳健最优步长，解决了系统增噪发散的问题，实现了兼顾峰值性能与邻域鲁棒性的可靠步长筛选，提升实车工程稳定性。