一种基于可靠度下多测点实测值的噪声源声功率反推方法

专利名称：一种基于可靠度下多测点实测值的噪声源声功率反推方法

专利类型：发明专利

专利申请号：CN202210839159.7

专利申请（专利权）人：安徽理工大学
权利人地址：安徽省淮南市山南新区泰丰大街168号

专利发明（设计）人：阮学云,邵良友,张馨月,贾世林,李佳静,傅军杰,龚莹,王旭东

专利摘要：本发明涉及一种基于可靠度下多测点实测值的噪声源声功率反推方法，其包括的步骤为：1)测量接受点的声压级数据；2)构建声源声功率反演数学模型；3)可靠度分析；4)使用Matlab优化工具箱解算反演模型获得声源的声功率级。上述方法根据国际标准ISO9613‑2给出的户外传播计算方法，通过多测点噪声实测数据与理论计算，利用可靠度理论及优化思想，通过不同可靠度的设置，识别并剔除测点数据中偏差较大的点，以此构建了声源声功率级反推的数学模型，实现声功率级反演计算。

主权利要求：
1.一种基于可靠度下多测点实测值的噪声源声功率反推方法，包括以下实施步骤：步骤1：测量接受点的声压级数据；
步骤2：构建声源声功率反演数学模型；
步骤3：可靠度分析；
步骤4：使用Matlab优化工具箱解算反演模型获得声源的声功率级；
所述步骤3中的可靠度为实测值与预测值误差在一定范围的测点个数占总的测点个数比例，表达式为：R＝m'/m；
其中，m'为实测值和预测值误差在给定范围内的测点个数；
m为总的测点个数；
测点数据若是不存在坏点，则可靠度可选择100％，反之存在坏点，当可靠度选择100％时，方程无解，最高的可靠度设置与测点中坏点个数的关系为：坏点个数为s时，可靠度为(m‑s)/m；
所述步骤4中根据噪声源附近测点声压级数据，判断出声源声功率级范围，利用计算机在此范围内随机取点，结合matlab优化工具箱中fmincon()函数，匹配出目标函数最小时的各声源声功率级；
将各测点误差的均差作为目标函数，表达式为：将各声源等效点声源并将其作为设计变量；约束条件为可靠度约束，表达式为：T
X＝(x1,x2,…xn)
s.t.
g1(X)＝[R]‑R≤0
g2(X)＝LW1min≤x1≤LW1maxg3(X)＝LW2min≤x2≤LW2max…
gn+1(X)＝LWnmin≤xn≤LWnmax其中，Aij为声源i到测点j之间总的声衰减量，单位：dB(A)；
[R]为给定的许用可靠度；
R为实际计算出的可靠度；
m为测点个数；
n为声源个数；
LWimax为声源i声功率级给定的最大限值，LWimin为声源i声功率级给定的最小限值，单位：dB(A)。
2.根据权利要求1所述的一种基于可靠度下多测点实测值的噪声源声功率反推方法，其特征在于：所述步骤1中的测点选在敏感点附近，且距离声源要足够远，方便将声源等效为点声源。
3.根据权利要求1所述的一种基于可靠度下多测点实测值的噪声源声功率反推方法，其特征在于：所述步骤2中的声功率级和声压级的关系式为：Lp＝LW+Dc‑A
其中，Lw为点声源声功率，单位：dB(A)；
Dc为声源指向性校正，单位：dB(A)；
A为各类衰减，其中包括大气衰减，几何衰减，地面效应衰减，屏蔽衰减，单位：dB(A)。
4.根据权利要求3所述的一种基于可靠度下多测点实测值的噪声源声功率反推方法，其特征在于：所述声衰减量根据噪声预测软件Cadna/A直接获得。
5.根据权利要求2所述的一种基于可靠度下多测点实测值的噪声源声功率反推方法，其特征在于：计算室外多个声源，测点的声压级为各声源在此点的能量叠加，具体表示为：其中，Lpj为测点j的声压级，即表示测点实测值数据，单位：dB(A)；
LWi为声源i的声功率级，单位：dB(A)；
Aij表示为声源i到测点j的声衰减，单位：dB(A)。 说明书 : 一种基于可靠度下多测点实测值的噪声源声功率反推方法技术领域[0001] 本发明涉及噪声预测领域，具体是一种通过可靠度将用于反推声源声功率实测点中的坏点剔除以此提高工业企业噪声预测精度的方法。背景技术[0002] 随着城市和工业化进程的推进，工业噪声已经成为一大焦点。在工业企业噪声预测及控制中，方便、准确地获得工业设备的声功率级，提高噪声预测精度尤为重要。目前，在预测模型实际搭建中，声源声功率级大多根据声源附近测点声压级与实测值反复对比来调整估算，不能确保所有测点预测值与实测值之间的误差在一定范围内，均是人为确定其中一些测点满足误差范围，而一些误差较大的点部分不考虑，该方法无科学依据，随意性较大，噪声预测精度难以得到保证。获得声源声功率级的理论方法主要有声压法、声强法、振速法：其中声强法、振速法对操作要求高，不适用于户外实际工程应用；而声压法应用最为普通，但在获得应用于声压法所需的测点声压级时，难免有的测点数据会由于环境等因素存在偏差，导致最后结果不正确，需要将这些存在误差的测点剔除。因此提供一种基于可靠度下多测点实测值的噪声源声功率反推方法显得尤为重要。发明内容[0003] 本发明的目的在于：针对上述噪声源声功率级难以准确获取问题，提供一种基于可靠度下多测点实测值的噪声源声功率反推方法，从而提高噪声预测精度。[0004] 本发明实现发明目的采用如下技术方案：[0005] 一种基于可靠度下噪声源声功率反推方法，包括以下实施步骤：[0006] 步骤1：测量接受点的声压级数据；[0007] 步骤2：构建声源声功率反演数学模型；[0008] 步骤3：可靠度分析；[0009] 步骤4：使用Matlab优化工具箱解算反演模型获得声源的声功率级。[0010] 作为优选，合理布置测点，在设备运行稳定时，使用噪声采集设备声级计采集测点的声压级，注意记录采集数据时温度、风速、测点高度。[0011] 作为优选，声功率级的反推原理根据ISO9613‑2户外声传播方法，具体表示为：[0012] Lp＝LW+Dc‑A式(1)[0013] 其中，Lw为点声源声功率，单位：dB(A)；[0014] Dc为声源指向性校正，单位：dB(A)；[0015] A为各类衰减，其中包括大气衰减，几何衰减，地面效应衰减，屏蔽衰减等，单位：dB(A)。[0016] 作为优选，计算室外多个声源，测点的声压级为各声源在此点的能量叠加。具体表示为：[0017][0018] 其中，Lpj为测点j的声压级，在本文中即表示测点实测值数据，单位：dB(A)；[0019] LWi为声源i的声功率级，单位：dB(A)；[0020] Aij表示为声源i到测点j的声衰减，单位：dB(A)。[0021] 作为优选，在实际工程应用中，由于噪声预测软件Cadna/A的计算准则参考9613‑2标准，而衰减量和几何模型相关，因此通过Cadna/A软件直接获取，可大大减少计算工作量。[0022] 作为优选，根据噪声源附近测点声压级数据，判断出声源声功率级范围，利用计算机在此范围内随机取点，结合matlab优化工具箱中fmincon()函数，匹配出目标函数最小时的各声源声功率级。[0023] 作为优选，测量设备精度、声衰减计算、噪声预测模型中的房屋以及地形设置等导致结果存在偏差，但这些因素导致的误差在工程计算中允许存在，一般为2‑3dB。[0024] 作为优选，可靠度为实测值与预测值误差在一定范围的测点个数占总的测点个数比例，表达式为：[0025] R＝m'/m式(3)[0026] 其中，m'为实测值和预测值误差在给定范围内的测点个数，m为总的测点个数。[0027] 作为优选，以测点声压级实测值和根据求解出的声源声功率级反推出测点声压级预测值的均差为目标函数，表达式为：[0028][0029] 作为优选，将所求的点声源作为设计变量。[0030] 作为优选，约束条件为可靠度约束，表达式为：[0031][0032] s.t.[0033] g1(X)＝[R]‑R≤0[0034] g2(X)＝LW1min≤x1≤LW1max[0035] g3(X)＝LW2min≤x2≤LW2max[0036] …[0037] gn+1(X)＝LWnmin≤xn≤LWnmax[0038] 其中，Aij为声源i到测点j之间总的声衰减量，单位：dB(A)；[0039] [R]为给定的许用可靠度；[0040] R为实际计算出的可靠度；[0041] m为测点个数；[0042] n为声源个数；[0043] LWimax为声源i声功率级给定的最大限值，LWimin为声源i声功率级给定的最小限值，单位：dB(A)，为常量。[0044] 作为优选，测点数据若是不存在坏点，则可靠度可选择100％，反之存在坏点，当可靠度选择100％时，方程无解。根据上节中提到的m个测点,n个声源，表1列出存在坏点的个数与可设置的最高可靠度。[0045] 表1：坏点的个数与可设置的最高可靠度[0046]坏点个数 1 2 3 ... s可靠度(％) (m‑1)/m (m‑2)/m (m‑3)/m ... (m‑s)/m[0047] 本发明与现有技术相比，其有益效果体现在：[0048] 本发明基于ISO9613‑2户外声传播计算方法，提出可靠度计算方法以及最大可靠度设置，构建反推声功率的数学模型。通过不同可靠度设置，本发明可自动识别并剔除坏点，最大的减少有效测点与实测值的综合误差，从而得到较为准确的声源声功率级。附图说明[0049] 图1是本发明实施例中提供的一种基于可靠度下多测点实测值的噪声源声功率反推方法流程图；[0050] 图2是本发明实施例中测点布置示意图；[0051] 图3是本发明声源与测点数目不同的声学模型示意图。具体实施方式[0052] 以下结合具体实施例和说明书附图对本发明具体、详细地解释说明。[0053] 本发明适用于提高工业企业噪声预测精度的工作，建立声学模型后，通过软件获取各个测点的声衰减量，通过可靠度，将测点中的坏点识别并剔除，再用更新后的测点数据反推声源声功率级，从而获得更为准确的声源声功率级，最后达到提高换流变压器噪声预测精度的目的。图1所示为本发明基于可靠度下多测点实测值的噪声源声功率反推方法的流程图，本发明以江西某水泥厂为例，以下分别对每个步骤作详细的解释并举例：[0054] 步骤1：测量接受点的声压级数据；[0055] 本实施例中共设置10个测点，测点位置示意图如图2所示。[0056] 实测值数据见表2。[0057] 表2：测点实测值(单位：dB(A))[0058]测点 R1 R2 R3 R4 R5 R6 R7 R8 R9 R10声压级(dBA) 62.1 63.0 63.4 62.8 62.6 61.5 59.0 60.3 59.5 60.0[0059] 步骤2：：构建声源声功率反演数学模型；[0060] 声功率级的反推原理根据ISO9613‑2户外声传播方法，具体表示为：[0061] Lp＝LW+Dc‑A式(1)[0062] 其中，Lw为点声源声功率,单位：dB(A)；[0063] Dc为声源指向性校正,单位：dB(A)；[0064] A为各类衰减，其中包括大气衰减，几何衰减，地面效应衰减，屏蔽衰减等，单位：dB(A)。[0065] 计算室外多个声源，测点的声压级为各声源在此点的能量叠加。具体表示为：[0066][0067] 其中，Lpj为测点j的声压级，在本文中即表示测点实测值数据，单位：dB(A)；[0068] LWi为声源i的声功率级，单位：dB(A)；[0069] Aij表示为声源i到测点j的声衰减，单位：dB(A)。[0070] 本实施例中，将前述实测点实测声压级值、声衰减量代入步骤3式(2)中，可以得出其关于声源声功率的非线性方程组。[0071] 步骤3：可靠度分析；[0072] 本实施例中，为验证设置不同可靠度可识别出坏点方法的有效性，分三组人为制造出不同数量的坏点。其中第一组设置R7和R9为坏点，第二组设置R2为坏点，第三组设置R1、R4和R8为坏点。[0073] 具体地，修改后测点数据见表3。[0074] 表3：每组设置的测点声压级数据(单位：dB(A))[0075][0076] 步骤4：使用Matlab优化工具箱解算反演模型获得声源的声功率级。[0077] 本实施例中，使用Matlab优化工具箱并结合可靠度将求解非线性方程组问题转化为求目标函数极值问题。目标函数表达式为：[0078][0079] 本实施例中，共有五个声源，分别为：喂料楼、立磨、回转窑、篦冷风机房以及煤磨房，将这五个声源作为设计变量，分别为：x1,x2,x3,x4,x5。[0080] 具体地，设计变量的范围见表4。[0081] 表4：声源声功率级范围设定[0082] 声源 最小值(dBA) 最大值(dBA)喂料楼 100 120立磨 105 120回转窑 95 110篦冷风机房 100 120[0083] 本实施例中，可靠度的表达式为：[0084][0085] s.t.[0086] g1(X)＝[R]‑R≤0[0087] g2(X)＝LW1min≤x1≤LW1max[0088] g3(X)＝LW2min≤x2≤LW2max[0089] …[0090] gn+1(X)＝LWnmin≤xn≤LWnmax[0091] 其中，Aij为声源i到测点j之间总的声衰减量，单位：dB(A)；[0092] [R]为给定的许用可靠度；[0093] R为实际计算出的可靠度；[0094] m为测点个数；[0095] n为声源个数；[0096] LWimax为声源i声功率级给定的最大限值，LWimin为声源i声功率级给定的最小限值，单位：dB(A)，具体参考表4。[0097] 本实施例中，通过matlab编程计算，得到每组各测点在不同可靠度下的误差。具体见表5、表6和表7。[0098] 表5：第一组不同可靠度测点误差对比[0099][0100][0101] 表6：第二组不同可靠度测点误差对比[0102][0103] 表7：第三组不同可靠度测点误差对比[0104][0105] 具体地，表格中，Error表示为无解。根据表5、表6以及表7，人为修改实测值数据的测点误差普遍比其他测点误差大，且当有坏点存在时，可靠度设置高于表1给定的最高可靠度，方程无解。[0106] 本实施例中，为继续证明本文方法能否将坏点剔除，选择第一组数据即R7和R9为坏点进行计算，并与原始数据计算结果对比，具体见表8。[0107] 表8：第一组数据与原始数据测点误差对比[0108][0109] 本实施例中，通过表8可知：根据可靠度，已将坏点自动剔除，不参与计算。[0110] 本实施例中，可靠度选择80％，求解结果为：[0111] X＝[115,117,108,103,113]T[0112] 本实施例中，将本发明反推结果与预测声源声功率较为准确的声强法对比，误差仅在0.3dB(A)。[0113] 对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。

专利地区：安徽

专利申请日期：2022-07-18

专利公开日期：2024-11-26

专利公告号：CN115081241B