Page 271 - 《振动工程学报》2025年第11期

第 11 期 张恩来，等：粒子群优化的车内模糊主动噪声控制方法 2729

与降噪潜力，排除实车中诸多不确定性因素的干扰， 识，获得次级声通路的脉响应曲线，如图 15 所示。
确保 ANC 测试环境的一致性和试验数据的可重复
0.15

性，从而为控制算法的核心性能对比提供可靠且可
精确复现的试验条件。 0.10
试验平台整合处理器、传声器和扬声器等硬件
0.05
实物及仿真模型，构建一个完整的闭环测试环境。
其中，处理器为 32 位 ARM Cortex-M3 的 Arduino DUE 幅值 0
开 发 板， 运 行 主 频 为 84 MHz； 传 声 器 为 低 功 耗 的
−0.05
MAX4466；功率放大器为工作电压 5~12 V 的 LM386；
采 样 频 率为 12 kHz。 该 试 验 平 台 的 执 行 框 架 为 ： −0.10
(1) 在 MATLAB/Simulink 环境中建立 ANC 模型，并通 0 10 20 30 40 50 60
过 Configuration parameters 界 面 完 成 硬 件 接 口 配 置 、 阶数

通信协议设置以及模型可执行任务的定义；(2) 利用 图 15 次级声通路的传递函数
嵌入式编码器将控制算法编译为目标处理器的可执 Fig. 15 Transfer function of the secondary acoustic path
行文件；(3) 部署可执行文件至 Arduino DUE 控制器，
在实现实时 ANC 的同时，借助上位机监测控制系统 基于上述试验平台和次级声通路辨识，在 MATLAB/
采集并记录误差信号的时域波形数据。 Simulink 分别建立不同工况的 4 种 ANC 模型，具体

设置的结构参数如表 7 所列。导入匀速和加速工况
4.2 ANC 仿真试验与结果
的时域声压数据，由初级扬声器进行播放，运行所建
在 ANC 试验前，采用操作简便、建模精度高的 立的 ANC 模型，实时采集误差传声器的噪声信号，
附加噪声法对该硬件平台的次级声通路进行离线辨 其波形及频谱特征如图 16 和 17 所示。

表 7 不同 ANC 模型的结构参数
Tab. 7 Structural parameters of different ANC models

工况 FxLMS TSK-FxLMS 编号9 PSO-TSK-FxLMS
L=256， L=256， µ=0.001， L=256， µ=0.001， L=256， µ=0.001，
匀速
µ=0.001 a=0.5，b=−0.5，c=8 a=2，b=9，c=0 a=1.15895，b= 8.10235，c=−0.763085
L=256， L=256， µ=0.001， L=256， µ=0.001， L=256， µ=0.001，
加速
µ=0.001 a=0.5，b=−0.5，c=8 a=2，b=9，c=0 a=1.74705，b=8.2235，c=−0.75248

图 16 和 17 的 试 验 结 果 表 明 ， 4 种 ANC 模 型 的 算 法的 ANC 模 型 进 入 稳 态 时 间 短 于 其 他 对 比 模
降噪性能存在差异性，整体上各模型的误差信号时 型。在频谱特性方面，匀速工况下 PSO-TSK-FxLMS
域 幅 值 由 高 至 低 排 序 依 次 为： FxLMS 模 型 >TSK- 模型表现出最优的低频降噪性能，其 ASPL 在多数频
FxLMS 模型>正交试验优化参数组合（编号 9）的 TSK- 段达到最低水平；定量分析显示，该模型较正交试验
FxLMS 模 型 >PSO-TSK-FxLMS 模 型 ， 表 明 基 于 所 提 前后的 TSK-FxLMS 模型分别提升 1.0 和 2.7 dB 的降

4 FxLMS TSK-FxLMS 80
编号9 PSO-TSK-FxLMS
2
ASPL / dB 60
幅值 0

40
−2

−4 20
0 5 10 15 20 0 100 200 300 400 500
时间 / s 频率 / Hz
(a) 误差信号的波形 (b) 频谱特征
(a) Wave-forms of error signals (b) Spectral features

图 16 匀速工况下不同 ANC 模型的试验结果
Fig. 16 Test results of different ANC algorithms under uniform-speed condition