文 | 大叔的旧字典
编辑 | 大叔的旧字典
<<——【·前言·】——>>
近年来，空调制冷压缩机的噪声问题受到相关领域的广泛关注，空调制冷压缩机作为电驱动汽车的内置空调系统，其噪声、振动与声振粗糙度（NVH）是整车噪声的主要来源，因此，评价电驱动汽车使用性能的主要指标为空调制冷压缩机的NVH值。
为了提升电驱动汽车的乘坐舒适度，让用户在享受空调制冷压缩机提供适宜车内温度的同时，不受空调制冷压缩机噪声问题的干扰，研究人员致力于空调制冷压缩机怠速噪声的诊断研究。
有学者提出了基于K近邻算法的噪声种类识别和强度估计方法，但是，该方法忽略了对空调制冷压缩机怠速噪声信号特征的提取，导致该方法存在空调制冷压缩机怠速噪声幅值偏离实际怠速噪声幅值的问题。
另有学者提出了车用制动空气压缩机结构辐射噪声特性研究方法，但是，由于该方法没有对噪声进行特征分类，导致存在噪声幅值偏离实际怠速噪声幅值的问题。
为了解决上述方法中存在的问题，本文提出一种基于小波包信包提取的空调制冷压缩机怠速噪声诊断算法，为了增强压缩机噪声诊断的精度，本研究利用小波包信包提取了空调制冷压缩机怠速噪声信号特征，并对空调制冷压缩机怠速噪声信号的特征进行精确分类，有效优化了空调制冷压缩机怠速噪声诊断的结果。
<<——【·空调制冷压缩机产生怠速噪声的常见原因·】——>>
以空调制冷压缩机为工况试验模型，启动空调制冷压缩机，同时增强外界传声测量装置内的加速度信号，使空调制冷压缩机本体所能感知到的加速度信号被动增加，观察此时空调制冷压缩机怠速噪声的情况。
产生空调制冷压缩机怠速噪声问题的第二种常见原因是空调制冷压缩机的工作频率过高，以空调制冷压缩机为工况试验模型，要求空调制冷压缩机始终维持在工作状态，且每3h检测一次空调制冷压缩机怠速噪声。
<<——【·空调制冷压缩机怠速噪声的诊断·】——>>
想要利用小波包信包提取空调制冷压缩机怠速噪声信号特征，需要先采用修正周期图平均法获取与空调制冷压缩机振动有关的噪声信号频谱图，该频谱图的物理能量与空调制冷压缩机的功率谱密度呈正相关关系，即噪声信号频谱图的物理能量越高，空调制冷压缩机的功率谱密度越高。
较高的空调制冷压缩机功率谱密度有利于空调制冷压缩机怠速噪声信号的采集，为了获取频谱范围较宽的怠速噪声信号，需要利用模型修正方法使空调制冷压缩机的功率谱密度维持在较高水平，这样得到的噪声信号频谱图在描述空调制冷压缩机怠速噪声时会更加细致、精确。
修正周期图平均法的表达式如下：
式中：P2n表示修正周期图平均常数；l表示噪声信号频谱图参数。
模型修正方法的表达式如下：
式中：λ2表示模型修正常数；ai表示空调制冷压缩机功率谱密度的阈值；k表示模型修正误差。
成功获取基于空调制冷压缩机的噪声信号频谱图后，以该图为基础，利用小波包信包提取图内噪声信号特征，首先根据小波包信包原理将噪声信号频谱图分解为三层子特征空间，且每层子特征空间的能量系数均满足小波基函数。
小波包信包原理的表达式如下：
式中：δ表示小波包信包常数；Dx表示子特征空间分解系数；vx-v0表示子特征空间的分解误差。
小波基函数的表达式如下：
式中：ρ表示小波基常数；xn表示子特征空间的最大能量系数；xm表示子特征空间的最小能量系数。
经过分解的噪声信号频谱图在计算复杂度和信号特征提取方面均表现出良好的可操作性能，以噪声信号频谱图分解后的子特征空间为单位，利用机理分析方法逐层获取子特征空间的特征值容差范围，随着机理分析方法的逐层递进，子特征空间的特征值容差范围也在不断增大。
例如，假设第一层子特征空间的特征值容差范围为e，则第二层子特征空间的特征值容差范围为e+υ，第三层子特征空间的特征值容差范围为e+υn，利用实验统计方法推导三层子特征空间的变化规律，可知其满足误差非线性函数的曲线变化情况。
机理分析方法的表达式如下：
式中：ΔX表示机理分析常数；C'x表示子特征空间的特征值容差范围获取系数；α表示子特征空间权重；C'0表示子特征空间的特征值容差范围获取误差，实验统计方法的表达式如下：
式中：ΔS表示实验统计系数；φ表示三层子特征空间的权重向量；vj表示实验统计误差，
误差非线性函数的表达式如下：
式中：ΔC表示误差非线性常数；Er表示误差非线性函数的斜率；ke表示误差非线性函数的曲线变化系数。
将经过机理分析方法获取的三层子特征空间的特征值容差范围输入归一化模型中，即可提取空调制冷压缩机的噪声信号特征，归一化模型的表达式如下：
式中：R表示归一化常数；ηq表示归一化模型的计算复杂度；tuy表示基于空调制冷压缩机的噪声信号特征提取系数。
支持向量机是一种线性问题求解方法，其基本操作原理是通过将多分类问题根据线性求解的方式转化为非线性的二分类问题，以此达到多组数据分类排序的目的，支持向量机相较于其他分类器，其对噪声信号特征的分类精确度更高。
这是因为其他分类器在对噪声信号分类时，通常采用一对多法分类噪声信号特征，这使得噪声信号特征在分类过程中易由于邻近信号属性相似而导致最终获取的分类结果误差。
支持向量机对噪声信号特征分类主要采用一对一法，即从拓扑结构的角度对噪声信号特征分类标注，这样获取的噪声信号特征分类结果不易存在分类误差或元素漏缺等问题。
支持向量机分类噪声信号特征的具体操作步骤如下：视需要分类的噪声信号特征为训练数据，利用拉格朗日乘子算法获取训练数据的最优偏差。
噪声信号特征的差异性决定了训练数据输出的最优偏差的差异性，再利用同构判定算法二次优化训练数据的最优偏差，使噪声信号特征的属性标签更为突出，拉格朗日乘子算法的表达式如下：
式中：t|f(x)-f(y)|2表示拉格朗日乘子系数；rx表示训练数据最优偏差的获取率；ry表示训练数据最优偏差的获取误差。
同构判定算法的表达式如下：
式中：sinθ表示同构判定常数；fsgn(N)表示训练数据最优偏差的二次优化系数；cosθ表示同构判定误差，将经过二次优化的训练数据最优偏差输入SVM模型中，训练数据最优偏差会在SVM模型和模型内LIBSVM函数共同作用下，完成噪声信号特征的分类。
根据噪声信号特征的分类结果即可实现空调制冷压缩机怠速噪声的诊断，SVM模型的函数表达式如下：
式中：2πt2表示SVM模型的权重；αv表示参与分类的噪声信号特征总数；βv表示SVM模型的分类误差，LIBSVM函数的表达式如下：
式中：2F'表示LIBSVM常数；-tm表示LIBSVM函数的斜率，将利用小波包信包提取的空调制冷压缩机怠速噪声信号特征输入SVM模型中，即可在LIBSVM函数的作用下完成空调制冷压缩机怠速噪声的诊断。
<<——【·实验与结果·】——>>
为了验证基于小波包信包提取的空调制冷压缩机怠速噪声诊断算法的整体有效性，需要对其进行测试，规定来自不同企业的3种型号的空调制冷压缩机为试验对象。
型号一是湖北南光制冷设备有限公司西安远东公司生产的，产品规格为QD56，型号二是西安远东公司生产的，产品规格为QD24，型号三是黄石东贝冷机集团有限公司生产的，产品规格为QD59，将3种类型的空调制冷压缩机依次编号为1#、2#和3#。
（1）空调制冷压缩机怠速噪声幅值分别采用本文方法、相关资料方法诊断上述3种型号的空调制冷压缩机怠速噪声，通过对比不同方法诊断下的怠速噪声幅值和实际怠速噪声幅值，判断不同方法针对空调制冷压缩机怠速噪声的诊断能力。
从数据看，本文方法诊断下的空调制冷压缩机怠速噪声幅值和实际怠速噪声幅值重合率较高，说明采用本文方法诊断空调制冷压缩机怠速噪声的精确度更高，因为本文方法利用小波包信包提取了空调制冷压缩机的怠速噪声信号特征，并通过支持向量机将噪声信号特征分类，使得最终获取的怠速噪声诊断结果更加精确。
相关文献中的方法诊断下的空调制冷压缩机怠速噪声幅值和实际怠速噪声幅值呈现整体偏离的趋势，说明采用之前文献中的方法诊断空调制冷压缩机怠速噪声的精确度较低，经上述对比可知，本文方法针对空调制冷压缩机怠速噪声的诊断能力明显优于传统方法。
（2）ROC曲线以上述3种型号的空调制冷压缩机为试验基础，每种型号的空调制冷压缩机各选择10台作为试验对象，采用本文方法、之前文献方法分别诊断上述3种型号，共计30台空调制冷压缩机的怠速噪声，通过对比不同方法诊断下的ROC曲线，判断不同方法针对空调制冷压缩机怠速噪声的诊断性能。
由试验结果可知，本文方法的ROC曲线下面积较大，说明本文方法针对空调制冷压缩机的怠速噪声诊断准确率较高，之前文献的方法的ROC曲线下面积均较小，说明之前文献方法针对空调制冷压缩机的怠速噪声诊断准确率较低。
经上述对比可知，本文方法针对空调制冷压缩机的怠速噪声诊断准确率明显高于传统方法。
<<——【·结语·】——>>
为有效诊断空调制冷压缩机的怠速噪声，提出一种基于小波包信包提取的空调制冷压缩机怠速噪声诊断算法，通过小波包信包对噪声特征的提取以及支持向量机（SVM）对空调制冷压缩机怠速噪声信号特征的分类，完成空调制冷压缩机怠速噪声的诊断，实验结果验证了本文方法对压缩机怠速噪声的诊断结果具有较高的准确度。
虽然论文得到了较好的研究成果，但其分析角度仍然不够全面，如何在保证空调制冷压缩机怠速噪声诊断性能的同时，缩减空调制冷压缩机怠速噪声诊断的时间，是研究人员下一步工作的重点。
参考文献
[1]陶宏,张婷,吴生礼,等.油循环率对电动汽车空调压缩机性能的影响[J].制冷学报,2021,42(6):140-145.
[2]吴小莉,郑艺峰.基于K近邻算法的噪声种类识别和强度估计[J].计算机应用,2020,40(1):264-270.
[3]吴飞,余神志,刘苏行,等.车用制动空气压缩机结构辐射噪声特性研究[J].声学技术,2021,40(2):228-233.
[4]李天宇,蒋伟康,王海军.滚动转子压缩机排气流噪声数值计算与机理分析[J].流体机械,2021,49(6):15-21.
[5]彭珍瑞,曹明明,刘满东.基于加速度频响函数小波分解的模型修正方法[J].航空学报,2020,41(7):181-191.
[6]童力,刘翰柔,胡松涛,等.听觉诱发电位信号分析中小波基函数的确定[J].科学技术与工程,2021,21(2):473-479.
热门跟贴