多参数的车间噪声辨识模型研究

    1 前 言

    随着车间机器的运转速度的提高，时常会出现过大的噪声环境，从而影响人的工作和健康。 为改善车间环境，降低工作噪声，需要研究这种振动噪声的变化规律。

    由于一般场合中的噪声源和传播的影响因素有很多，变化规律很难确定，多采用灰色理论来建立预测模型。 特别是在城市噪声、大气污染等方面的研究中，采用 GM（1，1）模型可以较好地预测噪声变化。[1-3]此模型适用于具有较强指数规律的数据，只能描述单调变化过程。 而改进的 GM 模型具有更广泛的适应性。[4-7]但对车间机械系统的噪声变化预测研究还有待深入。[8，9]

    本文针对一种车间的噪声试验结果，采用参数变化改进的 GM 模型，分析车间噪声变化规律，找出影响车间噪声环境的关键因素。

    2 多参数噪声预测模型

    由于系统噪声场的变化非常复杂，包含不确定的变化因素，因此构成灰色系统。 通常灰色理论分析是将随机变量作为灰色量来处理， 建立预测模型。[10，11]这里，针对多参数的噪声试验数据，利用灰色理论中的 GM（1，N）模型，实现噪声的变化预测。设

    为lYl xN个原始测量噪声高散数据。

    作

    通常，Z（1）具有单调增加的变化规律。因此，建立连续量 （1）的白化形式的微分方程为

    其中，α、β 为待定参数。 X 为独立的影响因素变量。如果影响因素变量之间是相互独立的， 则方程（2）的分量形式为

    如果影响因素变量的变化步长取单位步长，则式（3）可以改写为离散形式方程

△Z(1)j(k)+αjZ(1)j(k)=βj（5）

    这时，采用差分和最小二乘法可估计模型中的参数α、β 如下。

    系数 γ 取不同的值时，就得出不同的估计模型。 当γ =0 时为前向估计；γ =0.5 时为中值估计；γ =z(1)(j,1)/z(1)姨 (j,M)为平均斜率估计。 获得参数 α、β 值后，利用式（4）可以计算噪声经历累加估计值为

    而噪声的预测估计点的值为

    3 预测模型应用

    3．1 试验结果分析

    采用的试验设备仪器包括：1. 声级计 （型号：SP-100）；2.信号分析软件（MATLAB）。 3.试验设定的条件为机器的速度分为 9 个等级。 将测得的各点的噪声数据经过均布处理，如表 1 所示。 其中因素 1代表机器的速度，因素 2 为不同的区域位置。