基于声源识别与噪声分析的降噪与噪声智慧管控方法与流程

本发明涉及数据处理，具体为基于声源识别与噪声分析的降噪与噪声智慧管控方法。

背景技术：

1、大型工厂内部设备繁多，噪声源点多面广、种类繁多，形成复杂的厂区声场分布；声源特征各异，随着工厂技术生产的不同周期与不同时段，呈现不同声场强度与频谱特征；工厂内部存在潜在噪声源，仅凭走访或单一点位测量难以精确识别与分辨。因此，工厂噪声精确溯源始终是工厂噪声智慧管控的重要挑战。传统的噪声评估方式仅通过经验或孤立的噪声测量点确定工厂主要声源、制定降噪方案，降噪效率低、大面积降噪成本高、降噪成果难以量化分析并缺乏科学保证。因此，工厂噪声精确溯源与量化分析对于工厂噪声智慧管控与智慧管理至关重要。

2、cn11532619a公开了一种工厂作业环境智能监测与评估方法，基于三点定位法可完成工厂声源的粗定位；但该发明所构建的模型将一个厂区视为一个声源点，只能完成粗略的声源定位而无法实现声源的精确分析，同时不能提供各声源的贡献占比量化分析、噪声精确溯源。美国专利10816588(fanuc corporation，us patent for noise sourcemonitoring apparatus and noise source monitoring method patent(#10,816,588),2019.https://patents.justia.com/patent/10816588)提供了一种噪声源监测装置及噪声源监测方法，包括成像单元、事件时间获取单元、相关性计算单元与显示控制部，可用于噪声源的成像与监测；但该方法未考虑噪声传播衰减的计算，因此无法用来计算评估点或声敏感区域的声环境，也无法提供噪声源量化分析与智慧降噪方案。

技术实现思路

1、本发明的目的在于提供基于声源识别与噪声分析的降噪与噪声智慧管控方法，以解决上述背景技术中提出的问题。

2、为了解决上述技术问题，本发明提供如下技术方案：基于声源识别与噪声分析的降噪与噪声智慧管控方法，包括步骤s1：构建厂区实测噪声数据验证的噪声分布仿真计算模型；

3、步骤s2：噪声粗溯源；

4、步骤s3：全厂区主要噪声源影响下的噪声仿真计算与噪声现状评估；

5、步骤s4：各声源对厂界噪声影响贡献占比的量化分析；

6、步骤s5：按厂界噪声贡献占比顺序，确定各声源降噪优先级，量化分析各声源降噪目标值、研究全厂区噪声智慧管控方案。

7、根据上述技术方案，所述步骤s1包括：

8、s11：三维声学模型构建：模型包含影响噪声传播的元素，包括建筑物、构筑物、地面、道路，以及吸声属性、反射属性的声学边界条件，和气象环境信息；

9、s12：声源构建：模型内所有声源有一一对应、可索引的编号，确保数据的准确追踪和管理；

10、s13：仿真计算模型的校准与验证：基于户外声传播算法和实测数据进行仿真计算模型的校准，确保仿真结果与实测结果容差在容许阈值内。

11、根据上述技术方案，所述步骤s2包括：

12、s21：声源远场识别：使用基于波束形成技术的声相机设备识别远场中的主要声源，排除非研究区域外的声源干扰，分析研究区域的主要噪声源分布、噪声敏感区域；

13、s22：确定溯源分析评估点：基于噪声分布信息图和户外声场传播规律确定分析点位，确保分析点能反映噪声源的主要分布和对声敏感区域的影响。

14、根据上述技术方案，所述步骤s3包括：

15、s31：采用声线追踪法，考虑距离衰减、大气吸收衰减、地面吸收衰减、障碍屏蔽衰减与反射，计算单个声源影响下的评估点噪声水平，具体公式为：

16、leq(t,j,k)＝lw(t,k)+dc-(adiv+aatm+agr+abar+amisc)；

17、式中：leq(t,j,k)为t时段，第k个声源影响下，第j个评估点的计算声压级，db；

18、lw(t,k)为t时段，第k个声源产生的声功率级，db；

19、dc为指向性校正，它描述点声源的等效连续声压级与产生声功率级lw的全向点声源在规定方向的声级的偏差程度，db；

20、adiv为几何发散引起的衰减，db；

21、aatm为大气吸收引起的衰减，db；

22、agr为地面效应引起的衰减，db；

23、abar为障碍物屏蔽引起的衰减，db；

24、amisc为其他多方面效应引起的衰减，db；

25、s32：应用能量叠加方式，计算所有声源影响下的评估点噪声水平，具体公式为：

26、

27、式中：leq(t,j)为t时段，所有声源影响下，第j个评估点的计算声压级，db；

28、leq(t,j,k)为t时段，第k个声源影响下，第j个评估点的计算声压级，db；

29、s33：基于gis划分研究区域的计算网格，应用所述噪声仿真计算模型，计算所有声源影响下的网格点声压级，基于网格点声压级采用插值等方法生成区域现状噪声地图，用于区域声环境可视化分析与总体评估。

30、根据上述技术方案，所述步骤s4中将点多面广、种类繁多的工厂声源分区，应用实测数据验证后的噪声仿真计算模型，计算各区声源影响下的噪声水平，从而得出各区声源的能量贡献占比，包括：

31、s41：应用所述噪声仿真计算模型，分别计算各区声源单独影响下评估点的噪声水平，具体公式为：

32、

33、式中leq(t,j,i)为t时段，第i区声源影响下，第j个评估点的计算声压级，db；

34、leq(t,j,k(of i))为t时段，第k个声源影响下，第j个评估点的计算声压级，db；

35、注：leq(t,j,i)包含第i区所有声源的叠加影响，排除其他区声源的影响，例如，若研究区域有多个声源区，第2个声源区内包含4个声源点，则leq(t＝10,j＝1,i＝2)表示在上午10时，第1个评估点在第2个声源区影响下的计算声压级，该计算声压级是该区4个声源点的叠加影响计算而来；

36、s42：将计算声压级转换为声音能量，基于各分区声源能量与全厂区主要噪声源能量之比，确定各区声源贡献占比，量化分析各评估点的主要影响声源、能量贡献比例，分析各分区声源的主要影响范围、影响强度，计算方法如式：

37、式中：p(t,j,i)为t时段，第j个评估点的i区声源贡献占比，db；

38、leq(t,j,i)为t时段，第i区声源影响下，第j个评估点的计算声压级，db；

39、leq(t,j)为t时段，所有声源影响下，第j个评估点的计算声压级，db。

40、根据上述技术方案，所述步骤s5包括：

41、s51：确定各评估点的降噪目标，根据研究区域所属声功能区标准、项目需求，确定各评估点的降噪目标值lnew(t,j)与所需降噪量δl(t,j)，其中：

42、δl(t,j)＝leq(t,j)-lnew(t,j)；

43、若δl(t,j)<0，则第j点在t时段满足相应标准，无需采取降噪措施；

44、s52：为了聚焦重点污染区域，更加高效率、低成本的完成噪声智慧管控与降噪工程，基于步骤s4所得的声源贡献占比，划分重点降噪研究对象与忽略对象，将声源贡献占比不小于10％的声源分区作为重点降噪研究对象，纳入集合c；将声源贡献占比小于10％的声源分区作为忽略的，纳入集合uc，不列入降噪计算范围；

45、s53：确定重点降噪研究对象的各声源分区的降噪量。

46、根据上述技术方案，所述s53包括：

47、s53a：计算重点降噪研究对象在降噪后的声能和，如下式：

48、∑enew(t,j,i of c)＝enew(t,j)-∑enew(t,j,i of uc)；

49、式中：enew(t,j)为降噪后，t时段，j评估点的声能；

50、∑enew(t,j,i of uc)为降噪后，t时段，uc集合即声源贡献占比小于10％的各声源分区影响下j评估点的声能；

51、∑enew(t,j,i of c)为降噪后，t时段，c集合即声源贡献占比不小于10％的各声源分区声源影响下j评估点的声能；

52、声源贡献占比小于10％的声源分区不作为重点研究对象，其声能贡献量低，变化量忽略，因此认为uc集合的声能在降噪措施实行前后保持不变，如下式：

53、∑enew(t,j,i of c)＝enew(t,j)-∑eeq(t,j,i of uc)；

54、式中：enew(t,j)为降噪后，t时段，j评估点的声能；

55、∑enew(t,j,i of c)为降噪后，t时段，c集合即声源贡献占比不小于10％的各声源分区声源影响下j评估点的声能；

56、∑eeq(t,j,i of uc)为降噪前，t时段，uc集合即声源贡献占比小于10％的各声源分区影响下j评估点的声能；

57、声能计算采用下式：

58、s53b：确定重点研究对象集合c中各区声源贡献占比，如下式：

59、

60、式中：q(t,j,i)为t时段，第j个评估点的i区声源贡献占比；

61、某工厂7号评估点，重点研究对象集合c包含酸站与纺织车间两个声源区，酸站的声源贡献占比p＝0.12，纺织车间的声源贡献占比p＝0.81，则降噪工程中酸站降噪占比q＝0.12/(0.12+0.81)，纺织车间降噪占比q＝0.81/(0.12+0.81)；

62、s53c：确定为使评估点满足降噪目标，集合c中各区声源降噪后的声能enew(t,j,i)，其中enew(t,j,i of c)＝q(t,j,i of c)*(∑enew(t,j,i of c))；

63、s53d：基于声能转换公式，确定各区声源所需降低的声压级δl(t,j,i)；

64、

65、δl(t,j,i)＝leq(t,j,i)-lnew(t,j,i)。

66、根据上述技术方案，所述步骤s5还包括：

67、s54：综合分析各评估点，确定为使研究区域整体满足标准，各组声源应降低的噪声声压级值δl(t,i)，确定研究区域噪声治理的优先级：

68、根据项目需求、声敏感区分布，取最大降噪量作为该区声源的目标降噪量，δl(t,i)＝max(δl(t,j,i))；

69、明确用于评估声源的关键指标，包括声源影响范围、目标降噪量；

70、确定加权因素，对于不同的声源和其影响，根据其对环境和人群的实际影响进行加权，全天运行的声源标记为重点加权声源，全厂声源中最邻近住宅、学校和医院的声源标记为重点加权声源；

71、基于层次分析法，应用matlab或python的决策支持系统软件，构建多准则决策分析加权模型；

72、使用所构建的加权模型，将每区声源的数据输入模型中，计算得到每个声源的加权得分，得分高的声源在降噪优先级排序中位置更靠前；

73、综合考虑声源影响范围、声源贡献占比、对厂界及工厂噪声敏感区域的影响，确定噪声源对工厂周边声环境影响程度从而确定降噪优先级；

74、s55：实施针对性降噪方案规划与噪声控制工程设计：开展噪声源特征分析，根据噪声源特征选择针对性降噪措施；应用适合实际情况的吸声材料、隔声结构、消声装置、减振器进行噪声与振动控制；进行厂区运营噪声的自动监测、可动态更新的噪声分布云图管理。

75、采用包括comsol multiphysics的多物理场仿真软件进行降噪技术选择与评估；通过声学模拟声波在不同材料和结构中的传播和相互作用，评估吸声、隔声等不同降噪措施的效果，模拟半封闭式、全封闭式隔声措施的具体降噪效果，从而根据噪声源的具体特征选择最有效的针对性降噪技术；

76、采用包括autocad和solidworks的平面制图与三维制图软件进行降噪方案的详细设计，包括隔声屏障、吸声材料布局，通过精确的设计和建模功能，确保方案的实施可行性和准确性；采用成本估算软件，预估降噪方案与降噪措施成本；

77、在详细设计完成后，使用包括ease和soundplan的声学预测计算软件对设计方案进行仿真验证，评估其在实际环境中的降噪效果，确保设计目标的视线；同时，整理成本效益分析，对比降噪方案的经济性和有效性；

78、实施降噪方案，采用实时噪声监测技术与可视化技术，实时监测噪声水平，收集和分析环境噪声数据，通过实测数据提供详细的分析报告，帮助识别需要调整优化的区域；

79、基于gis技术，绘制降噪后的厂区噪声地图，并完成降噪前后噪声影响的对比分析及降噪效果的达标分析，这不仅展示了降噪方案的效果，也为今后的优化提供了数据支持，整个降噪过程不仅是静态的方案设计和实施，而是一个动态更新、智慧管控的连续过程，实现了对厂区噪声管理的全面优化。

80、与现有技术相比，本发明所达到的有益效果是：本发明，通过结合实地测量与仿真计算方法，在大型工厂复杂声学环境中准确识别和追踪不同的噪声源；通过声源贡献量化分析，明确每个声源对整体噪声水平的具体贡献，为后续降噪措施提供依据；根据声源贡献量化分析结果，制定出针对性的降噪措施，研究工厂噪声智慧管控方案。