一种用于直升机座舱噪声抑制的自适应内模与线性自抗扰混合控制算法

《MECHANICAL SYSTEMS AND SIGNAL PROCESSING》：An adaptive internal model and linear active disturbance rejection hybrid control algorithm for helicopter cabin noise suppression

　　

•提出了一种用于直升机座舱噪声控制的新型AIM-LADRC混合算法。•该算法同时解决了参考信号受限和时变噪声抑制的问题。•协同控制实现了高精度降噪和强扰动鲁棒性。•在真实的齿轮箱激励直升机声环境中得到验证。•实验中在360 Hz和900 Hz处分别实现了33.2 dB和21.7 dB的降噪效果。引言直升机座舱噪声问题尤为突出。主减速器齿轮啮合振动引起的中高频谐波噪声受到了特别关注。该噪声通常处于500–2000 Hz频率范围内，与人类听觉最敏感的频率相吻合[1]、[2]、[3]。图1展示了S-76直升机座舱内的噪声频谱，清晰地描绘了主减速器噪声的显著多频谱特性，其超出背景噪声10–40 dB。如此高强度的线谱噪声将对机组人员产生严重影响[4]。对"山猫"和BK-117等直升机的地面试验和飞行试验研究表明，主减速器振动通过支撑结构传递至座舱面板，激发面板振动并向座舱内辐射噪声。这种结构传声被认定为直升机座舱噪声的主要来源[5]、[6]。在直升机座舱降噪技术中，主动结构声控制（ASAC）已成为缓解主减速器噪声最有效的途径之一。其基本原理是利用主动控制算法驱动安装在振动传递路径上的执行器，从而调整机体振动响应以降低辐射噪声。目前，直升机ASAC技术的工程实现大致可分为两类，如图2所示。第一类是在主减速器支柱上安装执行器，如EH-101、BK-117和贝尔-407等直升机上的ASAC试验所示[7]、[8]、[9]。第二类以MD900直升机为代表，将执行器直接安装在辐射面板上[10]、[11]、[12]。前者受机体构型限制，对于没有主减速器支柱的S-72和UH-60等旋翼机的适用性有限。相比之下，基于主动面板的ASAC技术具有更大的适用性，无需对主体结构进行修改，在工程应用方面显示出可观的前景。值得注意的是，本研究聚焦于基于主动面板的ASAC系统。主动控制算法是直升机ASAC系统的核心，其性能直接决定降噪能力和工程可行性。FxLMS算法及其改进变体是直升机ASAC领域最常用的控制算法。该算法源于数字信号处理，以信号滤波和干扰抵消为核心思想，能够根据系统实时状态在线更新控制器参数，具有良好的平滑环境收敛性、出色的降噪性能和易于实现等优势[13]、[14]、[15]、[16]、[17]。例如，2006年，Hoffmann等人利用前馈FxLMS算法在BK117直升机上进行ASAC飞行试验以抑制齿轮箱噪声，在目标频带内实现了最大19.5 dB的降噪效果[8]。2014年，Pasco等人对贝尔407直升机座舱的四条齿轮啮合线谱噪声进行了地面试验，利用PC-FxLMS算法实现了8 dB的降噪效果[9]。然而，传统的前馈FxLMS算法在直升机复杂的实际声振环境中仍面临两个关键挑战。一方面，其降噪性能和收敛速度高度依赖于参考信号与目标噪声之间的相干性[18]、[19]。在实际应用中，主减速器的齿轮啮合频率无法通过转速传感器直接稳定获取，只能通过安装在减速器壳体上的加速度计间接采集。这种间接测量极易受到其他噪声源的干扰，降低了参考信号的信噪比和相干性，进一步导致控制器参数更新偏差和性能恶化。一个典型的例子是MD900直升机的ASAC飞行试验，由于参考信号质量差，仅实现了3.5–4.5 dB的降噪效果[6]。事实上，获取参考信号的困难或其质量不佳是主动振动和噪声控制领域的普遍挑战。一种解决方案是采用反馈控制结构，直接利用误差传感器获取的残余噪声实现闭环控制，从而避免安装参考传感器并降低系统硬件成本[20]。然而，虽然简单的直接反馈控制以残余噪声作为控制器输入并简化了计算流程，但不可避免地牺牲了降噪性能，且容易引发系统不稳定[21]。为解决此问题，研究人员提出了基于滤波参考最小均方的内部模型控制（IMC-FxLMS）算法。该算法利用内部模型原理在线重构参考信号，使其能够适应参考信号受限的工程场景，但对参考信号重构的精度提出了较高要求[22]。目前，IMC-FxLMS算法仅在风道噪声控制等简单结构环境中得到验证，尚未在直升机座舱等复杂声振环境中得到应用和评估。另一方面，在直升机实际飞行过程中，受转速波动和载荷变化等因素影响，座舱噪声呈现出显著的时变和非稳态特性，表现为频率漂移和幅值的急剧波动[23]、[24]、[25]。面对此类复杂的时变噪声，FxLMS算法的参数迭代速度难以匹配噪声的时变特性，导致跟踪滞后、控制性能下降甚至控制系统发散等问题[26]、[27]、[28]。然而，虽然IMC-FxLMS算法解决了参考信号获取的困难，但其自适应跟踪能力仍受限于LMS类算法固有的迭代收敛机制，难以满足直升机复杂飞行环境下的降噪需求。事实上，这些由时变扰动引起的控制困难在经典和现代控制理论领域同样存在。传统PID控制在时变扰动下难以实现令人满意的性能，而大多数现代控制方法严重依赖被控对象的精确数学模型，限制了其在复杂工程场景中的适用性。为解决这些局限性，韩京清提出了ADRC方法。该方法继承了经典PID"基于误差消除误差"的思想，将内部未建模动态和外部时变扰动统一为总扰动，并进行实时估计和补偿。ADRC具有快速响应、优秀的动态跟踪性能和强扰动抑制能力[29]、[30]、[31]。迄今为止，ADRC已成功应用于振动控制、导弹飞行制导和精密加工等领域，展现出巨大的工程应用潜力[32]、[33]、[34]、[35]。受ADRC优越的扰动抑制能力的启发，本文创新性地将其引入直升机ASAC领域，旨在克服传统FxLMS算法在时变噪声下自适应能力不足的问题。同时，为解决FxLMS算法对参考传感器的依赖，采用内部模型原理在线重构参考信号。据此，本文提出了一种自适应内部模型与线性自抗扰控制（AIM-LADRC）混合算法，其总体框架如图3所示。该算法的主要设计特点和优势概括如下三个方面：（1）在常规FxLMS算法的基础上，构建了自适应内部模型模块以在线重构参考信号，从而降低对物理参考传感器的依赖，并实现对目标周期线谱成分的自适应抑制；（2）引入LADRC模块以实时估计系统总扰动并提供快速补偿，提升控制系统的瞬态响应和鲁棒性；（3）在混合架构设计层面，LADRC输出通过二次响应预测参与AIM参考信号重构，而AIM输出参与线性扩张状态观测器（LESO）状态预测，形成了在控制输出层面并联、内部具有显式双向信息交互的混合控制架构。该设计将AIM的精确窄带抑制能力与LADRC的快速反馈补偿能力在统一闭环中融合，而非两个独立控制器的简单并联组合。为系统验证AIM-LADRC算法的有效性，首先在直升机座舱模型上开展仿真研究。此外，考虑到当前该领域主动控制算法的性能验证研究大多局限于仿真，部分测试仅在简单的梁和板模型上进行，与工程实践中的复杂系统存在显著差距，难以全面真实地检验算法的控制性能和工程适用性。因此，本研究建立了两个专用实验平台，即面板激励试验系统和齿轮箱激励试验系统。前者用于在可控条件下模拟简化的声振系统进行算法性能验证，后者可复现与实际直升机相似的齿轮啮合噪声特性，从而在复杂声振环境中验证算法的工程有效性。最后，基于这两个实验平台开展了一系列实验研究，以比较不同控制算法的降噪性能。本文结构如下：第2节介绍所提出的AIM-LADRC混合控制算法原理。第3节基于直升机座舱模型开展仿真研究，初步验证控制性能。第4节搭建相应实验平台，开展多频率主动控制实验以验证算法的控制效果、稳定性和鲁棒性。第5节为全文总结。章节片段AIM-LADRC算法为了解决传统FxLMS算法在直升机复杂声振环境中的应用瓶颈，并满足时变非稳态座舱噪声的控制需求，本节介绍了AIM-LADRC混合控制算法的设计与推导。该算法采用自适应内部模型控制实现对确定性线谱噪声的高精度抑制，同时融合主动抗扰控制以Simulation object and operating condition settings本文的仿真对象是图7所示的典型直升机座舱模型。该模型参照典型轻型直升机结构进行设计，包括前部驾驶舱、中部主减速器舱和后部尾梁段。在座舱内定义了一个半径为0.01 m的球形域以模拟乘员人耳位置。在此区域放置麦克风，通过监测来评估主动控制的有效性。Experimental system为验证所提出的AIM-LADRC算法的工程有效性和鲁棒性，本文建立了两个直升机座舱主动噪声控制实验平台，即面板激励试验系统和齿轮箱激励试验系统。前者用于模拟简化的声振系统，以便在可控条件下进行算法性能验证；而后者可复现与实际Conclusions针对传统FxLMS算法在直升机复杂声振环境中的应用瓶颈以及时变非稳态座舱噪声的控制需求，本文提出了一种AIM-LADRC混合算法。为全面验证所提算法的有效性和优越性，在直升机座舱模型上开展了系统的仿真和实验研究。主要结论如下：（1）通过CRediT作者贡献声明杨远：撰写—初稿，验证，软件，方法论，概念化。卢阳：撰写—审阅与编辑，资源，方法论。许西策：撰写—审阅与编辑，指导，数据整理。杨阳：软件，概念化。孙佳明：验证，方法论，调查研究。利益冲突声明作者声明不存在已知的可能影响本文研究成果的竞争性经济利益或个人关系。杨远|卢阳|许西策|杨阳|孙佳明