形成动机（精选3篇）
形成动机 篇1
一、引言
企业战略投资泛指直接影响企业竞争地位、经营成败及中长期战略目标实现的重大投资活动。企业制定战略投资, 目的是建立明显的竞争优势, 在国内外市场的竞争中获胜。典型意义的企业战略投资项目包括:新产品开发、新的生产技术或生产线的引进、新领域的进入、兼并收购、资产重组、生产与营销能力的扩大等等。这类投资通常资金需求量较大, 回报周期较长, 风险投资特征非常明显。一方面, 战略投资的回报充满诱惑, 另一方面, 战略投资的风险让人却步。投还是不投?就成了企业家们所面临的难题。即使能让企业获得跨越式发展、长足发展的战略投资机会摆在眼前, 如果没有足够强的动机, 企业家往往也不会采取行动。由此可见, 具有强烈的战略投资动机是实施战略投资的首要条件。
那么, 是什么使得一部分企业家大胆迈出步伐, 采取战略投资方式来谋求企业的发展呢?一种犬儒主义的观点可能会认为, 企业家都是贪得无厌的, 只要有钱赚, 他们就会不择手段。在企业家的定义中, 另一种观点认为, 企业家的本质特征就是敢冒风险。这些观点都有一定的道理, 但并不全面。本文认为, 驱使某些企业家大胆冒险进行战略投资的力量源泉之一在于, 将企业做大做强使得他们更有社会地位, 更有面子。这是一种社会性动机而不是经济性动机, 它的养成与激发都来自于其所依存在的社会关系网之中, 也就是企业家的社会圈子。上述观点的逻辑表达如图1所示。
二、战略投资动机的社会性质
动机是对人的需要的激发。迄今为止最系统的动机理论是由美国心理学家马斯洛提出的。马斯洛认为人的基本需要有五种, 并由低到高排列为:生理需要、安全需要、归属需要、自尊需要和自我实现的需要。其中前两种属于低层次需要, 后三种属于高层次需要。随着经济的发展, 低层次需要的满足在西方发达资本主义国家基本上已经不成问题, 于是对需要和动机的理论研究越来越集中在人的高层次需要与高层次动机上。显然企业家战略投资动机不会是受低层次需要的激发, 应该是出于高层次需要的触动。
在窦大海、罗瑾琏 (2011) 对创业动机的研究中, 依据马斯洛的需要层次理论, 创业动机被归纳为受两类需要的激励:经济的需要和社会的需要。创业者经济方面的需要主要是出于生理和安全的需要, 诸如衣食住行与生老病死及就业保障等;其社会方面的需要主要指归属的需要和自我实现的需要, 包括地位、认可、赞赏、尊重、独立、自立、成就、潜能、价值等。窦大海、罗瑾琏还指出, 社会性需要是在较低层次经济性需要满足之后衍生出来的较高层次需要。由前者激发的动机称为基本生存型动机, 后者为发展改善型动机。能够进行战略投资的企业家们不同于初次创业者, 他们之所以考虑进行战略投资, 其本身意味着是在依托目前的事业 (业务) 或者不同程度地离开现有事业 (业务) 的战略行动, 完全远离当前的业务进行战略投资, 就表示采取非相关多元化的战略, 如果与现有业务不同但又有较紧密的技术、市场协同的业务, 则属于相关多元化。无论是基于现有业务还是远离现有业务的战略投资, 都已经属于再创业的范畴, 也说明战略投资者个人不再是出于经济层面需要的满足, 也就不是受基本生存型动机的驱使, 而一定是为了满足社会性需要的策动与发展改善动机的驱使。
如前所述, 战略投资具有明显的风险投资特征, 也就是说, 投资大, 风险也大。一个企业家在进行战略投资时并非出于基本生存型动机的驱使, 因为能进行战略投资的其经济需要肯定已经得到解决。如果没有更强烈的发展动机, 企业家可能会采取较保守的经营方式, 不求做大, 但求守业。因此, 具备强烈的高层次动机一定同时具有较强的风险挑战意识。谢晓非、王晓田 (2002) 从成就动机与机会—威胁的认知关系的研究发现支持这一观点。成就动机是人类一种基本的社会性动机, 对其的研究与探讨已经演变成为现代动机心理学的主流。所谓成就动机指的是想要很好地克服困难的工作, 在竞争的条件下获得优良成绩的那种动机。谢、王二人采用问卷法对成就动机、风险情景中的冒险倾向以及对风险情景中的机会—威胁认知的关系进行了探讨。结果发现, 相对争取成功动机而言, 回避失败动机对预测个体的机会—威胁认知更加敏感;高成就动机具有强烈争取成功的倾向, 具有这种动机的人在面对一件事情所隐藏的机会—威胁认知时, 会看到更加积极的方面, 即机会方面, 相反, 低成就动机的人则会侧重对威胁的认知。他们的研究还发现, 具有强烈的成就动机的人表现为趋向目标、积极进取和高工作绩效。
三、战略投资动机的形成
长期以来, 成就动机的研究都侧重于它在个体的发展过程中所取的激励促进作用, 虽然一些研究也涉及成就动机与风险偏向、成绩、企业家、社会适应等之间的联系, 也有心理学家将成就动机与工作的满意度进行相关研究, 但是也有部分研究聚焦于动机形成机制的研究。
Cassidy、Tony系统地研究了个体的家庭背景、成就动机、乐观主义的精神、个体自我报告的生理健康之间的关系。基于家庭对个体动机具有重大影响为前提, 他们发现家庭的经济社会背景对个体的成就动机 (和乐观主义) 的形成有很重要的作用 (卢愿清、杨韶刚, 2004) 。
1940年, 德国社会学家韦伯 (Max Weber) 在其《新教伦理与资本主义精神》中指出:西欧国家中的新教教义导致了一代新人的产生, 它鼓励人们努力工作, 崇尚成功。而这种对待工作和成功的态度在很大程度上导致了工业资本主义的发展。韦伯的基本观点之一就是, 文化 (宗教) 对人的动机有重大的塑造作用。心理学家麦克米兰德对韦伯的观点进行了心理学化的解释 (王本法, 1996) 。麦氏认为, 新教的观点会鼓励父母在其子女很早的年龄就开始培养孩子的自信心与独立性, 而父母的这种态度自然会导致高成就需要动机的产生。从整个社会来说, 这样的家庭教育就导致新教社会拥有更多的具有高成就需要的人。高成就需要人群的增多, 导致了“企业家”职业的放大, 进而也促进了经济增长。麦氏对韦伯理论的心理学化释放出非常重要的信息:企业家是具有高成就需要与动机的人群, 而高成就需要与动机是可以培养的, 家庭是形成高成就需要的摇篮。值得特别指出的是, 新教父母的观念并非天生的。从韦伯与麦氏的研究发现中, 我们不难认识到, 新教家庭父母之所以从小就注重促使高成就动机养成原料的自信心和独立性, 则来自于家庭之外更广阔的社会文化环境, 及新教教义在西欧的崛起、扩散、认同并深入人心。
社会学习论主张个人的行为产生于个人因素与情景的相互作用, 而不是产生于其中任何一个单独因素。社会学习论用情景 (Context) 替代泛泛而谈的环境 (Situation) (Society) 可不是无意之作。环境可以是自然环境, 也可以是人文社会环境, 但情景则不包括自然环境;社会学习论也不用一般意义上的社会一词, 因为情景的时空范围没有那么大, 它是一个人所能感受与认知的一种社会环境。这与本文所称的关系网络已经十分接近了。换而言之, 一个人的关系网络可以视为它所处的一种情景。如果说情景是一种更加具体的时空状态, 那么关系网络是这种情景的载体, 也是不断衍生情景出现的平台。关系网络是一个从更大的人文社会环境向特定时空情景施加影响的中介与桥梁。如果说情景是一种微环境, 社会是一种宏环境, 那么关系网络就是一种中环境。将社会学习理论与动机形成研究结合起来, 我们不难推断, 高成就动机也是学习的结果。作为企业家来说, 其战略投资动机也一定是企业家个人与其情景工作影响的结果。
四、企业关系网络中的价值取向
上节论述了战略投资动机作为高成就动机, 其形成与社会或者说与企业家的关系网络密不可分。本文还主张, 就企业家或战略投资者来说, 无论其马斯洛意义上的高层次需要的满足抑或其他学者所提出的高成就动机的激发, 都离不开战略投资行动。换而言之, 企业家的高成就动机将以强烈的战略投资动机的面貌出现。之所以如此, 企业家的关系网络中的价值取向是我们寻找答案的钥匙。
我国是特别讲究关系的社会, 社会关系网络, 俗称圈子, 也因此特别发达。一个人的社会地位是由其所在圈子来定义的。例如, 如果你是大学教授, 你的地位来自学术圈的认同, 如果得到了诺贝尔奖, 那么他或她就达到了学术社会 (全球学术圈子) 的顶峰。在当今社会, 一个人处于两个以上的圈子或社会关系网是很常见的。不同的圈子对社会地位有不同的定义, 原因就在于其评价体系或者哲学意义上的价值观的不一样。以地缘商人圈子为例, 传统的晋商强调亲缘在其商业网络的构建、发展与维系方面。今天的浙商则显示出急于求成的心理以至于投机风胜于投资型网络。粤商则依然坚守稳健务实的经营风格。
战略投资是企业做大做强的必由之路。如果一个企业家的圈子把做大做强作为衡量企业家成就的主导价值时, 战略投资就会被越来越多的企业所采用。反之, 如果一个社会把财富的多寡当作唯一或主要的成就标志, 身处其中的企业家的投机的倾向就会越强。
战略投资往往意味着要很长的投资回报周期。因此, 除了做大做强之外, 如果影响一个企业家的关系网络将基业长青作为衡量一个企业或者企业家成就的主要标准时, 它也会倾向于战略投资, 而不是注重短期利益的财务投资, 更不会是投机。
五、结论
对于风险投资特征非常明显的战略投资来说, 企业家一定是处于将企业进一步做大做强或基业长青的动机才会进行。企业家的这种高成就动机在很大程度上受其所处的社会关系网络中对成就的价值取向的影响, 如果企业家所处的关系网络对将企业做大做强、打造百年老店作为企业家成就的主流评判标准, 那么深处其中的企业家倾向于采取战略投资以谋求企业的发展, 而不是因循守旧、见好就收、采取守业的态度。
由此可见, 一个社会如果成就动机处于较高水平, 有利于战略投资型企业家的诞生与成长, 战略投资行为就会更多, 市场的投机风气也将受到抑制。因此, 我们社会应该注重个人高成就动机的培养。
摘要：战略投资是企业实施战略管理的必然步骤。战略投资具有资金支出量大、投资回收期长、明显的风险等特征。战略投资动机属于高成就动机。企业关系资源中对企业家成就的价值取向深刻地影响着战略投资动机的形成与激发, 从而影响企业家对战略投资的选择。
关键词：企业关系资源,战略投资动机,价值取向
参考文献
[1]窦大海、罗瑾琏:创业动机的结构分析与理论模型构建[J].管理世界, 2011 (3) .
[2]谢晓非、王晓田:成就动机与机会—威胁认知[J].心理学报, 2002, 24 (2) .
[3]卢愿清、杨韶刚:西方关于成就动机研究的一些新进展[J].辽宁师范大学学报社会科学版, 2004 (1) .
[4]王本法:麦克米兰德对成就动机的研究及其开拓性贡献[J].山东师范大学学报 (社会科学版) , 1996 (3) .
[5]帕特里克A.高根:兼并、收购与公司重组[M].机械工业出版社, 2004.
形成动机 篇2
关键词：基本动机,终极动机,消极病态性格,积极健康性格
动机是决定性格的核心要素，人类的动机非常复杂，但基本动机却只有少数几种类型。经过心理学家们艰苦的探索，发现了四种基本动机，即快乐、安稳、完美、支配，人类的行为主要由这四种动机决定与支配。这些基本动机的性质与性格的性质密切相关，深入挖掘基本动机更深层次是透彻理解性格性质的关键。
一、动机的深层逻辑
基本动机是行为的原因，但因果关系往往是一根链条，原因背后还有原因，我们需要有“打破砂锅问到底”的科学精神才能推动性格研究的进步，下面就让我们去探索四种基本动机背后的深层逻辑。我们通过一个人打牌时的行为表现为例子去挖掘基本动机背后更深的原因。假如G特别喜欢打牌，而且必须赌钱，打牌时非常精于计算，对输赢非常在乎，输了耿耿于怀，赢了兴高采烈。G为什么有这样行为特征呢?表层原因是因为他想赢，因为他擅长且喜欢计算，属于抽象型认知风格。为什么想赢呢?因为他渴望支配牌局，为什么想支配牌局呢?因为他总是渴望控制事物的发展，为什么渴望控制事物的发展呢?因为他内心深处缺乏安全感?为什么缺乏安全感呢，可能是因为小时候父母离异、家庭贫穷让他感到非常脆弱，也可能是他父亲或母亲也是支配型性格，是遗传所致。
以上的挖掘过程揭示了一个一般原理：“打牌”这个具体的行为是G实现目的工具，叫做“工具动机”，渴望“支配”则是G喜欢打牌的“基本动机”，心里缺乏“安全感”是G具有支配性的“深层动机”，为了掩饰内心的脆弱则是深层动机背后的“终极动机”，也是产生G行为特征的终极根源。这样，我们就可以提炼出图1所示的行为特征的一般因果链条。
这样，我们又前进了两步，将行为特征的原因由“基本动机”进一步推进到了“深层动机”与“终极动机”。“人无远虑，必有近忧”，每个人内心深处或多或少都存在某种忧虑与恐惧，也存在某种特别的渴望，正是这些忧虑与渴望构成了其行为的深层动机与终极动机，深层动机与终极动机又促发了基本动机，基本动机又促使一个人在做事情时表现出了相应的行为特征，行为特征就是性格特征。
二、终极动机性质与性格性质
同一首“蓝色多瑙河”，即使都用钢琴演奏，也可能产生不同的演奏效果，因为钢琴的品质差异可能很大，演奏者的演奏技巧，特别是演奏时的情绪完全可能决定乐曲的演奏效果。都说“曲为心声”，忧郁、焦虑的心情一定会奏出悲伤的乐曲，快乐、积极的心情一定会弹出愉快的乐曲，“终极动机”的性质不同也会导致行为的本质区别。
终极动机有两种表现性质，一种是消极病态型，一种是积极健康型。比如A和B两个人，都具有追求“完美”的基本动机，他们之所以追求“完美”，都是为了得到别人的“认可、欣赏”，他人的“认可、欣赏”是他们行为的“深层动机”。但A具有严重的自卑心，对自己缺乏自信，之所以追求完美，完全是为了掩饰自己的自卑。正因为如此，A在行动中就会表现出想做得好，但却害怕做不好的心理，紧张、焦虑，害怕失败，患得患失，敏感、苛刻等行为特征，A追求完美的“终极动机”是为了掩饰自卑，是一种因为匮乏自信而刻意表现得行为，所以是消极病态型完美主义者。而B呢?内心完全不自卑，或者之前虽然有，但现在已经消除了自卑感，他之所以追求完美，完全是为了实现自我超越，为了某种更高的价值和意义，而不是为了掩饰什么，不是缺少什么才这样做的，B就属于积极健康型的完美主义者。消极病态是因为“匮乏”形成的，他们追求是为了掩饰匮乏，而积极健康则是因为“富足”而形成的，他们追求是为了表现更好。正如喝水，消极病态性格因为口渴而喝，他们总是感到口渴，所以到处找水喝，不管什么水都喝。而积极健朗性格并不容易口渴，他们喝水往往是为了使身体更健康，皮肤更好，更有活力，所以，他们只喝健康的水。
为了掩饰匮乏，所以刻意表现，所以我们将消极病态性质的终极动机称作“深层恐惧”。积极健康型的终极动机则是因为主动的追求，是为了自身的成长而出现的渴望。所以，积极健康型的终极动机也叫做“深层渴望”。
这样一来，深层动机背后就存在两种力量在驱使人们去实现深层动机了，一种是“深层恐惧”，一种是“深层渴望”，前者是由于匮乏导致的被动行为，后者则是由于成长导致的主动追求，前者易于形成积极健康性格，后者容易出现消极病态性格。
我们的深层恐惧与深层渴望会强烈影响人生乐曲的演奏效果。内心充满恐惧与担忧的人又怎么能淡定、坦然、舒畅、愉悦、自然、轻松地去演奏乐曲呢?他演奏的乐曲一定会跑调，一会节奏混乱，一定不会悦耳。而那些具有深层渴望的人演奏的人生乐曲的效果就比较积极健康。
深层恐惧与深层渴望的发现，使得我们可以把图1修改为图2。这样，我们就可以清晰揭示出这样一个深刻的道理“即使具有相同基本动机与深层动机的人，也可能由于背后的驱动力是深沉恐惧还是深层渴望的巨大差异而产生消极病态性格与积极健康性格的本质区别”。
根据图2的一般原理，我们可以探索出快乐、安稳、完美及支配这四种基本动机背后的深层动机、深层恐惧与深层渴望，详见表1所示。
为什么会存在消极病态与积极健康这样性质不同的终极动机呢?基本动机是显意识动机，可以给人观看的动机，但这只是表面现象。它的性质受到潜意识动机及前意识动机的强烈影响，特别是潜意识动机性质的影响。潜意识非理性动机强大的人，基本动机病态性质就越严重，反之，潜意识内健康动机越强大的人，基本动机积极健康的性质就越强。可见，一楼的基本动机只是一种表现形式，决定性格的类型，而潜意识动机是原始驱动力，决定性格的性质。
参考文献
[1]马斯洛著, 许金声等译.动机与人格[M].中国人民大学出版社, 2007.
[2]法尔克.莱因贝格著, 王晓蕾译.动机心理学[M].上海社会科学出版社, 2012.
[3]卡伦.霍妮著.我们内心的冲突[M].译林出版社, 2011.
形成动机 篇3
发动机噪声源的准确识别是制定有效降噪方案的前提, 对改善其声学性能具有重要意义［１－２］。近年来, 基于传声器阵列测量的波束形成技术由于测量速度快、计算效率高、适宜中长距离测量、对稳态和瞬态及运动声源定位精度高等特点, 在发动机噪声源识别领域被广泛应用［３－５］。
传统波束形成 (conventional beamforming, BC) 技术基于延迟求和［５－８］、互谱成像函数［４－５，９］等方法后处理阵列各传声器接收的声信号, 使声源计算平面上对应真实声源的聚焦点的输出量被加强, 而其他聚焦点的输出量被衰减, 从而识别声源。然而, 这些传统方法的输出结果是声源分布与阵列点传播函数的卷积, 阵列传声器采样的有限性和离散性使其点传播函数无法等于理想的δ 函数, 不仅在真实声源位置输出具有一定宽度的“主瓣”, 还在非声源位置输出“旁瓣”。主瓣的宽度影响声源识别的分辨率, 旁瓣的出现污染声源成像图, 使声源识别结果的分析具有不确定性［１０］。
为了有效消除主瓣宽度和旁瓣干扰的影响, 文献[11]给出反卷积声源成像方法 (deconvolution approach for the mapping of acoustic sources, DAMAS) , 其在传统波束形成输出结果、阵列点传播函数、声源分布之间建立线性方程组, 通过在反复迭代过程中引入正约束来定解该方程组, 从而提取真实声源信息, 但其变量多、计算量大、耗时长, 在实际工程中不易被有效运用。为克服DAMAS的局限性, 文献[12]提出扩展方法DAMAS2, 其假设阵列点传播函数只取决于观测点与声源点间的相对位置, 而与具体位置无关, 具有空间转移不变性, 利用傅里叶变换将声源分布与阵列点传播函数间的卷积转化为波数域的乘积, 基于FFT提高求解速度。由于计算效率高、声源定位准确等优点, DAMAS2 被广泛关注:文献[13]提出嵌套循环的DAMAS2 方法;文献[14]通过777-300ER飞机机身噪声源的测试试验验证DAMAS2的有效性;文献[15-16]基于扬声器声源识别算例试验验证DAMAS2在识别三维声源时亦能够有效衰减旁瓣, 提高分辨率。
本文中基于反卷积DAMAS2波束形成理论, 设计声源识别算法, 开发相应软件, 基于模拟计算的已知单声源、不相干双声源、相干双声源的声学成像图验证设计算法及开发软件的正确性。在此基础上, 进行某发动机标定工况的噪声源识别台架试验, 准确识别其噪声源, 为改善其声学性能指明方向, 并验证反卷积DAMAS2波束形成在发动机噪声源识别中的有效性。
1 反卷积DAMAS2波束形成理论
波束形成声源识别技术利用传声器阵列接收声信号, 离散声源计算平面形成聚焦网格点, 基于特定算法反向聚焦各网格点, 使真实声源所在聚焦点的输出量被加强, 其他聚焦点的输出量被衰减, 从而有效识别声源［３，５］。图1为波束形成原理示意图。其中, 图1 (a) 为波束形成声源识别布局示意图, 黑色“”表示阵列传声器, rｍ为m号传声器坐标向量 (m=1, 2, …, M) , M为传声器数目, 图示为直径0.65m的36通道COMBO阵列;灰色“★”表示声源计算平面聚焦点, r为其坐标向量。
互谱成像函数［４－５，９］是波束形成的常用算法, 其通过最小化模型点声源产生的声信号互谱与实际测量的声信号互谱间的差函数来确定声场中的声源信息, 其输出量B (r) 计算式为
式中, b (r) 为未标准化的输出量;C为阵列传声器接收声信号的互谱矩阵;1 为元素均为1的矩阵;上标T和*分别表示向量的转置和共轭;v=[vｍ (r) ], 为r聚焦点位置的转向列向量;w=[|vｍ|２]。转向向量的元素表达式为
式中, k为波数, k=2πf/c, f为信号频率, c为声速。
假设各声源互不相干, 则阵列传声器接收声信号的互谱等于各声源分别在阵列传声器处产生声信号互谱的和的计算式为
式中, r′为声源坐标向量;q (r′) 为r′处声源的强度, 表示距离声源中心1m的球面上的平方声压。
将式 (3) 代入式 (1) 得
式中, psf (r|r′) 为阵列点传播函数, 表示r′位置单位强度点声源在聚焦点r位置的波束形成贡献量, 则聚焦点r位置的波束形成输出量b (r) 等于各声源在该位置的波束形成贡献量的和。当阵列点传播函数等于理想的δ函数时, 波束形成将仅在真实声源所在聚焦点位置输出幅值等于声源强度的峰值, 而在其他聚焦点位置输出0值, 声源被准确识别。然而, 由于阵列传声器采样的有限性与离散性, 阵列点传播函数无法等于理想的δ函数。图1 (b) 为声源计算平面中心点声源的阵列点传播函数, 不仅在中心聚焦点输出具有一定宽度的幅值较高的“主瓣”, 还在其他聚焦点输出幅值相对较低的“旁瓣”, 主瓣的宽度影响声源识别的分辨率, 旁瓣的出现污染了声源成像图, 使声源识别结果的分析具有不确定性。
为消除主瓣宽度和旁瓣干扰的影响, 反卷积DAMAS方法［１１］在传统波束形成输出量、阵列点传播函数、声源分布之间构建线性方程组, 如式 (5) 所示。
式中, b=[b (r) ]为N维已知列向量, N为聚焦网格点数目;A为维已知阵列点传播函数矩阵, A=[Aｉｊ]=[psf (rｉ|r′ｊ) ];q为N维未知列向量, q=[q (r′) ]。采用反复迭代的方法求解q, 获取声场中的声源信息, 可有效避免旁瓣和主瓣宽度的影响。进一步, 为提高求解速率, DAMAS2假设阵列点传播函数具有空间转移不变性, 即只取决于观测点与声源点间的相对位置, 而与具体位置无关［１２］, 从而将式 (4) 的波束形成输出结果表示为声源分布与阵列点传播函数的卷积, 并通过傅里叶变换将其转化为波数域的乘积, 如式 (6) 所示。
式中, F为傅里叶转换算子;F－１为逆傅里叶转换算子;psfｓ为假设的理想空间转移不变阵列点传播函数, 实际应用中多采用声源计算平面中心位置处声源的阵列点传播函数。
基于DAMAS2求解q的具体步骤为: (1) 计算, k为波数向量, 为波数域阵列点传播函数; (2) 计算常数; (3) 令q（０）=0, (0) 表示第0次迭代; (4) 迭代计算, 由第n次迭代计算结果q（ｎ）到第 (n+1) 次迭代计算结果q（ｎ＋１）的计算方案如式 (7) 和式 (8) 所示。
式中, Ψ 为高斯规则化滤波函数, 如式 (9) 所示。
式中, kｘ、kｙ分别为x、y方向的波数;kｃ为滤波器截断波数, kｃ=hπ/Δ, Δ 为聚焦点间隔, h为常数, 取值0.5。高斯规则化滤波函数对光滑声源分布、抑止高波数噪声具有重要作用［１２－１３］。
2 算法设计与模拟计算
基于反卷积DAMAS2波束形成理论, 设计声源识别算法, 开发相应软件, 模拟计算声源计算平面上已知声源的声学成像。图2为设计算法的流程图。流程包括正向声场模拟、传统波束形成反向声源识别、反卷积DAMAS2后处理三部分。首先, 在尺寸1m×1m的声源计算平面上建立51×51的聚焦网格点模型并假设点声源分布, 在距离声源计算平面1.3m的位置建立直径0.65m的36通道COMBO传声器阵列测点模型, 根据声学原理正向计算阵列各传声器接收的声信号, 得其互谱矩阵;然后, 反向聚焦各网格点, 根据式 (2) 计算其转向向量, 根据式 (1) 的传统波束形成理论, 计算其输出量并进行声学成像;最后, 根据式 (4) 及傅里叶变换计算空间域和波数域的阵列点传播函数, 基于反卷积DAMAS2方法, 根据式 (7) 、式 (8) 循环迭代计算声源分布并成像。
假设单极子点声源位于声源计算平面上 (0, 0) m位置, 声源强度为100dB, 辐射声波频率为6000Hz。图3为模拟计算的识别成像图, 显示动态范围为20dB。图3 (a) 为理论准确值的成像图, 其成像量是基于假设的声源强度向量q的声压级, 仅在 (0, 0) m声源位置出现100dB的峰值, 其余各聚焦点的幅值均为0。图3 (b) 为传统波束形成的成像图, 其成像量是基于输出量B (r) 的声压级, 成像图以 (0, 0) m声源位置为圆心形成半径约为0.1m的黑色声学中心, 声源被有效定位;该声学中心峰值为97.6dB, 低于真实声源强度2.4dB。这主要是因为传统波束形成输出量B (r) 反映声源在传声器阵列平面的声压贡献量, 声源平面与传声器阵列平面间的设定距离1.3m大于声源强度的定义距离1m, 显示动态范围内声源计算平面上出现了大面积旁瓣, 污染声源识别成像图。图3 (c) ~图3 (h) 为反卷积DAMAS2波束形成的成像图, 其成像量是基于迭代计算的声源强度向量q的声压级, 迭代次数依次为10、100、1000、10 000、20 000、50 000, 各成像图中均在 (0, 0) m声源位置出现幅值较高的黑色声学中心, 声源被有效定位, 且这些声学中心的宽度显著窄于图3 (b) 所示的传统波束形成结果, 表明反卷积DAMAS2波束形成能够显著缩减主瓣宽度和提高声源识别分辨率;显示动态范围内, 除了图3 (c) 、图3 (d) 在声源计算平面边界位置出现少量旁瓣外, 各图均未见旁瓣干扰, 表明反卷积DAMAS2波束形成能够有效消除旁瓣, 清晰化声源识别结果;由图3 (c) ~图3 (h) 可见, 黑色声学中心宽度越来越窄, 峰值越来越高, 依次为88.1、91.1、93.9、97.5、98.7、99.7dB, 与真实声源强度的差值越来越小, 依次为11.9、8.9、6.1、2.5、1.3、0.3dB, 其中图3 (h) 50 000次迭代的反卷积成像图几乎与图3 (a) 的理论准确结果一致, 表明迭代次数越多, 反卷积DAMAS2波束形成声源识别结果越准确。实际应用中, 相比于各声源的绝对真实强度, 更关心不同声源间的相对强度大小, 为提高计算效率, 不宜采用太高的迭代次数。
假设不相干双声源分别位于声源计算平面上 (0, 0) m、 (0, 0.3) m位置, 声源强度均为100dB。图4为模拟计算的2500Hz、6000Hz频率的识别成像图, 显示动态范围为20dB。其中, 图4 (a) 、图4 (c) 为传统波束形成的成像图;图4 (b) 、图4 (d) 为反卷积DAMAS2波束形成的成像图, 迭代次数为100。各图中均在 (0, 0) m、 (0, 0.3) m声源位置出现幅值较高的黑色声学中心, 声源被有效定位;2500Hz时, 图4 (a) 中两声学中心相互融合, 未被分离, 而图4 (b) 中两声学中心不仅被有效分离, 且宽度显著窄于图4 (a) ;6000Hz时, 图4 (d) 的声学中心宽度显著窄于图4 (c) ;显示动态范围内, 图4 (a) 、图4 (c) 在非声源位置出现了大面积旁瓣, 图4 (b) 、图4 (d) 中仅出现少量旁瓣。模拟结果表明:反卷积DAMAS2波束形成在识别不相干声源时也能够有效提高分辨率且显著衰减旁瓣。反卷积DAMAS2波束形成理论是基于不相干声源假设建立的, 为验证其识别相干声源的有效性, 假设相干双声源分别位于声源计算平面上 (0, 0) m、 (0, 0.3) m位置, 声源强度均100dB。对于相干声源, 阵列传声器接收声信号的互谱由各传声器接收的声信号直接计算, 而每个传声器接收的声信号等于各声源在该传声器处产生声信号的和。
图5为模拟计算2500Hz、6000Hz频率的识别成像图, 由图5可见, 识别成像规律与图4所示的不相干双声源类同, 表明对于相干声源, 反卷积DAMAS2波束形成亦能够有效提高分辨率、显著衰减旁瓣, 准确识别声源。模拟计算结果表明设计的声源识别算法及开发软件的正确性。
3 发动机噪声源识别
在标定工况下, 某发动机顶侧、排气侧、进气侧辐射噪声水平较高。为准确识别其噪声源, 进行了基于波束形成的发动机噪声源识别台架试验。试验采用Brüel & Kjr公司直径0.65m的集成4958型传声器的36通道COMBO阵列进行测量, 阵列距离发动机顶侧、进气侧、排气侧均为0.8m;阵列各传声器接收的声音信号经41通道PULSE 3560D型数据采集系统同时采集并传输到PULSE LABSHOP软件中进行FFT分析, 得所有传声器信号的完整互功率谱矩阵。进一步, 基于互谱成像函数传统波束形成理论和反卷积DAMAS2波束形成理论, 反向计算声源计算平面上各聚焦网格点位置的输出量, 并进行声源表面的声学成像。
图6为发动机顶侧的声学成像图。其中, 图6 (a) 的显示动态范围为3dB, 图6 (b) ~图6 (f) 的显示动态范围为5dB。图6 (a) 为100~6400Hz频段基于互谱成像函数传统波束形成的成像图, 其仅在气缸盖罩中部位置出现峰值为97dB的声学中心, 3dB显示动态范围内, 该声学中心已覆盖整个声源平面, 其呈椭圆形, 长轴与气缸盖罩长度方向基本一致, 由此只能推测声源辐射中心位于2＃和3＃缸之间的区域。事实上, 如图6 (b) ~图6 (d) 所示, 气缸盖罩上沿x轴横向存在两个子噪声源。造成上述结果的原因是传统波束形成空间分辨率差, 无法准确分离距离较近的声源。图6 (b) ~图6 (d) 为100~6400Hz频段基于反卷积DAMAS2波束形成的成像图, 迭代次数依次为50、100、500。各图中不仅在气缸盖罩上1＃和2＃缸中间及3＃和4＃缸中间的位置分别出现左、右两个声学中心, 还在左下角涡轮增压器排气旁通阀位置出现声学中心, 准确分离了相邻近的声源, 表明相比于传统波束形成, 反卷积DAMAS2波束形成能够显著提高声源识别的分辨率, 气缸盖罩1＃和2＃缸中间及3＃和4＃缸中间的位置、排气旁通阀是主要噪声源。对比图6 (b) ~图6 (d) , 气缸盖罩上的左、右两声学中心在图6 (b) 中仍未完全分离, 在图6 (c) 中几乎完全分离, 在图6 (d) 中已彻底分离;计算的声源强度峰值水平逐渐增大, 依次为90dB、91dB、93dB;显示动态范围内, 图6 (b) 在声源计算平面左上角及左下角出现少量旁瓣, 图6 (c) 、图6 (d) 中均未见旁瓣, 表明迭代次数越多, 反卷积DAMAS2波束形成声源识别越准确, 与模拟计算结果一致。图6 (e) 、图6 (f) 分别为1000~2000Hz频段、4000~5000Hz频段基于反卷积DAMAS2波束形成的成像图, 迭代次数为100。其中, 图6 (e) 中仅出现了气缸盖罩上的左、右两声学中心, 图6 (f) 中仅出现了排气旁通阀位置的声学中心, 表明排气旁通阀是高频段的主导噪声源。这主要是由于标定转速下涡轮增压器排气旁通阀被高速排气气流强烈冲击的缘故。综上所述, 传统波束形成由于空间分辨率差等局限性无法有效分离相邻近的声源, 从而造成声源识别不准确;反卷积DAMAS2波束形成能够显著提高分辨率, 有效分离相邻近的声源, 更准确识别声源;气缸盖罩1＃和2＃缸中间及3＃和4＃缸中间的位置和排气旁通阀是该发动机顶侧的主要噪声源, 且排气旁通阀是高频段的主导声源。
发动机排气侧在2000~6000Hz频段辐射噪声水平较高, 进气侧在1000~5000Hz频段辐射噪声水平较高。图7为基于反卷积DAMAS2波束形成的排气侧、进气侧的声学成像图, 迭代次数为100, 显示动态范围为5dB。在发动机排气侧, 第一声学中心出现在发动机缸体对应位置, 峰值强度为88dB;第二声学中心出现在发电机位置, 强度与第一声学中心几乎相当, 原因是标定转速时发电机的高速运转导致其辐射高噪声;涡轮增压器上方排气旁通阀对应位置也出现声学中心, 与发动机顶侧的噪声源识别结果相照应;气缸盖罩与排气歧管交集位置亦出现声学中心。在发动机进气侧, 第一、第二声学中心分别出现在进气歧管中部位置、空气压缩机位置。进、排气歧管及空气压缩机位置声学中心的强度约为87dB, 比发动机顶侧的最大声学中心低约4dB, 而且面积较小。对整个发动机而言, 这三个位置的噪声贡献量较小, 可以忽略。
综上所述, 气缸盖罩1＃和2＃缸中间及3＃和4＃缸中间的位置、缸体、排气旁通阀和发电机是该发动机的主要噪声源。
4 结论
(1) 针对已知声源的仿真模拟表明:与传统波束形成相比, 反卷积DAMAS2波束形成能够有效消除旁瓣, 显著提高分辨率, 更准确地识别声源。
(2) 开发的声源识别及成像软件在已知声源的仿真模拟及实际发动机的噪声源识别中的应用均表明:所开发的软件能够准确识别声源, 满足发动机声源识别的实际应用要求。