基于独立分量分析及小波变换的内燃机辐射噪声盲源分离和识别

为了分离和识别内燃机噪声源,结合独立分量分析和小波变换技术对内燃机辐射噪声信号进行了盲源分离和声源识别的研究.根据独立分量分析的基本原理,采用基于负熵极大的FastICA算法对4缸柴油机的辐射噪声信号进行了盲源分离,将噪声信号分解成一系列独立分量.采用快速傅里叶变换和小波变换技术对各个独立分量进行了分析,结合时频分析的结果和内燃机各噪声源信号的频谱结构,确定了分离得到的各独立分量与内燃机不同噪声源的对应关系.研究结果表明:这些独立分量分别对应着柴油机的燃烧噪声、活塞敲击噪声、正时齿轮噪声及排气辐射噪声等噪声源.     

内燃机传动噪声识别的小波分析方法

为了降低内燃机噪声必须确定其噪声源。基于内燃机噪声信号非平稳和周期性的特点,用模拟数据说明了将小波分析应用于内燃机噪声信号分析的合理性,并利用连续小渡变换对一台车用发动机前、后端的噪声源进行了识别诊断,确定了发动机的噪声源,证明了小渡分析是内燃机噪声源识别的一种有效方法。     

基于独立成分分析与声阵列技术的汽油机噪声源识别

采用基于声信号的内燃机测试分析技术对汽油机的噪声源识别展开研究,以某车用汽油机为研究对象,采用独立成分分析的方法对九点噪声信号进行盲源分离,分析各独立成分的幅值和频率随时间的变化特性,并结合汽油机的结构和噪声辐射机理,分析各独立成分的产生原因,以此来识别噪声源。同时,利用声阵列法在特定频率下对汽油机进行可视化声源定位测试。研究结果表明:利用独立成分分析的方法,可以识别汽油机的燃烧噪声、空压机驱动轮的机械啮合噪声及发电机的电磁噪声。并利用声阵列测试技术验证了盲源分离结果的可靠性。     

基于独立成分小波分析的内燃机噪声源识别

对独立成分分析的基本原理和数学模型进行了简要叙述,以某六缸柴油机为研究对象,对其不同工况下的噪声信号进行了统计独立性和高斯性分析,噪声信号基本满足独立成分分析的前提条件。采用基于峭度的梯度算法对噪声信号进行了盲分离,得到一序列独立分量。为进一步识别各独立分量,采用傅立叶和连续复小波变换对其进行时频分析,并结合一些内燃机先验知识分析发现,这些独立分量基本上对应着内燃机的燃烧噪声、正时齿轮噪声、活塞敲击噪声等噪声源,因此,采用独立成分小波分析技术对内燃机噪声信号进行盲分离以识别其主要噪声源是可行的。     

基于组合滤波器组的变压器局部放电信号识别

摘要： 文中提出了一种基于组合滤波器组实现变压器局部放电信号识别的算法。首先对变压器局部放电信号进行数学建模和噪声分析,设计出对应的抑制噪声滤波器组合信号检测滤波器组,通过将局部放电信号去噪。非线性放大,以及电压抬升特征提取,最终结合阈值比较滤波器,实现对于局部放电信号的定位。所述算法可实时高效,对于仿真数据和实际数据均表现良好。     

基于反卷积DAMAS2波束形成的发动机噪声源识别

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。针对已知单声源、不相干双声源、相干双声源的模拟计算结果表明:新方法能够有效消除旁瓣,显著提高空间分辨率,更准确地识别声源。某发动机标定工况下的噪声源识别试验结果表明: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其主要噪声源,试验验证了反卷积DAMAS2波束形成在发动机噪声源识别中的有效性。     

基于独立分量分析技术的内燃机噪声源识别

为降低内燃机的噪声,需要有效地识别内燃机的众多噪声源。采用一种新的独立分量分析技术对采集到的内燃机混叠噪声信号进行分离,并结合噪声产生机理辨别出单个噪声分量对应于内燃机的相应噪声源,从而有效地识别内燃机噪声源。实践证明,该技术可以有效识别内燃机的混叠噪声。最后就噪声控制提出了建议。     

TGDI汽油机噪声源时域分离方法研究

汽油涡轮增压缸内直喷(TGDI)汽油机噪声源时域分离对优化燃烧噪声、机械噪声和提升整机声品质至关重要．根据汽油机辐射噪声与缸内压力、转矩激励源之间的传递特性规律，将汽油机噪声分离并定义为燃烧噪声、转矩相关噪声和残余机械噪声．利用主成分回归分析和卷积理论，提出一种汽油机噪声源时域分离方法，建立TGDI汽油机噪声源时域分离模型，并利用缸内压力、转矩与总噪声之间的相干性，验证模型的正确性．开展TGDI汽油机噪声源的分离研究，获得燃烧噪声、转矩相关噪声和残余机械噪声等时域信号，通过倒拖试验方法验证残余机械噪声实测值与计算值之间的吻合程度，验证了分离结果的准确性；对分离后的3种类型噪声时域信号进行频谱分析，确定了3种噪声源的时、频域分布规律．     

基于相干功率谱分析的复杂柴油机噪声源识别

噪声源识别是降噪的前提和基础，基于相干功率谱分析方法，并结合层次识别理论能够对柴油机复杂噪声源进行识别。识别中对振动和噪声信号进行相干功率谱分析，并构建柴油机噪声的复杂噪声层次诊断结构图和层次判断矩阵，进而通过层次排序识别出柴油机的主要噪声辐射源。结果发现：低频段噪声主要是供油泵、齿轮、配气机构等运动部件的机械噪声，齿轮室罩、气门室罩等薄壁件是噪声的主要辐射部件；而高频段主要为燃烧噪声，油底壳则是降噪的重点。     

车用发动机主要噪声源的声强测试方法研究

作者对一台车用高速增压柴油机的辐射噪声进行了测量试验，掌握了该发动机表面噪声级随发动机工况变化的规律，并以发动机前端为例，利用声强法进行了发动机主要噪声源的识别研究，为降低该型发动机的表面辐射噪声提供了有效的参考依据。作者还将声强测量结果与振动测量结果进行了比较，两者的结论是一致的，证明直接利用表面辐射声强信号识别发动机主要噪声源的方法是可靠的。     

结合多种方法进行六缸柴油机噪声源识别研究

针对六缸柴油机进行了噪声源识别和降噪研究工作.通过单缸熄火法进行燃烧噪声和机械噪声的分离,以及表面振动法和声学照相法,结合振动和噪声信号的频谱分析法,对发动机表面辐射噪声进行了识别;针对表面噪声辐射的主要噪声源采取了屏蔽措施.研究结果表明:六缸柴油机的主要噪声源为机械噪声,通过对齿轮室罩盖、气缸盖罩盖、充电电机外壳和喷油泵等薄壁件采取屏蔽措施,或者进行结构优化,能有效降低整机噪声.     

基于互谱成像函数波束形成的发动机噪声源识别

基于球面波模型互谱成像函数波束形成理论,开发了相应的近场声源识别软件。对已知声源位置和强度的单极子声源、相干偶极子声源的模拟计算结果表明:该方法有效补偿了球面波传播的幅值衰减量,能够实现声源的精准定位及强度的准确计算。某柴油机全负荷标定转速工况下的声源识别试验结果表明:正时齿轮罩壳、缸体与变速箱交界位置及发电机是其主要噪声源。     

基于独立分量分析和时频分析的柴油机燃烧噪声研究Ⅰ:燃烧噪声分析

燃烧噪声是柴油机最主要的噪声源之一,重点研究基于独立分量分析的燃烧噪声分离.首先针对柴油机噪声成分的复杂性,应用FastICA方法从噪声测试信号中分离了源信号分量,应用峭度检验了柴油机噪声信号的非Gauss性.根据时间信息识别了燃烧噪声和喷油噪声等独立分量.其次针对噪声信号的非平稳性,研究基于小波尺度谱噪声分量的时频特征分析.针对试验工况下的独立噪声分量,应用Morlet小波尺度谱在时频联合域内提取了各噪声分量的时频特征.     

基于波束形成的柴油机噪声源识别

基于除自谱的互谱延时求和波束形成方法,进行某柴油机全负荷额定转速工况的噪声源识别台架试验,结果表明,发动机缸体、油底壳、空气压缩机是其最主要的噪声源,为进一步制定有效的降噪方案指明方向。     

柴油机噪声源的识别研究

论述了柴油机噪声源识别的几种方法及识别结果。在噪声源识别上，采用部分缸熄火的方法对机械噪声和燃烧噪声进行了分离，发现：高转速时机械噪声是降噪重点；而在高负荷情况下，首要的是降低燃烧噪声。在表面辐射噪声源的识别上，利用表面振动法和近场声压扫描的方法进行研究，发现油底壳和缸盖罩等薄壁件是噪声的主要辐射部件，是降噪的重点。     

功率因数及三相不平衡对变压器振动特性的影响

针对现有基于振动信号的变压器故障检测技术往往忽视功率因数及三相不平衡影响的现象,分析了功率因数及三相不平衡对于变压器振动特性的影响,并搭建试验平台分别测试了不同功率因数、不平衡度下的变压器振动信号。结果表明,振动信号的振动幅值随功率因数增大而增大,但频谱分布受影响较小;三相不平衡对振动幅值与频谱分布均有较大影响,在进行基于振动信号的变压器故障检测时,必须考虑其三相不平衡情况,否则将影响检测结果的准确性。     

基于计算听觉场景分析的内燃机噪声源分离方法

为识别在时频域均混叠严重的内燃机燃烧噪声与活塞敲击噪声,提出并实现了基于计算听觉场景分析的内燃机噪声源分离算法.首先,对内燃机进行铅覆盖,只裸露待测部分,通过相关性分析寻找最佳测点位置,保证为分离算法提供更有效输入;其次,利用一阶差分麦克风阵列技术对实测信号进行处理,利用由独立分量分析与二值掩膜组成的时频分解过程对混合信号进行初步划分,分解过程不断迭代直至满足终止条件;最后,合并同源信号得到各分离分量,通过将分量与缸盖表面和活塞敲击处振动信号进行对比,验证分离结果的正确性.结果表明:新算法能有效分离内燃机燃烧噪声与活塞敲击噪声,且性能稳定,计算量小.     

基于相干分析的斯特林发动机噪声源识别

采用近场测量法,绘制了某斯特林发动机表面的噪声等值线图,对关键部位的振动和噪声信号作了相干性分析。实际应用表明,相干性分析用于斯特林发动机的噪声源识别是可行的,具有工程实用价值。     

4缸柴油机怠速噪声及声品质优化研究

针对高压共轨4缸柴油机进行了怠速噪声测试、噪声源识别、降噪以及声品质优化研究工作.通过改变转速、预喷油量、预喷间隔角、轨压和主喷正时,研究了这些参数对怠速噪声的影响,并确定最佳值.通过燃烧噪声分析和噪声源识别,采取怠速噪声降噪措施.对怠速噪声优化前后的结果进行声品质比较,采取的电控标定优化和屏蔽措施能有效改善怠速声品质.研究结果表明:该4缸柴油机经过电控优化标定后的主要怠速噪声源为机械噪声,通过对齿轮室罩盖、气缸盖罩盖等薄壁件采取屏蔽措施,能有效降低怠速噪声,改善声品质.     

柴油机燃烧噪声与机械噪声的识别及其对整机噪声贡献度的实验研究

发动机噪声源的识别是噪声控制领域的一项关键技术,传统的识别方法多是用来识别发动机的主要辐射噪声部件,但不能识别辐射噪声的类型。采用实验研究的方法成功地分离了柴油机的燃烧噪声与机械噪声并识别出了柴油机在不同的运行工况下燃烧噪声与机械噪声对整机噪声声功率的贡献度。研究结果表明,在高辐射噪声运行工况时,机械噪声是发动机噪声的主要成份,因此,针对柴油机的噪声控制首先要控制柴油机的机械噪声。