微型轿车怠速异响噪声源识别

针对某微型轿车存在的怠速异响噪声,在对车内驾驶员耳旁噪声信号进行频谱分析确定异响噪声频率范围的基础上,运用声强法进行噪声源识别试验,结果表明:进气噪声是1 000~1 200Hz频段的主导异响源,转向助力泵是1 950~2 050Hz频段的主导异响源。基于P-I指数的验证结果证明了上述结论的正确性,对改善某微型轿车的声学性能具有一定指导意义。     

谱分析技术在压缩机噪声源分析中的应用

阐进了谱分析技术的基本概念和在压缩机噪声源分析中的应用。术可以广泛应用于通用机械各种产品的声源识别。     

盲分离技术在识别生物信号中的应用

介绍了盲信号分离技术在识别生物信号中的应用,并给出了一个心电图信号盲分离的典型示例.     

离心式齿轮压缩机噪声源识别与控制

以中型齿轮离心式压缩机机组为对象,结合机组的实际工作情况及现场测试条件,对机组的振动和声压进行数据采集,获得反映机组主要振动噪声源的数据。通过对采集的振动信号和噪声信号进行频谱分析,研究机组的振动噪声特性,并确定机组的主要噪声源为叶片、排气管道、冷却器。结合机组结构改进的可行性,提出相应的结构改进措施,为机组的减振降噪提供有效的方法。     

结构噪声源识别的改进表面速度法

引进了局部辐射噪声比例系数的概念,用表面局部振动速度代替平均表面速度进行辐射噪声比例系数计算,以此来对该局部声辐射强度进行定量分析。这种方法使结构声源的识别过程得到很大简化,更适合工程实际需要。通过应用实例分析证明,该方法能快速准确地确定结构声在总噪声中的地位和结构的具体发声部位。     

乘员舱噪声源信号的识别与分析

在介绍几种噪声源识别方法的基础上，运用频谱分析法和相干分析法对测试结果进行分析，确定主要噪声源。     

机械噪声源识别的混合波叠加法

提出了一种稳健声场的全息变换算法——混合波叠加法，它结合了波叠加法和Helmholtz方程最小二乘（HELS）方法的优点，用相对少量的测点数据就可重建任意形状源表面的声场。在半消声室里，运用29个传声器组成的“＋”字形平面传声器阵列，对一运转的电机进行噪声源识别，得到声源的空间声压场分布及声源位置，显示出混合波叠加法在工程实践中广泛的应用前景。     

车辆乘坐室内低频噪声声源识别研究

提出了一种用于车内低频噪声声源识别的理论分析方法。该方法摆脱了对试验的依赖，可用于车身结构低噪声优化设计（或修改）的迭代求解过程。分别采用所提方法和相关分析法，对某型国产轿车乘坐室内驾驶员右耳位置处的低频噪声主要来源进行识别，得出了一致的结论。     

信号平均法与残余信号法在故障识别能力方面的对比分析

从信号平均法与残余信号法在故障识别中所起的作用以及各自的数学处理过程等方面对两者进行了对比分析，最后通过实例说明了本文提出的残余信号法在故障识别中所起的特殊作用及其实用有效性。     

基于遗传算法的信号识别技术

将遗传算法应用于识别气浮式动平衡测量装置准静态信号的参数 ,提出了二次磨光法的数据预处理方法。首先采用二次磨光法消除坏点并进行快速傅立叶变换以确定信号的频率成分 ,并设定各频率成分信号的幅值和初相位的取值范围 ,然后以实测信号与识别结果的差值定义适应度 ,最后经过基本遗传操作和迭代得出最优解。仿真结果和试验实例表明 ,提出的方法精度很高 ,幅值识别误差不超过 1% ,初相位误差小于 2° ,满足了实际工程需求。     

车内噪声源识别技术的研究

随着汽车技术的迅猛发展,人们也逐渐对汽车的舒适性以及噪声的控制提出了更高的要求。阐述了噪声源识别技术的重要性,介绍了汽车车内噪声的产生原理,归纳总结了传统识别法、信号分析和阵列技术在噪声源识别应用中的优缺点。     

发动机振动引起的车内噪声控制研究

系统研究了某桥车发动机振动引起的车内噪声控制问题。通过试验分析,确定发动机二阶振动是引起车内噪声的主要原因,识别出发动机固体振动向车内传递的传递途径,并且确定对车内噪声有较大贡献的车身板件。在此基础上,通过对发动机、副下架橡胶支承元件弹性特性的修改,控制发动机振动向车内的传递,通过对车身顶棚结构板件的动力修改控制车身板件的振动。经样车试验得到满意的结果,证明了上述研究是十分成功的。     

某柴油机噪声源识别及分析

根据声强法对某柴油机进行了声强测量研究,绘制出发动机的声强云图,得到了整机的噪声分布情况,确定了该机在不同工况下的主要噪声源,并对其噪声辐射特性进行了分析,为整机降噪研究奠定了良好的基础。     

内燃机噪声源识别与噪声控制技术研究

内燃机工作时产生强烈的噪声,无论其应用于何种场合,降噪都是一个很重要的问题.本文着重剖析了用于内燃机噪声源识别的各种方法,并分别从燃烧噪声、机械噪声、进排气噪声和风扇噪声等方面进行了分析并提出了具体的解决措施.     

同频带耦合噪声源的量化识别

提出一种将盲信号处理用于同频带耦合噪声源的量化识别新方法。盲信号处理是一种在源信号相互独立的假设下,仅利用观测信号恢复出源信号的方法。盲信号处理存在固有的幅值和顺序的不确定性,使得其只能用来进行源识别的定性分析。在不考虑顺序不确定性的前提下,利用自适应噪声抵消自适应估计传递函数的特性,消除幅值不确定性在源量化识别中的影响。理论和水池试验均验证了该方法的可行性。提出的量化识别算法,同样可以解决自适应噪声抵消中参考输入相互耦合的问题,提高其分析精度。     

V型双缸柴油机噪声源及其激励源响应的识别分析

采用基于四阶累积量的JWSmICA技术,对V型双缸柴油机噪声源及其激励源进行识别。该技术首先在不同工况下利用单缸熄火法对机械噪声和燃烧噪声进行了分离与识别,得到了柴油机主要噪声源,然后把基于四阶累积量的联合近似对角化算法(JADE)及小波时频分析结合起来,对标定工况下噪声源的主要激励源响应进行了分离与识别,结合单缸熄火与ICA识别结果,找到了以气门落座冲击和活塞敲击为主的主要机械激励源与燃烧激励源。利用该技术分析得出了降低燃烧激励源响应的中低频振动能量是控制噪声源关键的结论。     

对旋轴流通风机噪声源的识别与分析

根据对旋轴流通风机的结构特点,以一台具有代表性的对旋轴流通风机为例,介绍了与其相适应的声场测量方法。通过对其噪声源进行分析,识别出其噪声源由气动离散噪声、电机的电磁噪声及宽带噪声组成,并指出气动离散噪声是这类通风机最主要的噪声源。最后,给出了对旋轴流通风机降噪的几点创新性建议。