航空发动机风扇噪声经验预测方法分析

随着飞机广泛使用的涡轮风扇发动机涵道比的不断提高,风扇噪声在飞机总噪声中占有越来越突出的地位.因此介绍用于预测风扇噪声水平的三种经验模型:Heidmaan模型,Konto-Janardan-Gliebe模型及Hough-Weir模型.编写风扇噪声经验预测方法程序并计算飞机降落过程中某航空发动机风扇的远场噪声水平.三种模型计算结果对比表明,Heidmann模型预测值普遍较大,Hough-Weir模型与上述两种模型趋势稍有不同.     

噪声技术在航空发动机中的应用

以某民用燃气涡轮辅助动力装置为对象,研究噪声技术在航空发动机振动分析中的应用。采用课题组自行开发的频谱分析软件,对噪声测试系统获得的包含振动量信息的WAV文件数据进行计算,获得3维频谱图。对这些频谱图进行详细分析,可找出可能存在的激振频率及零件共振频率。将噪声测试获得的振动信息与传统的安装在机匣上的振动传感器的测量数据进行了对比,结果表明噪声测试方法可获得更多有用信息。     

汽车发动机排气噪声的测量

一、概述 当前,汽车噪声是城市环境噪声主要污染源之一。噪声的大小已被作为车辆性能的一个重要技术指标,且受到国家法规所制约。在汽车的诸多噪声源中,排气噪声占很大的比例。排气噪声是由于排气阀突然打开,高温气体自气缸经排气系统排出而产生的。对排气噪声采取措施,通常是在汽车发动机上配置一个高性能的消声器。在设计阶段,为了得到消声器消声性能指标,常需要在发动机试验台架上进行实机试验。试验中,为了避免发动机的机械噪声和燃烧噪声对排气噪声的影响,必须将测点与发动机分离。最常用、最简便的方法是用排气管     

发动机排气噪声测量方法的实验研究

由于在普通实验室条件下纯排气噪声的测量受到背景噪声的干扰,难以获得准确的测试数据,本文提出了两种实用有效的发动机纯排气噪声测量方法,设计了一种圆柱形隔声罩,对发动机外特性曲线上的纯排气噪声进行了试验研究。研究结果表明：本实验装置可行;发动机纯排气噪声强度随转速升高而增大,中高频噪声比例也随之加大;发动机纯排气噪声与背景噪声是相干声波,根据相干声波叠加原理计算出的纯排气噪声与实验值较为吻合,验证了两种测量发动机纯排气噪声方法的可行性。     

多反馈带通滤波电路自噪声分析及仿真

为降低电路自噪声,研究了多反馈带通滤波电路,建立了电路自噪声模型,分析了各元器件对输出噪声的影响,给出了噪声功率频谱密度计算公式,通过Multisim噪声仿真及实测数据验证了模型的正确性。     

发动机燃烧噪声和活塞拍击噪声的产生机理试验研究

为有效地控制发动机燃烧噪声和活塞敲击噪声,研究了振动噪声的产生机理,指出了发动机振动传递的基本途径。通过对发动机结构的传递函数试验发现,由燃烧气体力所引起结构表面的响应主要是通过内部传力部件进行,频谱特性呈宽带凸峰特性,而通过敲击缸盖和缸孔引起的振动响应主要发生在2 000 H z以上频段,频谱成尖峰特性,且结构模态效应突出。结合试验结果,最后提出了控制发动机燃烧噪声和活塞拍击噪声的方向,为改进设计提供了参考。     

基于Labview的噪声温度计测量系统

本文以中国计量科学研究院的噪声温度计量装置为基础,利用Labview为主要开发工具,以Windows为开发平台设计开发一套噪声温度计测量系统,使得测量自动化且高效率,并通过数字滤波,提高测量精度。     

涡扇发动机风扇静态噪声预测

发动机风扇是涡扇发动机最主要的噪声源之一,其产生的机理是气体在高速旋转的叶片之间流动,引起强烈的宽频噪声和单音噪声。利用Matlab软件编程实现Heidmann大风扇修正噪声模型,对某型大涵道比涡扇发动机风扇静态噪声进行预测。建立该发动机风扇噪声数据库,通过基于1/3倍频程频谱的声压级和感觉噪声级来分析噪声预测结果。     

基于虚拟仪器技术的发动机噪声测试系统

叙述了虚拟仪器技术在发动机噪声测试中的应用,分析了发动机的噪声源,设计和选择了噪声测试系统的硬件和软件部分,通过对某一款发动机的实验,完成了怠速工况,经济工况下以及最大扭矩下的测试实验,并进行了数据分析,证明了基于虚拟仪器技术的噪声测试系统能够满足基本的测试分析需要,为在发动机噪声测试领域采用先进的虚拟仪器测试技术提供了理论和实践依据。     

民用飞机发动机噪声辐射特性研究

为了探索民用飞机在巡航状态下发动机噪声的辐射声场特性,利用相似转换法则将易于测量的发动机地面工作状态参数转换到飞行状态下发动机工作状态参数,通过分析两个已知飞机发动机型号,变换其转速以及辐射角度,研究发动机在地面试验状态与空中巡航对应状态下噪声声压级的变化,由此探索和了解两种状态下的噪声辐射声场变化规律。     

神经网络识别图像椒盐噪声的自适应滤波方法

为了使椒盐噪声不影响图像的后续处理,提出一种基于BP神经网络噪声检测的自适应开关滤波器来检测和滤除图像椒盐噪声.该方法利用像素值及其邻域特性作为像素点的描述即神经网络的输入,通过神经网络自动检测图像的噪声位置,据此保持非噪声点不变,对噪声点进行自适应窗口大小的均值滤波处理,且仅窗口内非噪声点参与均值运算.实验结果表明,...     

基于自适应小波特征提取一体化神经网络的空调电机振动噪声识别

正确识别空凋电机的噪声类型是改善其噪声效果的重要前提，采用一种集特征提取与识别于一体的神经网络来解决这种识别问题。此网络利用Mexican hat小波作为母小波，同时将基于小波变换的特征提取过程融人为神经网络的一部分，网络学习时可针对输入信号对小波尺度和平移参数进行自适应调整，以实现对信号特征信息的充分获取。给出了此网络的学习算法。利用这一网络对空调电机的三种噪声信号即电磁噪声、不平衡噪声、轴承噪声信号进行了学习和识别，结果表明，学习后的网络以很高的可靠性准确地识别出了电机的不同噪声类型。     

ia-PNCC: Noise Processing Method for Underwater Target Recognition Convolutional Neural Network

Underwater target recognition is a key technology for underwater acoustic countermeasure. How to classify and recognize underwater targets according to the noise information of underwater targets has been a hot topic in the field of underwater acoustic signals. In this paper, the deep learning model is applied to underwater target recognition. Improved anti-noise Power-Normalized Cepstral Coefficients (ia-PNCC) is proposed, based on PNCC applied to underwater noises. Multitaper and normalized Gammatone filter banks are applied to improve the anti-noise capacity. The method is combined with a convolutional neural network in order to recognize the underwater target. Experiment results show that the acoustic feature presented by ia-PNCC has lower noise and are well-suited to underwater target recognition using a convolutional neural network. Compared with the combination of convolutional neural network with single acoustic feature, such as MFCC (Mel-scale Frequency Cepstral Coefficients) or LPCC (Linear Prediction Cepstral Coefficients), the combination of the ia-PNCC with a convolutional neural network offers better accuracy for underwater target recognition.     

基于神经网络的有源噪声控制实验研究

FxLMS算法以其结构简单,性能稳定的特点在有源噪声控制领域得到广泛应用,但当通道非线性时控制效果不佳。人工神经网络用作非线性控制器时存在计算量较大的局限性,严重时会影响系统的实时响应能力。为此采用了一种结构简单的基于人工神经网络的有源噪声控制系统。实验结果表明该系统具有较理想的降噪效果和实时响应能力。     

基于RBF神经网络的飞参数据预处理

由于存在干扰,飞参系统记录的发动机参数中,经常会有不少间断点和奇异值.为了利用数据对发动机性能趋势进行预测,必须对数据进行预处理.发动机作为一个系统,其各主要输入和输出参数之间必然存在着一定的函数关系.本文研究了利用RBF神经网络和参数之间的关系对数据进行预处理,得到了较为正常的数据,结果表明该方法是有效的.     

用概率社会网络进行结构损伤位置识别

在不计测量误差情况下,神经网络能够成功地识别损伤位置及其程度,但在测量噪声影响下,神经网络的损伤识别效果则比较差,考虑到基于多变量模式分类的概率神经网络具有处理受噪声污染的测试数据的能力,本文将可能的损伤位置作为模式类,利用概率神经网络的分类能力来识别结构的损,地对两个算例,一个六层框架和一个两层框架进行数值模拟分析,并将概率神经网络与BP网络进行了比较,结果表明,概率神经网络具有更好的识别效果,是一种很有潜力的结构损伤位置识别方法。     

《次级通道在线辨识的神经网络方法》

有源噪声控制系统中次级通道对系统性能有重要影响,次级通道的辨识精度直接影响控制系统的稳定性和控制的有效性。实际的被控系统经常是时变的,因而次级通道的在线辨识成为有源控制系统的关键。神经网络具有很强的自适应和容错能力,可以将其用于次级通道的在线辨识,仿真结果表明采用神经网络在线辨识方法的有源控制系统完全是可行和有效的。     

噪声扰动下的广义时滞细胞神经网络稳定性分析

本文考虑到不可避免的噪声干扰,针对一类广义时滞细胞神经网络,引入随机扰动项,利用随机微分方程理论,It(o)积分性质及分析技巧,研究了该系统在噪声扰动下的稳定性问题,并分别给出了判定平衡点全局稳定及全局指数稳定的充分条件.其结果以不等式形式给出,便于结论验证.最后,本文给出了主要定理的一个实例,表明结论的有效性.     

神经网络控制在柴油机主动隔振中的应用

将神经网络技术应用于柴油机双层隔振系统，构造了一种AVC(Active Vibration Control)系统。将实际柴油机信号作为系统输入，运用三层BP网络进行离线系统辨识，采用神经网络控制器，在双层隔振模拟试验台架上进行试验研究，实时控制结果表明神经网络控制在柴油机主动隔振中的应用具有一定的可行性。     

基于神经网络的电机噪声性能在线检测技术研究

根据车用直流电机振动、噪声的特点，在自动生产线上测量电机振动，从中提取加速度均方根值、振动能量的波动度、分频段振动能量、频谱中50个最大峰值等特征指标用于电机噪声特性检测。考虑不同型号电机振动噪声特性的差异，建立了电机噪声检测的BP网络模型，用以训练噪声检测的算法和阈值。将MATLAB语言环境下的神经网络工具箱和LabVIEW虚拟仪器平台相结合，在LabVIEW平台上开发了基于振动测量的电机噪声智能检测系统，解决了电机制造厂在线检测电机噪声的难题。