一种基于累积量的盲源分离新方法及其应用

结合二阶累积量和四阶累积量各自的优点,提出一种基于联合近似对角化二阶累积量和四阶累积量的盲源分离算法。采用稳健白化算法有效地减小了噪声对分离精度的影响。盲源分离算法与基于四阶累积量和二阶累积量的算法相比,具有收敛速度快、分离精度高的优点,两个仿真试验验证了该算法能有效分离语音信号和超高斯与亚高斯信号混合的信号。应用该算法成功实现了实测转子复杂混叠振动信号的分离。     

柴油机表面辐射噪声源识别研究

以某单缸柴油机为研究对象,建立近场声压与表面振速联合信息法对该柴油机进行了表面辐射噪声源识别的研究。首先,利用近场声压阵面扫描快速定位了标定工况下主要辐射表面的主要辐射部件;再基于平板结构的辐射模型,研究分析了主要辐射部件的声辐射能力;然后,在综合考虑声辐射系数影响因素基础上,识别分析了主要辐射部件结构表面噪声的辐射特性,与传统方法相比提高了识别精度;再结合隔声法深入地识别了主要辐射部件结构噪声中的主要噪声源;最后,对建立方法识别结果进行了降噪试验验证。该识别方法可为明确柴油机降噪目标以及结构低噪声设计目标提供理论指导。     

电动车动力总成振动噪声的试验研究

由于动力总成的不同,电动车与传统车的振动噪声源也有较大差异。笔者对某电动车动力总成的振动噪声特性进行了试验研究。利用频谱分析、阶次分析等方法来识别动力总成的主要振动噪声源,分析加速和稳态工况下各激励源对动力总成振动噪声的贡献量。基于心理声学客观评价参数,分析了电动车动力总成声品质特性。研究结果为电动车动力总成振动噪声的优化设计提供了试验支持,并表明了进一步研究电动车声品质的必要性。     

两用燃料发动机噪声源特性的试验研究

以一台车用4缸汽油压缩天然气(CNG)两用燃料发动机为研究对象进行噪声源识别,测试工况为怠速工况、最大转矩工况与最大功率工况。首先测试发动机的1 m声压级,定位噪声最大的端面为发动机前端,再使用基于波束形成技术的声阵列系统对发动机前端和进气侧进行分析,分析结果表明汽油与CNG燃料主要噪声频段均位于1 000~2 000 Hz,进而识别出主要噪声源为链壳,通过振动测试验证了噪声源,并对两种燃料的噪声源特点进行了比较。研究表明波束形成技术在噪声源识别中具有快捷、直观的优点;两用燃料发动机CNG燃料怠速噪声较汽油燃料各对应面大5~7 d B,250 Hz以下的燃烧噪声是主要成因。     

IVMD融合RobustICA的内燃机噪声源分离

为了准确分离识别内燃机的主要噪声源,提出了一种改进变分模态分解融合鲁棒独立分量分析的方法。首先,针对变分模态分解方法的分解数选择问题进行了算法优化,提出了基于重构信号能量比和中心频率的改进变分模态分解方法,并利用仿真信号进行了验证;其次,进行了内燃机噪声试验,利用改进变分模态分解将单通道信号分解成多个信号分量,根据信号分量与源信号的互信息主要分量识别,克服了主要噪声分量选择客观依据不足的问题;最后,通过鲁棒独立分量分析提取主要噪声分量的独立成分,并结合相干分析和时频分析进行噪声源识别。结果显示,所提出的方法能够有效进行噪声源分离,可成功识别出燃烧噪声、活塞敲击噪声和空压机噪声等内燃机主要噪声源。     

动力分流混合动力变速箱噪声源阶次分析研究

对阶次分析的原理以及在非稳态旋转机械振动噪声信号中提取故障信号的意义进行了研究,同时给出了旋转机械中阶次与转速、频率的关系。在某动力分流混合动力变速箱非稳态工况条件下进行试验,利用阶次分析技术,识别其主要噪声源。并通过时频特性曲线来验证阶次分析噪声源频率实时分布情况。实验结果表明,在非稳态工况条件下,相比于传统的测试方法,阶次分析能够有效快速地识别动力分流混合动力箱中产生噪声的行星排组件,有利于企业对产品进行改进和优化结构设计,在实际工程应用中值得推广。     

柴油机噪声源识别与噪声特性研究

以某型号柴油机为研究对象,测量了柴油机外特性工况、负荷特性工况下的整机噪声和主要零部件近场噪声,结合频谱分析进行了噪声源识别。研究结果表明,柴油机标定工况的整机声功率级106.3 dB(A);在负荷不变的情况下,柴油机噪声随着转速的上升而增大。高转速时,柴油机负荷的变化对噪声影响不大;柴油机近场噪声较高的部位是油泵、油底壳、曲轴皮带轮和空气滤清器;低速时,进气噪声是柴油机主要噪声源,频率120~125)Hz处的峰值与周期性压力脉动频率相吻合,频率315 Hz处的峰值与气柱共振系统的固有频率相吻合,气柱共振噪声要高于周期性压力脉动噪声。     

基于近场声全息技术的发动机噪声测量与分析

介绍了近场声全息(NAH)技术的基本原理及基于Helmholtz方程最小二乘法(HELS)的声学重构算法。利用基于HELS算法的近场声全息测试系统对某直列四缸汽油机的整车发动机噪声进行测量与分析,得到不同工况下整车发动机表面辐射噪声的近场全息图。通过对噪声峰值频率下的声压、声强以及表面粒子速度等声场信息的可视化测量结果进行评价,确定该发动机的主要内部噪声激励源与外部近场噪声辐射特性,实现噪声源识别与定位,为其进一步降噪提供依据。     

结合多种方法的单缸汽油机噪声源识别研究

对152QMI单缸汽油机进行噪声及振动以及曲轴转角等信号的采集,在LMS Test.Lab软件中利用频谱分析和小波变换计算得出了该单缸汽油机噪声能量的主要分布范围,并以此作为噪声源识别的对象,利用阶次分析和小波变换筛选出该机噪声信号中频率不随转速变化的共振因素,随后在角度域内对信号进行小波变换,结合发动机配气机构等部件的运动特征研究识别相对于各频率带的发动机噪声源。研究结果表明,该发动机主要噪声频率带为800 Hz以下、2 000 Hz和4 000 Hz~5 000 Hz,各频率带噪声源分别为进排气噪声、缸盖共振和顶杆对摇臂的冲击以及气门落座冲击。     

内燃机机械噪声与燃烧噪声识别

针对内燃机噪声识别问题,建立数学模型并编制相应的程序,实现燃烧噪声和机械噪声的频谱分离和A计权声功率级计算.以单缸四冲程汽油机为例,通过构造包含干扰噪声的理论算例仿真识别,验证了程序的准确性和实用性.识别结果表明,分离前/后的燃烧噪声和机械噪声的频谱吻合良好,声功率级误差很小.     

基于角域同步平均技术的内燃机失火故障诊断

在利用缸盖振动信号诊断内燃机失火故障时,由于发动机工作背景噪声复杂,必须消除信号中的非周期分量和随机干扰,保留与发动机工作循环有关的周期分量。为了解决时域同步平均方法在转速波动时振动信号存在的不同步问题,提出了以旋转角度信号作为同步触发基准的角域同步平均技术,对内燃机缸盖振动加速度信号进行了处理,有效地削弱了随机噪声的干扰。分析了缸盖振动信号中不同激励源产生的响应分量与发动机失火故障的关系,利用缸盖振动加速度信号中的各个瞬态冲击响应更加易于识别,能有效地对内燃机失火故障进行诊断。     

Source location of acoustic emission in diesel engines

This paper is the third in a series developing methods of mapping acoustic emission (AE) signals and wave propagation in engines and focuses on source location techniques for the multi-source signals on relatively complex structures typical of machinery applications. Two source location techniques, a traditional wave velocity-based and an AE energy-based technique, using triangular sensor arrays, are used to locate source positions on the cylinder head of a 74 kW diesel engine using simulated sources (pencil lead break) and real sources (e.g. injectors (INJs) and exhaust valves during engine running).Source location using both techniques is demonstrated on the cylinder head of a 74 kW four-stroke diesel engine. The velocity-based technique uses AE wave speeds and time-of-flight (wave arrival time) to locate source position and is found to be most effective for single source signals with a sharp rising edge and good signal to noise ratios. The energy-based technique is based on a simple absorption attenuation model and was found to be useful for multiple source signals such as INJ signals, although structure-specific attenuation coefficients need to be measured for accurate source location.     

Separation of combustion noise and piston-slap in diesel engine—Part I: Separation of combustion noise and piston-slap in diesel engine by cyclic Wiener filtering

The main purpose of this study is to characterize the relative noise given out by a diesel engine, around the Top Dead Centre (TDC) by quantifying the proportions of “mechanical noise” originating mainly from piston-slap on the one hand and ‘thermal noise” originating from combustion on the other hand. Two different approaches are described here to solve this problem.In the first part of the paper, the cylinder pressure is measured and used as a reference in order to reconstruct the thermal noise. Next, we propose a method based on applying a cyclic Wiener filter to the measured cylinder pressure in order to separate the noises of mechanical and thermal origins. The final result is to reduce the engine resulting noise.The second part of the paper is devoted to blind source separation (BSS) methods applied on signals issued from accelerometers placed on one of the cylinders. It develops a BSS method based on a convolutive model of non-stationary mixtures and introduces a new method based on the joint diagonalization of time varying spectral matrices of the observations. Both methods are then applied to real data and the estimated sources are finally validated by several physical arguments.     

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。     

基于人工神经网络的柴油机失火故障诊断

车载诊断系统在诊断失火故障时,采用基于曲轴段角加速度和阈值规则相结合的方法,该方法在内燃机高速轻载运行时诊断单缸完全失火工况存在一定的局限性。通过对比分析失火和正常工况下曲轴瞬时转速的幅频和相频特征,提取不同谐次的幅值和相位信息,结合人工神经网络作为故障模式识别工具,得到了一种改善方法。通过台架实验,对此改善方法进行了单缸完全失火、两缸完全失火和单缸一定程度失火的故障诊断测试。结果表明,在实验条件下该方法可以有效识别不同的失火模式,并可在单缸失火模式下实现失火程度判别。同时,该方法通过少量工况数据训练神经网络,即可实现一定转速范围内的失火诊断,可行性强,可用于发动机失火故障在线诊断。     

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.     

Source separation of diesel engine vibration based on the empirical mode decomposition and independent component analysis

Vibration signals from diesel engine contain many different components mainly caused by combustion and mechanism operations,several blind source separation techniques are available for decomposing the signal into its components in the case of multichannel measurements,such as independent component analysis(ICA).However,the source separation of vibration signal from single-channel is impossible.In order to study the source separation from single-channel signal for the purpose of source extraction,the combination method of empirical mode decomposition(EMD) and ICA is proposed in diesel engine signal processing.The performance of the described methods of EMD-wavelet and EMD-ICA in vibration signal application is compared,and the results show that EMD-ICA method outperforms the other,and overcomes the drawback of ICA in the case of single-channel measurement.The independent source signal components can be separated and identified effectively from one-channel measurement by EMD-ICA.Hence,EMD-ICA improves the extraction and identification abilities of source signals from diesel engine vibration measurements.     

柴油机缸盖罩动态特性分析与改进

以某四缸柴油机铸铝缸盖罩为研究对象,融合频谱分析法、近场声压法及模态分析法的识别优势,分析缸盖罩的动态特性。首先在标定工况下采用时频谱结合频响函数分析了缸盖罩的振动响应特性,然后基于近场声压法定位分析了缸盖罩结构噪声的辐射特性,在建立缸盖罩有限元仿真模型基础上,再结合试验模态法与计算模态法获取了缸盖罩在柴油机约束状态下的模态特性,找到了导致结构动态特性变差的薄弱环节,最后采取薄弱结构加强筋设计与隔声措施优化了缸盖罩的动态特性,并进行了降噪试验验证。