非自由场内声场定量重现的L曲线滤波方法

研究了非自由场一般房间内利用扬声器阵列进行声场重现的方法。建立了房间内声场重现的系统模型,利用正则化最小二乘法和L曲线法获得了实现声场内多个控制点定量重现的驱动信号频域特性,然后采用L曲线滤波器设计得到了阵列扬声器时域驱动信号。实际汽车噪声的重现结果表明:L曲线滤波方法能够实现扬声器驱动信号功率与声场重现误差之间的平衡,可以在非自由场内实现稳态声场的定量重现。     

柱坐标系下浅海传播声场时域有限差分预报方法

直角坐标系下的时域有限差分方法在水声传播仿真时由于计算量太大而较少应用。文章利用时域有限差分方法推导了柱坐标系下的声波方程的近似表达式,结合复频移完全匹配层建立浅海声传播模型,在减少计算量的同时准确预报了传播信号声压的时域波形、传播声场的时空演变过程以及频域传播损失曲线。在柱坐标系下使用时域有限差分方法仿真Pekeris传播环境声场并与简正波和波数积分模型进行对比,分析了时域有限差分水声传播模型的适用范围。结果表明,时域有限差分方法仿真浅海中近程传播声场精度较高。模型的稳定性与时间和空间网格大小有关,声源频率越高,空间和时间网格划分越小,计算量越大。数值离散带来的频散误差累积会导致远场传播声场计算不准确,因此时域有限差分水声传播模型更适用于低频中近程声场计算。     

基于近场声阵列的旋转机械噪声源识别

为了有效控制旋转机械噪声,利用信号处理技术对整机或部件进行噪声源识别是十分必要的,噪声源准确识别可以为故障诊断和结构优化提供依据。首先论述建立均匀线性近场声阵列模型以获得空间声场数据的方法。其次,在传统波束形成结果基础上,利用反卷积法从中提取所需声场信息以实现对声源面可视化重构。接着,在所搭建转子噪声试验台上,利用近场声阵列提取各种工况下噪声信号,并识别出轴承以及盘轴连接处为转子主要噪声源,验证了基于声源成像反卷积法均匀线性近场声阵列在旋转机械噪声源识别方面的可行性。     

滚动轴承故障脉冲信号提取及诊断:一种盲解卷积方法

运用一种基于峭度最大化的盲解卷积算法，从局部损伤的滚动轴承振动信号中提取或增强脉冲冲击信号。在对内、外圈存在损伤的轴承振动信号进行解卷积处理后，故障脉冲信号得以充分增强，而且在时域上呈规律地分布。另外，取2倍的解卷积信号样本标准差为阈值，通过时域阈值除噪，可以进一步得到提纯的故障脉冲序列。计算表明，其脉冲线周期性出现的平均频率与相应的故障特征频率相当吻合。     

基于盲解卷积和聚类的机械弱冲击声信号提取

针对对比函数和紧缩方法的时域盲解卷积算法在分离机械弱冲击信号时,其结果易受解卷积滤波器长度影响的缺点,提出结合分层聚类的改进算法.该算法通过设置一个变长度滤波器组,对获得的多个盲解卷积结果进行聚类分析,解决了单次盲解卷积结果不确定问题,获得了可靠性高的估计信号.计算机仿真和实际环境下故障轴承声信号提取实验验证了算法的有效性.     

基于频域盲解卷积的齿轮箱复合故障声学诊断

针对复杂声场环境中齿轮箱复合故障特征的提取,提出了一种基于频域盲解卷积的声学诊断方法。该方法通过形态滤波滤除非调制信号,结合改进复数固定点算法优选复独立分量,进而通过复独立分量J-散度解决独立分量间次序不确定性问题,计算机仿真及实际环境下齿轮箱复合故障声信号提取实验验证了算法的有效性。论文最后指出了未来需要进一步研究的主要问题。     

基于卷积胶囊网络的滚动轴承故障诊断研究

针对目前许多基于深度学习的滚动轴承故障诊断方法在检测含有噪声的信号以及载荷变化时,其诊断性能会有所下降的问题。提出一种基于卷积胶囊网络的故障诊断方法;该模型使用两个卷积层的卷积网络直接对原始的一维时域信号进行特征提取,并将其送入胶囊网络,输出每种故障类型的诊断结果;为了验证该模型的诊断性能,选用凯斯西储大学轴承数据库来进行验证,并与常见的卷积神经网络和深度神经网络进行对比。试验结果表明,相比于其它深度学习方法,该方法在载荷变化以及信号受到严重噪声污染时,依然拥有良好的诊断性能。     

基于三角形滤波卷积核的快速线积分卷积算法

基于纹理的线积分卷积(LIC)方法,能连续细致、动画地表示2D矢量大小和方向,但卷积计算极其耗时。针对这个问题实现了基于常数滤波卷积核的快速线积分卷积算法,提出并论证了基于三角形滤波卷积核的快速线积分卷积算法,对于实际矢量场,上述两种方法均将运算速度提高了一个数量级,而基于三角形滤波卷积核的快速线积分卷积算法的结果使图像更加平滑。     

厅堂混响时间的声场控制及其实验研究

本文首先说明声场控制的各种方法，然后对卷积法，混响反馈法和沸响器反馈法进行了实验研究，并着重阐述卷积法声场控制的实验系统。实验结果表明，卷积法可使中频混响时间提高３倍以上。效果良好。     

用频域法确定反卷积的最佳滤波参数

本文介绍了一种确定反卷积的最佳滤波参数的新方法。该方法的特点是，只需在频域就能确定滤波参数，因而节省了大量计算时间。     

瞬态声品质时域传递路径方法与应用研究

全球化竞争日趋激烈和消费者对汽车舒适性要求越来越高,迫使各汽车公司加快了NVH开发进程,汽车声音的控制逐渐进入声品质控制阶段。创新性提出一种基于时域传递路径分析的瞬态声品质分析方法和流程。采用考虑奇异值截断的去卷积滤波器方法建立时域去卷积网络。构建了车内瞬态噪声合成模型,并在时频域上分解和分析了发动机的结构声贡献和空气声贡献。通过视听比较合成噪声和测量噪声,以评审团主观评价打分的形式来验证模型的准确性。进一步对合成噪声进行主观声品质评价,将车内噪声合成模型延伸至虚拟车内声品质预测模型。基于该模型,找到声品质贡献较大的路径,并且通过虚拟修改各路径传递函数值,来优化车内声品质,为制定车内声品质改善措施提供指导依据。     

基于等效源法插值的声场重放方法

声场重放旨在保留声音内容与声场空间特性,创造或再现一个真实的空间声学环境.一套在真实"听音室"实现的声场重放听音系统,需要对扬声器阵列的声传递函数进行多次测量,这个过程繁琐且耗时.文章提出一种等效源法插值重放方法,在传声器采样率较低的情况下,实现了扬声器阵列声传递函数在整个目标重放空间内的插值.对比传统的声压匹配法,所...     

一种改进的盲解卷积算法在轴承声学诊断中的应用

针对时域盲解卷积算法滤波器长度估计困难的缺点,提出一种基于遗传算法优化的改进算法。该算法利用遗传算法搜索最佳时延,解决了盲解卷积结果不确定问题,并改进了信号分量的聚类指标,采用峭度作为独立分量间距离测度,提高了信号分量聚类的准确性,获得了可靠的估计信号。计算机仿真和实际环境中故障轴承声信号提取实验验证了该算法的有效性。     

大型客车车身的阻尼减振降噪技术研究

本文基于边界元法对车室进行声场分析和车身板块贡献度分析,进而找出车内噪声声压峰值处所对应的振动频率及该峰值下的“噪声源”板块,围绕车身减振降噪这一目标和车身设计轻量化的要求,基于响应面法建立阻尼复合结构的声辐射特性、模态频率和损耗因子与结构参数关系的数值模型,并对相应约束条件下的最佳阻尼复合结构参数匹配进行优化设计,综合研究内容对车身结构阻尼处理后取得了较好减振降噪效果。     

基于SEA分析验证的混响箱-消声室实验方法设计及隔声性能研究

不同于以往的理论、经验设计,采用低频段的声固耦合法、中高频段的统计能量法(SEA)对设计的混响声场进行声学分析,提高混响水平。根据虚拟结果建立混响箱实物,置于半消声室内进行测试,混响箱结构本体的噪声衰减量超过50 dB,混响时间达到混响要求,混响场内不同位置声压值差距均小于2 dB,该混响箱设计满足混响声场的要求;将SEA法隔声计算结果与应用混响箱-消声室法对板件的隔声测试结果进行对比,两者吻合良好;因此该实验方法能实现很好的隔声效果。通过该方法可快速对单层板及夹层板件进行隔声测试,发现吻合频率效应对隔声性能影响较大;以上研究对工程应用有较大的参考意义。     

受静压力作用加筋板隔声性能研究

基于随机平面波声源建立混响声源激励的加筋板隔声计算模型,通过对试验模型数值计算,二者结果基本吻合;计算存在静压力时加筋板隔声特性表明,存在静压力时加筋板基频移动会致低频隔声量显著增加,压力增加到一定程度时隔声量基本不再增加;此刻为存在预应力的实际结构物隔声量计算提供参考。     

密集型矩形阵列参数对激光Lamb波成像的影响分析

激光超声技术具有非接触、检测效率高等优点,在无损检测领域受到广泛关注;充分利用激光超声技术的高空间分辨率特性,结合密集型矩形阵列和激光Lamb波技术进行板中缺陷检测。采用连续小波变换对频带宽、时域分辨率低的激光Lamb波信号进行提取,得到特定频率下具有高时域分辨率的窄带信号;利用线性映射补偿技术消除所提取窄带信号中的频散,消除频散的信号用于缺陷成像;最后,结合幅值成像技术和符号相干因子成像技术对频散补偿后的信号进行处理,实现铝板中缺陷的成像和定位。在此基础上,进一步对不同的阵元数量和阵元间距对密集型矩形阵列指向性和缺陷成像质量的影响进行分析。当阵元数量为16,阵元间距为一个Lamb波波长时,主瓣宽度较窄且没有栅瓣出现,缺陷成像质量得到有效提高。     

基于EMD和MKD的滚动轴承故障诊断方法

针对滚动轴承早期微弱故障特征难以提取的问题,提出基于经验模态分解(Empirical Mode Decomposition,EMD)与最大峭度解卷积(Maximum Kurtosis Deconvolution, MKD)的滚动轴承故障特征提取方法。利用EMD方法分解振动信号得到一组固有模态分量(Intrinsic Mode Function,IMF),然后根据时域峭度和包络谱峭度,筛选出敏感IMF分量进行信号重构。然后对重构信号进行最大峭度解卷积处理以增强故障信息,最后得到包络功率谱,从而获得轴承故障特征频率信息。通过实验台信号验证了所述方法的有效性及优点。