首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 125 毫秒
1.
以一台六缸车用柴油机为例,研究了其在变负荷及转速工况下表面辐射噪声品质情况,为进一步提高整机声品质,开展柴油机结构声学设计奠定了理论基础。研究国内外车用柴油机客观评价特征,并选取响度、尖锐度、粗糙度和波动度来描述辐射噪声的客观评价特征;针对柴油机噪声特点,采用成对比较法开展以专业陪审团人群为目标的满意度评价研究;应用遗传算法优化支持向量机(GA-SVM)建立起该车用柴油机声品质预测模型,并与BP神经网络预测模型进行比较,结果表明,基于遗传算法优化的支持向量机辐射噪声品质预测模型较神经网络建模预测精度更高,能够更准确地反映客观评价参量与主观满意度之间的非线性映射关系。  相似文献   

2.
以乘用车由50 km/h加速到100 km/h时的噪声信号为评价对象,用成对比较法对车内加速噪声品质偏好性进行主观评价实验,获得每个样本的偏好性评价值。计算各噪声样本的主要心理声学客观参数并进行相关分析。鉴于评价者对非稳态噪声主观评价过程的复杂性,建立支持向量机(Support Vector Machine,SVM)的主客观评价模型,并利用粒子群优化算法(Particle Swarm Optimization,PSO)对模型参数进行优化。为对比优化后预测效果,建立BP神经网络回归模型。结果表明,优化后的粒子群-向量机回归模型用于噪声声品质评价能获得更好的预测效果,可较大程度提高声品质预测精度。  相似文献   

3.
为了稳定、精确地评价车内稳态噪声声品质,以车内稳态噪声为研究对象,进行主观评价试验,计算客观心理声学参数并完成了相关性分析。建立基于支持向量回归(Support Vector Regression,SVR)的车内稳态噪声声品质预测模型,并使用遗传算法(Genetic Algorithm,GA)对支持向量回归的超参数进行优化。其后建立基于反向传播神经网络(Back Propagation Artificial Neural Network,BPANN)的声品质预测模型。对比分析发现遗传-支持向量回归(GASVR)模型预测精度高于BP神经网络。结果表明,遗传-支持向量回归适用于车内稳态噪声声品质预测,能够较大提高车内稳态噪声声品质预测精度和工程效率。  相似文献   

4.
《中国测试》2015,(12):83-86
为准确评价车内加速噪声声品质,利用成对比较法对14款汽车从30 km/h加速到80 km/h行驶时的车内噪声进行主观评价试验,同时计算5个主要心理声学客观参量,并通过相关分析得出对声品质有重要影响的客观参量。采用支持向量机建立车内加速噪声声品质的预测模型,经验证其预测相对误差都在9.5%以内,表明该模型可以准确地对车内噪声声品质进行预测。  相似文献   

5.
燃料电池汽车是采用燃料电池动力系统的新型零排放环保汽车,其噪声源是分布式的,车内噪声组成比较复杂,噪声的线性度没有传统汽车好,因此亟需改善其车内声音品质,使人们在享受能源环保的同时也能有舒适的乘坐环境。论文测试某型燃料电池轿车怠速工况车内噪声,进行车内噪声的频谱分析。以响度作为声品质评价指标,提出了改善车内声品质应着重考虑的频率范围,同时结合噪声频谱分析,采用参数化滤波方法对主要峰值频率进行处理,找出对人耳主观感觉影响较大的频率或频段。为了降噪和改善车内声品质,采取分别运行法进行物理问题识别,找出对乘员主观感觉影响较大的频率和频段产生的声振部件,实现从声品质问题到物理问题的转换,研究发现车内噪声上述频率和频段主要是由燃料电池辅助系统(氢泵和风机)产生的。  相似文献   

6.
以一台6缸柴油机为研究对象,采用分类对偶比较法对采集到的目标机型在多工况下的辐射噪声品质进行主观评价试验,同时选取并计算了可以描述其声音特性的5个客观评价参量,引入支持向量机,建立了柴油机噪声品质预测模型,并借助噪声测试样本验证预测模型的准确性。然后以柴油机噪声品质预测模型为基础构建起客观评价参量的权重分析模型,分析柴油机噪声品质客观评价参量对主观评价结果的影响权重。研究表明,柴油机噪声品质主要受响度和粗糙度两个客观评价参量的影响。此次分析对高声品质柴油机的设计起到了指导性的作用。  相似文献   

7.
为探索雨刮-风窗系统摩擦噪声对车内声品质的影响,文章采集了某新能源汽车雨刮-风窗系统不同工况下的摩擦噪声并进行分析。基于声品质客观参数,计算该系统摩擦噪声响度、尖锐度等客观评价指标;采用语义细分法进行主观评价实验得到主观评价结果,基于支持向量机建立该系统摩擦噪声声品质预测模型。结果表明,雨刮-风窗系统刮片反转过程产生的噪声是影响车内声品质的主要因素;声品质预测模型效果较好。研究结果为雨刮-风窗系统摩擦噪声的声品质控制提供参考。  相似文献   

8.
针对传统声压级对车内噪声主观性考虑不足的缺陷,提出符合人双耳特性的虚拟车内噪声特征响度预测及声源识别方法。根据某重型商用车驾驶室内低频轰鸣声严重的问题,基于Zwicker响度模型,在matlab中建立频域的混响场特征响度计算模型。结合路试实验激励数据和驾驶室有限元声-固耦合模型,对驾驶室内噪声响度分布和响度结构板块贡献量进行计算,识别不同板材振动产生的辐射噪声分量对驾驶室内噪声品质频谱特性的影响。实验结果表明:相对于声压级,采用响度作为分析参数提高了驾驶室内噪声源识别精度,指导结构优化设计,改善车内声学品质具有更好的效果。  相似文献   

9.
摘 要:为对舰船舱室噪声进行精确预测,提出了基于SVM(支持向量机)的舱室噪声预测方法。采用RBF核函数和ERBF核函数,以某集装箱船上层建筑舱室噪声为训练样本,建立了两种集装箱船上层建筑舱室噪声的非线性回归模型;并应用两种模型对母型船及另一艘集装箱船上层建筑舱室噪声进行预测,并将预测结果进行了比较分析;在此基础上,应用效果较好的模型对一艘散装货船上层建筑舱室噪声进行预测。预测结果表明:应用SVM非线性回归模型对船舶上层建筑舱室噪声的预测是可行的,预测效果较为理想。  相似文献   

10.
结合核主成分分析(KPCA)以及支持向量机对水轮机转轮叶片裂纹源的声发射信号进行定位。结果表明,利用核主成分分析提取的特征参数进行定位的精度高于原始参数的定位精度,即输入9个特征参数时,支持向量机在叶片区域的识别率为100%,在裂纹源对焊缝距离的支持向量回归分析中的最大误差为20cm。因而结合KPCA和支持向量机对复杂的大尺寸结构进行定位是一种较好的方法,既减少了输入信号的维数,又提高了定位精度。  相似文献   

11.
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。  相似文献   

12.
以车内噪声为研究对象,研究了声品质的主观模糊综合评价方法。根据汽车车内噪声测量标准设计噪声采集方案,对平稳和非平稳车内噪声进行了数据采集、信号预处理,建立噪声样本数据库。采用参考语义细分法对四款汽车车内噪声的综合烦躁度进行主观评价试验研究,基于主观评价试验结果和模糊综合算法,建立了综合烦躁度模糊综合评价模型,可以计算出整车噪声综合烦躁度总值。结果表明不同车型有其自身的声品质特征。所提出的方法可用于实施不同车辆的声品质比较和评判。  相似文献   

13.
针对某混合动力汽车非稳态工况下的车内声品质评价进行研究。采集该车内不同位置、不同驱动模式以及不同车速情况下的车内噪声样本,对不同的非稳态工况进行客观参量分析,得出电机单独驱动模式下可以用尖锐度评价非稳态车内声品质、混合驱动与发动机单独驱动模式下可以用响度评价非稳态车内声品质的结论。基于BP神经网络模型,进行基于心理声学客观参量与临界频率带解析小波分解的非稳态车内声品质评价,预测结果表明后者的预测效果优于前者,且稳定性较高。  相似文献   

14.
车内噪声声品质的神经网络预测   总被引:2,自引:0,他引:2       下载免费PDF全文
鉴于车内噪声声品质评价的复杂性和非线性的特征,分析了BP神经网络方法在车内噪声声品质预测中的应用,阐述了其基本原理和模型并结合实例提出了完整的实施流程。该预测方法具有很强的学习能力,各连接权重由网络通过学习自主生成,因此预测结果更具客观性和准确性。同时将用此种方法与现有的预测方法得出的结果进行比较,得出结论:神经网络用于车内噪声主客观评价数据处理可以得到更好的预测效果,从而在很大程度上提高评价者的决策水平,对现代汽车噪声的评价、分析与控制都具有重要意义。  相似文献   

15.
作为发射车的关键组成部件,滚动轴承的工作环境复杂,故障诊断困难。提出一种自适应深度卷积神经网络,针对传统CNN诊断方法存在的计算效率较低、参数调试需人工经验指导等问题,采用粒子群优化算法确定CNN模型结构和参数,应用主成分分析法将故障诊断特征学习过程可视化,评估其特征学习能力。将提出方法应用于发射车滚动轴承故障诊断,对比标准CNN、SVM、ANN诊断方法,10种工况的诊断结果表明,提出方法诊断精度高且鲁棒性好。  相似文献   

16.
为了在带反射边界的普通房间内重现声场,需要对原始声场信号进行去卷积处理,以获得扬声器驱动信号。建立了房间内声场重现的时域模型,在模型中采用长时长的去卷积网络,以获得高精度同时抑制了时域混叠效应,再针对卷积滤波的海量计算问题使用了快速滤波算法,提高了计算效率。汽车车内加速噪声的重现实验结果表明:所提出的时域模型可以高效准确地完成声压信号的去卷积化,实现普通房间内声场的定量重现。  相似文献   

17.
针对传统客观心理学参量在非稳态噪声品质预测中的不足,以汽车关门声为对象,提出一种基于EEMD分解的样本熵表征关门声的信号特征,并结合小波神经网络进行声品质预测。对声样本进行EEMD分解得到IMF分量,计算各IMF分量的样本熵,并构造成特征向量。分别以此特征向量和声品质主观评分值作为输入输出构建小波神经网络预测模型。作为对比,构建了基于该特征向量的BP网络预测模型、基于心理学参量的小波神经网络预测模型和BP网络预测模型。分析结果表明,在关门声品质预测中,EEMD样本熵比客观心理学参数能更好的反映信号的时变非稳态特性,预测效果更好;且小波神经网络较BP网络的预测精度更高,模型训练速度更快。  相似文献   

18.
提出了一种可用于汽车车内噪声主动均衡控制的变步长主动噪声均衡(Active Noise Equalization,ANE)算法,与传统车内噪声主动抵消控制方法所采用的滤波x最小均方(Filtered-x Least Mean Square,FxLMS)算法相比具有更好的实用性。应用固定步长主动噪声均衡(Active Noise Equalization,ANE)算法、所提出变步长ANE算法和已有变步长ANE算法分别进行汽车车内噪声主动均衡控制。结果表明,所提出变步长ANE算法具有更快的收敛速度和较低的稳态误差,并且能进一步降低汽车车内噪声响度,为汽车车内声品质主动控制提供了一种新方法。  相似文献   

19.
采用矢量阵测量的水中宽带近场声全息技术研究   总被引:2,自引:2,他引:0       下载免费PDF全文
胡博  杨德森  孙玉 《振动与冲击》2010,29(5):128-132
基于声强测量的宽带声全息技术(BAH IM)是由近场声全息(NAH)领域脱颖而出的一项技术,它由全息面上互相垂直的两个切向声强分量计算出全息面上的复声压相位,得到全息面上复声压,再进行NAH处理。针对水中圆柱体的噪声源识别问题,给出了该方法在柱体中运用的基本原理,利用所编制的程序进行了仿真验证,最后,采用矢量阵进行了水中近场声全息测量实验,验证了该方法的可行性和准确性,实验结果表明柱面内BAH IM技术在水中柱形声源内辐射声场的重建噪声源识别和定位中有着明显的优势。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号