高速动车组车内声品质客观参量测试与分析

采用噪声与振动测试分析系统,提取高速动车组车内响度、尖锐度、粗糙度和抖动度等声品质客观参量进行客观评价分析方法的研究,分析高速动车组车内噪声试验测试数据,得出车内心理学客观参量随运行速度变化的分布规律:当运行速度为380 km/h时,响度达到最大值42.6 sone;响度来源除各振源引起振动产生的噪声外,还与车门与风挡等部位密封不严产生的声泄漏有关,响度呈现出随速度提高而增加的趋势;当运行速度达到330 km/h时,各测点尖锐度达到最大值,包间处为2.52 acum;高速动车组车内噪声以低频噪声成分为主,动车组提速对车内尖锐度值影响较小;当运行速度为300 km/h时,包间处粗糙度最高达4.3 asper;当运行速度为330 km/h时,各测点抖动度急剧上升,包间以及车体中央座位处的抖动度相对较大,车体中央座位抖动度最大值达0.127 vacil;该研究结果可为高速动车组减振降噪设计提供数据支持,为高速动车组车内声品质研究提供依据。     

基于图神经网络的OpenCL程序自动优化启发式方法

物联网的发展与普及促使计算机异构架构迅速发展,开放运算语言（open computing language,OpenCL）作为首个跨平台异构并行计算框架,具有标准化、可移植性等优点,但因不同平台下软硬件的复杂性和多样性,使OpenCL在性能上的移植性存在一定的缺陷.现有的方法通过深度学习构建优化模型来提高程序运行效率,但所构建的预测模型仅考虑代码的顺序依赖关系,忽略了语法语义信息,导致代码优化效果不明显.为解决上述问题,提出了一种基于多关系图神经网络的OpenCL程序自动优化启发式方法.该方法首先把OpenCL代码转换成多关系代码图,能够提取代码的深度结构与语法语义特征;然后利用改进后的图神经网络模型,将构建的代码图编码为高维的特征向量;最后使用决策网络完成任务预测.为验证方法的有效性,分别在异构设备映射和线程粗化因子预测2个任务上进行实验评估.结果表明,在异构设备映射任务中,最优设备预测准确率能够达到88.7%,相较于现有最先进的方法,加速比可提高7.6%;在线程粗化任务中,加速比相较于现有最优的方法可提高5.2%.     

高速动车组噪声声品质实验及其客观评价方法

在高速动车组减振降噪设计中,声品质已成为舒适性评价的重要指标之一。Zwicker提出了对噪声进行主观评价的客观量化方法,本文以其理论为基础,深入分析4种噪声客观评价参量（响度、尖锐度、粗糙度、抖动度）的计算方法,并且以高速铁路动车组车内噪声为例进行相关参量的试验测试。得出车内典型位置不同运行速度时各心理声学参量的现状和分布规律,其结论为高速铁路动车组车内声品质研究提供依据。     

高速动车组噪声测试及其声品质客观参量分析

在高速动车组减振降噪设计中,声品质已成为舒适性评价的重要指标之一。以Zwicker提出的对噪声进行主观评价的客观量化方法为基础,通过响度、尖锐度、粗糙度和抖动强度4种噪声客观评价参量计算方法对某高速铁路动车组车内噪声试验测试数据进行分析,得到车内典型位置不同运行速度时各心理声学参量的现状和分布规律,可为高速铁路动车组车内声品质研究提供参考依据。