首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   3篇
  完全免费   2篇
  一般工业技术   5篇
  2013年   1篇
  2011年   1篇
  2010年   1篇
  2009年   1篇
  2008年   1篇
排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
燃料电池车声振测试及噪声源识别   总被引:5,自引:0,他引:5  
对燃料电池车进行了振动噪声测试,采用分别运行法采集了在空气辅助系统和氢气辅助系统分别独立运行工况下的振动噪声信号。并通过对测试数据进行频谱分析等,确定了燃料电池车振动噪声的主要频率特性及主要振动噪声源为空气辅助系统和氢气辅助系统以及燃料电池冷却水泵等,同时针对主要振动噪声源提出了一些行之有效的改进方案,尤其是对风机及氢气辅助系统箱体的改进提出了见解性的改进意见。通过现代信号分析技术进行振动噪声源识别,确定主要的振动和噪声源,并对燃料电池车的减振降噪提出了可行性方案,是实施正确减振降噪措施的前提。  相似文献
2.
车内噪声声品质的支持向量机预测   总被引:4,自引:1,他引:3       下载免费PDF全文
对多元线性回归、神经网络和支持向量机的三个预测模型进行了研究.以车内噪声为例,建立了基于以上三种方法的车内噪声声品质预测模型,并采用留一法交叉检验作比较,所构建的支持向量机模型预测精度高于其他两种方法.实验结果同时也表明,支持向量计算法具有较强的稳健性和良好的泛化能力,能够用于车内噪声声品质的预测.  相似文献
3.
车内噪声声品质的神经网络预测   总被引:2,自引:0,他引:2  
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
4.
轿车的声品质理应取决于客观的噪声测试结果,但也和人为对噪声特征的感知程度切切相关,两者经常不会同步吻合。因而对人所感受的轿车声品质进行科学的主观评价试验就显得十分重要。通过采集6款轿车的车内外声音信号并进行筛选,作为声品质主观评价的样本库,根据不同频段声音信号表现不同特性的特点,对样本信号进行分频段预处理;通过试验确定出进行声品质主观评价试验的主体最佳的男女比例为3/1;选取对评价主体要求较低的成对比较法对轿车声音样本进行声品质主观评价试验。研究结果表明:对轿车声音特性影响最大的频段为500~4 000 Hz频段,其次是20~150 Hz频段,4 000 Hz以上频段对其影响最小。  相似文献
5.
本文以燃料电池轿车( fuel cell vehicle, FCV )为研究对象,采集其怠速工况不同位置的声音信号作为试验样本,采用成对比较法对其中的24个样本信号进行了主观评价试验,同时计算了可以描述其声音特性的6个客观评价参量,并引入BP神经网络建立了FCV声品质预测模型。通过所建立的模型计算FCV声品质客观评价参量对主观评价结果的影响权重,文中首次提出使用BP神经网络的方法来确定声品质评价中客观评价参量对主观评价结果的影响权重,研究结果表明,FCV声品质主要受响度、粗糙度和A声级三个客观参量的影响。此次分析,不仅适用于燃料电池轿车对其它领域的声品质分析与评价都起到了指导性的意义。  相似文献
1
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