共查询到17条相似文献,搜索用时 109 毫秒
1.
统计能量分析在汽车车内噪声分析中的应用 总被引:5,自引:0,他引:5
建立了用于汽车车内高频噪声分析的整车SEA模型,介绍了工程设计中车身子系统SEA模型和整车噪声传递路径分析方法的应用,最后以分析实例说明了统计能量分析在汽车车内噪声性能设计中的适用性和准确性。 相似文献
2.
3.
4.
5.
6.
车内噪声FE-SEA混合建模及分析方法 总被引:1,自引:0,他引:1
对二子系统的互易关系进行了阐述,并通过模态方法别对二子系统的互易关系进行了介绍,并介绍了两个面连接子系统的耦合关系,最后给出了混合FE-SEA的系统方程。建立了轿车FE-SEA混合模型,对FE车身的辐射效率进行了计算,通过试验对动力总成悬置激励和车身悬置激励进行了测量,在消声室内对发动机舱声辐射激励进行了测量,建立了CFD风洞仿真模型,并对车外风激励进行了计算,同时通过施加激励后的混合FE-SEA模型对车内噪声进行了预测,并与试验结果进行了对比,并对误差产生的原因进行了分析,对比分析结果表明,二者有着较好的一致性,预测绝对误差小于2.5 dB(A),计算精度满足工程要求,混合FE-SEA建模方法是一种有效的车内中频噪声预测方法。 相似文献
7.
8.
为提高经典VS-FxLMS算法的收敛性能以及规避MFxLMS算法不能同时兼顾收敛速度和稳态误差的缺陷,结合修反正切函数和归一化的方法,提出了一种可用于汽车车内噪声有源控制的VS-MFxLMS算法。应用MFxLMS算法、VS-FxLMS算法和VS-MFxLMS算法分别进行汽车车内噪声有源控制仿真实验。噪声有源控制结果的比较表明,与MFxLMS算法相比,VS-MFxLMS算法的收敛速度提高了1.5倍以上,稳态误差降低55%以上;与VS-FxLMS算法相比,VS-MFxLMS算法的收敛速度提高了25%以上,稳态误差降低了28%以上;为汽车车内噪声的有源控制提供了一种新方法。 相似文献
9.
中低速磁悬浮列车的车内噪声对乘客的舒适性有很大影响,而关于中低速磁悬浮车内噪声特性仿真分析较少,有必要开展中低速磁悬浮列车车内噪声预测与分析。首先基于统计能量分析(SEA)对中低速磁悬浮列车进行车内噪声建模;然后,对仿真结果进行功率流分析,得到车内最大噪声出现的位置与显著频段;最后分别针对声源激励和车体隔声进行车内噪声灵敏度分析。结果表明:中低速磁悬浮列车车内最大噪声出现在客室中部和250 Hz~800 Hz频段内,这与车下声源分布有密切关系。地板隔声和受电靴-供电轨系统空气声源激励变化对车内噪声影响最为显著。通过统计能量分析和灵敏度分析对中低速磁悬浮车内噪声进行预测和分析,为我国中低速磁悬浮列车的低噪声设计提供有益参考。 相似文献
10.
11.
车内噪声控制中的结构-声场耦合模态分析方法 总被引:4,自引:0,他引:4
车内噪声中的结构噪声是由车身结构振动与车内空腔声场的耦合产生的,传统的振动模态分析方法在针对车内噪声控制时由于没有考虑这种耦合特性而存在很大的局限性。本文在介绍结构-声场耦合模态分析方法的原理基础上,研究了该方法在车内噪声测试分析与控制中的应用与工程实现,并开发出了相应的测试分析系统。该系统在某车车内噪声控制中取得了明显的降噪效果。 相似文献
12.
13.
基于FEM-BEM的轿车车内低频噪声综合分析方法 总被引:1,自引:0,他引:1
使用NASTRAN和SYSNOISE软件,采用FEM声固耦合及FEM-BEM耦合方法对轿车车内低频噪声进行分析,并根据车身板件贡献量分析结果提出合理的结构修改方案,改善车内特定检测点的噪声状况。 相似文献
14.
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
15.
为了能更好地实现对车内噪声的控制,提出了一种基于sym6小波的离散小波变换(DWT),将其与FxLMS结合形成DWT-FxLMS主动噪声控制算法,并构建相应的主动噪声控制(ANC)系统模型。将采集的车内噪声作为参考噪声源,参考信号经由Mallat塔式算法实现的离散小波变换分解为具有多分辨率的多个子带,再由FxLMS算法处理,最终经离散小波逆变换实现信号的重构。利用计算机仿真分析该算法对车内噪声的控制效果并与时域FxLMS算法(TD-FxLMS)和频域FxLMS算法(FD-FxLMS)进行比较。结果表明,与TD-FxLMS算法相比,DWT-FxLMS算法大大降低了计算复杂性且收敛性更好;与FD-FxLMS算法相比,DWT-FxLMS算法能有效地消除稳态和非稳态噪声,而FD-FxLMS算法无法有效消除非稳态噪声。 相似文献
16.