基于独立分量分析及小波变换的内燃机辐射噪声盲源分离和识别

为了分离和识别内燃机噪声源,结合独立分量分析和小波变换技术对内燃机辐射噪声信号进行了盲源分离和声源识别的研究.根据独立分量分析的基本原理,采用基于负熵极大的FastICA算法对4缸柴油机的辐射噪声信号进行了盲源分离,将噪声信号分解成一系列独立分量.采用快速傅里叶变换和小波变换技术对各个独立分量进行了分析,结合时频分析的结果和内燃机各噪声源信号的频谱结构,确定了分离得到的各独立分量与内燃机不同噪声源的对应关系.研究结果表明:这些独立分量分别对应着柴油机的燃烧噪声、活塞敲击噪声、正时齿轮噪声及排气辐射噪声等噪声源.     

基于独立成分小波分析的内燃机噪声源识别

对独立成分分析的基本原理和数学模型进行了简要叙述,以某六缸柴油机为研究对象,对其不同工况下的噪声信号进行了统计独立性和高斯性分析,噪声信号基本满足独立成分分析的前提条件。采用基于峭度的梯度算法对噪声信号进行了盲分离,得到一序列独立分量。为进一步识别各独立分量,采用傅立叶和连续复小波变换对其进行时频分析,并结合一些内燃机先验知识分析发现,这些独立分量基本上对应着内燃机的燃烧噪声、正时齿轮噪声、活塞敲击噪声等噪声源,因此,采用独立成分小波分析技术对内燃机噪声信号进行盲分离以识别其主要噪声源是可行的。     

TGDI汽油机噪声源时域分离方法研究

汽油涡轮增压缸内直喷(TGDI)汽油机噪声源时域分离对优化燃烧噪声、机械噪声和提升整机声品质至关重要．根据汽油机辐射噪声与缸内压力、转矩激励源之间的传递特性规律，将汽油机噪声分离并定义为燃烧噪声、转矩相关噪声和残余机械噪声．利用主成分回归分析和卷积理论，提出一种汽油机噪声源时域分离方法，建立TGDI汽油机噪声源时域分离模型，并利用缸内压力、转矩与总噪声之间的相干性，验证模型的正确性．开展TGDI汽油机噪声源的分离研究，获得燃烧噪声、转矩相关噪声和残余机械噪声等时域信号，通过倒拖试验方法验证残余机械噪声实测值与计算值之间的吻合程度，验证了分离结果的准确性；对分离后的3种类型噪声时域信号进行频谱分析，确定了3种噪声源的时、频域分布规律．     

基于独立分量分析和时频分析的柴油机燃烧噪声研究Ⅰ:燃烧噪声分析

燃烧噪声是柴油机最主要的噪声源之一,重点研究基于独立分量分析的燃烧噪声分离.首先针对柴油机噪声成分的复杂性,应用FastICA方法从噪声测试信号中分离了源信号分量,应用峭度检验了柴油机噪声信号的非Gauss性.根据时间信息识别了燃烧噪声和喷油噪声等独立分量.其次针对噪声信号的非平稳性,研究基于小波尺度谱噪声分量的时频特征分析.针对试验工况下的独立噪声分量,应用Morlet小波尺度谱在时频联合域内提取了各噪声分量的时频特征.     

基于独立分量分析技术的内燃机噪声源识别

为降低内燃机的噪声,需要有效地识别内燃机的众多噪声源。采用一种新的独立分量分析技术对采集到的内燃机混叠噪声信号进行分离,并结合噪声产生机理辨别出单个噪声分量对应于内燃机的相应噪声源,从而有效地识别内燃机噪声源。实践证明,该技术可以有效识别内燃机的混叠噪声。最后就噪声控制提出了建议。     

基于计算听觉场景分析的内燃机噪声源分离方法

为识别在时频域均混叠严重的内燃机燃烧噪声与活塞敲击噪声,提出并实现了基于计算听觉场景分析的内燃机噪声源分离算法.首先,对内燃机进行铅覆盖,只裸露待测部分,通过相关性分析寻找最佳测点位置,保证为分离算法提供更有效输入;其次,利用一阶差分麦克风阵列技术对实测信号进行处理,利用由独立分量分析与二值掩膜组成的时频分解过程对混合信号进行初步划分,分解过程不断迭代直至满足终止条件;最后,合并同源信号得到各分离分量,通过将分量与缸盖表面和活塞敲击处振动信号进行对比,验证分离结果的正确性.结果表明:新算法能有效分离内燃机燃烧噪声与活塞敲击噪声,且性能稳定,计算量小.     

两种声源识别技术在发动机噪声测试中的应用

分别通过声强法和声阵列法对同一发动机进行怠速工况噪声源识别测试,确定发动机进气侧、排气侧和皮带轮侧的主要噪声源,对两种方法测试得到的噪声源及其频谱特性进行对比,发现测试结果基本一致,证明利用声阵列技术进行发动机噪声源识别测试比声强法更加简单易行。     

基于信号分析的发电机组辐射噪声盲源分离和识别

具有独立分量的经验模态分解算法结合了独立成分分析算法和经验模态分解算法的优点,可通过单个观测信号将噪声源分解成一系列独立分量,保证了分离出的声源的独立性,同时利用小波变换技术对各个独立分量进行了分析,通过时频分析结果确定了各独立分量与发电机组各噪声源的对应关系,并通过试验进行了验证。研究结果表明:这些独立分量分别对应着配气机构噪声、平衡轴驱动齿轮噪声、正时齿轮噪声和进气噪声。     

基于EMD和HHT的内燃机噪声信号时频特性研究

简述了经验模态分解(EMD)和Hilbert-Huang变换(HHT)的基本原理与方法.设计仿真试验,验证经验模态分解方法和Hilbert-Huang变换技术对复杂信号的分解和时频分析能力.以某6缸发动机为研究对象,采用小波包分解方法对噪声信号进行滤波预处理,并对滤波后信号进行经验模态分解,得到多个具有不同频率的本征模态函数分量,分别对各分量进行希尔伯特黄变换,分析其幅值和频率随时间变化的特性,结合内燃机结构声辐射机理,分析各分量产生原因,识别噪声源.研究结果表明:经验模态分解方法和Hilbert-Huang变换技术适于分析内燃机噪声信号.     

AC算法的盲分离技术识别发动机的外部噪声源

发动机噪声源的识别是控制发动机噪声的一项关键技术,传统的办法是用仪器分别测试噪声源,测试办法复杂,仪器多。文中首次提出了,根据发动机的混叠噪声,用盲分离算法可识别出发动机的外部噪声源。用两个试验验证了新办法识别噪声源的有效性,且测试的仪器少。     

AC算法的盲分离技术识别发动机的外部噪声源

发动机噪声源的识别是控制发动机噪声的一项关键技术,传统的办法是用仪器分别测试噪声源,测试办法复杂,仪器多.文中首次提出了,根据发动机的混叠噪声,用盲分离算法可识别出发动机的外部噪声源.用两个试验验证了新办法识别噪声源的有效性,且测试的仪器少.     

基于连续小波变换的内燃机瞬态工况噪声信号时频特性研究

以某四缸汽油机为研究对象,发动机加速过程中,对前端噪声信号进行测试,并对采集的噪声信号进行等长度分段预处理。采用连续小波变换方法分别对各数据段的噪声信号进行时频分析处理,分析噪声信号能量在时频域内的分布规律,以及其主要频率成分随转速或时间变化的特性。结果表明,发动机加速过程中,噪声信号能量主要集中在2阶主谐次和转动基频构成的线性调频带附近,而且随着转速的升高,调频带附近的信号幅值和能量也随之增大。在调频带上方也分布着一些频率成分,但是其幅值和能量相对较小,而且随着转速的升高,其频率成分越来越丰富,能量分布也越来越广泛。     

基于声强法的发电机组噪声源识别研究

为控制发电机组噪声,判断主要噪声源,利用声强法对发电机组的噪声分布进行测试,对测试结果进行分析,得出发电机组及各个包络面的声功率、声功率级和频谱,并绘制了声强分布图,计算了各部件的声功率贡献率,从而确定了主要噪声频率,识别了该发电机组的主要噪声源位置及主要噪声部件,为噪声控制提供了改进依据。     

城市燃气电厂噪声识别与治理

某燃气电厂位于城市中心区域,电厂生产噪声对附近住宅高层住户产生影响,需要进行噪声治理.通过声相仪进行噪声源识别,结合设备近场及居民敏感点的噪声频谱分析,准确识别出影响高层住宅的电厂主要噪声源,同时利用专业软件对各噪声源贡献量进行准确分析,并对噪声源进行针对性治理,获得明显降噪效果.     

基于盲源分离算法的柴油机噪声激励源诊断北大核心CSCD

基于负熵极大化算法的盲源分离技术,结合小波变换谱分析技术提出了自适应系数负熵极大化盲源分离算法及连续小波变换(adaption negentropy maximum–continuous wavelet transform,ANM–CWT)综合分析技术。并利用ANM–CWT分析技术,成功识别出了怠速工况下发动机由燃烧产生的燃烧噪声激励源、由机械运动产生的机械噪声激励源及由活塞敲击气缸壁而产生的异响噪声激励源。     

汽油机噪声源识别及噪声控制研究

为了降低某型汽油机的噪声辐射，首先运用声强测试技术测量了该发动机四个面的表面辐射噪声分布，识别出噪声源；通过平均声压级和声功率级的测试验证了复合钢板试制的油底壳的降噪效果。研究结果表明：油底壳、皮带轮、进气、气缸盖罩为主要噪声源，复合钢板油底壳有良好的降噪效果，并提出了进一步降低该发动机噪声的改进措施。     

基于声发射技术的风电叶片复合材料损伤模式识别

为研究风电叶片玻璃纤维复合材料在疲劳工况下的损伤模式,文章基于声发射技术提出了一种主成分聚类分析和BP神经网络相结合的材料损伤识别模型。首先,采集损伤声发射信号,并提取相关参数进行分析,对不同疲劳损伤进行分类;其次,对数据进行主成分分析,以降低噪声信号,去掉冗余信息;再次,对主成分进行聚类分析,将样本分簇并找出各簇与损伤之间的对应关系;最后,基于BP神经网络建立损伤识别模型,并基于试验数据对识别网络进行测试训练。训练结果表明,识别模型对3种未知类型疲劳损伤的识别率均高于90%,对未知损伤具有较好的识别能力。     

内燃机传动噪声识别的小波分析方法

为了降低内燃机噪声必须确定其噪声源。基于内燃机噪声信号非平稳和周期性的特点,用模拟数据说明了将小波分析应用于内燃机噪声信号分析的合理性,并利用连续小渡变换对一台车用发动机前、后端的噪声源进行了识别诊断,确定了发动机的噪声源,证明了小渡分析是内燃机噪声源识别的一种有效方法。     

4缸柴油机怠速噪声及声品质优化研究

针对高压共轨4缸柴油机进行了怠速噪声测试、噪声源识别、降噪以及声品质优化研究工作.通过改变转速、预喷油量、预喷间隔角、轨压和主喷正时,研究了这些参数对怠速噪声的影响,并确定最佳值.通过燃烧噪声分析和噪声源识别,采取怠速噪声降噪措施.对怠速噪声优化前后的结果进行声品质比较,采取的电控标定优化和屏蔽措施能有效改善怠速声品质.研究结果表明:该4缸柴油机经过电控优化标定后的主要怠速噪声源为机械噪声,通过对齿轮室罩盖、气缸盖罩盖等薄壁件采取屏蔽措施,能有效降低怠速噪声,改善声品质.     

阶次分析在发动机进气噪声研究中的应用

进气噪声是发动机主要噪声源之一.为研究发动机转速对进气噪声的影响,采用阶次分析方法对一台车用四缸发动机的进气噪声进行了试验研究,首先分析进气口总声压级随转速的变化关系,并根据进气噪声阶次分析的特征分量分布,初步识别了其主要频率成分及相应噪声源,以及最大噪声产生时的发动机运行工况,分析结果可为发动机进气系统优化设计及噪声控制提供一定的参考依据.