汽车车内行驶噪声测试的阶次跟踪法

应用PULSE测试分析系统中阶次跟踪法,测试分析某型乘用车车内四个位置的噪声水平随发动机转速变化的关系.揭示了该型汽车在测试工况下,不同的转速对车内噪声的贡献规律.为降低车内行驶噪声和振动响应提供了重要的分析依据和参考.     

基于阶次分析的电梯曳引机异常振动分析

阶次分析是非稳态的信号分析方法.对于测量相关于旋转类、转速、或者是旋转机械的谐波阶次,都有很好的效果.利用其特性,特别适用于电梯这种旋转类机械设备的异常振动的分析和故障诊断.通过实际案例证明,阶次分析用于诊断电梯齿轮箱故障造成的异常振动有效,可以达到预期效果.     

纯电动客车振动噪声特性

对某纯电动客车加速和匀速工况下的振动噪声进行了试验研究,利用LMS声振信号采集系统采集车内的振动噪声数据,并采用频谱分析、阶次追踪等方法对振动噪声激励源进行分析,总结出电动车振动噪声特性。结果表明,匀速行驶时车内振动主要是悬架传来的路面激励;加速行驶时电机的激励较明显,尤其是在电机开关频率附近的高频激励。本文研究可为下一步电动车振动噪声的改进提供依据。     

大型客机发动机振动载荷传递特性研究

高涵道比涡扇发动机的振动冲击频段向低频转移,使得飞机舱内噪声频率分布中的低频结构传递噪声变得更加突出。为了研究发动机振动载荷通过机翼向机身传递的中低频振动特性,文章针对真实客机的结构动力特性,创新地提出了机翼双梁动力学模型概念,建立了"吊架-机翼-机身"全机动力学有限元模型;基于发动机的振动载荷谱,分析了发动机振动通过机翼向机身结构传递的载荷特性,为后续舱内噪声预计提供了数据输入;并仿真辨识了发动机振动传递的主路径,为舱内声学设计及发动机隔振安装提供了基础数据。文中研究结果对我国大型客机的减振降噪设计工作有重要的工程参考价值。     

发动机液压悬置动特性分析

根据典型液压悬置的物理结构建立数学模型和仿真模型,并对其动特性进行仿真计算与试验验证,试验结果证明了数学模型及仿真模型的正确性和适用性,最后分析了各个元件参数对液压悬置动特性影响规律。     

基于声压灵敏度分析的轿车车内低频噪声优化

建立了含门窗的车身结构有限元模型、车内声场有限元模型及结构-声场耦合模型,进行了车内耦合声场预测。建立了车内声场声压灵敏度分析模型,研究了声场边界导纳和壁板振动速度的声压灵敏度,并根据分析结果优化了关键板件的加强筋和厚度,优化后车内声压主要峰值降低2~3 dB(A)。     

一种基于电阻应变片的发动机悬置传递力测试研究

发动机悬置系统的传递力可以对悬置系统的隔振性能进行有效评价.针对悬置传递力在试验中难以获取的问题,以电阻应变片为敏感元件,制作了一款适用于发动机悬置的测力传感器,并搭建了相应的测试系统.使用底盘测功机在整车条件下对传感器进行了标定,得到了悬置传递力和传感器测试信号的比例关系.在整车定置和道路试验工况下进行测试,获得了悬...     

基于GRNN的车内噪声品质预测

以8辆不同类型轿车的4种不同车速匀速行驶时采集到的32个车内噪声样本为研究对象,以响度、尖锐度、粗糙度和抖动度4项心理声学客观参量作为输入,以主观评价团对车内噪声的舒适度打分作为输出,分别使用广义回归神经网络、BP神经网络和多元线性回归分析建立车内噪声品质预测模型并对声品质进行预测。三种方法的预测结果表明:广义回归神经网络相对于其他两种方法具有更高的准确度,相对预测误差为-7%～7%,较多元线性回归分析能更准确地描述客观评价参量与主观舒适度之间的非线性关系,并且较BP神经网络具有更高的准确度及稳定性。     

Coupled analysis of engine noise and interior noise of an automobile

The coupled model of a four-cylinder internal combustion engine and a dash panel was constructed to analyze the relationship between the engine noise and interior noise of an automobile. Finite element analysis, flexible multi-body dynamics, and boundary element analysis were integrated to obtain the tetrahedron-element models, structural vibration response, and radiated noise,respectively. The accuracy of the finite-element model of the engine was validated by modal analysis via single-input multi-output technology, while the dash panel was validated by sound transmission loss experiment. The block was optimized to reduce the radiated acoustic power from the engine surface. The acoustic transfer path between the engine cabin and passenger compartment was then established. The coupled analysis results reveal that the interior noise is optimized due to the engine noise reduction.     

轿车车内噪声测量分析及控制方法

阐述了轿车车内噪声分析及控制的方法。以某国产新型轿车后排座噪声较大的问题为例,从结构传播噪声和空气传播噪声两方面,对试验样车进行了各项道路试验,识别出影响车内噪声的主要噪声源。在此基础上,针对不同噪声源采取了各项减振降噪措施,取得了满意的降噪效果,为该车车内噪声控制途径指明了方向。     

车内噪声的声品质优化

提出了一种基于正交试验的车内噪声的声品质优化方法。车内噪声被分成由ERB临界频带组合的若干子频带噪声,并且每一子频带噪声的强度有降低、保持、增强三种变化状态。根据试验设计原理进行了不同车速时车内噪声的正交试验,分析了子频带噪声对声品质的影响,并得到了优化车内噪声品质的优水平、最优组合和主次因素。通过实验,对用该声品质优化方法得到的结果进行了验证。结果表明:该声品质优化方法可用于产品的声品质优化改进,并指明了改善车内噪声品质的方向。     

车内噪声品质的主观评价试验与客观量化描述

以4种类型轿车在不同档位和车速下匀速行驶时副驾驶员耳旁噪声采集样本为评价对象,对车内噪声品质用等级评分和成对比较两种方法进行了主观评价试验,分析计算了各噪声样本的主要心理声学客观参数,并通过相关分析和多元回归分析,建立了以客观参数描述主观评价结果的数学模型。研究结果表明,稳态工况下轿车车内噪声品质主要受响度和尖锐度两个心理声学参数影响。     

一种基于车辆噪声的速度测量方法

为了解决现代交通中的车速检测问题,提出了一种基于车辆噪声的速度测量方法。该方法通过采集单个车辆的噪声信号,运用傅里叶变换、开窗口等信号处理手段对其进行信号分析,根据车辆的速度与多普勒频移之间的关系估算车速。在特定条件下进行实验设计与验证,该方法可靠、有效。     

车内噪声统计能量分析预测与试验

阐述了统计能量分析方法的基本原理,利用统计能量分析(SEA)方法将某国产轿车划分为41个子系统,建立了国产某轿车三维实体模型。用解析方法计算了各形状规则子系统的输入参数,采用导纳法对复杂结构子系统的模态密度进行测试,利用稳态能量流方法测量了复杂结构的内损耗因子。计算了结构-结构、结构-声腔以及声腔-声腔间的耦合损耗因子。通过试验测量了动力总成振动和路面随机输入对车身的激励,并在消声室内对发动机舱声激励进行了测试,建立了被试轿车的CFD模型,对车外风激励进行了仿真计算。在上述研究工作的基础上,建立了该轿车的SEA模型,分析预测了车内噪声的1/3倍频程频谱,并与试验结果进行了比较,证实了本文所建统计能量分析模型的可信性。结果表明,所建立的SEA模型能够满足工程上在汽车产品开发设计阶段对车内中高频噪声分析预测要求。     

基于语义细分的车内声品质模糊综合评价

针对传统的语义细分法难以在声品质主观评价试验中获得评价对象整体感受择优排序的不足,提出了一种基于语义细分的声品质主观模糊综合评价方法,建立了适合于车内声品质主观评价的声音属性评价指标,确定了声音属性的结构及层次划分,根据不同试验确定了声音属性的关注程度各级指标权重。以在某轿车车内采集到的15个噪声样本为评价对象,分别利用该方法和成对比较法对声音的"豪华感"进行主观评价试验,并对评价得分进行排序比较。结果表明:本文提出的声品质主观模糊综合评价方法可在有效地维持评价主体原有任务量不变的情况下,准确地得到声音样本感知属性的评价等级隶属关系,以及声音样本整体主观感受评价得分的择优排序。     

基于径向基函数神经网络的车内噪声品质评价系统

为了高效而准确地对车内噪声品质进行评价,针对B级车稳态工况下的车内噪声,建立了基于径向基函数(RBF)神经网络的声品质评价系统。用等级评分法对30个稳态噪声信号进行了主观评价试验,并通过相关分析得出了对声品质有重要影响的客观参量。采用RBF神经网络构建了车内噪声品质的评价模型,其预测平均相对误差为4.5%。以评价模型为基础,采用模块化设计方法和多线程并行处理技术,设计了基于虚拟仪器的声品质评价系统。测试结果表明:该系统比传统的主观评价试验系统的测试时间缩短了90%,并提高了评价结果的质量。