基于相干分析的复杂船舶系统噪声源识别方法研究

首先介绍常相干分析、偏相干分析和重相干分析等相干分析理论;然后针对复杂的船舶机械系统,提出多输入单输出系统低频线谱噪声源识别和分离方法;接着基于典型船舶系统振动噪声测试结果,开展系统低频线谱噪声源的识别和分离,得到系统主要低频线谱的来源。实际工程应用表明,研究提出的噪声源识别方法,可以提高工程中振动噪声问题治理的效率和准确性,为复杂船舶系统噪声源治理提供有力支撑。     

基于相干分析的高铁简支箱梁结构噪声源识别方法研究

列车荷载作用下桥梁结构振动产生的低频结构噪声会给轨道交通沿线环境带来噪声污染问题,该文给出了基于相干分析的桥梁结构噪声源识别方法。首先确定了频谱分析与相干分析相结合的噪声源识别方法,介绍了频谱分析法、常相干分析、偏相干分析的方法和流程,给出了偏相干分析中最优线性条件输入模型的迭代求解,编制了相应的Matlab程序;其次针对成灌铁路一座高架桥的振动与噪声综合试验的实测数据,结合频谱分析和常相干分析方法讨论了桥梁结构振动的噪声辐射机理,通过偏相干分析对桥梁结构噪声进行了噪声源分离与识别,由重相干函数的分析可以定性得到结构噪声的影响区域。综合分析表明,相干分析结合频谱分析的噪声源识别方法可以得到结构局部振动与所辐射的结构噪声之间的相互关系,能较好地分离识别存在相干关系的各结构噪声源的独立贡献和频谱特性,可以为桥梁结构的减振降噪措施提供理论指导。     

基于BEM/FEM的船舶注水系统管路噪声分离预报

船舶注水系统振动与噪声突出,亟待采取针对性措施予以治理。基于有限元法和边界元法,提取流场计算中注水系统管道及阀门壁面脉动压力,分别作为偶极子噪声源和结构振动激励源计算系统流噪声和流激振动噪声,实现注水系统辐射噪声分离预报。分析流噪声和流激振动噪声声压级的频谱特性和能量贡献比,结果表明流噪声能量在总噪声能量中占比较高,应该优先针对流噪声采取相应的降噪措施。     

基于小波偏相干分析的车内噪声源识别

为了对复杂多相关声场下的汽车车内噪声源进行准确、快速地识别,提出了一种基于小波偏相干分析的噪声源识别方法。该方法通过连续复小波变换与时频偏相干分析获取声源测点与接收点噪声的时频偏相干函数与瞬时相位关系,并通过模拟信号加以说明;利用该方法对车内异常噪声进行声源识别,并基于分析结果改善车内噪声水平。结果表明:车内异常噪声源于发动机激励前副车架,从而导致副车架与车身连接点的结构振动噪声所致,进而对连接点橡胶衬套进行优化设计;改进后,通过道路试验主观评价并结合声品质分析得知车内噪声水平改善效果明显,进一步验证了所提出的噪声源识别方法的有效性。     

基于时频偏相干分析的关门异响声源识别

针对基本的偏相干算法识别非稳态噪声源的误差缺陷,提出一种适用于瞬态问题的时频偏相干算法。该算法在声振信号的时间均匀切片基础上,以一定的采样间隔求取测点信号与响应点噪声的偏相干关系,并根据信号的重叠率对结果进行平均。利用该算法对某车型关门振动噪声的振源进行识别,分别从时域和频域的角度分析车门系统各部件对关门振动噪声的贡献。结果表明:在时域角度,玻璃、前导轨以及后导轨的振动贡献时间较长;在频域角度,比较关门噪声的主要频率的峰值带宽以及偏相干函数的RMS值,发现玻璃和内板的问题较为严重。依据此分析结果对车门进行改进,关门振动噪声的声品质改善明显,验证了该算法对瞬态噪声源识别的有效性。     

燃料电池车声振测试及噪声源识别

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。     

识别电机噪声谱优势频率的试验研究

本文以一数学模型描述电机噪声产生的机理.应用功率谱、相干函数、时间谱图和转速谱图对电机运行的振动噪声信号进行分析,并与电机结构的振动特性分析相结合,识别电机的振动噪声源.     

混合隔振系统逆解耦多线谱主动控制

由潜艇动力机械周期振动引起的辐射噪声是潜艇隐蔽航行的主要噪声源,在频域中表现为中低频多根分立的线谱,严重影响潜艇的声隐身技术性能。针对潜艇动力机械隔振系统存在的多根线谱问题,提出混合隔振系统逆解耦的多线谱控制方法。系统阐述混合隔振系统逆系统的构建方法、逆系统解耦的结构以及逆系统解耦后附加控制器的设计方法。最后,给出一个设计实例并进行仿真计算,结果表明基于逆系统解耦的方法能够有效的降低系统中存在的多根线谱。     

剑杆织机前馈-反馈张力控制系统的分析与设计

在分析剑杆织机张力控制中噪声源及噪声特性的基础上,提出控制结构和控制器的设计方法,选择合适的模拟低通滤波器,对检测通道的高频振动信号和随机噪声进行滤波.针对周期性低频振动噪声,一方面,采用频谱分析定周期+相干平均法定信号的方法估计模拟低通滤波器后的周期性振动噪声,并在反馈通道进行补偿,提高控制性能;另一方面,采用频谱分...     

工业平缝机噪声源定位与低噪声结构设计

为了确定工业平缝机的噪声源,进而开展低噪声结构设计,首先进行平缝机振动与噪声信号测试实验,通过振动与噪声信号的时域分析,确定出机架产生共振是导致噪声峰值产生的原因;通过振动加速度信号与噪声声压信号的常相干分析和重相干分析,确保振动加速度信号能准确解释噪声声压信号。然后通过振动与噪声信号的偏相干分析,确定机架Z方向的振动为噪声产生的主要原因,机架应作为平缝机低噪声结构设计对象。最后基于噪声源定位结果,进行机架低噪声结构设计。实验结果证明,改进后的机架能降低平缝机运行噪声,证明噪声源定位结果有效。     

改进的复杂噪声源识别方法

在原来层次分析理论的基础上,改进了判别矩阵构件方法及偏差修正方法。结合相干、偏相干理论,通过仿真研究对比了基于相干功率谱的层次分析法和基于偏相干的层次分析法,研究结果表明基于偏相干函数的噪声源层次诊断方法是解决具有强相干性多源系统的噪声源识别问题的一种有效方法。     

基于DNN和改进K-means的船舶辐射噪声开集识别方法

为提高船舶噪声识别系统的性能,实现开集识别,提出了基于深度神经网络(Deep Neural Network, DNN)和改进K-means的船舶辐射噪声开集识别方法。首先,采用Welch功率谱估计方法提取船舶辐射噪声的特征;然后,设计并应用DNN模型进一步提取特征向量;最后,使用改进的K-means模型实现开集识别。在实测数据上进行了实验,结果表明,所提方法能实现船舶辐射噪声开集识别,对于实测数据的平均识别正确率为93.5%,较DNN+K-means++方法提高了6.2个百分点。对实测数据添加实验船发动机噪声或渔船噪声进行实验,结果表明,识别方法在其他船只噪声干扰下具有较好的鲁棒性。     

基于SVM的船舶上层建筑舱室噪声预报方法

摘 要：为对舰船舱室噪声进行精确预测,提出了基于SVM（支持向量机）的舱室噪声预测方法。采用RBF核函数和ERBF核函数,以某集装箱船上层建筑舱室噪声为训练样本,建立了两种集装箱船上层建筑舱室噪声的非线性回归模型;并应用两种模型对母型船及另一艘集装箱船上层建筑舱室噪声进行预测,并将预测结果进行了比较分析;在此基础上,应用效果较好的模型对一艘散装货船上层建筑舱室噪声进行预测。预测结果表明：应用SVM非线性回归模型对船舶上层建筑舱室噪声的预测是可行的,预测效果较为理想。     

一种自适应模拟舰船噪声重构方法

提出了一种自适应模拟噪声重构方法(AMNR-Adaptive Modeling Noise Reconstruction)。该方法将噪声重构过程看作未知被控连续输入、输出系统,在已知系统输入、输出特性的情况下,采用自适应模拟技术建立并在线自适应修正噪声重构系统的传输函数,实现了通过高斯随机序列对舰船噪声的重构和任意长度重构噪声波形的连续输出。实测舰船噪声重构应用实例表明,本文所提方法重构误差小、实现方便,且重构噪声波形具有连续相位,从而解决了因重构噪声非连续输出带来的带内能量泄漏和功率谱随机波动等问题。     

基于深度学习的舰船辐射噪声多特征融合分类

为了改善分类系统的性能,进一步提高舰船辐射噪声分类的正确率,该文提出了一种基于深度神经网络的多特征融合分类方法。该方法首先提取舰船辐射噪声几种不同的特征,将提取的特征同时用于训练具有多个输入分支的深度神经网络,使网络直接在多种特征参数上进行联合学习,通过神经网络的输入分支和连接层实现特征融合,再对舰船辐射噪声进行分类。为了特征深度学习提取了舰船辐射噪声的频谱特征、梅尔倒谱系数和功率谱特征,并将多特征融合分类方法与在一种特征上进行深度学习分类方法的正确率进行对比。实验结果表明,基于深度学习的多特征融合分类方法可以有效地提高舰船辐射噪声分类的正确率,是一种可行的分类方法。     

基于模板匹配的舰船螺旋桨叶片数识别方法

针对在舰船辐射噪声DEMON线谱信噪比低时,传统使用的基于模型或专家系统的叶片数识别方法存在错误率高且识别结果不稳定的问题,提出了一种基于模板匹配的螺旋桨叶片数识别方法。该方法建立了不依赖于样本的模板库,设计了模板匹配算法和识别结果置信度算法,较好地解决了传统的叶片数识别技术所存在的数学模型失配或规则不全、样本不完善性等问题。对实测数据的分析表明,该方法明显降低了叶片数识别的错误率,使目标类型识别结果趋于稳定。     

潜艇舱段模型机械声源定量识别试验研究

针对潜艇机械声源的分离量化问题,采用了将偏相干输出谱分析与层次分析相结合的层次诊断方法。建立了复杂噪声源分离量化的递阶层次结构,并通过两两比较构造判断矩阵,通过各层权重组合处理得到各噪声源的分离量化结果;为了验证该方法在实际工程应用中的有效性,开展了潜艇舱段模型机械声源定量识别水池试验研究,采用层次诊断分析方法实现了机械声源贡献分离,并通过模型偏心电机、激振器单机和组合单机试验工况考核了机械声源分离精度。经舱段模型试验验证,采用层次诊断方法得到的机械声源贡献分离偏差小于3 dB(50 Hz~1 kHz)。舱段模型试验验证了层次诊断方法在机械声源定量识别中的可行性,并为该方法的工程实用性提供支撑。     

基于小波包分解和PCA-Attention-LSTM的舰船辐射噪声识别技术

为了改进舰船辐射噪声分类系统的性能,进一步提高识别准确率,文章提出了一种基于多特征的小波包分解在长短期记忆(LongShort-TermMemory,LSTM)网络中分类的方法。该方法首先通过小波包分解技术,分频段提取舰船辐射噪声的多种特征,将提取的特征利用主成分分析法(Principal Component Analysis, PCA)进行数据降维,通过添加注意力机制(Attention Mechanism)算法的LSTM网络,对辐射噪声结果分类,提高了学习效率和识别准确率。为了更精细地提取特征,分频段提取了舰船辐射噪声的时频域特征、小波变换特征和梅尔倒谱系数等特征,并将分频段与不分频段的特征、多特征与单一特征、不同信噪比间的算法性能进行对比。实验结果表明,基于小波包分解和PCA-Attention-LSTM的模型可以有效地提高舰船辐射噪声分类的性能,是一种可行的分类方法。     

偏相干分析识别噪声源的计算

主要介绍了偏向干分析方法的基本理论以及在Matlab中编程计算。给出了偏相干函数的循环迭代的 计算方法,计算了各个噪声源的偏相干函数,并应用于机车司机室噪声源识别。表明用Matlab编写的计算程序有 效可靠,偏相干方法能有效识别相干声源。