融合盲源分离的船舶耦合振源传递路径分析技术研究

为解决工况传递路径分析(OTPA)方法面临的核心问题,提升OTPA方法应用范围和工程实用性,提出一种融合盲源分离的传递路径分析技术。首先,结合舱段模型振动试验,深度剖析OTPA方法面临的振源交叉耦合和遗漏振源无法识别等问题;然后,将盲源分离(BSS)技术和OTPA方法进行集成、融合:引入经验模态分解(EMD)-特征值分解的源数估计方法定量估计振源个数,指导振源输入测点的选取;视多个振源信号为卷积混叠,引入非正交联合块对角化方法进行耦合振动源的分离;在解决分离振源排序不确定性的前提下,将分离出的振源作为OTPA方法的输入振源,建立应用限制条件少的BSS-OTPA模型;最后,开展实船海上振动声辐射试验,利用BSS-OTPA模型成功实现了船舶机械振动噪声源的量化、识别。研究成果可直接支持船舶机械设备振动源辐射声场预报和振动噪声控制。     

基于OTPA方法的挖掘机驾驶室结构噪声源识别

工况下传递路径分析方法(OTPA)是在传统TPA方法的基础上改进而来的。目前OTPA方法已经广泛应用于工程机械领域振动信号之间的传递特性分析中,而在振动和噪声信号之间的应用较少。应用OTPA方法,以发动机振动为主要激励源进行分析,研究某型液压挖掘机的驾驶室耳旁结构噪声,并采用奇异值分解技术对输入信号进行处理。通过对比合成信号和实测信号,验证OTPA方法的有效性。通过各路径的噪声贡献分析,对降噪措施提出建议。     

工况传递路径分析法原理及其应用

工况传递路径分析法（OTPA）是一种有效振动传递路径的在线测量方法,测试中用振源处的振动加速度或噪声表征振源,用振动传递率表示传递路径,相对于传统传递路径分析（TPA）,不需要测量激励力和力到响应的传递函数（FRF）,测试过程得到简化,并可以在线测量。在推导分析工况传递路径的基本原理的基础上,分析其误差原因。并以一汽车振动噪声分析为例,介绍工况传递路径分析法的基本实施步骤,通过传递路径综合分析得出噪声源排序,并由此提出减振降噪措施建议。     

利用改进重相干分析改进订标机工况传递路径模型

工况传递路径分析(OPA)在应用过程中可能存在传递路径遗漏或错误估计问题。为此,以缝纫式订标机为研究对象,针对其振源之间存在互相关情况,将基于偏相干理论改进重相干分析技术,应用于订标机工况传递路径模型优化。基于改进重相干分析技术,利用Matlab对多输入-单输出工况传递路径模型进行分析,改善重要传递路径被遗漏情况,确定对目标点输出影响较大的输入信号,剔除次要输入,最终建立起更符合订标机真实系统又相对简化的六输入、单输出工况传递路径模型,为更深入的工况传递路径分析提供可靠前提。     

基于信号分离技术的波束形成算法研究

波束形成算法具有计算效率高,计算结果稳定等优点,被广泛应用于噪声源定位。因此,对波束形成算法的深入研究及扩展具有重要的意义。特征值分解、相干输出谱分析等技术能够对被测信号进行分解,常用于信号分离和贡献量分析,具有广泛的研究与工程应用价值。结合上述信号分离技术,将特征值分解和相干输出谱分析应用于波束形成算法的前处理,提出基于特征值分解和相干输出谱的两种“衍生”波束形成算法。在此基础上,采用圆形二维传声器阵列对三个人工白噪声声源进行声源定位测试,数据分析结果验证基于特征值分解和相干输出谱的波束形成算法对声源识别和声源云图分离的有效性。两种算法均能够对声源云图进行有效分离,进而将各个声源云图与其激励源相关联。     

水下耦合机械噪声源的量化识别及试验

目前水下机械噪声源及其传递路径识别效果较难。为此,将盲源分离算法和传递路径分析方法融合和集成。视多振源信号为卷积混叠,结合LU分解,提出一种新的非正交联合块对角化方法进行耦合振动源的分离。将分离振源作为工况传递路径分析方法的输入振源,建立水下机械振动噪声源识别算法,并对潜艇舱段模型的水下振动-声辐射试验对算法进行验证。结果表明,与现存方法相比,该盲源分离算法具有易实现、收敛速度快、精度高等优点;所集成的源识别算法在水下声场预报和振源贡献量排序中的性能均优于振源耦合时的结果,与实际情况吻合好,达到了高效、准确地识别机械噪声源的目的。     

OTPA结合声场分析在路噪开发中的应用

针对纯电动汽车低频路噪问题,提出将工况传递路径0TPA(Operational Transfer Path Analysis)与声场分析相结合的识别和控制方法。针对某款纯电动汽车25 Hz～32 Hz频带低频路噪问题,通过OTPA分析确定尾门是车内低频声的主要贡献路径;通过车内声场分析车内低频声分布的特点,确定尾门和上车体顶棚与车身的相对振动在车内产生低频驻波;对尾门的安装约束状态进行优化以降低尾门振动,降低噪声峰值6.5 dB(A),主观感受改善明显。该方法提供了OTPA与传统的试验分析方法相结合的思路,拓展了OTPA在路噪开发中的应用。     

改进的工况传递路径分析

传递路径分析(transfer path analysis, TPA)为解决工程中的许多振动噪声问题提供了较好的解决方案,但是也存在测试效率比较低、测试过程比较繁琐等缺点。工况传递路径分析(operational transfer path analysis, OTPA)作为一种改进的TPA方法,由于其具有操作简单、测试效率高等优点,受到了工程界的青睐。但是,OTPA在提高测试效率的同时却降低了测试的精度。此外,OTPA对于传递路径的定义与传统的TPA存在差异。为了改进现有的OTPA方法,提出了一种利用主被动侧耦合点响应之间的差值来替代原先OTPA中的参考点响应信息的方法。理论分析和实验都证明了所提出的方法在工作量相当的前提下提高了OTPA的测试精度,且路径的物理意义和传统TPA保持一致。     

广义Tikhonov正则化工况传递路径分析

工况传递路径分析(OTPA)是定位振动噪声问题的有效方法,广泛应用于各类工程领域中。但工况传递路径分析在估计传递率函数矩阵时,是一个病态的反问题,常用标准Tikhonov正则化法来改善病态性。标准Tikhonov正则化法以单位矩阵为正则化矩阵,经奇异值分解,得到的奇异向量振荡较严重,构成的正则化解准确度较低,因此路径贡献量的计算精度较低。针对此不足,以一阶偏导矩阵作为正则化矩阵,结合广义奇异值分解,得到振荡幅度更小的广义奇异向量。以广义奇异向量为基向量,并采用L曲线法选取正则化参数,得到广义Tikhonov正则化解,从而实现工况传递路径分析。最后通过工况传递路径分析仿真与实验验证了广义Tikhonov正则化工况传递路径分析方法的有效性。结果表明,与标准Tikhonov正则化相比,各路径贡献量的准确度更高,有效地提高了工况传递路径分析的精度。     

基于工况传递路径分析方法的空调器室外机噪声源识别

使用工况传递路径分析(OPA)方法对某空调器室外机中压缩机的空气声及结构声传递路径进行识别。为了减弱3个安装支脚结构路径间的交叉耦合,将压缩机减振脚垫两端的振动加速度差作为压缩机支脚输入振源。通过路径贡献量分析定位引起室外机噪声异常的主要贡献路径,最后通过对该路径的改进,室外机噪声异常得到有效改善,噪声降低6.7 dB(A)。     

水电站机组与厂房结构耦合动力系统振动传递路径识别

针对水轮发电机组与厂房结构相互作用耦合动力系统的振动传递路径及传递方向反分析问题,提出基于信息流理论的延时传递熵识别方法。结合数值模拟分析,研究基于传递熵的水电站振动信息传递路径识别方法;结合现场测试资料开展对原型水电站中不同振源信号传递方向、传递途径识别。为进一步分析水电站振动传递规律、振源位置及内在机理提供新的时域识别方法及相关研究结论。     

运动物体噪声场分解的传递路径声全息方法

声全息及波束成形技术可以通过对阵列噪声信号处理,获得运动物体表面声场的分布。如果物体中声源相距较近或声源相关性较高,该方法不能有效区分每个声源对目标表面声场的贡献。提出了一种基于声源特征的传递路径声全息方法。该方法同时采集外场阵列面信息及物体上声源参考信息,在声源识别过程中,结合声源传递路径对采样面信息分解,然后采用声全息技术重建声源,实现声源识别和声场分解。介绍了该方法的识别过程,并与传统的声全息方法进行多声源仿真对比;最后应用该方法进行了实际汽车噪声源的分解。结果表明,该方法能有效识别并分离出运动物体的噪声源。     

基于阶次和传递路径分析的电驱动总成对车内噪声影响

为了探究电驱动总成对车内噪声的影响,对某纯电动汽车进行急加速工况下的试验研究。基于阶次分析确定车内噪声与电驱动总成振动噪声之间的关联,并识别电驱动总成对车内噪声影响较大的激励;基于奇异值分解改进的工况传递路径分析（Operational Transfer Path Analysis,OTPA)方法,分析对车内噪声影响最大的激励通过结构路径和空气路径对车内噪声的贡献情况。结果表明由空间0阶径向电磁力引起的频率24阶激励和48阶激励对车内噪声影响较大,其中24阶激励影响最大。在低转速区间,24阶振动激励和24阶声学激励通过结构路径对车内噪声贡献和通过空气路径基本一致;在中高转速区间,24阶声学激励通过空气路径对车内噪声贡献较大;在高转速区间,24阶振动激励通过后悬置Z方向结构路径对车内噪声贡献较大。研究结果从激励源和传递路径两个方面为降低纯电动汽车车内噪声指明方向。     

基于WOA-VMD改进的信号盲源分离研究及应用EI北大核心CSCD

准确有效识别出水电站厂房振动信号的各个振源,对于水电站长期安全稳定运行有重要指导意义,盲源分离(blind source separation,BSS)是进行信号分解与振源识别的一种有效方法。为了实现水电站厂房复杂环境下振动信号的盲源分离,建立一种基于鲸鱼算法变分模态分解(whale optimization algorithm and variational mode decomposition,WOA-VMD)降噪改进的信号盲源分离模型。采用WOA-VMD和相关法对观测信号进行降噪处理,确保盲源分离结果的准确性;求解多维降噪信号的协方差矩阵并进行奇异值分解,采用优势特征值法进行源数估计;最后对降噪信号进行中心化、白化前处理,通过联合近似对角化算法得到分离矩阵,实现观测信号的盲源分离。仿真结果表明:相较于传统盲源分离模型,改进模型将分离信号与源信号的相关系数分别提升了9.1%,7.1%,8.3%,分离信号主频误差也均有所降低。将该方法运用到水电站厂房振动工程实例,也取得了较好的分离效果。     

采用基于传感器信息组合串扰消除法的工况传递路径分析

传递路径分析法是一种分析噪声源贡献大小的有效方法,工况传递路径分析法不需要测量力,只需测量响应就可在机组运行状态下在线完成源贡献量测量与分析。但是串扰对测量精度影响很大,因此提出基于传感器信息组合串扰消除法的工况传递路径分析,在振源附近布置传感器,将测量得到的传感器信号进行频域组合;组合系数通过分步运转,测试振动噪声数据并建立方程,以其它振源振动引起某振源附近传感器的组合信号为0求解方程获得;将线性组合的传感器信号作为参考源信号参与工况传递路径分析,从而消除或减小串扰,准确获得各源的贡献。通过一个两声源的仿真和两个振源的平板试验,演示了分析方法,准确分析了各源贡献,表明采用传感器组合法消除串扰后可以提高激励源的辨识精度,并对传感器个数的影响进行了讨论。     

基于混合TPA的水电机组厂房振动传导研究

机组的稳定运行对水电站厂房上下游的经济和社会发展具有重要支撑作用,新时期对水电机组厂房的稳定性要求愈发增高,但以原型观测为基础的振动理论分析与工程实践仍然滞后。为解决水电厂房测点数量不足的问题,该研究以原型观测为基础,考虑大体系非线性结构的耦合振源传播与放大机理,以实测与仿真计算频响函数(frequency response function, FRF)为核心,搭建混合振动传递路径分析(transfer path analysis, TPA)模型,开展原型-仿真联立分析的水电机组振动传递研究,识别水电机组未测振源、确定振动成分的贡献量等,明确影响响应目标点振动水平的根本原因,并提出局部结构减振措施,形成一套基于传递路径分析方法的水电站厂房振动分析与控制,为我国水电机组的安全稳定运行、结构设计和优化奠定理论基础。     

冰箱侧壁振动传递路径分析试验研究

某型冰箱振动较大,为明确振源及其主要传递路径,采用振动传递路径分析方法进行测试分析,本文介绍频域法传递路径分析的原理和传递函数及激励力的测量方法,试验结果找到了对冰箱侧壁振动贡献最大的激励源和传递路径,根据分析结果对冰箱底板改进设计后冰箱侧壁振动降低,验证了传递路径分析方法对振动源识别和贡献分析的可靠性。     

利用部分声源面测量数据识别噪声源

为利用声源面少量测量数据识别噪声源,提出了一种基于声辐射模态的联合利用声压与法向振速进行噪声源识别的方法。首先,对辐射声阻抗矩阵进行特征值分解,得到基于振速的声辐射模态;然后,推导出了与基于振速的声辐射模态具有一一对应关系的基于声压的声辐射模态;最后,建立了联合利用声压与法向振速的噪声源识别公式。进行了单点激励下的简支平板数值仿真和固支平板激振实验,结果表明:该方法能够联合利用少量的声压与法向振速对声源面的声压和法向振速进行较好的重建,从而实现噪声源识别。该方法的提出能够促进基于声源面测量的噪声源识别技术在工程实际中的应用。     

基于BSS的含噪声机械振动信号分离研究

水下航行器的噪声源识别面临的两个问题(:1)无法获得振源信号(,2)测得振动信号有环境噪声影响且振源之间相互耦合。将环境噪声作为一个独立的噪声源,给出瞬时混合信号的盲源分离(BSS)数学模型;利用基于二阶统计特性的两次去相关盲源分离算法,对机械振动加白噪声的混合信号和水池试验实测混合信号进行分离;通过试验验证两次去相关盲源分离方法可以用来解决上述问题。     

工况传递路径分析（OPA）方法在应用中的缺陷

工况传递路径分析（OPA）方法是传递路径分析技术中一项新的技术,由于其在应用中的高效性而引起了广泛的关注。本文利用经典传递路径分析方法（TPA）为参考,通过理论分析和实例验证两种方法,揭示了OPA方法在实际应用中的三个明显缺陷。第一种缺陷由于结构模态的影响,传递路径之间存在互相关,形成OPA的交叉耦合缺陷。第二种缺陷由于实际工况的限制可能导致传递率函数估计错误。第三种缺陷是对分析中遗漏传递路径的可能,OPA方法的拟合总值对比不能识别。这三个缺陷均会导致OPA分析失败,得出错误的结果。