客车车外噪声源识别及整车降噪研究

目前客车的车外噪声普遍偏高,成为城市中主要噪声污染源之一.以一款苏州金龙客车作为研究对象,采用选择运行法对其进行声源识别,结果显示风扇、消声器、油底壳为最主要噪声源.通过对主要噪声源采取吸声、隔声、消声等技术措施,有效地衰减了其向外辐射噪声.经权威检测部门测试,该车的整车噪声下降了4.6dB(A),达到了GB1495-2002第二阶段车外加速噪声限值要求.     

基于亥姆霍兹方程最小二乘法的运动声源识别研究

为有效解决水下运动声源的噪声源识别问题,研究了基于移动框架技术（MFAH）和亥姆霍兹方程最小二乘法（HELS）的运动声源识别理论,建立了基于MFAH与HELS的组合声全息算法,并通过了水池实验验证。实验研究结果表明该组合算法能够对水下任意形状运动声源进行准确识别,能够获得较高的声源定位精度,并且适用的频率范围较宽;对于存在多个相干声源的复杂声场,仅要求阵列的全息测量面为重建面的1.3倍就能够较准确的识别定位噪声源,实现了用小测量面、快速识别定位运动噪声源,为进一步的工程应用提供了方便     

摩托车整车噪声分析与消声器改进

基于噪声声压、声强测试,分析声压频谱、声强与声功率分布,识别某摩托车噪声源,结果表明,发动机缸头处与排气管处对整车噪声贡献相当,考虑优化成本和改进的复杂程度,主要针对排气消声器改进。利用有限元仿真手段和试验对原发动机排气消声器空气动力学性能和声学性能进行了研究,提出了消声器改进方案,通过消声器功率损失测试、插入损失测试和整车通过噪声实验,结果表明,改进方案使整车通过噪声降低1-2dB。     

复声强分析系统在车外表面辐射噪声源识别中的应用

根据复声强测量基本原理,提出基于LabVIEW软件开发平台,自行开发复声强分析系统.并利用该系统及声强分析软件对某型轻型卡车进行声强测量和声场分析,给出车外辐射表面的3D声貌图、等声强图,方便地对该表面辐射噪声源进行精确的定位和识别,提出控制车外噪声的相应策略,并作遮蔽发动机噪声的模拟试验,最终结果使车外加速噪声降低3.8dB(A).对降低该型卡车车外噪声提供有利的参考依据.     

ARJ客机进场飞行过程的起落架噪声的实验研究

对ARJ客机降落阶段的起落架噪声进行了现场测量分析,为了将起落架噪声源与其他噪声源分开,利用了阵列信号处理技术,实验发现:ARJ飞机起落架噪声主要集中在900 Hz以下,且前、主起落架均存在强单音噪声,对起落架噪声可能的声源来源进行了分析,为起落架降噪设计提供了支持。     

汽车噪声源识别实验研究

声强测试分析方法是一种有效的噪声源识别和声场分析方法。依据声强法的原理,对某型汽车的车外辐射噪声进行声强测试,并在此基础上对该车的主要噪声源进行识别和研究,为降低该型汽车的表面辐射噪声提供有效的参考依据。     

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。     

基于非负最小二乘反卷积波束形成的发动机噪声源识别

为提高波束形成方法识别发动机噪声源的位置精度,开发了FFT-NNLS反卷积波束形成声源识别软件。对已知单声源、不相干双声源、相干双声源等多种模拟声源的识别结果表明：该方法能够有效消除旁瓣,显著提高空间分辨率,随迭代次数的增加更快收敛,更准确地识别声源。某发动机全负荷额定转速工况下的噪声源识别试验结果表明：气缸盖罩、缸体、排气旁通阀、发电机是其主要噪声源。为改善其声学性能指明了方向,验证了FFT-NNLS反卷积波束形成在发动机噪声源识别中的有效性和所开发软件的正确性。     

引入声全息技术的发动机噪声源识别试验研究

针对某型3缸汽油发动机运用声全息技术进行发动机噪声源识别。首先在台架上对发动机进行1m声压级瞬态测试,由此确认进气侧的噪声辐射最大。然后在进气侧进行声全息试验,通过分析声压云图和噪声频谱,识别出该发动机进气侧的主要噪声源位于发电机处,噪声峰值频带为1 000 Hz~2 500 Hz。为了确定噪声源具体位置,结合近场声压法和表面振动法,在声全息识别出的主要噪声源位置进行补测试验,发现发电机的振动和近场噪声峰值频带均与1 000 Hz~2 500 Hz重合,由此可以确定该发动机进气侧的主要噪声源是发电机。综合运用声全息技术和传统的噪声源识别方法对发动机进行噪声源识别试验,不仅可以提高传统识别方法的效率,还可以弥补声全息技术精度不高的缺陷。     

拖拉机驾驶室内噪声源识别测试与分析

摘要：为研究驾驶室内噪声问题,本文采用球型阵列对拖拉机驾驶室内进行噪声源定位测试,从分析结果得到驾驶室内声源位置主要在门锁机构附近和操纵机构附近,且在车门玻璃处出现较大的反射噪声,运用声强探头对声源泄漏位置进行特定的声强测试,用来分析驾驶室内产生噪声源的具体原因,为下一步改善拖拉机驾驶室内的声学环境打下基础。     

基于心理声学与声强法的汽车怠速异常噪声源识别

针对一样车开发阶段怠速工况出现的怠速车内异常噪声(简称异响),基于心理声学的分析方法对此异响进行声品质的客观量评价,定量地反映了正常噪声与异常噪声的主观感受差别;运用频谱分析技术初步确定怠速异响噪声的主要频谱范围在200~400 Hz;对异常噪声在200~400 Hz进行衰减滤波并进行声学回放与听觉比较,进一步验证了怠速异响的频率范围;采用声强测试得出发动机舱内声场分布,快速准确地确定了发动机正时轮系是引起怠速异响的主要来源,通过控制发动机悬置动刚度能够有效消除怠速异响。     

除自谱的互谱矩阵波束形成的噪声源识别技术

由于传声器阵列具有自噪声的干扰,在各通道的互谱距阵中,消除对角自谱元素的波束形成,可以提高声源识别的精度。由此,建立相应的声源识别算法和平面声源的成像软件。并对某发动机在额定工况下的噪声源识别进行验证。结果表明：发动机前端噪声来源于空气压缩机排气出口和曲轴传动皮带轮的上方机体辐射;左右两侧噪声来源于发动机缸体和油底壳辐射。由此表明涉及的算法与成像软件的正确与有效性能。     

车辆噪声源识别方法综述

在车辆产业中,噪声问题越来越突出,噪声源识别方法是车辆噪声控制的重要前提。近年来,车辆噪声源识别的方法得到快速发展,但仍需不断改进和完善。本文对车辆噪声源识别方法进行总结,将车辆噪声源识别方法分为传统方法、基于信号处理方法和基于声阵列技术方法三类,并描述和分析各种识别方法的特点。最后总结全文,展望未来车辆噪声源识别方法。     

交叉层波束形成方法的发动机噪声源识别

发动机噪声源分布复杂,来源多,用人耳很难分辨,利用传声器阵列的噪声源识别技术可以为发动机噪声控制提供客观依据和指导。使用波束形成声源识别方法,对位于不同平面的多个声源进行了仿真识别,并研究了多维声源识别方法,使用交叉层法得到了声源定位的立体结果。结果显示,交叉层法可以有效消减或去除来自识别表面之外的声源在识别表面的虚假投影。最后,针对某发动机产品,使用平面传声器阵列对其上、前、左、右四个面分别进行一次变转速工况时域声压信号采集,使用互谱矩阵波束形成算法,得到各转速下发动机各表面的声源分布图像,并通过交叉层法得到了发动机表面声源的立体分布,准确将声源定位至发动机表面各部件。     

内燃机表面辐射噪声源识别技术初探

通过测量某内燃机表面振动速度的方法对其进行表面辐射噪声源的识别研究。首先,确定出该内燃机各主要噪声辐射部件,并分别测量其表面振动速度,分析各部件的振动特性,通过表面振动速度计算出各部件辐射的声功率和它们对总噪声的贡献量比值,从而识别出该内燃机的主要表面噪声源。最后提出为改善内燃机整体噪声辐射水平应采取的降噪措施。     

2.4 L汽油机噪声及其频谱特性的影响因素分析

对结构相同但材质及工艺不同的A、B两台样机进行噪声水平对比分析的基础上,着重分析影响样机A噪声频谱特性的主要因素。结果表明：与着火频率相关的发动机基频振动和进排气侧表面的辐射噪声是主要噪声源;而混合气浓度以及点火时刻虽影响中高频范围的燃烧噪声,但对基频成分无影响。转速越高、负荷越大,基频峰值越高。因此,改善进排气系统的结构刚度、各缸均匀化的控制策略以及曲轴的减振是降低整机噪声水平的有效措施。     

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。     

声源定位系统动态校准方法研究

基于空间移动的标准点声源设计,建立声源定位系统动态校准装置。提出空气声声源定位系统动态校准方法,获得声源定位系统动态定位实验测量结果,分析影响动态定位结果的主要因素,并进行测量结果不确定度的评定。为车辆通过噪声源定位、飞行器飞行中噪声源定位的实验室动态校准提供了计量技术支撑。     

轮式装载机驾驶室噪声源分离和识别

为了改善装载机的噪声状况,提高产品的噪声分析技术水平及产品市场竞争力,采用鲁棒独立分量分析(RobustICA)的方法,对ZL50轮式装载机驾驶室噪声进行了声源识别的研究.主要采用RobustICA算法对测得的驾驶室噪声信号进行了盲源分离,得到一系列独立的噪声分量,利用连续小波变换和相干分析对分离得到的各独立分量进行了分析,时频分析和相干分析结果确定了分离得到的各独立分量和不同噪声源的对应关系.结果表明,采用该方法分离得到的独立分量分别对应着装载机的排气噪声和风扇噪声,且两者为司机耳旁噪声的主要成分.验证了鲁棒独立分量分析在声源分离和识别领域的优越性.