排序方式: 共有78条查询结果,搜索用时 15 毫秒
71.
72.
73.
74.
75.
为了降低油烟机壳体振动产生的噪声,基于油烟机壳体有限元模型,计算壳体在电机激励下的振动响应。在此基础上,以壳体四个部分的厚度为设计变量,保持壳体质量不超过原壳体质量,以壳体上四个敏感点的质点振速峰值为目标函数,对其进行了优化设计研究。利用商业软件Nastran 计算质点振速,基于DOE 方法利用iSIGHT-FD 对壳体厚度进行优化,得到了优化的结构厚度。优化后,设计域各点的质点振速峰值均有不同程度的降低,振动速度级降低最大值达到8.2dB。结果表明,在保持吸油烟机壳体质量不增加的情况下,通过改变壳体四个部分的厚度可以达到降低辐射噪声的效果。 相似文献
76.
基于信号相位匹配原理,给出了利用由双平行线列阵组成的平面阵进行声源方位估计的奇异值分解算法(Singular Value Decomposition for Signal Phase Matching,SVDSPM), 推导了空间谱搜索所需的时延计算公式;分析了双线阵间距对不同频率方位估计精度的影响, 从而确定了双线阵的间距;分析了声源频率对方位估计精度的影响;给出了给定频率时方位估 计精度与信噪比的关系并与MUSIC算法获得的结果进行了比较;给出了利用平面阵进行低空目 标的声探测时存在的声探测盲区的描述方法,并分析了声源的频率、目标初始俯仰角、阵元 数、阵型对声探测盲区的影响.仿真结果表明:(1)在低信噪比时SVDSPM算法的方位估计性能 优于MUSIC算法;(2)声探测盲区的范围与声源的频率和目标初始俯仰角有关,而与阵元数、 阵型无关.声探测盲区的分析和研究为立体阵的设计和方位估计提供了依据. 相似文献
78.
针对水声目标信号复杂、样本获取难度大且富含不确定信息的问题,研究了一种新的证据K类近邻识别算法(Evidence K Nearest Neighbor,EK-NN)。首先在水声目标的各类训练样本中,根据特征距离大小选取待识别目标的K近邻,并构造其基本置信指派函数。然后使用证据理论中的Dempster-Shafer(D-S)规则对各类别下的近邻证据进行组合,最后再应用冲突置信的比例分配规则5(Redistribute Conflicting mass proportionally rule5,PCR5)将所有类别的组合证据进行融合,并根据融合结果和所设立的分类规则来判断目标的类别属性。根据水声目标实测数据,将新算法与其他几种常见的水声目标识别算法进行了对比分析,结果表明新算法能有效提高识别的准确率。 相似文献