基于FE-SEA混合法的汽车镁合金前围板隔声量数值计算

为研究中频域的结构噪声,采用有限元-统计能量分析(FE-SEA)混合法对汽车板件的隔声性能进行了研究,该方法具备适用于低频域的有限元或边界元法和适用于高频域的统计能量分析的优点.结合混合法理论,建立克莱斯勒Viper跑车镁合金压铸前围板的混合模型,验证该方法应用于汽车车身薄壁件中低频隔声量计算的可行性.对混合模型的入射侧施加混响声场(DAF)作为声激励,在透射侧施加半自由声场(SIF)作为功率接收器,由数值计算结果得到前围板中低频率范围内的隔声量曲线,与试验结果对比,表明两者结果基本吻合,从而很好地证明了有限元-统计能量混合法用于解决本模型的中频声学问题的可行性.介绍了区域声学包装法,即在隔声量曲线低谷频率范围(100～500 Hz)内,将简易声学包装施加到结构表面振动速度较大处,可以有效地优化前围板的总体隔声性能.     

基于MEEMD的内燃机机体活塞敲击激励与燃烧爆发激励分离研究

提出了一种改进的集总平均经验模态分解（MEEMD）方法,并阐述了其实现过程。通过仿真实验,验证了MEEMD是一种更为优秀的自适应信号分解方法,不仅抑制了经验模态分解（EMD）的模态混叠问题,而且消除了集总平均经验模态分解（EEMD）中的,非标准IMF分量、模态分裂和白噪声残余等问题。将MEEMD应用到内燃机振声信号处理中,以某柴油机为研究对象,对其机体上的振动信号进行MEEMD分解,分离其中的活塞敲击引起的机械激励成分与燃烧爆发激励成份,诊断主要振动源。     

基于模态分析及优化设计技术的低噪声齿轮室罩的设计

通过各种噪声源识别方法,得出ZH1130单缸柴油机齿轮室罩的辐射噪声是其主要噪声源之一。通过频谱分析和模态分析获得其噪声辐射的关键模态,然后利用拓扑优化的方法对其内部的加强筋进行了重新设计及布置。优化目标是第1阶约束模态频率最大化,约束函数为整体质量约束,设计变量为室罩内部可设计区域。重新设计后,部件的第1阶约束模态频率提高了241Hz。最后,测量安装有新室罩的整机九点声压及表面振动速度,结果表明,表面振动速度曲线在关键模态频段上有明显降低,齿轮室罩侧第七点的声压级与原设计相比降低了1.2dBA。     

机械激励下的板件声学包装中频段插入损失研究

提出了一种混合FE-SEA模型用于预测机械激励下声学包装的中频段插入损失,与验证试验进行对比,其准确性得到了验证。基于此模型,通过改变两种典型的声学包装的设计参数,得到了其插入损失随设计参数变化的规律,即决定插入损失峰谷值频率特性的敏感要素是对整体模态特性影响最大的参数;最后给出结论,当机械激励下的结构声传播为主要传播路径时,板件应选择覆盖层为均匀质量层的声学包装     

自适应广义S变换在内燃机气缸盖振动特性研究中的应用

提出了一种基于时频分辨率最优化的自适应广义S变换,并通过仿真试验,比较了自适应广义S变换与短时傅里叶变换和S变换的时频分析结果,证明了自适应广义S变换具有更高的时频分辨率。对某4缸4冲程汽油机气缸盖的振动信号进行时频分析,结果表明自适应广义S变换得到的时频分布比S变换具有更高的时频分辨率,能够较为准确地分辨出气缸盖振动的主要激励源及其时频特性,研究结论可为低振动噪声内燃机改进设计提供指导。     

基于MEEMD的内燃机辐射噪声贡献

为了研究内燃机振动成分对噪声的贡献,提出一种改进的集总平均经验模态分解（MEEMD）方法.通过仿真试验,对比MEEMD与传统经验模态分解（EMD）和集总平均经验模态分解（EEMD）的结果.结果表明,MEEMD是一种更为优秀的自适应信号模态分解方法,不仅能够抑制模态混叠问题,而且能够解决模态分裂等问题.采用MEEMD方法对内燃机振动成分对辐射噪声的贡献进行研究,以一个4缸4冲程内燃机为例,对标定工况下的缸盖罩振动信号和缸盖罩近场噪声信号进行MEEMD分解,并对分解得到的本征模态函数（IMF）进行时频分析,研究对辐射噪声贡献大的振动成分的来源.研究结果表明,通过MEEMD方法能够得到对内燃机辐射噪声贡献大的振动成分,并且准确确定其来源.     

双级膨胀腔消声器声学与阻力特性的CFD仿真分析

使用二维轴对称时域CFD法计算双级膨胀腔消声器在无流和有流条件下的声衰减性能,并与实测结果进行比较。由于时域方法在计算中可以考虑复杂气流流动和介质粘性的影响,因而可以比较准确地预测双级膨胀腔消声器的传递损失。基于定常流动模型,使用Fluent软件预测双级膨胀腔消声器的压力损失,CFD计算结果与实验测量结果吻合良好。     

基于有限元能量流模型的复杂耦合结构中低频段耦合损耗因子的计算

有限元能量流模型在随机宽带激励下,得到各子系统的空间及频域平均的能量,将其代入能量平衡方程,得到了柔性体之间的间接耦合损耗因子。与传统有限元模型计算耦合损耗因子的方法相比,该方法计算效率更高;与传统统计能量分析模型计算耦合损耗因子的方法相比,该方法计算精度更加可信。最后,该方法通过试验得到了验证。