| 基于EEMD与GA-小波神经网络的传动系声品质预测 |
| |
| 引用本文： | 黄海波,黄晓蓉,苏瑞强,李人宪,丁渭平. 基于EEMD与GA-小波神经网络的传动系声品质预测[J]. 振动与冲击, 2017, 36(9): 130-137 |
| |
| 作者姓名： | 黄海波 黄晓蓉 苏瑞强 李人宪 丁渭平 |
| |
| 作者单位： | 西南交通大学 机械工程学院，成都 610031 |
| |
| 摘 要： | 为了进行车辆传动系声品质预测,实施了传动系整车转鼓试验,并结合主、客观分析量化了影响传动系噪声烦恼度的主要异响指标;同时,通过相关分析揭示了心理声学客观参量与主观评价的内在关系。引入聚合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)方法与本征模态函数(Intrinsic Mode Function,IMF)样本熵值对传动系噪声特征进行了提取;在此基础上,以Morlet小波基函数作为隐含层节点的传递函数构建小波神经网络(Wavelet Neural Network,WNN),同时运用遗传算法(Genetic Algorithm,GA)优化小波神经网络的层间权值和层内阈值,构造出GA-小波神经网络模型并用于传动系声品质预测;为了对比所提取的传动系噪声特征性能,将心理声学参量也作为模型输入以进行预测,同时,为了对比GA-小波神经网络模型的预测效果,引入了传统的GA-BP神经网络模型。分析结果表明:GA-小波神经网络较GA-BP神经网络能更准确、有效地对传动系声品质进行预测,并且以本征模态函数样本熵值作为预测模型的输入特征其预测结果较心理声学参量效果更佳。
|
| 关 键 词： | 传动系 声品质 聚合经验模态分解 本征模态函数 小波神经网络 |
Sound metric prediction of a power train system based on EEMD and GA-wavelet neural network |
| |
| HUANG Haibo,HUANG Xiaorong,SU Ruiqiang,LI Renxian,DING Weiping. Sound metric prediction of a power train system based on EEMD and GA-wavelet neural network[J]. Journal of Vibration and Shock, 2017, 36(9): 130-137 |
| |
| Authors: | HUANG Haibo HUANG Xiaorong SU Ruiqiang LI Renxian DING Weiping |
| |
| Affiliation: | College of Mechanical Engineering,Southwest Jiaotong University,Chengdu 610031,China |
| |
| Abstract: | |
| |
| Keywords: | power train systemsound metricensemble empirical mode decomposition(EEMD)intrinsic mode functionwavelet neural network |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《振动与冲击》浏览原始摘要信息 |
|
点击此处可从《振动与冲击》下载全文 |
|
