导航切换
噪声与振动控制
首页
关于本刊
出版伦理
编委会
专家中心
评审表
自荐评审人
作者中心
投稿指南
论文模板
版权转让协议
期刊订阅
广告合作
联系我们
期刊
出版年
关键词
结果中检索
(((刘禹[Author]) AND 1[Journal]) AND year[Order])
AND
OR
NOT
文题
作者
作者单位
关键词
摘要
分类号
DOI
Please wait a minute...
选择:
导出引用
EndNote
Ris
BibTeX
显示/隐藏图片
Select
1.
风力机叶片气动噪声风洞试验及数值计算
姜广, 刘禹鹏, 王振宇
噪声与振动控制 2024, 44 (
2
): 280-287.
摘要
(
52
)
PDF(pc)
(2358KB)(
256
)
可视化
收藏
风力机叶片在运行时会产生明显的气动噪声。采用声学风洞开展NACA0012 翼型气动噪声试验,获得不同风速下的气动噪声特征。建立基于大涡模拟的数值计算模型,进行升阻力系数对比验证和网格无关性分析。根据流场模拟结果和FW-H 方程计算攻角为5°时风速10、15、20 m/s 的叶片声压级,计算结果和声学风洞实测的声压级频谱整体趋势较吻合。进一步地,通过数值模拟对比研究不同叶片尺寸对流场和气动噪声的影响。根据不同风速下非定常流场的涡量云图,叶片流动分离点随风速增加而后移,旋涡尺度逐渐变小;同风速下,大尺寸叶片的分离涡更大一些,且涡核间距较大。根据数值模拟得到的不同尺寸叶片的声压级频谱图,叶片尺寸增大导致各频率声压级均有不同程度的提升,且频谱图中的声压级峰值向更低频移动。研究成果对于叶片气动噪声分析和声环境评估具有借鉴意义。
相关文章
|
多维度评价
Select
2.
基于小样本音频信号的柱塞泵故障诊断
刘禹, 戴永寿, 李立刚
噪声与振动控制 2023, 43 (
5
): 142-147.
摘要
(
92
)
PDF(pc)
(1752KB)(
188
)
可视化
收藏
针对音频信号在柱塞泵故障诊断中存在的样本数量不足、故障特征微弱等问题,提出一种基于音频信号结合元迁移学习(Meta-transfer Learning,MTL)的柱塞泵故障诊断方法(Fault Diagnosis of Plunger Pump Based on MTL,MTL-PAFD)。该方法以柱塞泵的音频信号为样本,在单一传感器条件下,通过Gammatone滤波器组对信号进行处理,可有效提高强噪声干扰下音频信号的表征能力,然后结合元迁移学习,能实现小样本条件下的柱塞泵故障诊断。同时,根据柱塞泵故障诊断的实际需求,改进元迁移学习在故障诊断应用中的测试方法,能够自适应处理未知故障类。实验结果表明,MTL-PAFD仅对已知类别的故障诊断准确率可达到91.41 %,而经过快速自适应学习后,其在识别未知故障类时准确率能达到89.64 %。
相关文章
|
多维度评价