检索结果

期刊

出版年

关键词

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）

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）

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 %。