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
(((彭宣霖[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.
基于控制策略的牵引系统电磁噪声优化
蒋孝文, 彭宣霖, 李华, 贺冠强, 沈浪
噪声与振动控制 2023, 43 (
4
): 181-186.
摘要
(
108
)
PDF(pc)
(1926KB)(
317
)
可视化
收藏
牵引系统噪声是动车组重要的噪声源,对乘客的乘坐舒适性以及环境噪声有极大的影响,而牵引电机电磁噪声又是牵引系统的主要噪声源。以某城轨动车组永磁同步牵引系统为研究对象,首先通过现场振动噪声试验解析该牵引系统永磁同步电机的振动噪声特性,锁定电机电磁噪声是造成车内噪声超标的主要原因。然后结合电磁力波理论分析,揭示电磁力谐波与电机模态共振是导致噪声超标的根本原因。进一步,基于调整输入激励达到抑制或削弱共振的思路,提出基于电机控制策略的电磁噪声抑制方法,最后通过验证实验证明优化措施的有效性,降噪量达11.9dB,车内噪声控制在标准73 dB以下。
相关文章
|
多维度评价
Select
2.
多层SVR选择机制在变流器噪声预测的应用
温涛, 王琥, 彭宣霖, 夏亮
噪声与振动控制 2023, 43 (
4
): 21-26.
摘要
(
96
)
PDF(pc)
(1978KB)(
228
)
可视化
收藏
针对轨道交通车辆中的变流器噪声降噪问题,提出一种基于多层支持向量回归(Support Vector Regression,SVR)的选择机制,用以构建噪声预测模型。首先,以训练基准函数为支撑,构建特征向量与SVR、核函数之间的映射关系。随后根据测试数据的特征,依托之前的映射关系,完成SVR、核函数的筛选。最后,使用粒子群优化算法(Particle Swarm Optimization,PSO)完成参数匹配和模型构建。研究中先通过三个测试函数,验证多层SVR选择机制的准确率,再将构建的方法应用于变流器的噪声预测。结果表明:同其他常用的SVR方法相比,所研究的方法在预测效果上取得较大的提升。
相关文章
|
多维度评价