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. 基于EEMD-AESSAICA的电驱动单通道噪声源分离识别

甄帅, 李基芳, 刘海, 李维肖, 杨瑞

噪声与振动控制 2023, 43 (4): 157-163.

摘要（88）

PDF（pc）（2339KB）（246）

为准确分离识别电驱动总成的噪声源，提出一种集合经验模态(EEMD)与改进樽海鞘的独立分量分析(AESSAICA)方法。首先针对传统盲源分离方法存在收敛速度慢、分离精度低的问题，提出基于改进樽海鞘算法的盲源分离算法，提出自适应领导者数目的精英方向学习策略，其能够平衡全局探索和局部开发矛盾、加快收敛速度。其次通过仿真实验验证该方法比传统独立分量算法在分离效果上提升4.38 %，能够提高分离效率，提升分离结果质量；然后联合EEMD和AESSAICA算法提出的单通道盲源分离方法，同时验证其相似系数在0.96 以上；最后采用该方法分离识别电驱动主要噪声分量。结果表明上述方法能够有效识别电驱动各独立噪声源，通过减速器噪声实验验证最大分离误差为1.1 %，分离结果的准确性得到证明。

相关文章 | 多维度评价

Select

2. 基于单一源求逆法的排气噪声对车内噪声贡献量分析

徐猛 1, 2，张俊红 1，李基芳 2，何伟举 2，翟乃斌 2

噪声与振动控制 2013, 33 (5): 64-66. DOI: 10.3969/j.issn.1006-1335.2013.05.014

摘要（296）

PDF（pc）（1021KB）（1534）

以某车型车内噪声声压级为目标，以单一源求逆法辨识排气噪声体积加速度，并测试排气口到车内噪声目标点的声学传递函数。计算排气管口通过空气传递路径到车内噪声的贡献量，得知在发动机1730rpm附近排气噪声的2阶激励频率是车内噪声的主要贡献源，此时车内噪声主要是排气噪声过大引起的。增加车辆的吸隔音措施效果不明显，应优化排气管消声器以降低排气噪声。实验验证了分析结果。