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. 新能源电动汽车稳态工况车内声品质客观评价特征提取#br#

郝天一, 杨晋, 刘海, 李洪亮, 李维肖

噪声与振动控制 2023, 43 (1): 179-184.

摘要（289）

PDF（pc）（1531KB）（1039）

车内噪声是影响新能源电动汽车整体品质的重要因素。为更准确预测电动汽车车内噪声的声品质，以12辆国内典型的电动汽车车内驾驶侧噪声为输入，使用基于核函数的主成分分析方法，对比不同核函数及核函数的参数对特征提取准确性的影响，通过对控制变量取优的方式确定使用高斯径向基核函数提取电动汽车车内声品质客观评价特征，并成功将8 维特征降低至4 维，得到影响电动汽车车内声品质的4 个主要客观参量依次为语音清晰度、A计权声压级、粗糙度、音调度。