基于小波阈值和约束独立分量分析的齿轮故障诊断研究

为在强噪声下准确利用振动信号进行齿轮故障诊断,提出了基于小波阈值和约束独立成分分析(CICA)相结合的算法。该算法首先对输入信号进行小波阈值降噪预处理,提高了输入信号的信噪比,然后基于齿轮特征频率建立参考信号,将降噪后的信号作为CICA的输入信号,利用CICA算法有效分离出齿轮故障信号,识别了故障特征。为了验证该算法的有效性,进行了仿真和实验测试信号分析,结果表明,该算法可以有效提取齿轮故障信号,实现齿轮的故障诊断。     

高速列车结构振动噪声预测与降噪技术研究

基于有限元法和边界元法以及声传递向量,运用ANSYS软件和SYSNOISE软件研究高速列车车体的结构模态与室内声腔声学模态,仿真分析高速列车结构-声场耦合系统的低频噪声,并对铺设吸声材料和涂敷阻尼材料的车身部件进行声学贡献分析,为高速列车的减振降噪提供理论依据.对某高速列车拖车的仿真分析结果表明:该车声学测试点的总声压级超出了TB 1809-86标准拖车客室的容许噪声值;在某些计算频率下,车体某些部件涂敷阻尼材料后对客室测试点的声学贡献由小变大,这说明阻尼材料不仅改变了这些部件的振动幅值,同时也改变了振动相位.因此,在采用阻尼材料减振降噪时,应对车体板件进行声学贡献分析,充分考虑阻尼材料对测试点声压级的影响,有针对性地采取措施,降低乘客室内噪声.     

基于改进经验模态分解法的地铁列车轮轨应变信号降噪

地铁列车轮轨应变信号的采集受到诸多因素影响,存在随机白噪声,准确性较差。对此,提出一种改进的经验模态分解法用以降噪,可提高局部均值求解精度,抑制模态混叠现象。运用该法对地铁列车轮轨应变实测信号进行分析,结果表明:改进经验模态分解法能有效消除轮轨应变信号中随机白噪声的干扰和影响,对有效识别轮轨力真实信号具有重要意义。     

基于VMD-FastICA的齿轮箱故障诊断

针对齿轮箱故障信号微弱且易受周围噪声影响的问题,提出了一种基于变分模态分解(VMD)的独立分量(ICA)算法。该方法首先将采集的信号进行MCKD降噪,将降噪后的信号利用VMD算法分解为多个不同的本征模态分量(IMF),然后依据快速谱峭度图和相关系数选取有效的IMF分量进行重构信号,对于重构信号利用FastICA再次进行降噪处理,根据FastICA降噪后得到的故障特征分量,可以有效地识别故障。结果表明:该方法可以更清晰、准确地提取出故障特征频率和找出故障发生的位置。     

基于FE-SEA混合法的列车结构噪声降噪研究

基于声固耦合理论,采用有限元-统计能量(FE-SEA)混合法,建立高速列车车体-车内声腔耦合系统结构噪声预测模型,预测了20～500 Hz频段内垂向二系悬挂力激励下的车内结构噪声,并且分析了矿棉、毛毡和玻璃棉三种吸声材料对车内噪声的降噪特性;同时,分别分析了玻璃棉厚度、微穿孔板的孔径和穿孔率对车内噪声的影响。结果表明:在低频段内,微穿孔板对噪声有明显的降噪效果,且孔径小、穿孔率大的微穿孔板对车内噪声的降噪效果更明显;在高频段内,多孔吸声材料对噪声有明显的降噪效果,玻璃棉作为多孔吸声材料时,其厚度越大,降低车内噪声的幅值也越大。     

车轮动力吸振器对城轨列车噪声抑制效果试验研究

为分析研究车轮动力吸振器运行条件下的噪声抑制效果,根据标准ISO3095—2005、ISO3381—2005、GB/T 5111—2011和GB/T 3449—2011开展了装配和拆除车轮动力吸振器2种工况下,城轨列车车内、外噪声线路测试。结果表明:该车轮动力吸振器对车内噪声抑制效果不明显,甚至还会略微增大车内噪声,其噪声抑制效果为-0.7~1.5 dB;对城轨列车车外噪声抑制效果较好,有1.2~3.1 dB的噪声抑制效果。该车轮动力吸振器对1 000 Hz以上频率的轮轨噪声有良好的抑制效果,且随频率增高效果越显著。对100 Hz以下低频区段,其噪声抑制作用为负,会增加该频率区段的噪声水平。近场车轮噪声测点与7.5 m远1.2 m高车外标准测点,两者的降噪值和频谱变化特性均很相近,因此,在车外线路噪声测试实施困难的情况下,可采用车轮近场噪声测试方法来替代评价分析阻尼车轮对车外噪声的抑制效果。相关结果可为低噪声车轮设计和低噪声车轮降噪效果评价提供参考和依据。     

基于射流的高速列车受电弓空腔气动噪声降噪方法

随着列车速度的提升,气动噪声问题愈发突出,而受电弓引发的气动噪声占有较高比例,因此提出一种射流主动降噪方法。通过建立3节车编组的整车模型,采取定常SSTk-w湍流模型和宽频带噪声模型进行仿真,分析高速列车受电弓气动噪声声源及流场特性;基于LES和FW-H声学比拟理论分析研究气动噪声特性。数值计算结果表明,顺向射流降噪效果显著,逆向射流降噪效果不明显。在列车速度350km/h下,施加顺向射流的标准监测点平均总声压级降幅达6.04d B,数值算例结果验证了本文提出的射流主动降噪的有效性。     

基于互补集合经验模态分解的近场脉冲地震信号降噪算法

针对近断层地震速度脉冲信号非线性非平稳的特点,建立了以互补集合经验模态分解(Coplementary Ensemble Empirical Mode Decomposition,CEEMD)为基础的一种降噪算法。该算法首先对仿真信号进行CEEMD操作,获得从高频到低频的固有模态函数(Intrinsic Mode Function,IMF),然后对IMF筛选叠加,得到多组含不同阶数的重构信号;通过算法相关度和逼近度组成综合评价指标,对多组重构信号进行筛选,得到全局最优重构组合Rec3,实现信号的有效去噪。然后采用以所选最优重构组合为基础的降噪算法分析实测速度脉冲信号。结果表明:该降噪算法具有很好的降噪效果,所得结果曲线较原信号曲线光滑平整,主脉冲信号清晰可辨,且由于算法本身没有人工加窗这类操作,使得其自适应良好,具有一定的实用性和可靠性。     

高速铁路隧道内噪声对乘车舒适性影响研究

研究目的:高速铁路列车进入隧道时,隧道及列车内会增加混响声,影响乘车舒适度。目前,隧道内混响声大小及其对乘车舒适度影响程度、降噪措施及其效果还缺乏实测及深入理论研究。基于此,本文通过对隧道内外、列车内外噪声实测,对比分析隧道内混响声对乘车舒适性的影响;通过COMSOL软件仿真模拟隧道内敷设吸声材料的降噪效果及其对乘车舒适度的影响。研究结论:(1)高速列车以180～300 km/h速度通过隧道区段时,列车内噪声为63～70. 1 d B(A),较非隧道区段增加约4. 6～6. 7 d B(A);列车内噪声中低频显著,无明显峰值;(2)因隧道内混响声影响,隧道区段列车内正常交谈的距离为0. 3～0. 4 m,较非隧道区段缩短了0. 3～1. 0 m;(3)隧道内敷设吸声材料能有效降低噪声,其中隧道内满铺吸声材料隧道内噪声降低约18. 1 d B(A),列车内噪声降低约6. 3 d B(A),正常交谈的距离增加了约0. 7 m,提高了乘车舒适性;(4)本研究成果可用于提高高速铁路隧道内旅客乘车舒适度。     

重载铁路声屏障降噪效果试验分析

测试列车通过一重载铁路路基区段时声屏障的插入损失值,分析不同牵引质量(5 000,8 000,12 000 t)和不同试验列车速度(60~100 km/h)3种声屏障的降噪效果和插入损失的频域特性。对首次在重载铁路中应用顶端降噪技术的干涉型声屏障的降噪效果进行了测试与分析。结果表明:声屏障的插入损失随列车速度的增加总体上呈减小的趋势;高声屏障高度由3.0 m增加至4.5 m,插入损失增加4.0 d B(A)以上;声屏障加装顶端降噪器,插入损失增加2.0 d B(A)以上;声屏障顶端降噪器对中低频噪声降噪效果显著,可有效提高声屏障工程总体降噪效果。