客车主要噪声源识别的试验研究

基于偏奇异值分析法识别噪声源的基本原理，采用了近场声压测量法，同步采集15个传感器的振动与声压信号，识别出客车车外噪声的主要噪声源，分析出各噪声源对车外噪声的贡献并做出降低车外噪声的预测分析。所采用的试验与分析方法具有计算量小、声源定位准确的特点，并且可以准确预测零部件的改进对车外噪声的影响。试验研究和实车应用表明，这种方法可以适用于复杂的工程实际。     

车外加速噪声的传递特性模型及声源识别

提出了一种描述汽车主要声源、振源与车外噪声的传递特性模型.根据行驶中汽车的主要声源、振源参考点信号和车外加速噪声测量点信号,通过传递特性分析,定量确定了运动车辆的噪声源对车外噪声的贡献,采用主成份分析法提高声源识别精度.实车试验结果表明,利用传递特性模型可以确定车外加速噪声的主要振源、声源及其贡献.     

后置发动机客车噪声源的识别

应用相关分析与谱分析理论，建立了后置发动机客车噪声源识别的多输入单输出模型。运用该噪声识别模型及所介绍的测试分析系统，对GZ6921型后置发动机客车噪声源进行了识别。识别及分析结果表明，冷却风扇噪声是GZ6921型客车的主要噪声源。     

土体障碍物超声探测信号小波包特征分析方法

利用小波包分解方法,对土体中障碍物的超声探测信号进行分析。选用sym8小波基函数进行6层小波包分解,并截取信号能量集中的前16个频带进行细致分析,从小波包频带能量、小波包频带能量熵、小波包频带能量矩三个角度对信号进行对比。结果显示,存在障碍物位置处信号和不存在障碍物位置处信号的小波包频带能量熵大致相等,不能作为信号识别及障碍物判断的方法,而小波包频带能量和小波包频带能量矩在部分频带上差异明显,可以作为信号识别及判断的方法。     

基于总贡献系数和的客车噪声源识别

针对大中型客车中复杂噪声源对场点的贡献量不能完全代表该噪声源对车内整体噪声贡献量的问题,提出了一种衡量多输入对多输出贡献量的方法。首先对某型客车车内噪声进行频谱分析,得到车内噪声信号特征,计算怠速工况下不同噪声源对不同场点的偏相干函数。接着通过车内声学模态试验,分析了该客车车内空腔声学固有频率。最后,基于偏相干函数提出了"贡献系数和"和"总贡献系数和"两个新的评价参数,并结合声学模态特征,评价进排气、发动机和冷风扇等各关键噪声源信号对整车噪声的贡献量以及相互之间的影响,确定了主要的噪声源和需要改进的噪声频段,为有效降低车内噪声提供了指导方向。     

小波变换在车辆噪声源识别中的应用

利用三级小波包分解，获取信号能量分布的特征向量，根据信号能量分布的特征向量相关系数，确定两种信号相关程度，给出了识别不同信号的识别方法，试验表明，该方法用于车辆噪声、振动源识别比传统的分析方法更为简单、有效。     

车用发动机前端辐射声源的小波分析与识别

根据连续小波变换具有较二进离散小波变换和小波包变换更精细的尺度分辨率的特点，研究了适用于工程应用的发动机表面辐射声信号小波变换结果的表述方法，并以一台车用增压柴油机前端表面辐射噪声的测量和识别分析为例，提出了一种车用发动机主要噪声源诊断和识别的测试分析方法。文中还将声信号测量识别的结果与表面振动信号识别的结果做了比较，两者是吻合的。     

基于层次分析法的柴油机噪声源识别

针对柴油机噪声源的特点,以柴油机的表面辐射噪声信号为依据,应用层次分析法对发动机的噪声源进行了识别.建立具有目标层、频率层和噪声源层3个层次的结构模型,在各个频率段.比较柴油机不同部件的表面噪声信号,构造层次判断矩阵,计算各噪声源对噪声评价点影响的权值,考虑噪声辐射表面积后进行总排序,识别出柴油机的主要噪声源为齿轮室罩,是降噪的重点.     

降低摩托车排气噪声的试验研究

排气噪声是摩托车最主要噪声源之一，对某１２５摩托车进行了整车噪声评价声源识别、对其不带消声器而带空管的发动机排气噪声进行了频谱分析并对消声器消声性能做过改进试验和分析计算，结果表明，该摩托车主要噪声源仍为排气噪声；改进的 声 消声效果优于原消声器消声效果。     

小波能量商在汽车发动机故障诊断中的应用

考虑发动机断火之后对振动信号的影响,基于4层小波包分解重构信号能量,构造了小波包能量商无量纲指标.通过该指标提取发动机断火前后信号的能量特征作比商,充分考虑了断火之后振动信号能量的阶跃特性,定量分析断火后信号能量变化的程度.采集东风EQ6100汽油发动机缸体正常、活塞敲缸异响、活塞销异响以及曲轴轴承异响等4种工况的振动信号,并应用小波能量商指标对试验信号进行分析,取得很好的效果.试验结果表明,小波能量商可以对发动机不同故障准确地识别分类.     

基于小波包分解和特征能量提取技术的车内传导干扰源识别

车内大功率用电设备的电压波动是车内产生传导干扰的主要原因。文中介绍了通过对采集的干扰信号进行小波包分解,对系数进行最小风险的去噪处理,然后提取特征能量来识别车内传导干扰源。最后采用EM-test设备发生干扰信号进行实验,结果表明该方法对车内电压波动的主要干扰源有较强的识别能力。     

小波包分解在氢发动机异常燃烧诊断中的应用

氢发动机燃烧压力信号包含了丰富的燃烧信息,基于压力信号可以应用小波变换法提取异常燃烧信息。鉴于小波包分解继承了小波变换所有的时频局部化优点,并且可以有效地提取微弱燃烧信息,从而能够为信号提供更精细的分析方法。对氢发动机正常燃烧和异常燃烧压力信号进行了小波包分解,提取出小波包能量。通过构造小波包能量特征向量,对氢发动机异常燃烧进行了有效诊断,为消除氢发动机的异常燃烧提供了技术基础。     

四轮车辆非平稳路面不平度时域模拟及小波分析

建立了非平稳的四轮相关滤波白噪声路面时域模型，并用计算机模拟得出四轮的路面不平度时间序列。理论验证的结果表明该模型与路面的实际情况非常接近，进而采用谱分析、小波分析等数据处理技术对路面信号的时频特征进行了深入的探讨，得出了一些有价值的结论。     

用选择性声强技术识别车内噪声及其成因

识别车内噪声的方法有许多。其中,将测试部位噪声信号作为参考信号,与噪声源的声强进行相关分析以确定声源的位置和响应频谱的方法称为选择性声强技术。本文运用此技术,通过对国产轿车给定工况下的测试分析,确定出试验车发动机舱内最大噪声的位置和驾驶员耳旁辐射噪声产生的原因,为进一步降低该车噪声提供了参考依据。     

基于粗糙集的特征值优化及柴油机故障诊断

为提高故障诊断的效率,给出了一种基于粗糙集理论的柴油机故障诊断系统。以某大功率柴油机为例,采用时域频域分析和小波包能量谱分析两种方法提取特征值,通过对比优选,将敏感性和稳定性较好的小波包能量谱特征值应用粗糙集理论进行优化,最后通过神经网络进行故障模式分类。试验表明,小波包能量谱分析方法可以提取敏感性和稳定性较好的特征值,粗糙集理论的特征属性约简能有效地减少神经网络的输入节点数,提高故障分类的准确率。     

小波包能量特征法在汽车变速器轴承故障诊断中的应用

归纳和总结了小波神经网络轴承故障诊断法的实施步骤,阐述了小波包的原理,并以变速器轴承故障诊断为例,提取了小波包节点能量作为反映变速器轴承故障类型的振动信号特征参数,并用这些特征参数训练BP神经网络进行故障模式识别。结果表明,如果神经网络设计合理,训练适当,则具有很强的故障识别能力。说明了利用小波包能量法和BP神经网络进行变速器轴承故障诊断是可行而且有效的。