原文传递
内燃机辐射噪声的盲源信号分离研究
| 论文题名： | 内燃机辐射噪声的盲源信号分离研究 |
| 关键词： | 汽车内燃机;辐射噪声;盲源信号分离;独立分量分析;小波变换 |
| 摘要： | 驾乘人员对汽车噪声、振动与舒适性（Noise，Vibration and Harshness，NVH）的要求日益提升。内燃机工作噪声作为传统汽车主要噪声源之一，是科研人员提高整车NVH性能的主要控制对象，而内燃机主要噪声源的分离和识别是内燃机噪声控制的关键。内燃机结构复杂的特点决定了内燃机噪声源激励的多样性，传统的噪声源识别方法在试验条件以及应用范围等方面具有一定的局限性，而现代信号处理手段的蓬勃发展为内燃机信号的分析与处理提供新的路径。 本文围绕如何有效分离和识别内燃机噪声源的问题，以某单缸汽油机为研究对象，将内燃机辐射噪声与现代信号处理技术相结合，从内燃机辐射噪声的产生机理、盲源信号问题的解决方法以及基于信号处理的单缸机噪声源分离和识别等三个主要方面出发，分离和识别出试验单缸机的主要噪声源，并分析了各个噪声源的贡献度，为内燃机噪声控制提供参考。本文主要包括以下四个方面内容： （1）内燃机表面辐射噪声的产生机理研究。具体分析了内燃机主要噪声源及其产生机理，确定噪声源对应的激励源及其主要传播路径；继而从信号学的角度分析出内燃机辐射噪声信号具有非平稳性和周期性等特征；在此基础上总结了内燃机噪声源识别的传统方法与信号处理方法。 （2）独立分量分析方法的理论研究。建立了独立分量分析的基本数学模型，并指出应用该算法的约束条件；从统计学理论和信息理论角度阐述了独立分量分析的基本准则；在此基础上总结了典型的独立分量分析方法。 （3）FastICA方法对模拟信号与单缸机噪声信号的应用研究。基于FastICA算法的计算流程，将FastICA方法应用于模拟信号的分离，并验证该方法的可行性；通过对某单缸汽油机的辐射噪声进行采集，分析判断所采集噪声满足应用FastICA算法的前提条件，将该算法应用于噪声信号的分离并获得五个独立分量。 （4）对某单缸汽油机噪声激励源进行识别的研究。将时频联合域分析中的傅里叶变换和小波变换方法应用于模拟信号的分析，得出小波分析具有良好的分析效果；将小波变换应用于单缸机的独立分量，通过将小波变换中各分量特征点数据与单缸机主要噪声源理论特征频率结合，确定独立分量对应于单缸机燃烧噪声、活塞敲击噪声、喷油泵噪声与链齿轮啮合噪声；通过声学参量计算确定以上分量对整机噪声的贡献度分别为43.64％、24.65%、10.41%和7.88%。 |
| 作者： | 杨文鑫 |
| 专业： | 动力机械及工程 |
| 导师： | 卢炽华 |
| 授予学位： | 硕士 |
| 授予学位单位： | 武汉理工大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
