基于声强测量技术的噪声自动分析系统研究

论文摘要

本文针对车辆及其他机电产品降噪和故障诊断的技术需求，对基于声强测量技术的噪声自动分析系统进行了深入的研究。在噪声自动分析系统的总体方案设计、硬件设计、软件设计、声强信号处理与算法研究及系统实际工程应用等方面本文做了全面、细致的工作，所研制的噪声自动分析系统已获国家实用新型专利，为汽车等机电产品的噪声控制、质量监测及故障诊断等提供了有效的分析工具和手段。噪声自动分析系统是用于自动分析与监测车辆及其他机电产品运转噪声的机电一体化设备，涉及声强测量技术、虚拟仪器技术、计算机控制与分析技术、信号处理技术及人工智能技术等的应用与集成。它针对现有噪声分析设备自动化、智能化程度不高等不足之处，建立了以计算机为控制中枢的测控平台。通过计算机控制下的二维自动导轨的运动带动声强传感器在竖直二维平面内快速移动、准确定位，从而对测量面上若干测点进行自动扫描，并将扫描过程中所拾取的噪声信号经动态信号采集卡的调理和数模转换后输入计算机。在计算机中通过软件算法进行声强的计算与分析、自动绘制声强分布云图、噪声源的自动辨识、异常声响的自动判定以及故障的自动识别等工作。整个测量过程具有测量速度快、定位精度高及声强计算准确等特点，在噪声源辨识与分析和基于噪声的故障诊断等方面自动化、智能化程度较高。本文首先对噪声自动分析系统的总体方案进行了设计，满足其自动化、智能化要求；基于总体方案的设计要求，分别对系统的硬件、软件进行了详细的设计工作，并对系统进行了标定与调试；在此基础上，成功地实现了整个噪声自动分析系统，为进一步的研究工作奠定了坚实的基础。运用基于互谱分析的声强算法，对噪声自动分析系统在噪声监测和主噪声源识别方面的性能进行了研究。研究结果表明：在噪声监测方面，系统具有快速自动扫描的能力，满足了噪声监测对快速化测量的要求；在主噪声源识别方面，通过运用复合型优化算法，系统可以在计算机的控制下对主噪声源进行自动优化搜索，提高了主噪声源的识别定位精度。基于互谱分析的声强算法是分析平稳噪声信号的有效工具，但对于短时非平稳噪声信号其分析能力有所不足。本文针对此问题研究了基于STFT谱的声强联合时—频分析方法，该方法可以将非平稳的一维噪声信号以二维的时间频率函数形式表示出来，有效地提取噪声信号随时间和频率的变化特征，从而分析噪声信号非平稳性的成因。利用上述特性，本文对某型号发动机加速噪声的非平稳性进行了分析。针对汽车等机电产品所辐射的噪声普遍存在非平稳的瞬时冲击噪声的特点，在分析小波和小波包变换原理的基础上，研究了一种单小波包重构算法，并利用该算法对瞬时冲击信号的检测和特征提取进行了仿真分析。在此基础上，研究了一种基于小波包分析的声强算法，并对其声强测量精度进行了验证。基于小波包分析的声强计算方法融合了小波包分析和声强两种技术，可有效地分析故障发生时瞬时冲击噪声的反常现象，为基于噪声信号的故障诊断提供了一种有效的方法。本文利用该方法对某型号发动机单缸失火故障诊断指标的选取问题进行了分析。针对传统声强测量中容易受到强大背景噪声干扰的问题，本章从软件和硬件两个方面对提高声强测量抗干扰性的方法进行了探索性研究。在软件方面，将选择性声强技术应用到噪声源辨识当中，可以将目标噪声源从强大的背景噪声中有效地识别出来。在硬件方面，通过一种抗干扰屏蔽罩的设计，可以在一定程度上屏蔽某些方向上非目标噪声源辐射声波的干扰，提高了对目标噪声源的辨析能力。本文的研究着重于噪声自动分析系统解决实际应用问题的能力，所进行的研究工作都进行了相应的实验分析，验证了其可行性。本文最后针对某型号微型车车外辐射噪声较大的问题，利用噪声自动分析系统对其车身外表面进行了声强测试，识别出了其主要噪声源，解决了此工程实际问题。

论文目录

• 摘要
• Abstract
• 符号表
• 1 绪论
• 1.1 课题研究的背景和意义
• 1.2 国内外研究现状
• 1.2.1 噪声源辨识与分析技术
• 1.2.2 故障诊断技术
• 1.3 课题的研究内容和计划
• 2 噪声自动分析系统的总体方案设计与分析
• 2.1 基于声强测量的噪声自动分析系统的方案设计
• 2.2 噪声自动分析系统的工作原理
• 2.3 噪声自动分析系统的功能分析
• 2.4 噪声自动分析系统的关键技术分析
• 2.5 本章小结
• 3 噪声自动分析系统的实现
• 3.1 噪声自动分析系统的硬件设计
• 3.1.1 二维自动导轨的设计
• 3.1.2 声强测试平台的设计
• 3.1.3 控制系统
• 3.2 噪声自动分析系统的软件设计
• 3.2.1 基于LabVIEW的软件开发平台
• 3.2.2 软件的模块化设计
• 3.3 噪声自动分析系统的标定与调试
• 3.3.1 二维自动导轨的重复定位精度分析
• 3.3.2 声强测试平台的标定与调试
• 3.4 本章小结
• 4 平稳噪声源辨识与分析技术的研究
• 4.1 基于互谱分析的声强算法
• 4.2 噪声自动监测
• 4.2.1 自动网格扫描
• 4.2.2 实验研究
• 4.3 主噪声源的自动优化搜索
• 4.3.1 主噪声源的复合型优化搜索算法
• 4.3.2 实验研究
• 4.4 本章小结
• 5 非平稳噪声信号的联合时—频分析
• 5.1 基于互谱分析的声强算法的不足之处
• 5.2 联合时—频分析方法
• 5.2.1 窗函数
• 5.2.2 短时傅里叶变换—STFT
• 5.2.3 Gabor展开与变换
• 5.3 基于STFT谱的声强联合时—频分析
• 5.4 汽车发动机加速噪声非平稳性分析
• 5.4.1 发动机加速噪声的声强测试
• 5.4.2 实验结果分析
• 5.5 本章小结
• 6 小波包分析和声强融合技术的研究
• 6.1 瞬时冲击噪声的检测
• 6.1.1 局部奇异点的检测方法
• 6.2 小波包分析与小波变换
• 6.2.1 连续小波变换
• 6.2.2 离散小波变换
• 6.2.3 小波包分析
• 6.2.4 单小波包重构算法
• 6.3 瞬时信号特征提取的仿真研究
• 6.3.1 仿真信号
• 6.3.2 仿真信号的小波包分析
• 6.3.3 仿真结果分析
• 6.4 基于小波包分析的声强算法
• 6.4.1 信号的小波包分解与重构
• 6.4.2 声强的计算
• 6.5 基于小波包分析的声强算法的验证
• 6.5.1 实验验证的测试条件
• 6.5.2 验证过程
• 6.6 基于小波包分析和声强融合技术的故障诊断
• 6.6.1 故障诊断原理
• 6.6.2 汽车发动机单缸失火故障诊断
• 6.7 本章小结
• 7 提高声强测量抗干扰性技术的研究
• 7.1 选择性声强技术
• 7.1.1 选择性声强的原理
• 7.1.2 选择性声强的计算方法
• 7.1.3 选择性声强的测试设备
• 7.1.4 实验研究
• 7.2 抗干扰屏蔽罩的设计
• 7.3 本章小结
• 8 噪声自动分析系统的工程实际应用
• 8.1 噪声自动分析系统在汽车降噪中的应用
• 8.1.1 噪声自动分析系统在汽车降噪中的特点
• 8.1.2 微型车车外噪声的声强测试与分析
• 8.2 本章小结
• 总结与展望
• 致谢
• 参考文献
• 攻读博士期间发表论文与科研成果情况