基于独立分量分析和小波变换的内燃机噪声源的识别研究

论文摘要

随着城市车辆的日益增多,机动车噪声污染日益严重,已成为影响人们生活和工作的主要环境问题之一。内燃机作为车辆主要的噪声源,其噪声控制研究已成为目前国内外的热点研究问题。由于内燃机结构复杂,发出的噪声信号是一种非平稳周期信号,很难通过一般方法找到内燃机最大噪声辐射部位。因此,如何准确快速的识别内燃机噪声源是内燃机噪声控制的重要前提。传统的内燃机噪声源识别方法在应用上都有一定的局限性,因而有关的研究和应用也受到了很大的限制。本文针对内燃机辐射噪声信号的特点,研究利用噪声测试技术、独立分量分析、小波变换技术及盲分离不确定性消除等现代测试技术与信号分析方法,从复杂的噪声信号中分离和识别出内燃机的主要噪声源,并计算各个噪声源对整机噪声的贡献度。主要研究内容如下:1.首先介绍了内燃机噪声研究的国内外发展状况,为内燃机声源分离和识别方法的选取和相关技术的改进提供了理论依据,并在文献检索的基础上系统地分析了内燃机主要噪声源的特性及其产生机理,揭示了内燃机噪声的主要激励源及其在内燃机结构内部的传递路径,为准确识别噪声源和有效地进行噪声控制做了必要地知识准备。2.介绍了独立分量分析方法的原理以及其在工程上的应用。以某六缸柴油机为研究对象,对其不同工况下的噪声信号进行了统计独立性和高斯性分析,结果表明,噪声信号基本满足独立分量分析的前提条件。采用基于负熵极大地快速独立分量分析(FastICA)算法,将测量的噪声信号分解成一系列独立分量。3.采用傅里叶变换和小波变换技术对各个分量进行特征分析,以进一步识别各独立分量与内燃机噪声源的对应关系。结合时频分析结果和先验知识,对各独立分量进行了确定。4.采用基于快速傅里叶变化与基于频谱相似度的ICA不确定性消除方法消除了ICA(BSS)估计的不确定性,实现了源噪声信号波形的恢复。5.计算各独立分量噪声信号的声功率以及对整机辐射噪声声功率的贡献度,明确了主要的噪声源及其特征,提出了控制主要噪声源的措施,为进一步控制整机噪声奠定了基础。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 绪论
• 1.1 开展内燃机噪声研究的实际意义
• 1.2 国内外内燃机噪声问题的研究现状
• 1.3 论文的安排和主要内容
• 第二章 内燃机噪声源的描述及识别方法
• 2.1 引言
• 2.2 内燃机主要噪声源的分类和产生原因
• 2.2.1 内燃机表面振动的传递路径
• 2.2.2 燃烧噪声
• 2.2.3 机械噪声
• 2.3 内燃机振动噪声信号的非平稳性和时变性
• 2.3.1 振动激励的特点
• 2.3.2 信号时变的特点
• 2.4 内燃机噪声源信号识别的主要方法
• 2.4.1 内燃机表面辐射噪声源的识别方法
• 2.4.2 内燃机内部噪声源的识别方法
• 2.5 本章小结
• 第三章 基于独立分量分析的内燃机噪声源识别
• 3.1 独立分量（ICA）问题描述和假设
• 3.2 独立分量分析的基本理论
• 3.2.1 ICA 模型
• 3.2.2 ICA 假设
• 3.2.3 ICA 结果的不确定性
• 3.3 FastICA 算法简介
• 3.3.1 FastICA
• 3.3.2 FastICA 的实现步骤
• 3.4 FastICA 的数值仿真
• 3.5 本章小结
• 第四章 从傅里叶变换到小波变换
• 4.1 从傅里叶变换到小波变换
• 4.1.1 Fourier 变换
• 4.1.2 短时Fourier 变换
• 4.1.3 小波简介
• 4.2 小波函数的选取
• 4.3 本章小结
• 第五章 内燃机噪声源的ICA 分析及小波变换
• 5.1 内燃机噪声信号的独立分量分析
• 5.1.1 内燃机噪声测试试验
• 5.1.2 内燃机噪声信号的高斯性分析
• 5.1.3 内燃机噪声信号的FastICA 分析及小波变换
• 5.2. FastICA 分析结果的不确定性及消除方法研究
• 5.2.1 FastICA 分析的不确定性
• 5.2.2 FastICA 不确定性的消除方法
• 5.2.3 模拟信号仿真
• 5.3 内燃机噪声独立分量的幅值恢复
• 5.3.1 频谱的再处理
• 5.3.2 分离分量的幅值恢复
• 5.4 本章小结
• 第六章 内燃机表面辐射噪声对整机贡献度的计算
• 6.1 噪声的度量
• 6.2 声功率级的计算
• 6.3 分析计算结果
• 6.4 内燃机的降噪措施研究
• 6.4.1 控制燃烧噪声
• 6.4.2 降低燃烧噪声的基本途径
• 6.4.3 控制机械噪声
• 6.5 本章小结
• 第七章 总结
• 7.1 全文总结
• 7.2 工作展望
• 参考文献
• 参加科研情况说
• 致谢