研究表明高速列車的噪聲由多種因素混合而成,有效的分離出各種噪聲對列車的減振降噪具有重要意義。針對動車組模型試驗(yàn)提出一種適用于分離試驗(yàn)段觀測噪聲的盲源分離方法。對觀測噪聲進(jìn)行EEMD分解,使單通道欠定問題轉(zhuǎn)化為正定問題;利用主成分分析進(jìn)行源信號數(shù)目的估計(jì),提出利用至少包含源信號信息90%的主成分重構(gòu)觀測信號;對重構(gòu)的觀測信號利用獨(dú)立分量分析進(jìn)行分離。仿真實(shí)驗(yàn)說明該方法可有效的分離出源信號。在動車組模型風(fēng)洞試驗(yàn)中,試驗(yàn)段傳聲器的觀測信號主要是由氣動噪聲和風(fēng)機(jī)振動噪聲混合而成,所估計(jì)的源信號數(shù)目與試驗(yàn)條件一致。分離出的氣動噪聲和風(fēng)機(jī)振動噪聲源信號與原始源信號的主要頻率一致,相關(guān)系數(shù)都大于0.65,屬于強(qiáng)相關(guān),說明了該方法對動車組模型試驗(yàn)噪聲分離的有效性。 

【文章來源】：機(jī)械設(shè)計(jì)與制造. 2020,(06)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

仿真觀測信號

因此，ximf的前2個(gè)主成分Fi=aiximf（其中i=1,2）形成新的與源信號數(shù)目相同的觀測信號。然后對新的觀測信號x=(F1,F2)T利用FastICA算法進(jìn)行獨(dú)立分量分析，分離出的信號與源信號頻譜，如圖2所示。由圖2可知，利用上述獨(dú)立分量分析算法對觀測信號的主要頻率已完全分離，估計(jì)的源信號與原始源信號主要頻率一致，取得了理想的效果，驗(yàn)證了上述獨(dú)立分量分析算法的正確性。因此，對動車組模型風(fēng)洞試驗(yàn)段噪聲利用上述獨(dú)立分量分析算法進(jìn)行分離。

動車組模型風(fēng)洞試驗(yàn)系統(tǒng)包括基本的硬件和軟件設(shè)計(jì)。硬件設(shè)備主要是由動車組模型、傳感器、計(jì)算機(jī)、數(shù)據(jù)采集卡、變頻器、三相交流異步電機(jī)、離心通風(fēng)機(jī)、有機(jī)玻璃風(fēng)道以及采集器等組成，軟件設(shè)計(jì)主要包括風(fēng)速閉環(huán)控制系統(tǒng)設(shè)計(jì)和數(shù)據(jù)采集軟件的應(yīng)用。其試驗(yàn)段傳聲器、風(fēng)機(jī)位置處傳聲器以及試驗(yàn)段壓力傳感器測點(diǎn)，如圖3所示。分別測量動車組模型試驗(yàn)段的聲壓值和表面壓力以及風(fēng)機(jī)測點(diǎn)處的聲壓值進(jìn)行研究。4.2 動車組模型試驗(yàn)噪聲分離

【參考文獻(xiàn)】：
期刊論文
[1]高速列車脈動壓力的大渦模擬及小波分解[J]. 王亞南,陳春俊,何洪陽.  機(jī)械設(shè)計(jì)與制造. 2015(08)
[2]基于小波變換的高速列車表面脈動壓力提取[J]. 陳春俊,何洪陽,邵云龍.  西南交通大學(xué)學(xué)報(bào). 2015(03)
[3]基于EEMD的地聲信號單通道盲源分離算法[J]. 劉佳,楊士莪,樸勝春.  哈爾濱工程大學(xué)學(xué)報(bào). 2011(02)
[4]高速列車的動態(tài)環(huán)境及其技術(shù)的根本特點(diǎn)[J]. 沈志云.  鐵道學(xué)報(bào). 2006(04)

博士論文
[1]頻域盲源分離算法研究及其在高速列車噪聲成分分離中的應(yīng)用[D]. 納躍躍.北京交通大學(xué) 2014

碩士論文
[1]盲分離算法在高速列車監(jiān)測數(shù)據(jù)分析中的應(yīng)用[D]. 谷千偉.西南交通大學(xué) 2015



本文編號：3010657