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提出一種適用于分離試驗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,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)的觀測信號利用獨立分量分析進(jìn)行分離。仿真實驗說明該方法可有效的分離出源信號。在動車組模型風(fēng)洞試驗中,試驗段傳聲器的觀測信號主要是由氣動噪聲和風(fēng)機振動噪聲混合而成,所估計的源信號數(shù)目與試驗條件一致。分離出的氣動噪聲和風(fēng)機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,屬于強相關(guān),說明了該方法對動車組模型試驗噪聲分離的有效性。 

【文章來源】：機械設(shè)計與制造. 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，利用上述獨立分量分析算法對觀測信號的主要頻率已完全分離，估計的源信號與原始源信號主要頻率一致，取得了理想的效果，驗證了上述獨立分量分析算法的正確性。因此，對動車組模型風(fēng)洞試驗段噪聲利用上述獨立分量分析算法進(jìn)行分離。

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

【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.  機械設(shè)計與制造. 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. 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. 2011(02)
[4]高速列車的動態(tài)環(huán)境及其技術(shù)的根本特點[J]. 沈志云.  鐵道學(xué)報. 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