论文部分内容阅读
近几年来,随着中国的汽车和高速列车产业迅猛发展,交通噪声的问题也越来越严重。内燃机和牵引系统分别是汽车和高速列车的主要噪声源。其中内燃机气门启闭时的拍击激励和活塞行程换向时的敲缸激励而产生的机械噪声信号,与内燃机燃烧激励引起的燃烧噪声都是典型的非稳态时变信号,且都出现在活塞行程上止点附近,是内燃机振动噪声源诊断与识别的重点和难点问题。同样,在高速列车底部机舱内的牵引系统也包含丰富的机械、电磁、流体及空气动力噪声,也是列车噪声源诊断的难点问题。由于目前传统的频谱分析技术很难对这些复杂噪声源进行有效的识别与分离,因此,对汽车内燃机和高速列车牵引系统的振动噪声特性和噪声源进行系统、深入的识别分析研究很有必要。本文围绕这些问题主要开展了以下研究工作：对基于能量集中程度度量法的广义自适应S变换(AGST)的基本理论和实现过程进行了研究,通过仿真和实际内燃机振动信号验证了AGST是具有更高的时-频分辨率。采用AGST对某4缸4冲程内燃机的关键部件振动信号和关键位置的噪声信号进行了研究,结果表明该内燃机的各种机械激励(包括气门拍击激励、活塞敲击激励和往复惯性力激励等)引起的振动(噪声)成分和各种燃烧激励引起的振动(噪声)成分都能较为准确地被识别出来。在集总平均经验模态分解(EEMD)理论基础上,综合目前的各种改进方法,提出了改进集总平均经验模态分解(MEEMD),并通过仿真信号和实际内燃机振动信号验证了MEEMD在有效抑制经验模态分解(EMD)的模态混叠问题和EEMD的模态分裂问题的同时还能够在极大程度上抑制白噪声在信号中的残余量,保证了分解结果的准确性和完备性。采用MEEMD和AGST相结合的方法对某4缸4冲程内燃机振动信号中的机械激励和燃烧激励成分进行了分离与识别研究,并与相同转速下倒拖工况的振动信号分解结果进行了对比验证。研究结果表明,该内燃机振动信号中的机械激励成分和燃烧激励成分能够得到有效分离和识别。采用MEEMD和AGST相结合的方法对某4缸4冲程内燃机振动成分对辐射噪声的贡献量进行了研究。研究结果表明,引起噪声辐射的主要激励成分能够被准确识别,通过这种方法可以科学有效地指导内燃机的低噪声改进工作,避免了内燃机的振动烈度降低了,而噪声水平没有明显改善的尴尬现象。采用AGST对高速列车牵引系统的振动噪声特性和主要噪声源进行了识别研究,确定了高速列车下部机舱内牵引系统的噪声主要来自轮轨激励噪声、空气动力噪声、冷却模块风扇噪声和牵引变流器电磁辐射噪声。在此基础上对高速列车牵引系统噪声特性随运行时速的变化情况进行了研究,提出了低噪声运行和改进的建议,为高速列车减振降噪提供了有力的技术支持。