CN110749373A - 一种汽车噪声源检测方法 - Google Patents
一种汽车噪声源检测方法 Download PDFInfo
- Publication number
- CN110749373A CN110749373A CN201810816984.9A CN201810816984A CN110749373A CN 110749373 A CN110749373 A CN 110749373A CN 201810816984 A CN201810816984 A CN 201810816984A CN 110749373 A CN110749373 A CN 110749373A
- Authority
- CN
- China
- Prior art keywords
- noise
- input
- radiation source
- matrix
- source
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
Abstract
本发明公开一种汽车噪声源检测方法。所述方法包括:在汽车稳态工况下测量可能的激励源位置的振动信号、可能的辐射源位置的噪声信号和目标点的噪声信号,利用传递路径分析法建立多输入单输出模型,确定独立辐射源/激励源的数量和位置及每个辐射源/激励源贡献。与传统的实验分析方法相比,本发明简化了整车振动噪声源检测的操作流程,无需进行传递函数测试;本发明采用基于工况测试的传递路径分析方法,能够在混叠严重的车内噪声环境中检测主要噪声辐射源的数量和位置,并确定每个辐射源的贡献量,使得本发明具有更好的实用性;另外,本发明针对稳态工况进行检测,操作简便、省时,不需要解耦系统即可辨别噪声源传递路径。
Description
技术领域
本发明属于汽车噪声控制技术领域,具体涉及一种运行工况条件下的汽车噪声源检测方法。
背景技术
汽车噪声是噪声污染的主要来源,许多国家都制定了严格的法规来控制汽车噪声,降低汽车噪声作为当今汽车技术发展的一个重要课题得到了世界各国及各主要整车制造企业和零部件企业的广泛重视。
降低汽车噪声的关键是准确检测噪声源。目前,噪声源识别常用的方法包括运转法、铅覆盖法、声强测量法、相干分析法和传递路径方法等。运转法是使怀疑的噪声源分别独立运转,比较噪声特性。这种方法定位粗略,误差较大,不适于车内的噪声环境。铅覆盖法主要是将各个发声部件用隔声较好的材料包裹起来,测试包裹前后的噪声,从而识别出主要的噪声源。铅覆盖法实施难过高,一般较少采用。声强测量法是利用声强的有向性和声强探头的指向性进行的。声强探头不仅能获得噪声的大小,还能得到噪声能量流动的方向。这种方法仍然具有操作复杂的缺点。相干分析法是利用相干函数描述被测部件噪声在目标点噪声中所占比例的大小。对于常见的多输入单输出系统,存在严重的噪声源,需利用偏相干函数识别主要的噪声源。但是如果多个激励源有强相干性,偏相干函数会很小,无法得到有效的分析结果。传统的传递路径分析方法是通过解耦系统,隔离各个传递路径的方式来辨识振动噪声来源,即在测试过程中需要拆除动力系统,然后花费大量的时间去测量系统的频响函数。
发明内容
为了解决现有技术中存在的上述问题,本发明提出一种运行工况条件下的汽车噪声源检测方法。
为实现上述目的,本发明采用如下技术方案:
一种汽车噪声源检测方法,包括:
步骤1,使汽车运行在稳态工况下,在可能的激励源位置安装加速度传感器测量激励源产生的振动信号,在可能的辐射源位置和目标点位置安装声音传感器,测量辐射源产生的噪声信号和目标点的噪声信号;
步骤2,建立以辐射源产生的噪声信号为输入、目标点的噪声信号为输出的多输入单输出模型;
步骤3,根据所述多输入单输出模型,利用步骤1的测量数据,通过计算输出信号功率中由输入信号引起的部分所占的比例的大小判断是否有遗漏的辐射源,在可能遗漏的辐射源位置安装声音传感器,重复进行测试和判断,直到没有遗漏的辐射源;
步骤4,根据所述多输入单输出模型,计算功率大于设定阈值的输入信号的数量,得到独立辐射源的数量;逐一剔除输入信号,使输入信号总功率降低最多的那个剔除输入信号对应的声音传感器的位置即为功率最大的独立辐射源的位置,依此方法按照功率从大到小的顺序逐一确定每个独立辐射源的位置;
步骤5,建立以独立辐射源产生的噪声信号为输入、以目标点的噪声信号为输出的模型,通过对输入信号互功率谱矩阵的奇异值分解和对奇异值矩阵重置,将输出信号自功率谱分解成独立辐射源贡献的和,从而确定每个独立辐射源的贡献;
步骤6,建立以振动信号为输入、某一独立辐射源产生的噪声信号为输出的多输入单输出模型,重复步骤3、4、5,确定独立振动源的数量、位置及贡献。
与现有技术相比,本发明具有以下有益效果:
本发明通过在汽车稳态工况下测量可能的激励源位置的振动信号、可能的辐射源位置的噪声信号和目标点的噪声信号,利用传递路径(激励源—辐射源—目标点)分析法建立多输入单输出模型,确定独立辐射源/激励源的数量和位置及每个辐射源/激励源贡献,实现了汽车内噪声的有效检测。与传统的实验分析方法相比,本发明简化了整车振动噪声源检测的操作流程,无需进行传递函数测试;本发明采用基于工况测试的传递路径分析方法,能够在混叠严重的车内噪声环境中检测主要噪声辐射源的数量和位置,并确定每个辐射源的贡献量,使得本发明具有更好的实用性;另外,本发明针对稳态工况进行检测,操作简便、省时,不需要解耦系统即可辨别噪声源传递路径。
附图说明
图1为采用传递路径分析法建立多输入单输出模型的示意图;
图2为某一独立辐射源的贡献因子-频率曲线。
具体实施方式
下面结合附图对本发明作进一步详细说明。
本发明实施例一种汽车噪声源检测方法,包括:
S101、使汽车运行在稳态工况下,在可能的激励源位置安装加速度传感器测量激励源产生的振动信号,在可能的辐射源位置和目标点位置安装声音传感器,测量辐射源产生的噪声信号和目标点的噪声信号;
本步骤运行工况测试,汽车运行在稳态工况下,如怠速或匀速。选择稳态工况的好处是不需要解耦系统即可辨别噪声源传递路径。噪声传播路径为激励源—辐射源—目标点。激励源是也称为振动源,是噪声的根本来源,如悬置;激励源振动引起车身壁板的振动进而辐射噪声,车身壁板就是辐射源;目标点是噪声输出点,如驾驶员耳旁。激励源位置振动信号主要考虑悬架、悬置,排气管、传动轴以及其他可能成为激励源的振动较大的位置靠近车身一侧的振动。采用加速度传感器测量这些激励源车身一侧测点的振动信号。辐射源位置选择车内钣金、玻璃、仪表盘等位置,采用声音传感器,如传声器,测量这些位置的噪声大小。目标点噪声一般选择驾驶员或副驾驶员靠近车窗玻璃一侧的人耳位置噪声,通过支架在人耳位置固定声音传感器测试其噪声大小。
S102、建立以辐射源产生的噪声信号为输入、目标点的噪声信号为输出的多输入单输出模型;
本步骤建立以辐射源噪声信号为输入、目标点噪声信号为输出的多输入单输出模型,用于在后面步骤中根据S101的工况测量数据,对辐射源噪声信号进行分析计算。本实施例根据噪声的产生及传播路径进行建模,噪声传播路径为激励源—辐射源—目标点,如图1所示,图1中的u、x、y分别表示激励源、辐射源和目标点的信号。根据需要,可以建立以辐射源噪声信号为输入、目标点噪声信号为输出的多输入单输出模型,也可以建立以激励源的振动信号为输入、辐射源噪声信号为输出的多输入单输出模型。
S103、根据所述多输入单输出模型,利用S101的测量数据,通过计算输出信号功率中由输入信号引起的部分所占的比例的大小判断是否有遗漏的辐射源,在可能遗漏的辐射源位置安装声音传感器,重复进行测试和判断,直到没有遗漏的辐射源;
在本步骤中,由于进行工况测量时辐射源的数量和位置并不明确,只是在认为可能性较大的辐射源位置架设声音传感器,因此,很有可能遗漏重要(辐射大)的辐射源。本步骤通过计算输出信号功率中由输入信号引起的部分所占的比例的大小判断是否有遗漏的辐射源。对于一个多输入单输出线性系统,测得的输出信号功率包含两部分:一部分是由输入信号引起,这部分是主要部分;另一部分是由系统噪声和测量误差引起。因此,可以根据第一部分所占的比例大小判断是否有重要遗漏,如果所述比例很高(超过设定的阈值),说明没有遗漏的辐射源;否则有遗漏。如果判断结果为有遗漏,在可能遗漏的辐射源位置安装声音传感器,重复进行工况测量实验,直到判断结果为没有遗漏的辐射源。
S104、根据所述多输入单输出模型,计算功率大于设定阈值的输入信号的数量,得到独立辐射源的数量;逐一剔除输入信号,使输入信号总功率降低最多的那个剔除输入信号对应的声音传感器的位置即为功率最大的独立辐射源的位置,依此方法按照功率从大到小的顺序逐一确定每个独立辐射源的位置;
本步骤用于确定独立辐射源的数量和位置。独立辐射源是指辐射功率较大的辐射源,为了避免遗漏辐射源,在进行工况测量时安装的声音传感器的数量明显大于独立辐射源的数量。因此,可以通过找出功率大于设定阈值的输入信号的数量确定独立辐射源的数量。输入信号功率可用输入信号互功率谱矩阵的奇异值大小度量。独立辐射源的位置采用测量辐射源噪声的声音传感器的位置表示。可通过逐一使声音传感器的输出为0(逐一剔除输入信号),找出使输入信号总功率降低最多的声音传感器,该声音传感器的位置就是功率最大的那个独立辐射源的位置。然后对余下的声音传感器进行相同的处理,直到确定完所有独立辐射源的位置。
S105、建立以独立辐射源产生的噪声信号为输入、以目标点的噪声信号为输出的模型,通过对输入信号互功率谱矩阵的奇异值分解和对奇异值矩阵重置,将输出信号自功率谱分解成独立辐射源贡献的和,从而确定每个独立辐射源的贡献;
在本步骤中,根据上一步确定的独立辐射源重新建立多输入单输出模型,计算输入信号互功率谱矩阵,并进行奇异值分解和奇异值矩阵重置,从而确定每个独立辐射源对目标点噪声信号的贡献。由于对矩阵进行奇异值分解得到的奇异值矩阵的奇异值的排列顺序一般不能真实反映输入信号的频率特性,因此需要进行奇异值矩阵重置。进行奇异值矩阵重置后,根据输入信号互功率谱矩阵和传输函数求输出信号自功率谱,并将输出信号自功率谱分解成每个独立辐射源贡献的和,据此便可以确定每个独立辐射源的贡献。
S106、建立以振动信号为输入、某一独立辐射源产生的噪声信号为输出的多输入单输出模型,重复S103、S104、S105,确定独立振动源的数量、位置及贡献。
在本步骤中,建立以振动信号为输入、某一独立辐射源产生的噪声信号为输出的多输入单输出模型,采用与检测辐射源相同的方法确定独立振动源的数量、位置及贡献。
作为一种可选实施例,所述S103判断是否有遗漏的辐射源的方法包括:
按式(1)计算重相干函数的值:
本实施例给出了实现S103的一种具体的技术方案。本实施例采用重相干函数表示输出信号功率中由输入信号引起的部分所占的比例。重相干函数的值按照式(1)计算,Sy、Hj和可以根据S101中测得的辐射源产生的噪声信号和目标点的噪声信号,利用软件自动计算。判定阈值根据实践经验设定,一般选为90%。
作为一种可选实施例,所述S104具体包括:
通过对输入信号的互功率谱矩阵Sxx进行奇异值分解得到的奇异值矩阵Λ,并求出奇异值λi,1≤i≤N,N为输入信号个数;
比较所述奇异值λi与设定阈值的大小,大于设定阈值的奇异值的数量即为独立辐射源的数量M;
从剔除的输入信号中剔除第q2个输入信号得到输入信号 计算的互功率谱的奇异值矩阵的奇异值,并求的迹与的迹之差如果1≤p2≤N,p2≠p1,则用于测量第p2个输入信号的声音传感器的位置即为第二个独立辐射源的位置;
重复前述步骤,直到找出所有M个独立辐射源的位置。
本实施例给出实现S104的一种技术方案。用输入信号互功率谱矩阵Sxx的奇异值作为各个输入信号功率的度量,通过将所述奇异值与设定的阈值进行比较确定独立辐射源的数量。所述阈值一般选为Sxx奇异值的最大值降低20分贝,即认为比最大奇异值小20分贝以上的奇异值为0。独立辐射源的数量确定后,按照S104中给出的方法确定辐射源的位置。本实施例用输入信号互功率谱矩阵的奇异值矩阵的迹(奇异值的和)作为输入信号总功率的度量,用输入信号互功率谱矩阵的奇异值矩阵的迹,与剔除某一输入信号后的输入信号互功率谱矩阵的奇异值矩阵的迹的差值,表示剔除的输入信号功率的大小,按照功率从大到小的顺序逐一确定M个独立辐射源的位置。
作为一种可选实施例,所述S105具体包括:
求输出y的自功率谱
式(4)中,Hd为从输入到输出的传递函数;
对Λd进行重置,式(4)变为:
式(5)中,E为M×M阶单位矩阵,R为重置矩阵,按下面方法求R:
定义矩阵B,其元素等于Vd元素的求模(复数求模);
找出B中最大的元素br1c1,按下式确定R第r1行和第c1列的元素值,并修改B的第r1行和第c1列的元素值:
再找出修改后的B中最大的元素,仍然按照式(6)确定R相应行列的元素值和修改B相同行列的元素值;重复上述步骤,直到确定完R的所有元素值;
计算每个独立辐射源贡献因子fi:
本实施例给出了独立辐射源贡献的技术方案,最后以贡献因子大小表示各个独立辐射源的贡献。图2是某一独立辐射源的贡献因子-频率曲线。求每个独立辐射源的贡献的关键是求输入信号互功率谱矩阵的奇异值矩阵的重置矩阵R。由于奇异值矩阵对角线上的奇异值是按从大到小排列的,不能真实反映独立辐射源的位置,因此需要对奇异值矩阵重置,调整对角线上奇异值的位置。本实施例给出了R的详细求解方法,这里不再重复解释。通过奇异矩阵重置确定独立辐射源贡献的好处在于不需要人工干预,可直接得到声源的频率特性。
上述仅对本发明中的几种具体实施例加以说明,但并不能作为本发明的保护范围,凡是依据本发明中的设计精神所做出的等效变化或修饰或等比例放大或缩小等,均应认为落入本发明的保护范围。
Claims (4)
1.一种汽车噪声源检测方法,其特征在于,包括:
步骤1,使汽车运行在稳态工况下,在可能的激励源位置安装加速度传感器测量激励源产生的振动信号,在可能的辐射源位置和目标点位置安装声音传感器,测量辐射源产生的噪声信号和目标点的噪声信号;
步骤2,建立以辐射源产生的噪声信号为输入、目标点的噪声信号为输出的多输入单输出模型;
步骤3,根据所述多输入单输出模型,利用步骤1的测量数据,通过计算输出信号功率中由输入信号引起的部分所占的比例的大小判断是否有遗漏的辐射源,在可能遗漏的辐射源位置安装声音传感器,重复进行测试和判断,直到没有遗漏的辐射源;
步骤4,根据所述多输入单输出模型,计算功率大于设定阈值的输入信号的数量,得到独立辐射源的数量;逐一剔除输入信号,使输入信号总功率降低最多的那个剔除输入信号对应的声音传感器的位置即为功率最大的独立辐射源的位置,依此方法按照功率从大到小的顺序逐一确定每个独立辐射源的位置;
步骤5,建立以独立辐射源产生的噪声信号为输入、以目标点的噪声信号为输出的模型,通过对输入信号互功率谱矩阵的奇异值分解和对奇异值矩阵重置,将输出信号自功率谱分解成独立辐射源贡献的和,从而确定每个独立辐射源的贡献;
步骤6,建立以振动信号为输入、某一独立辐射源产生的噪声信号为输出的多输入单输出模型,重复步骤3、4、5,确定独立振动源的数量、位置及贡献。
3.根据权利要求1所述的汽车噪声源检测方法,其特征在于,所述步骤4具体包括:
通过对输入信号的互功率谱矩阵Sxx进行奇异值分解得到的奇异值矩阵Λ,并求出奇异值λi,1≤i≤N,N为输入信号个数;
比较所述奇异值λi与设定阈值的大小,大于设定阈值的奇异值的数量即为独立辐射源的数量M;
从剔除的输入信号中剔除第q2个输入信号得到输入信号q2=1,2,···,p1-1,p1+1,···,N,计算的互功率谱的奇异值矩阵的奇异值,并求的迹与的迹之差如果1≤p2≤N,p2≠p1,则用于测量第p2个输入信号的声音传感器的位置即为第二个独立辐射源的位置;
重复前述步骤,直到找出所有M个独立辐射源的位置。
4.根据权利要求1所述的汽车噪声源检测方法,其特征在于,所述步骤5具体包括:
式(4)中,Hd为从输入到输出的传递函数;
对Λd进行重置,式(4)变为:
式(5)中,E为M×M阶单位矩阵,R为重置矩阵,按下面方法求R:
定义矩阵B,其元素等于Vd元素的求模;
找出B中最大的元素br1c1,按下式确定R第r1行和第c1列的元素值,并修改B的第r1行和第c1列的元素值:
再找出修改后的B中最大的元素,仍然按照式(6)确定R相应行列的元素值和修改B相同行列的元素值;重复上述步骤,直到确定完R的所有元素值;
计算每个独立辐射源贡献因子fi:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810816984.9A CN110749373A (zh) | 2018-07-24 | 2018-07-24 | 一种汽车噪声源检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810816984.9A CN110749373A (zh) | 2018-07-24 | 2018-07-24 | 一种汽车噪声源检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110749373A true CN110749373A (zh) | 2020-02-04 |
Family
ID=69275258
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810816984.9A Withdrawn CN110749373A (zh) | 2018-07-24 | 2018-07-24 | 一种汽车噪声源检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110749373A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112033684A (zh) * | 2020-09-15 | 2020-12-04 | 中国航发沈阳发动机研究所 | 一种激振点对响应点振动贡献度辨识方法 |
CN112050931A (zh) * | 2020-09-17 | 2020-12-08 | 广东电网有限责任公司电力科学研究院 | 一种用于变电站厂界环境噪声排放检测系统及方法 |
CN112432702A (zh) * | 2020-11-09 | 2021-03-02 | 大连理工大学 | 一种基于离心泵振动传递路径重合的振动源识别方法 |
CN112597676A (zh) * | 2020-12-10 | 2021-04-02 | 东风汽车集团有限公司 | 一种汽车悬置振动来源敏感度识别方法及装置 |
CN112651354A (zh) * | 2020-12-29 | 2021-04-13 | 潍柴动力股份有限公司 | 噪声源的确定方法和装置 |
CN112729528A (zh) * | 2020-12-07 | 2021-04-30 | 潍柴动力股份有限公司 | 一种噪声源识别方法、装置及设备 |
CN112834017A (zh) * | 2021-01-05 | 2021-05-25 | 重庆长安汽车股份有限公司 | 一种车内噪声的分离方法 |
CN114383716A (zh) * | 2021-11-19 | 2022-04-22 | 华南理工大学 | 一种基于条件功率谱分析的车内噪声识别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9177557B2 (en) * | 2009-07-07 | 2015-11-03 | General Motors Llc. | Singular value decomposition for improved voice recognition in presence of multi-talker background noise |
CN105068973A (zh) * | 2015-08-31 | 2015-11-18 | 华南理工大学 | 一种频响函数计算中的矩阵分解奇异值取舍方法 |
CN105651526A (zh) * | 2015-12-29 | 2016-06-08 | 哈尔滨工业大学 | 基于振动信号分析的车辆工况识别方法 |
CN106679990A (zh) * | 2016-12-16 | 2017-05-17 | 华南理工大学 | 汽车六自由度轮心力测试及振动噪声贡献率的计算方法 |
US10013967B2 (en) * | 2016-05-11 | 2018-07-03 | Harman Becker Automotive Systems Gmbh | Method and system for selecting sensor locations on a vehicle for active road noise control |
-
2018
- 2018-07-24 CN CN201810816984.9A patent/CN110749373A/zh not_active Withdrawn
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9177557B2 (en) * | 2009-07-07 | 2015-11-03 | General Motors Llc. | Singular value decomposition for improved voice recognition in presence of multi-talker background noise |
CN105068973A (zh) * | 2015-08-31 | 2015-11-18 | 华南理工大学 | 一种频响函数计算中的矩阵分解奇异值取舍方法 |
CN105651526A (zh) * | 2015-12-29 | 2016-06-08 | 哈尔滨工业大学 | 基于振动信号分析的车辆工况识别方法 |
US10013967B2 (en) * | 2016-05-11 | 2018-07-03 | Harman Becker Automotive Systems Gmbh | Method and system for selecting sensor locations on a vehicle for active road noise control |
CN106679990A (zh) * | 2016-12-16 | 2017-05-17 | 华南理工大学 | 汽车六自由度轮心力测试及振动噪声贡献率的计算方法 |
Non-Patent Citations (2)
Title |
---|
仲典 等: "工况传递路径分析用于辨识车内噪声源", 《噪声与振动控制》 * |
蒋伟康 等: "声近场综合试验解析技术及其在车外噪声分析中的应用", 《机械工程学报》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112033684B (zh) * | 2020-09-15 | 2023-10-10 | 中国航发沈阳发动机研究所 | 一种激振点对响应点振动贡献度辨识方法 |
CN112033684A (zh) * | 2020-09-15 | 2020-12-04 | 中国航发沈阳发动机研究所 | 一种激振点对响应点振动贡献度辨识方法 |
CN112050931A (zh) * | 2020-09-17 | 2020-12-08 | 广东电网有限责任公司电力科学研究院 | 一种用于变电站厂界环境噪声排放检测系统及方法 |
CN112432702B (zh) * | 2020-11-09 | 2021-10-15 | 大连理工大学 | 一种基于离心泵振动传递路径重合的振动源识别方法 |
CN112432702A (zh) * | 2020-11-09 | 2021-03-02 | 大连理工大学 | 一种基于离心泵振动传递路径重合的振动源识别方法 |
CN112729528A (zh) * | 2020-12-07 | 2021-04-30 | 潍柴动力股份有限公司 | 一种噪声源识别方法、装置及设备 |
CN112597676B (zh) * | 2020-12-10 | 2022-11-01 | 东风汽车集团有限公司 | 一种汽车悬置振动来源敏感度识别方法及装置 |
CN112597676A (zh) * | 2020-12-10 | 2021-04-02 | 东风汽车集团有限公司 | 一种汽车悬置振动来源敏感度识别方法及装置 |
CN112651354A (zh) * | 2020-12-29 | 2021-04-13 | 潍柴动力股份有限公司 | 噪声源的确定方法和装置 |
CN112651354B (zh) * | 2020-12-29 | 2023-09-19 | 潍柴动力股份有限公司 | 噪声源的确定方法和装置 |
CN112834017A (zh) * | 2021-01-05 | 2021-05-25 | 重庆长安汽车股份有限公司 | 一种车内噪声的分离方法 |
CN112834017B (zh) * | 2021-01-05 | 2023-03-14 | 重庆长安汽车股份有限公司 | 一种车内噪声的分离方法 |
CN114383716A (zh) * | 2021-11-19 | 2022-04-22 | 华南理工大学 | 一种基于条件功率谱分析的车内噪声识别方法 |
CN114383716B (zh) * | 2021-11-19 | 2023-12-08 | 华南理工大学 | 一种基于条件功率谱分析的车内噪声识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110749373A (zh) | 一种汽车噪声源检测方法 | |
Yang | An adaptive sensor placement algorithm for structural health monitoring based on multi-objective iterative optimization using weight factor updating | |
CN111208206B (zh) | 一种温度变化环境下的复合材料超声导波结构健康监测方法 | |
CN109933852A (zh) | 预测车辆尺寸偏差的方法、装置、存储介质及电子设备 | |
KR20210129942A (ko) | 이음 검사 장치 및 그 검사 방법 | |
CN116337783A (zh) | 一种气体分析仪的多点标定方法和系统 | |
CN109682562B (zh) | 多轴耐久转单轴耐久的试验方法 | |
CN113591314A (zh) | 传感器可信性评估方法、装置、计算机设备及介质 | |
CN117147022B (zh) | 力传感器非线性补偿方法及系统 | |
CN113094640B (zh) | 一种频域下宽带多轴随机振动寿命预测方法 | |
CN113919389A (zh) | 一种基于声纹成像的gis故障诊断方法及系统 | |
CN110702344B (zh) | 基于分布式应变测量技术的闭环桥梁结构损伤诊断方法 | |
CN117407782A (zh) | 一种基于信号流图的传递路径分析与振动贡献评估方法 | |
CN112014791A (zh) | 存在阵列误差的阵列pca-bp算法的近场源定位方法 | |
CN106526533A (zh) | 一种微孔径mems声阵列传感器及其使用方法 | |
CN114813129B (zh) | 基于wpe与emd的滚动轴承声信号故障诊断方法 | |
CN116147758A (zh) | 一种便携式实船机械噪声快速测试评估装置及评估方法 | |
CN112903952B (zh) | 一种金属板结构损伤评价系统和方法 | |
CN110598289B (zh) | 一种不完备信息下的天线温度场测量方法 | |
CN110146276B (zh) | 一种基于无线传感器的索力与抗弯刚度监测方法及系统 | |
Huang et al. | Research on structural sound source localization method by neural network | |
CN113823317B (zh) | 基于频谱结构化识别的变电站噪声分离方法、设备及介质 | |
Cheng et al. | AR model-based crosstalk cancellation method for operational transfer path analysis | |
CN110069809B (zh) | 一种基于蒙特卡罗模拟法的go法中的不确定性分析方法 | |
Wang et al. | Identification of Interior Noise Contributed from Partially Correlated Vibrational and Acoustical Sources |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200204 |