CN116933579A - 一种基于nas-sv-mem的多源信息联合声辐射识别方法 - Google Patents
一种基于nas-sv-mem的多源信息联合声辐射识别方法 Download PDFInfo
- Publication number
- CN116933579A CN116933579A CN202310694762.5A CN202310694762A CN116933579A CN 116933579 A CN116933579 A CN 116933579A CN 202310694762 A CN202310694762 A CN 202310694762A CN 116933579 A CN116933579 A CN 116933579A
- Authority
- CN
- China
- Prior art keywords
- noise
- engine
- vibration
- component
- nas
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 230000005855 radiation Effects 0.000 title claims abstract description 61
- 230000001133 acceleration Effects 0.000 claims abstract description 23
- 238000005516 engineering process Methods 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 230000005540 biological transmission Effects 0.000 claims description 28
- 238000004458 analytical method Methods 0.000 claims description 23
- 238000012360 testing method Methods 0.000 claims description 22
- 238000004088 simulation Methods 0.000 claims description 9
- 238000012546 transfer Methods 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 230000005284 excitation Effects 0.000 claims description 5
- 239000013598 vector Substances 0.000 claims description 4
- 238000013506 data mapping Methods 0.000 claims description 3
- 238000012821 model calculation Methods 0.000 claims description 2
- 230000009467 reduction Effects 0.000 abstract description 4
- 238000004134 energy conservation Methods 0.000 abstract description 2
- 238000013461 design Methods 0.000 description 7
- 238000005457 optimization Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 4
- 238000000926 separation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000009413 insulation Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000012085 test solution Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229910052749 magnesium Inorganic materials 0.000 description 1
- 239000011777 magnesium Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H11/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties
- G01H11/06—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties by electric means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
- G01P15/18—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration in two or more dimensions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/10—Noise analysis or noise optimisation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于NAS‑SV‑MEM的多源信息联合声辐射识别方法，包括：(1)利用麦克风阵列采集发动机各表面近场的声压信号，定性分析识别发动机噪声源；(2)利用振动加速度传感器采集发动机部件表面振动信号，根据平均振速计算发动机部件声功率级，定量分析发动机部件噪声贡献量；(3)建立发动机部件线框模型，利用振动加速度传感器采集线框每个测点处的振动信号，通过模态扩展技术计算发动机部件总辐射噪声；采集部件与缸体连接螺栓处的振动信号，以螺栓处振动信号为输入计算部件的结构传递噪声；根据能量守恒计算部件的结构透射噪声。本发明可准确定位发动机噪声源，识别与分离发动机部件结构辐射噪声，为发动机降噪提供明确目标。
Description
技术领域
本发明涉及发动机NVH噪声源定位及声辐射识别领域，具体涉及一种基于NAS-SV-MEM(Nearfield acoustic pressure scanning-Surface vibration-Modal exp ansionmethod)的多源信息联合声辐射识别方法，能够准确定位发动机表面的主要噪声源，识别与分离发动机主要辐射部件的结构传递噪声与透射噪声，为发动机降噪提供明确目标，使得发动机的NVH性能得到改善。
背景技术
随着发动机设计趋势轻量化，功率和转速不断提高，振动和噪声问题也日趋突出，高效识别发动机表面主要噪声源并实现噪声分离是提升发动机NVH性能的关键。根据激励传递途径的不同，发动机表面辐射噪声可分为结构传递噪声和透射噪声，目前，多体动力学、有限元、边界元分析方法等现代设计理论已被广泛应用于发动机薄璧件的NVH研究和优化，但这些方法往往只考虑了由结构传递振动激起的薄壁件辐射噪声，忽略了内部声波激起的透射噪声。考虑到薄壁件轻量化设计材料镁、铝等广泛应用，其透射性能更应受到重点关注。较强的透射噪声不仅会影响发动机零部件的使用寿命，而且会影响驾驶室的舒适性，所以对动机薄璧件的NVH研究和优化时不可忽略透射噪声。
发明内容
为了克服现有技术中存在的问题，本发明提供了一种基于NAS-SV-MEM的多源信息联合声辐射识别方法，利用近场声压扫描法定性分析发动机表面的噪声源，通过表面振速法定量分析主要辐射部件的噪声贡献量及声振特性，再结合模态扩展技术识别与分离主要辐射部件的结构传递噪声与透射噪声。从定性和定量两个方面分析问题，成功定位发动机的主要噪声源，实现噪声分离。
为进一步实现上述目的，本发明采用以下技术方案：一种基于NAS-SV-ME M的多源信息联合声辐射识别方法，包括以下步骤：
1)在发动机稳态工况下，利用麦克风阵列采集发动机各表面近场的声压信号，定性分析识别发动机噪声源；
2)在发动机稳态工况下，利用振动加速度传感器采集发动机部件表面振动信号，根据平均振速计算发动机部件声功率级，定量分析发动机部件噪声贡献量；
3)在LMS Test.Lab软件中建立发动机部件的线框模型，利用振动加速度传感器采集线框每个测点处的振动信号，通过模态扩展技术计算部件总辐射噪声；
利用振动加速度传感器采集发动机部件与缸体连接螺栓处的振动信号，以螺栓处振动信号为输入计算部件的结构传递噪声；
最后根据能量守恒原理计算部件的透射噪声。
可选地，步骤1)中，所述麦克风阵列中麦克风均匀布置，间距约0.1m；所述麦克风阵列的长度大于或等于发动机尺寸，麦克风阵列自上而下或自左向右移动扫描时保持间距相同，间距约0.1m；
所述麦克风阵列距离发动机表面0.1m～0.2m。
进一步地，步骤1)中，在所述LMS Test.Lab软件中计算各麦克风A计权下的Overall Level值，在Matlab软件中利用插值算法构建发动机表面声压级分布云图。
可选地，步骤2)中，所述振动加速度传感器的个数与位置按照GB T16539-1996《声学振速法测定噪声源声功率级》标准布置，测试部件各种工况下的振动信号，根据平均振速计算部件声功率级，分析部件噪声贡献量。
可选地，步骤3)中，各所述振动加速度传感器的坐标方向与发动机坐标方向保持一致。
可选地，步骤3)中，所述线框模型测点要充分反应发动机部件轮廓以及满足测点总自由度(测点个数*振动加速度传感器自由度数)大于关心频段的模态阶数的要求。
可选地，步骤3)中，所述通过模态扩展技术计算部件总辐射噪声，具体为：
将通过LMS Test.Lab软件中采集到的振动时域数据转换成频域数据并保留各点的相位信息，导入到LMS Virtual.Lab软件的Noise&Vibration模块中，将函数形式的数据转化为三维的矢量得到各频率的振动云图；
进入声学边界元模块，利用Data Transfer Analysis Case的Element Maxim umDistance算法完成线框模型到有限元模型的数据映射；
以结构约束模态为基础，通过模态扩展技术将有限的数据点的信息扩展到整个有限元模型，以扩展得到的有限元模型表面振速为边界条件仿真计算部件总辐射噪声。
可选地，步骤3)中，所述以螺栓处振动信号为输入计算部件的结构传递噪声，具体为：
以螺栓处振动信号为激励计算有限元模型的振动响应，以振动响应为边界条件建立声学边界元模型计算部件的结构传递噪声。
更进一步地，所述根据能量守恒原理计算部件透射噪声包括：采集发动机部件表面振动信号用于模态扩展计算出的辐射噪声W，包括结构传递噪声Wd与透射噪声Wt，由此，透射噪声声功率为：
Wt＝W-Wd。
可选地，所述发动机部件包括：气阀罩盖、油底壳、齿轮室、增压器、高压油泵。
相较于现有技术，本发明的优势在于：从定性和定量两个方面分析问题，有助于快速准确定位发动机表面的主要噪声源，识别与分离主要辐射部件的结构传递噪声与透射噪声，弥补了近场声压阵面扫描法不能准确分析部件贡献量的缺点和表面振速法不能快速定位主要辐射部件的弊端；近场声压扫描法快速定位发动机表面主要噪声源，为表面振速法定量分析主要辐射部件的噪声贡献量指引方向，快速实现部件贡献量排序，弄清辐射部件的主次，为基于模态扩展技术的声辐射识别方法可以准确且高效的实现主要辐射部件噪声分离提高目标。
基于模态扩展技术的声辐射识别方法将测试与仿真相结合，能减小激励与阻尼的误差对计算结果的影响，同时降低了隔声识别法、覆盖法等声辐射识别法中需要的材料成本。这一系列的优势使得本发明方法在发动机的噪声源定位及声辐射识别领域得到成功的应用。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本发明基于NAS-SV-MEM的多源信息联合声辐射识别方法的流程图；
图2为某柴油机怠速工况下近场声压扫描法麦克风阵列布置图；
图3为某柴油机怠速工况下近场声压扫描法1号面声压云图；
图4为某柴油机怠速工况下近场声压扫描法2号面声压云图；
图5为某柴油机怠速工况下近场声压扫描法3号面声压云图；
图6为某柴油机怠速工况下近场声压扫描法4号面声压云图；
图7为某柴油机怠速工况下近场声压扫描法5号面声压云图；
图8为表面振速法气阀罩盖振动加速度传感器采集示意图；
图9为表面振速法气阀罩盖1/3声功率级谱图；
图10为基于模态扩展技术的声辐射识别法模态扩展线框测点振动信号采集图；
图11为基于模态扩展技术的声辐射识别法螺栓振动信号采集图；
图12为气阀罩盖线框模型某频率下的振动加速度云图；
图13为基于模态扩展技术的声辐射识别法模态扩展法振动数据映射图；
图14为基于模态扩展技术的声辐射识别法模态扩展法计算总辐射噪声BEM模型；
图15为基于模态扩展技术的声辐射识别法结构传递噪声计算BEM模型；
图16为基于模态扩展技术的声辐射识别法结构传递噪声与透射噪声识别结果图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施示例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。
本发明所用软件包括：
LMS Test.Lab是一整套的振动噪声试验解决方案，是高速多通道数据采集与试验、分析、电子报告工具的完美结合，包括数据采集、数字信号处理、结构试验、旋转机械分析、声学和环境试验。
LMSVirtual.Lab是一款将有限元前后处理环境Structures模块、机械系统动力学分析Motion模块、虚拟疲劳耐久性分析Durability模块、声学仿真Acoustics模块、噪声与振动分析Noise&Vibration模块、试验与仿真相关性分析Correlation模块、优化设计与可靠性分析Optimization模块集成于一体的多学科分析平台。同时，它与CATIA、UG等CAD软件以及Nastran、ANSYS等行业通用的标准求解器集成并实现关联。
HyperMesh是一个高性能的通用有限元前、后处理器，支持在交互及可视化的环境下分析设计方案性能。可进行多种CAD模型与有限元模型的直接读入，且具有高级的建模功能。在正确的建立包括单元类型，材料模型并施加载荷及边界条件，定义求解器所需的控制卡片等各类满足求解所需的必要信息后，即可得到求解器可以识别的模型文件，提交如Optistruct、Radioss、Nastran、LS-Dyna、Abaqus和Ansys等求解器进行解算。
实施例：
一种基于NAS-SV-MEM的多源信息联合声辐射识别方法，如图1所示，包括以下步骤：
本实施案例研究对象为怠速工况750rpm的某柴油机。
首先，通过声压扫描法定位发动机表面主要噪声源。麦克风阵列布置如图2所示，麦克风之间的间距为0.1m，麦克风阵列的扫描网格间距0.1m，麦克风阵列距离发动机表面0.2m；通过测试发动机的主视、右视、后视、左视、俯视这五个面的声压，绘制声压云图如图3、图4、图5、图6、图7所示，分析云图得到主要噪声源为气阀罩盖、油底壳、齿轮室、增压器、高压油泵。
其次，通过表面振速法定量分析主要辐射部件噪声贡献量。以气阀罩盖为例进行分析，在气阀罩盖上按照GB T16539-1996《声学振速法测定噪声源声功率级》标准布置加速度传感器并采集振动信号如图8所示，根据声功率级Lw与平均振速关系式(1)计算得到气阀罩盖的声功率级，需要说明的是，声功率级是声功率与基准声功率之比的以10为底的对数乘以10，以分贝(dB)计。
式中，为法向速度的平均值，m·s-1，为发动机表面振动速度，由加速度频域积分得到，基准速度v0＝5×10-8m·s-1；Srad为辐射部件的表面积，m2；σ为声辐射系数；Δ为A计权网格衰减量，dB；R＝ρc为介质的声阻抗，其中ρ为空气密度，c为空气声速，基准声阻抗R0＝400kg·m-2·s(即空气在20℃，气压在105Pa时的阻抗)。
声功率级谱如图9所示，可以看出气阀罩盖在工作基频25Hz以及400Hz以上的中高频段辐射噪声较大，根据能量叠加原理得到其总声功率级为89.9dB(A)，占整机辐射噪声的18.1％。同理，得到齿轮室声功率级为89.3dB(A)，占整机辐射噪声的15.6％；油底壳声功率级为88.8dB(A)，占整机辐射噪声的14.1％；高压油泵声功率级为88.6dB(A)，占整机辐射噪声的13.2％；增压器声功率级为82.1dB(A)，占整机辐射噪声的3.0％。所以气阀罩盖是整机薄壁件中降噪的重点。
最后，基于模态扩展技术的声辐射识别方法识别与分离主要辐射部件的结构传递噪声与透射噪声。以发动机降噪重点部件气阀罩盖为例进行分析。在LMS Test.Lab软件中建立发动机部件气阀罩盖的线框模型，线框模型要保证有限元模型的模态频率与试验模态频率误差更小且两者振型的相关性要高；同时，为减小发动机部件相应特征向量的线性相关度，根据线框模型测点充分反应发动机部件轮廓和测点自由度大于关心频段的模态阶数的要求，利用三向振动加速度传感器采集线框各测点处的振动信号如图10所示，设置各振动加速度传感器的坐标方向与发动机坐标方向保持一致。通过对近场声压扫描法与表面振速法的噪声频谱分析发现，气阀罩盖怠速工况下主要辐射噪声频段在4000Hz以下。然后，在Hypermesh软件中搭建约束状态的气阀罩盖模型，利用Optistruct求解器计算气阀罩盖在此频段内的约束模态，共有148阶约束模态频率。气阀罩盖振动特性测点线框模型有52个测点，通过三向振动加速度传感器共采集156组加速度数据(156＝52*3)，大于模态阶数148，满足测点自由度大于关心频段的模态阶数的要求。将通过LMS Test.Lab软件中采集到的气阀罩盖振动时域数据转换成频域数据并保留各点的相位信息，导入到LMS Virtual.Lab软件的Noise&Vibration模块中，将函数形式的数据转化为三维的矢量得到某频率下的振动云图如图12所示。进入声学边界元模块，利用Data Transfer Analysis Case的ElementMaximum Di stance算法完成气阀罩盖线框模型到有限元模型的数据映射。以结构约束模态为基础，通过模态扩展技术将有限的数据点信息扩展到整个有限元模型，某频率下的振动云图如图13所示。以在LMS Virtual.Lab软件中通过模态扩展得到的有限元模型表面振速作为计算总辐射噪声的边界条件，在Acoustics模块中利用边界元BEM方法仿真计算得到气阀罩盖的总辐射噪声，建立的BEM模型如图14所示。然后通过LMS Test.Lab软件利用振动加速度传感器采集气阀罩盖与缸体连接螺栓处的振动信号如图11所示，在Hypermesh软件中以螺栓处振动加速度信号为激励计算有限元模型的振动响应，将振动响应结果以Op2文件的形式导入到LMS Virtual.Lab软件中，以振动响应为边界条件在Acoustics模块中通过边界元法计算气阀罩盖的结构传递噪声，建立的BEM模型如图15所示；通过能量守恒原理，噪声识别与分离结果如图16所示，通过能量叠加法计算气阀罩盖的结构传递噪声声功率级为80.5dB(A)，透射噪声声功率级为86.7dB(A)占比80.9％。进一步分析可知，气阀罩盖噪声能量主要集中在400～4000Hz的中高频段且以透射噪声为主，而在25～315Hz为中心频率范围内以结构传递噪声为主。所以怠速工况下气阀罩盖中高频段的透射噪声为主要噪声源，应优先考虑采用隔声和吸声的方法降低中高频段的透射噪声。
由上，本发明融合近场声压扫描法与表面振速法、试验与仿真相结合的模态扩展技术，成功识别了发动机表面主要噪声源，识别与分离主要辐射部件的结构传递噪声与透射噪声，为有效控制发动机薄壁件的辐射噪声提供了充分依据。
需要说明的是：LMS Test.Lab是一整套的振动噪声试验解决方案，是高速多通道数据采集与试验、分析、电子报告工具的完美结合，包括数据采集、数字信号处理、结构试验、旋转机械分析、声学和环境试验。
LMSVirtual.Lab是一款将有限元前后处理环境Structures模块、机械系统动力学分析Motion模块、虚拟疲劳耐久性分析Durability模块、声学仿真Acoustics模块、噪声与振动分析Noise&Vibration模块、试验与仿真相关性分析Correlation模块、优化设计与可靠性分析Optimization模块集成于一体的多学科分析平台。同时，它与CATIA、UG等CAD软件以及Nastran、ANSYS等行业通用的标准求解器集成并实现关联。
HyperMesh是一个高性能的通用有限元前、后处理器，支持在交互及可视化的环境下分析设计方案性能。可进行多种CAD模型与有限元模型的直接读入，且具有高级的建模功能。在正确的建立包括单元类型，材料模型并施加载荷及边界条件，定义求解器所需的控制卡片等各类满足求解所需的必要信息后，即可得到求解器可以识别的模型文件，提交如Optistruct、Radioss、Nastran、LS-Dyna、Abaqus和Ansys等求解器进行解算。
尽管本发明的实施方案已经公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人而言，可容易地实现其他用途的修改，因此在不违背权利要求及同等范围限定的一般概念下，本发明不限于特定的细节与这里所给出的描述的图例。
Claims (10)
1.一种基于NAS-SV-MEM的多源信息联合声辐射识别方法，其特征在于，包括以下步骤：
(1)在发动机稳态工况下，利用麦克风阵列采集发动机各表面近场的声压信号，定性分析识别发动机噪声源；
(2)在发动机稳态工况下，利用振动加速度传感器采集发动机部件表面振动信号，根据平均振速计算发动机部件声功率级，定量分析发动机部件噪声贡献量；
(3)在LMS Test.Lab软件中建立发动机部件的线框模型，利用振动加速度传感器采集线框每个测点处的振动信号，通过模态扩展技术计算部件总辐射噪声；
利用振动加速度传感器采集发动机部件与缸体连接螺栓处的振动信号，以螺栓处振动信号为输入计算部件的结构传递噪声；
最后根据能量守恒原理计算部件的透射噪声。
2.根据权利要求1所述的基于NAS-SV-MEM的多源信息联合声辐射识别方法，其特征在于，步骤(1)中，所述麦克风阵列中麦克风均匀布置，间距0.1m；
所述麦克风阵列的长度大于或等于发动机尺寸，麦克风阵列自上而下或自左向右移动扫描时保持间距相同，间距0.1m；
所述麦克风阵列距离发动机表面0.1m～0.2m。
3.根据权利要求2所述的基于NAS-SV-MEM的多源信息联合声辐射识别方法，其特征在于，步骤(1)中，在所述LMS Test.Lab软件中计算各麦克风A计权下的Overall Level值，在Matlab软件中利用插值算法构建发动机表面声压级分布云图。
4.根据权利要求1所述的基于NAS-SV-MEM的多源信息联合声辐射识别方法，其特征在于，步骤(2)中，所述振动加速度传感器的个数与位置按照GB T16539-1996《声学振速法测定噪声源声功率级》标准布置。
5.根据权利要求1所述的基于NAS-SV-MEM的多源信息联合声辐射识别方法，其特征在于，步骤(3)中，各所述振动加速度传感器的坐标方向与发动机坐标方向保持一致。
6.根据权利要求1所述的基于NAS-SV-MEM的多源信息联合声辐射识别方法，其特征在于，步骤(3)中，所述线框模型测点要充分反应发动机部件轮廓以及满足测点总自由度大于关心频段的模态阶数的要求。
7.根据权利要求1所述的基于NAS-SV-MEM的多源信息联合声辐射识别方法，步骤(3)中，所述通过模态扩展技术计算部件总辐射噪声，具体为：
将采集到的振动时域数据转换成频域数据并保留各点的相位信息，导入到LMSVirtual.Lab软件的Noise&Vibration模块中，将函数形式的数据转化为三维的矢量得到各频率的振动云图；
进入声学边界元模块，利用Data Transfer Analysis Case的Element Maxim umDistance算法完成线框模型到有限元模型的数据映射；
以结构模态为基础，通过模态扩展技术将有限的数据点的信息扩展到整个有限元模型，以扩展得到的有限元模型表面振速为边界条件仿真计算部件总辐射噪声。
8.根据权利要求1所述的基于NAS-SV-MEM的多源信息联合声辐射识别方法，其特征在于，步骤(3)中，所述以螺栓处振动信号为输入计算部件的结构传递噪声，具体为：
以螺栓处振动信号为激励计算有限元模型的振动响应，以振动响应为边界条件建立声学边界元模型计算部件的结构传递噪声。
9.根据权利要求1所述的基于NAS-SV-MEM的多源信息联合声辐射识别方法，其特征在于，所述根据能量守恒原理计算部件的透射噪声，具体为：
采集发动机部件表面振动信号用于模态扩展计算出的辐射噪声W，包括结构传递噪声Wd与透射噪声Wt，由此，透射噪声声功率为：
Wt＝W-Wd。
10.根据权利要求1所述的基于NAS-SV-MEM的多源信息联合声辐射识别方法，其特征在于，所述发动机部件包括：气阀罩盖、油底壳、齿轮室、增压器、高压油泵。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310694762.5A CN116933579A (zh) | 2023-06-13 | 2023-06-13 | 一种基于nas-sv-mem的多源信息联合声辐射识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310694762.5A CN116933579A (zh) | 2023-06-13 | 2023-06-13 | 一种基于nas-sv-mem的多源信息联合声辐射识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116933579A true CN116933579A (zh) | 2023-10-24 |
Family
ID=88379679
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310694762.5A Pending CN116933579A (zh) | 2023-06-13 | 2023-06-13 | 一种基于nas-sv-mem的多源信息联合声辐射识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116933579A (zh) |
-
2023
- 2023-06-13 CN CN202310694762.5A patent/CN116933579A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gabbert et al. | Noise control of vehicle drive systems | |
| Mao et al. | Sound quality improvement for a four-cylinder diesel engine by the block structure optimization | |
| Constans et al. | The use of modal tailoring to minimize the radiated sound power of vibrating shells: theory and experiment | |
| Liu et al. | Optimal design of acoustic performance for automotive air-cleaner | |
| CN110400558A (zh) | 一种车用燃料电池发动机系统噪音检测及降噪方法 | |
| CN110765675B (zh) | 一种汽车排气系统噪声预测方法 | |
| CN116341312A (zh) | 一种发动机分体式动力学振动响应结果评价方法 | |
| CN113283039B (zh) | 一种发动机排气系统优化方法、装置、介质及电子设备 | |
| CN116933579A (zh) | 一种基于nas-sv-mem的多源信息联合声辐射识别方法 | |
| JP3692402B2 (ja) | 音源探査方法及び装置 | |
| WO2023217082A1 (zh) | 一种声源定位方法、系统、介质、设备及装置 | |
| CN116520418A (zh) | 一种弹性波角度域共成像点道集高效提取方法 | |
| Lu et al. | Optimization method and simulation study of a diesel engine using full variable valve motions | |
| CN210489235U (zh) | 一种车用燃料电池发动机系统噪音检测及降噪系统 | |
| Britto et al. | Air Intake System NVH Performance Development for Commercial Vehicle | |
| Siano et al. | Noise prediction of a multi-cylinder engine prototype using multi-body dynamic simulation | |
| Gabbert et al. | Active and passive measures to reduce the noise pollution of combustion engines | |
| Daniela | Engine Noise Prediction by Using Multi-body Simulation | |
| CN113343542B (zh) | 一种进气歧管的优化设计方法及进气歧管 | |
| Zhang et al. | Development of a Robust AIS Parametric Model for V8 Engines Using Design for Six Sigma Approach | |
| Yang et al. | Reduction of Engine Sound Radiation through Optimization of Added Ribs | |
| Poirier et al. | Bicylindrical model of Herschel–Quincke tube-duct system: Theory and comparison with experiment and finite element method | |
| Gawade et al. | Methodology for Predicting Flow Induced Noise in Axial Fans through Aero Vibro-Acoustics (AVA) | |
| CN113536647B (zh) | 基于全频段的空气声和结构声分析的汽车阻尼片优化方法 | |
| CN114925456A (zh) | 一种汽车怠速排气噪声优化方法、存储介质和电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication |