一种燃料电池汽车噪声源识别方法
车用燃料电池发动机系统噪音检测及降噪方法与设计方案
本技术公开了一种车用燃料电池发动机系统噪音检测及降噪方法，检测方法包括：S1、通过近场声全息方法对车辆进行噪声源识别试验，在得到车辆不同位置处噪声的A计权声压级分布图后，对平均声压级频谱进行分析，得到噪音的峰值频率，并计算得到对应频率下的声压级；S2、针对声压级大于第一预设声压级阈值所对应的位置，通过近场的振动噪声试验来进一步识别噪声源以及振动源；S3、在车辆加速试验工况下，对声压级大于第一预设声压级阈值所对应位置附件的板件进行锤击试验，用以确定噪声共振的影响。
降噪方法包括采用吸声材料和/或改变噪声源的内部结构及重量。
采用上述方法提高了车载条件下的发动机系统的可靠性和耐久性，改善了车辆声震噪声。
技术要求1.一种车用燃料电池发动机系统噪音检测及降噪方法，其特征在于：所述车用燃料电池发动机系统噪音检测方法包括对车载条件下噪声源进行识别，具体包括以下步骤：S1、通过近场声全息方法对车辆进行噪声源识别试验，在得到车辆不同位置处噪声的A计权声压级分布图后，对各位置的整体平均声压级频谱进行初步分析，得到噪音的峰值频率，并计算得到对应频率下的声压级；S2、根据A计权声压级分布图，针对声压级大于第一预设声压级阈值所对应的位置，通过近场的振动噪声试验来进一步识别噪声源以及振动源；S3、在车辆加速试验工况下，对声压级大于第一预设声压级阈值所对应位置附件的板件进行锤击试验，获取其传递函数，用以确定噪声共振的影响；所述车用燃料电池发动机系统降噪方法包括采用吸声材料和/或改变噪声源的内部结构及重量分布来降低噪声源的噪音。
2.根据权利要求1所述的车用燃料电池发动机系统噪音检测及降噪方法，其特征在于：在步骤S1中，采用PU探头在测量面上扫描采样、快照获得测量面上的声压，并通过数据采集器和信号调整盒将数据采集到控制电脑中。
3.根据权利要求1所述的车用燃料电池发动机系统噪音检测及降噪方法，其特征在于：在步骤S1中，试验位置包括车体外部的正后部、左后部、右后部及车体内部的乘客区后部。
氢燃料电池系统振动噪音评估方法研究
氢燃料电池系统振动噪音评估方法研究氢燃料电池技术作为清洁能源技术的一项重要突破，受到了广泛关注。
然而，随着氢燃料电池在汽车、船舶和航空等领域的应用逐渐普及，其振动噪音问题也逐渐凸显出来。
振动噪音不仅会影响氢燃料电池系统的性能和寿命，还会影响乘客和驾驶员的舒适性，甚至会对周围环境造成干扰。
因此，如何准确评估氢燃料电池系统的振动噪音成为了当前亟待解决的问题之一。
在进行氢燃料电池系统振动噪音评估时，首先需要明确振动噪音的来源。
氢燃料电池系统在运行过程中会产生各种机械振动，如压缩机、循环泵、气体分离器等组件的震动会导致系统整体的振动。
此外，还有电化学反应产生的声波振动，以及系统在不同工况下的共振现象等。
因此，针对不同的振动噪音来源，需要采用不同的评估方法和工具。
目前，对于氢燃料电池系统振动噪音的评估主要采用主观评价和客观评价相结合的方法。
主观评价是指通过人耳直接感知振动噪音的强度和频率，对其进行评价。
这种方法直观、简单，容易实施，但受到主观因素的影响较大，缺乏客观性。
客观评价则是通过专业仪器设备对振动噪音进行检测和分析，得出客观的数据。
这种方法准确性高，可重复性强，但设备价格昂贵，操作复杂，需要具备专业知识和技能。
针对氢燃料电池系统振动噪音的客观评价，目前较常用的方法包括噪声频谱分析、振动加速度检测、声压级测量等。
噪声频谱分析是通过对振动噪音信号进行频谱分析，确定主要频率成分和能量分布情况，从而评估振动噪音的特性。
振动加速度检测则是通过对氢燃料电池系统各部件进行振动加速度检测，了解其振动强度和频率分布情况。
声压级测量则是通过专业测量仪器对振动噪音进行声压级的检测，得出噪音的强度和大小，从而评估其对人体和环境的危害程度。
除了客观评价方法外，还可以结合有限元分析、模态分析等数值仿真方法对氢燃料电池系统振动噪音进行评估。
有限元分析是通过建立氢燃料电池系统的有限元模型，对其进行振动模拟和分析，得出振动响应和模态频率等信息。
燃料电池轿车车内噪声传递路径分析研究
［ 要］ 介绍 了传 递路 径分析 （Ｐ ） 摘 Ｔ Ａ 方法 ， 构传递和空气传播 噪声理论分析 和试 验方法进行探讨 ， 对结 通过燃
料 电池轿 车怠速工 况车 内噪声 的传递路径 试验 ， 测量 并计算得 到传 递函数 ， 结合 实际激励 进行 车 内噪声合成 ， 成 合 结果和原始声音 比较接近 ， 构传递噪声是 主要成 分 ， 结 最后 通过路 径贡献分析识别 出主要传递路径 。
ｂ ｔｏ ｎ ｌ ｓｓ ｕ ｉｎ ａ ａｙ ｉ ． Ｋｅ ｗｏ ｄｓ：Ｆｕｅ ｅｌｃ ｙ ｒ ｌｃ ｌ ａｒ；Ｉ ｅ ｉ ｉｅ；Ｔｒ ｎｓｅ ｔ ａ ｌ ｉ ｎｔ ｒｏｒ ｎｏ ｓ ａ ｆ ｒ ｐａ ｈ ｎａｙｓｓ；Ｐａ ｈ ｃ ｎｔ ｉ ｕｔｏ ａ ｌ ｓｓ ｔ ｏ ｒ ｂ ｉ ｎ ｎａ ｙ ｉ
［ ｂｔａｔ Ｂ ｓｄｏ ｒｎｆｒｐｔ ｎｌｓ Ｔ Ａ）ｔ ｈｉｕ ｒｓｎｅ ，ｔｅｔｅｒｔａ ａａ ｓ ｎ ｅｔ Ａ ｓ ｃ］ ａｅ ｎｔ ｓ ａ ａａ ｉ Ｐ ｒ ａ ｅ ｈ ｙ ｓ（ ｅ ｎｑｅｐｅｅｔｄ ｈ ｈｏｅｉ ｌ ｎｌ ｉ ａｄｔ ｃ ｃ ｙ ｓ ｓ
ｍｅｈ ｄ ｆｒ ｔ ｅ ｔａ ｍｉｓｏ ｆｓｒ ｃｕ ｅ ｂｏｎｅ ｎ ｉｅ ａ ｄ ａｒ ｒ ｅ ｎ ｉｅ ａ ｅ ｉ ｖ ｓｉ ａｅ ｔ ｏ ｏ ｈ ｒ ｎｓ ｓ ｉｎ ｏ ｔｕ ｔ ｒ ． ｒ ｏ ｓ ｎ ｉｂｏ ｎ ｏ ｓ ｒ ｎ ｅ ｔｇ ｔ ｄ．Ｔｈｅ ｒ ｎｓｅ ａｈ ｔｓ ｒ ｎ ａ ｔａ ｆ ｒｐ ｔ ｅ ｔｆ ｏ
关键 词 ： 燃料 电池轿 车 ； 内噪声 ； 递路 径 分析 ； 车 传 路径 贡 献 分析 Ａ ｔ ｙ ｏ ｈ ａ ｓｅ ａｈ ｏ ｈ ｎ ｅ ｉｒＮｏ ｓ ｆａ Ｆ ｅ ｌ Ｃａ Ｓｕｄ ｎ ｔ ｅ Ｔｒ ｎ ｆｒＰ ｔ ｆｔ ｅ Ｉ ｔｒｏ ｉｅ ｏ ｕ ｌＣｅｌ ７年 （ ２ 第 ９卷 ） ８期 第
一种模拟人耳实现噪声分类的方法
参数。 最终分类结果显示第 3 种参数提取方式效果比较 好 , 故采 用 24 个 Bark 特 征 响 度 和 相 对 应 的 24 个 LE ( z ) 作为输入参数。
3 建立分类系统
3 1 分类基本知识 模式识别的分类是根据识别对象特征的观察值将 其分到某个类别中。假设识别的对象有 d 个特征观察 量 x 1, x 2, , x d, 这些特征的所有可能取值的范围构成 , xd ] 为 d 维特征向
振 第 29卷第 11期
动 与
冲
击 V o. l 29 N o . 11 2010
J OU RNAL O F V IBRAT I ON AND SHOCK
一种模拟人耳实现 噪声分类的 方法
郭
摘
伟, 左曙光, 李徐钢
( 同济大 学 , 上海 201804)
要: 声品质主观评价方法中有基于成对比较的参考评分法, 该方法在等级评分之前需要首先利用成对比 较法
随着石油 资源的日 益匮乏和 环境污染 程度的加 剧 , 迫使世界各国都着力于研发新能源清洁汽车, 其中 燃料电 池汽 车 ( fuel cell veh icle , FCV ) 倍 受 瞩目 , FCV 是零排放的新型环保车辆。由于省去了内燃机这 个噪声源, 人们期待它更安静和舒适, 也能提供噪声环 [ 1] 保 。但 FCV 总布置和噪声源有别于传统汽车 , 燃料 电池系统、 冷却系统等成为新的噪声源 , 其噪声的线性 度没有传统内燃机汽车好 , 声品质较差。因此亟需改 善其车内声音品质, 使人们在享受能源环保的同时也 [ 1] 能有舒适的乘坐环境 。 对 FCV 声品质的评 价中, 主 要采用等级评分 法, 根据声品质的不同属性进行 1- 10 打分 , 试验中评价 者根据各自的主观感知程度给出对应的评价分值, 再 对声音样本的全部评分取算术均值 , 作为该噪声的声
燃料电池轿车空气声传递路径分析及控制
关 键词 ：燃料 电池轿 车 ；空气传播 噪 声 ；互 易法 ；声 学传递 函数 ； 正 系数 ；声 学贡献 分析 修
中图分 类号 ： ２ ０ ６ Ｕ ７ ． 文 献标 志码 ： Ａ 文章编 号 ： ６ １— ７ ５ ２ １ ）４— ３ ４— ６ １７ ７ ７ （０ １ ０ ０ ９ ０
ｍ ｅｈ ｄ ｆａｒ ｏ ｎ ｏｓ ｏ ＣＶ ｒ ｒ ｐ ｓ ｄ． ｅ ｃ ｒｅ ｔｏ ｏ ｆ ｃ ｅ ｔ ｏ ｉｂ ｒ ｅ ｏｓ ｙ ｔ ｅ ｉ ｔ ｏ ｓ ｏ ｉｂ ｒ ｅ ｎ ｉｅ ｆ ｒ Ｆ ｗｅ ｅ ｐ ｏ ｏ ｅ Ｔｈ ｏ ｒ ｃｉｎ ｃ ｅ ｉ ｉｎ ｆ ａｒ ｏ ｎ ｎ ｉｅ ｓ ｎ ｈ ｓｓ
ｃ ｅ ｃ ｅ ｔ ｃ ｕ ｔｃ ｃ ｎ ｒｂ ｔｏ ｎ ｌｓｓ ｏ ｍ ｉｎ ：ａ ｏ ｓｉ ｏ ｔｉ ｕ ｉ ｎ ａ ａｙ ｉ
收 稿 日期 ： ０ ０— ５—０ ２１ ０ ５ 基 金 项 目 ：同家 “ ６ ” 划 项 目 （０ ６ Ｉ Ａ ０ ） ８３ 计 ２ ０ ＡＡ １ １ １
ｎｏｓ ｒ ｎｓｅ ｔ ｉｅ ｔａ ｆ ｒｐａｈ，ｔ ｃ ｕ ｔｃ ｒ ｃｐ ｏ ｉ ｅｈ ｄ ｗａ ｓ ｄ ｔ ｅ ｕｃ ｃ ｕ ｔ ． ｒ ｎ ｆｒｆ ｎ ｔ ｎ ． Ｂａ ｅｌ ｈｅ ａ ｏ ｓｉ ｅ ｉ ｒ ｃｔ ｍ ｔ ｏ ｓｕ ｅ ｏ ｄ ｄ ｅ ａ ｏ ｓｉ ｔａ ｓ ｕ ｃｉ ｓ ｙ ｃ ｏ ｏ ｓ｛
作者简介 ： 郭 荣 （９ ９ ） 男 ， １７ 一 ， 江苏察兴人 ， 博士（ ｕｒ ｇ ｏ ｇ ．ｄ ．ｎ ， ｇ ｏ ｎ ＠ｔ ｊ ｅｕ ｏ ） 主要从事汽乍振动 噪声控制研究 ｏ ｎｉ 余 ｔ （９ Ｏ ） 男 ， 平 １６ 一 ， 江两南 昌人 ， 教授 ， 博十生导师（ ｕｈ ｏｉｇ ｏｇｉｅｕ ｃ ） 主要从事汽１ 系统 动 、 Ｉ究 ｙｚｕｐｎ ＠ｔｎｉ ｄ ｎ ， ． ｌ ｆ Ｊ ｆ
纯电动汽车车内结构路噪识别
纯电动汽车车内结构路噪识别车勇;刘浩;夏祖国;王秋来【摘要】The noise source and structure of battery electric vehicles (BEV) are quite different from those of the internal-combustion-engine vehicles. Since the noise level of the motor’s powertrain is low, the road-induced interior noise of the BEV becomes dominant. In this paper, the spectrum analysis of interior noise for a type of the BEV is carried out under different conditions. It is shown that the interior noise depends mainly on the contribution of the road-induced structural noise in the low and mid-frequency ranges. By analyzing dynamic structure characteristic of the BEV’s body and panels, the vibration sources and influencing factors of the road-induced interior structural noise are indentified. The study provides a refer ence for optimization and control of BEV’s interior structural noise.%纯电动汽车的噪声源和内部结构与内燃机汽车有着明显差异，由于电机总成噪声较低，使得纯电动汽车的车内路噪变得更加突出。
燃料电池发电机组噪声分析与治理技术规范标准
燃料电池发电机组噪声分析与治理技术规范标准引言本文档旨在制定燃料电池发电机组噪声分析与治理技术的规范标准。
燃料电池发电机组作为一种新型的能源转换设备，在能源领域得到了广泛的应用。
然而，其运行过程中会产生一定的噪声，对周围环境和人类健康造成一定的影响。
因此，制定相应的噪声分析与治理技术规范标准，对于保护环境和人类健康具有重要意义。
噪声分析技术燃料电池发电机组的噪声分析技术主要包括以下内容：1. 噪声测量：对发电机组运行过程中产生的噪声进行测量，采用合适的仪器设备进行测量，并记录相关数据。
2. 噪声频谱分析：通过对噪声信号进行频谱分析，了解噪声的频率分布情况，为噪声治理提供依据。
3. 噪声源识别：通过采用声学技术，对发电机组运行过程中的噪声源进行识别定位，确定主要噪声源。
4. 噪声源贡献度分析：对各个噪声源的贡献度进行分析，确定主要贡献噪声源，为治理策略的确定提供参考。
噪声治理技术针对燃料电池发电机组产生的噪声问题，可以采用以下噪声治理技术：1. 声源控制：通过优化燃料电池发电机组的结构和工艺，减少噪声的产生，如增加吸音材料、改变噪声振动源等。
2. 隔声控制：通过采用隔音屏蔽技术，降低噪声传播过程中的能量损失，减少噪声的传播距离和影响范围。
3. 控制系统优化：通过改进燃料电池发电机组的控制系统，减少噪声产生的可能性，提高整个系统的运行效率。
4. 运行管理控制：通过合理的运行管理控制措施，避免燃料电池发电机组在高噪声运行状态下工作，减少噪声对周围环境的影响。
技术规范标准为了保证燃料电池发电机组噪声分析与治理技术的有效实施，制定相应的技术规范标准具有重要意义。
具体的技术规范标准应包括以下内容：1. 噪声测量标准：明确噪声测量的方法、设备要求、测量点位置和测量时间等要素。
2. 噪声限值标准：规定燃料电池发电机组运行过程中允许的噪声限值，以保护周围环境和人类健康。
3. 治理技术要求：详细说明噪声治理技术的具体要求和实施方法，包括声源控制、隔声控制、控制系统优化和运行管理控制等方面。
噪声测试及噪声源识别技术
噪声测试及噪声源识别技术实际工程应用中对噪声源进行测试与分析时比较通用的方法有主观评价法、分别运转消去法、声强测量法、频谱分析法。
近年来声学测量技术和测量设备的进步与发展，出现了一些能简便和快速识别噪声源的手段和方法。
能现场测量的测试方法并且能够即时处理与分析通过测量得到的信号以及能大大提高测量数据的可靠性成为新识别方法的大体发展趋势。
这些先进的新识别方法包括信号分析法，声全息测试技术等。
1. 主观评价法人的听觉相比较传统的噪声测量设备有更加精确的区分各种声音的能力，实际工程中声压或响度等应用最多的参考指标也是依据人的主观感受来设定的。
因为人的差异所以主观评价法会得到差别比较大的结果，如果要取得准确度比较高的结论就要进行大量的测验来改进方法和积累经验，主观评价方法的主要缺点是很难对声源进行定量的评价。
2. 分别运转消去法在汽车运行过程中，汽车中成百上千个零部件在共同运转，若想找到某部分向外辐射的噪声最大，以往通常应用消去法。
先在特定的条件下对实验对象进行测量得到它的总体噪声，然后暂停或停止可能辐射出很大噪声的部分，或者应用铅覆盖法对发出较大的噪声进行控制。
再在相同的条件下测量研究对象的辐射噪声，应用声压级的叠加原理，通过对两次噪声的测试结果进行分析可计算出这部分所发出的工作噪声。
依次使用相同的方法，可以测得各个部分的辐射噪声大小，通过这种方法可以确定汽车的主要噪声源。
在汽车噪声测试过程中，如果要消去某一部份的辐射噪声就要停止这部分的运转或控制其工作噪声往往是非常难以实现的，有时候可能实现不了，分别运转消去法实际工作中常用于汽车发动机系统的噪声量级分析，在相同的工作状态下，去掉再装上某一个件，然后在相同的测量点分别测试两种状态下的噪声数值，然后应用能量相减的原理减去所计算得到噪声量的大小，就是某一零部件所辐射的噪声。
在实际测量过程中，只使用去掉某一个部件或仅仅用隔声方法来屏蔽某一辐射噪声中的任何时候一种都达不到实际测试的要求，一般要两种方法结合使用。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
染、 能源等问题却限制了传统汽车工业的发展 , 因 此 ,迫切需要开发可持续发展的汽车新能源技术 . 燃 料电池汽车 ( FCV ) 以采用燃料电池作为动力系统的 零排放新型环保汽车 , 成为当今新能源技术中一个 很有前途的解决方案 . 然而影响 FCV 车内噪声的因 素有别于传统内燃机轿车 , 主要反映在燃料电池辅 助系统 、 驱动电机总成以及冷却系统等噪声源上 . 目 前国内外鲜有燃料电池汽车的振动噪声特性的研究 报道 . 2002 年 Florida 大学的 Mat heny 等[ 1 ] 针对某 型燃料电池车进行了怠速工况噪声试验研究 , 识别 出主要 噪声 源 , 并 指出 使用 质子 交换 膜燃 料电池 ( P EM FC) 、 风机等部件的汽车在很大程度上会影响 车内噪声 ,但其并没有研究在非稳态工况下 FCV 车 内外主要噪声源 ,以及驾驶员座椅处的主要振源 . 而 且噪声源识别时常用的现代信号分析技术是基于 FF T (fast fo urier t ransformatio n ) , 而其并不善于分 析非稳态信号 . 故本文首先依据小波包变换 ,结合欧 氏空间理论 , 初步探索了一种在非稳态工况下识别 噪声源的方法 . 然后选取燃料电池汽车风机从 1 000
S t u dy on Met h od of N ois e S ou rce I de nt if ic a t i on i n F uel Cell Ve hicles
ZUO S h ugua ng , GUO Wei , LI Xuga ng
(College of Automotive St udies , Tongji Universit y , Shanghai 201804 , China)
A bs t r act : Based on wavelet packet t ransformation (WP T) and Euclidean space t heory , a met hod was explored to ide ntif y noise source unde r t he non2s tationary conditions . Take n t he condition t hat t he fans in f uel cell vehicle ( FCV ) accele rated f rom 1000 rp m to 3800 rp m as example , t his met hod was int roduced and p roved to be effective by identif ying t he main noise source bot h inside and outside of FCV , and t he main vibration source in t he p osition of f ront seat . So it can be applied in inde ntif ying t he main noise source in automotive un2 stationary conditons s uch as accele ration conditions , deceleration conditions ,and so on. Key w or ds : noise source ide ntification ; wavelet analysis and wavelet packet technology ; non2s teady2s tate conditions ; f uel cell vehicle
k < + ∞内变换叠加而成的 ,即组分能量 Ef ij 是由小
i 波函数 ψ jk ( t) 所确定的频率带内的信号能量 . 依据帕 斯维尔定理 : 时域中信号所具有的总能量等于频域 中的总能量[ 5 - 6 ] ,故小波包组分能量 Ef ij 如下式 : 2
i
ψ2 i + 1 ( t ) =
∑
i g ( k) ψ ( t / 2 - k)
j 为尺度 ,即分解层数 ; k 为平移参数 ; t 为时间 .
(1)
式中 : i 为小波包函数的调幅 ,即小波包子空间次序 ; 当今世界 ,汽车已经日益普及 ,但随之而来的污
收稿日期 : 2009 - 03 - 24 基金项目 : 国家 “八六三” 高技术研究发展计划资助项目 (2008AA501000) ; 上海市曙光计划资助项目 (08SG22) ) ,男 ,教授 ,博士生导师 ,工学博士 ,主要研究方向为汽车系统动力学与控制. E2mail :shuguang. zuo @ 作者简介 : 左曙光 (1968 — fcv2sh. com
r・ min - 1 到 3 800 r ・ min - 1 加速工况 ,识别了车内外
噪声源 ,以及驾驶员座椅处的主要振源 , 论证该方法在识别 非稳态工况下主要噪声源是有效的 ,从而可对汽车非稳态工 况 ( 如加速工况 、 减速工况等) 发出的非平稳噪声信号进行分 析并识别出主要源头 . 关键词 : 噪声源识别 ; 小波分析及小波包变换 ; 非稳态工况 ; 燃料电池汽车 中图分类号 : TB 535 文献标识码 : A
第 38 卷第 6 期 2010 年 6 月
同 济 大 学 学 报 ( 自 然 科 学 版)
JOURNAL OF TONGJ I UNIV ERSI TY(NA TURAL SCI ENCE)
Vol . 38 No. 6 J un. 2010
文章编号 : 02532374 X ( 2010) 0620885205
小波系数满足正交条件 , 那么小波包组分信号 i f j ( t) 可表示为小波包函数的线性组合
i f j ( t) = - ∞
∑C
i j, k
( t ) ψij , k ( t )
( 5)
原始信号在尺度 j 下经过小波包分解可表示为
f ( t) =
i=1
6
2
j
f j ( t)
i
( 6)
其分解树形图如图 1 所示 .
886
同 济 大 学 学 报 ( 自 然 科 学 版)
第 38 卷
i 小波函数 ψ 可由如下递推关系式得到 : 2i ψ ( t) =
1 2 1 2
+ ∞
- ∞
∑h ( k ) ψ ( t / 2 i +∞ - ∞
k)
( 2) ( 3)
的能量成正比[ 4 ] . 由式 ( 9 ) 可以看出 , 组分信号 f ij ( t) i 是由小波函数 ψ jk ( t) 于相同尺度 j 下 , 在时域 - ∞<
主要噪声源 ,以及驾驶员座椅的主要振源 ,并论证了 该方法在识别非稳态工况下主要噪声源是有效的 .
1 小波包变换基本原理
小波包变换是从小波分析延伸出的一种对信号
i 进行更加细致的分析与重构的方法 . 小波包函数 ψ j,k
通常表示为 ψij , k ( t ) = 2 - j/ 2 ψi ( 2 - j t - k )
i 式中 :ψ 为小波母函数 [ 2 - 3 ] ; h ( k) 和 g ( k) 分别为离散 滤波器与尺度函数和小波母函数相关的积分镜像滤 波器系数 . 设原始信号 f ( t) 的小波包系数为 Cij , k , 其解由 下式求得 :
E
i fj
=
k=1
∑( C
i j, k
)2
( 10 )
Cj , k =
DOI : 10 . 3969/ j . iss n. 02532374 x. 2010 . 06 . 019
一种燃料电池汽车噪声源识别方法
左曙光 ,郭 伟 ,李徐钢
( 同济大学 汽车学院 ,上海 201804)
摘要 : 依据小波包变换 ,结合欧氏空间理论 ,探索在非稳态工 况下识别噪声源的方法 . 以燃料电池汽车风机从 1 000 r ・
3 实验验证
为了具体介绍该种识别方法的分析过程 , 本文 选取一个特定非稳态工况 ( 某型燃料电池轿车前舱 空气辅助系统风机转速从 1 000 r ・min - 1 加速至 3 800 r ・ min - 1 的瞬态工况 ) 采集到的数据 , 进行信 号分析 ,识别出车内 、 车外主要噪声源及驾驶员座椅 处的主要振源 ,以说明该方法的分析原理及有效性 . 该试 验 在 汽 车 声 学 实 验 室 内 进 行 . 试 验 设 备 为 SQlab Ⅲ ( 34 通 道 ) , icp 压 电 式 加 速 传 感 器 及 麦 克风 . 拾取振动信号分别为 : 驾驶员座椅 , 进气管前 端 ,进气管后端 ,副车架 ,风机 x 向 ,风机 y 向 ,风机 z 向 ,空滤 x 向 ,空滤 y 向 ,共 9 处振动信号 . 拾取噪声信号为 : 前排座椅 , 后排座椅 , 车外正 前方 ,车外左侧 ,空滤噪声 ,风机前端噪声 ,风机后端 噪声 ,进气管噪声 ,共 8 处噪声信号 . ( 本文重点在于 介绍一种新的噪声源识别方法 , 所以省略了传感器 布置的介绍 ,默认布置方式是正确的 . ) 3. 1 验证该方法分析结果的正确性 根据上述小波包变换的推导过程 , 对噪声信号 进行分析 ,并提取特征向量在 2 维图中显示 , 如图 2 所示 . 图中 ,横坐标 i 为小波包子空间次序 , 代表 ( i 1) × 39 到 i × 39 之间的频带 , 纵坐标代表噪声信号
i
∫f ( t ) ψ
- ∞ +∞
+∞
i j, k
( t) d t
( 4)
选取每一个小波包子空间里小波包组分能量 E f ij 除 以信号总能量 E f ,量纲一化后作为噪声信号的特征 参数 Ef ij / Ef . 下文中 FCV 振动噪声特性试验时 ,选取的采样 频率 Fs ≈ 40 k Hz , 再利用软件 Matlab 对信号进行 小波包分析 ,最大可以实现的分解层数 j = 9 ,即把信 号分解成 29 = 512 个小波包子空间 , 则每个小波包 子空间占有的频段大约为 ( Fs / 2 ) / 512≈39 Hz ,噪声 信号和振动信号的能量主要集中在 0 ～ 5 k Hz , 故只 选取前 150 个小波包子空间提取特征参数 , 即每个 信号对应特征向量 ( Ef 1 / E f , Ef 2 / Ef , …, Ef 150 / Ef ) . 9 9 9