一种内燃机噪声源识别方法技术

本发明专利技术涉及一种内燃机噪声源识别方法，步骤如下：采集内燃机标准工况和倒拖工况的整机噪声信号，测试标准工况下缸盖、活塞敲击点主推力侧、喷油泵、涡轮增压器、空压机、油底壳、齿轮罩盖、缸盖罩的振动信号和缸压信号；对振动信号和噪声信号进行去直流、去趋势项和滤波预处理，以减少信号采集误差；对预处理的噪声信号进行改进变分模态分解IVMD，自适应获得不同频段的信号分量；采用小波变换对分解的噪声分量进行时频分析，确定各噪声分量时频、功率谱特征；根据时频分析结果和内燃机先验知识进行内燃机阶次噪声识别，并采用倒拖试验和相关性分析确认分离结果；分离内燃机的非阶次噪声源。

A noise source identification method for internal combustion engine

【技术实现步骤摘要】
一种内燃机噪声源识别方法
本专利技术涉及一种内燃机噪声源识别方法。
技术介绍
随着汽车工业的不断发展，车辆噪声对人们生活环境和身心健康影响越来越严重，内燃机作为车辆最主要的噪声源，已成为车辆噪声控制的首要目标，所以有效的降低内燃机辐射噪声对改善城市声环境具有重要意义。在内燃机NVH控制工程中，噪声源的识别是先决条件。合理控制内燃机振动噪声，首先应该分析内燃机的主要噪声特征，即对噪声源的产生部件进行准确测试和分析。通过试验和信号处理相结合进行噪声源分离，根据内燃机工作原理和具体的结构特点，采取相应的措施对主要噪声源进行有效控制，达到降低整机噪声的目标。信号处理技术对试验环境和设备的要求比较低[1]，试验过程简单，灵活性更强，因此成为目前噪声源识别研究热点。基于信号处理的噪声源识别方法发展很快，并在内燃机的振动噪声控制研究领域得到了广泛的应用。在柴油机噪声源分离领域常用的信号处理方法分为如下几种：模态分解法、时频分析法、相干分析法、盲源分离法。针对内燃机噪声源分离研究，一些学者[2-3]采用经验模态分解(EMD)-鲁棒性独立分量分析本文档来自技高网...

【技术保护点】
1.一种内燃机噪声源识别方法，步骤如下：/n(1)采集内燃机标准工况和倒拖工况的整机噪声信号，测试标准工况下缸盖、活塞敲击点主推力侧、喷油泵、涡轮增压器、空压机、油底壳、齿轮罩盖、缸盖罩的振动信号和缸压信号。/n(2)对振动信号和噪声信号进行去直流、去趋势项和滤波预处理，以减少信号采集误差；/n(3)对预处理的噪声信号进行改进变分模态分解IVMD，自适应获得不同频段的信号分量，即采用模拟退火改进粒子群算法进行VMD优化，方法如下：/n(a)初始化算法参数：粒子种群数Sizepop＝100，最大迭代次数Mxiter＝50，认知学习因子C1＝1.495，社会学习因子C2＝1.495，模态数K＝[3...

【技术特征摘要】
1.一种内燃机噪声源识别方法，步骤如下：
(1)采集内燃机标准工况和倒拖工况的整机噪声信号，测试标准工况下缸盖、活塞敲击点主推力侧、喷油泵、涡轮增压器、空压机、油底壳、齿轮罩盖、缸盖罩的振动信号和缸压信号。
(2)对振动信号和噪声信号进行去直流、去趋势项和滤波预处理，以减少信号采集误差；
(3)对预处理的噪声信号进行改进变分模态分解IVMD，自适应获得不同频段的信号分量，即采用模拟退火改进粒子群算法进行VMD优化，方法如下：
(a)初始化算法参数：粒子种群数Sizepop＝100，最大迭代次数Mxiter＝50，认知学习因子C1＝1.495，社会学习因子C2＝1.495，模态数K＝[3；4；5；6；7；8；9；10]，惩罚因子a＝[50,4000]的随机数，粒子飞行的最大速度Vmax＝2，最小速度Vmin＝-2；
(b)基于VMD算法对内燃机顶部噪声信号进行分解，以模态数K和惩罚因子a作为优化变量，以最小幅值谱熵平均值作为适应度函数，计算第一次迭代初始参量的适应度值，并找到初始个体和全局最优模态数Gbest_K和Zbest_K，初始个体和全局最优惩罚因子Gbest_a和Zbest_a，适应度函数幅值谱熵计算如下：



其中X为噪声分解分量序列，P为信号的概率分布，N是输入信号长度...

【专利技术属性】
技术研发人员：林杰威，周启迪，张俊红，李伟东，裘永波，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12