基于EMD-SVM的小型发电机组物理声源灵敏度分析

作     者：景亚兵 刘昌文 毕凤荣 石纯放 刘春朝 田从丰 Jing Yabing;Liu Changwen;Bi Fengrong;Shi Chunfang;Liu Chunchao;Tian Congfeng

作者机构：天津大学内燃机燃烧学国家重点实验室天津300072 天津大学内燃机研究所天津300072 山推工程机械股份有限公司济宁272000 

出 版 物：《天津大学学报（自然科学与工程技术版）》 (Journal of Tianjin University：Science and Technology)

年 卷 期：2017年第50卷第10期

页      面：1077-1083页

核心收录：

学科分类：080703[工学-动力机械及工程] 08[工学] 0807[工学-动力工程及工程热物理] 

基　　金：国家科技支撑计划资助项目(2015BAF07B04)~~ 

主　　题：小型发电机组 物理声源 灵敏度 经验模态分解 支持向量机 

摘      要：为了解决无法直接得到小型发电机组的物理声源及其灵敏度的问题,采用经验模态分解(EMD)和支持向量机(SVM)协同分析的方法,开展噪声信号盲源分离,提取独立分量(IC)并识别主要物理声源,以测点声压级、机组功率和独立分量的声压级作为样本数据建立支持向量机回归模型,推导灵敏度计算函数,计算主要物理声源的灵敏度,得到了小型发电机组主要物理声源对辐射噪声的影响率.研究结果表明:影响该小型发电机组辐射噪声的主要因素有功率、配气机构噪声和驱动平衡轴的齿轮噪声,应用EMD-SVM协同分析可得到物理声源灵敏度,对于噪声控制具有重要指导意义.