内燃机噪声源时域盲识别技术研究

作     者：韩春杨 

作者单位：吉林大学 

学位级别：硕士

导师姓名：姚国凤

授予年度：2014年

学科分类：12[管理学] 083002[工学-环境工程] 1204[管理学-公共管理] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 120402[管理学-社会医学与卫生事业管理(可授管理学、医学学位)] 08[工学] 0837[工学-安全科学与工程] 

主      题：内燃机 噪声源识别 小波变换 FastICA算法 改进MBLMS算法 

摘      要：NVH(Noise Vibration and Harshness)水平是衡量机动车辆性能的重要指标之一，NVH直接反应机动车辆舒适性品质，而机动车辆舒适性程度直接影响该车辆的市场竞争力。车辆的噪声和振动特性的研究和控制重点在于对内燃机噪声进行控制，而噪声源识别对内燃机噪声控制起重要的作用。要想合理的控制内燃机噪声，应该对内燃机的振动噪声产生原因进行研究，即对振动噪声的产生部位进行定位，准确测量和分析振源的特性，如振源的类型、频率特性、声压级大小、变化和传播规律等。然后根据振动噪声源的分析结果，采取相应的措施，降低内燃机的辐射声压级。近三十年来，内燃机科技工作者通过不懈的努力，使其在低噪声结构优化设计、低噪声燃烧系统开发、内燃机噪声分离以及阻尼降噪技术等领域均有多项技术突破，有关资料显示，与三十年前噪声整体辐射水平相对比，其总体噪声辐射水平下降了12dB。 即便如此，内燃机噪声辐射水平仍有下降的空间和必要性。由于内燃机属于复杂机械系统，当内燃机系统运行时，其内部多个零部件在同时运转，这使待分析的目标部件响应即使可以直接测量也受到非目标零部件振动信号的影响，在频谱中多个振源信号往往存在重叠，再加上实验手段也十分复杂，实验成本高，这使得传统的内燃机噪声源识别技术具有一定的局限性。随着新理论的提出以及新技术的应用，采用现代信号处理方法对内燃机的噪声和振动特性的研究有着重要的理论意义和工程实用价值。 针对上述相关问题，本文开展了相应的研究工作： 首先，阐述了课题研究背景，介绍柴油机振声特性的危害性，以及当前柴油机振动信号处理过程中存在的技术问题。详尽介绍了盲分离算法发展过程以及研究现状，内燃机振动信号现代处理方法，并指出应用时域盲识别算法对内燃机噪声源识别理论意义及工程价值;其次，利用连续小波变换对内燃机表面振动信号进行时-频分析，通过对内燃机各个部位表面加速度振动信号的特征的分解，对内燃机在运转过程中的主要噪声源进行识别，为内燃机的噪声源的识别研究提供一些方法和途径;再次，建立了源信号线性瞬时混合模型和源信号线性卷积混合模型，介绍了有关信息论的基本概念，介绍了线性瞬时盲分离问题的常用解混算法，并详细的介绍了FastICA算法的流程，通过数值算例验证了FastICA算法的高效性和鲁棒性。同时，介绍线性卷积盲分离问题的常用解混算法，详尽介绍了MBLMS算法流程，并通过数值算例验证MBLMS算法的高效性和鲁棒性。 最后，应用FastICA算法以及改进的MBLMS算法对柴油机表面混合信号进行分离，通过分离结果比较验证了改进的MBLMS算法的高效性和可靠性，也进一步对内燃机非平稳振声响应结构模型进行了验证。