基于独立分量分析的动车组模型噪声分离

发布时间：2021-01-31 10:07

　　研究表明高速列车的噪声由多种因素混合而成,有效的分离出各种噪声对列车的减振降噪具有重要意义。针对动车组模型试验提出一种适用于分离试验段观测噪声的盲源分离方法。对观测噪声进行EEMD分解,使单通道欠定问题转化为正定问题;利用主成分分析进行源信号数目的估计,提出利用至少包含源信号信息90%的主成分重构观测信号;对重构的观测信号利用独立分量分析进行分离。仿真实验说明该方法可有效的分离出源信号。在动车组模型风洞试验中,试验段传声器的观测信号主要是由气动噪声和风机振动噪声混合而成,所估计的源信号数目与试验条件一致。分离出的气动噪声和风机振动噪声源信号与原始源信号的主要频率一致,相关系数都大于0.65,属于强相关,说明了该方法对动车组模型试验噪声分离的有效性。 

【文章来源】：机械设计与制造. 2020,(06)北大核心

【文章页数】：5 页

【部分图文】：

仿真观测信号

因此，ximf的前2个主成分Fi=aiximf（其中i=1,2）形成新的与源信号数目相同的观测信号。然后对新的观测信号x=(F1,F2)T利用FastICA算法进行独立分量分析，分离出的信号与源信号频谱，如图2所示。由图2可知，利用上述独立分量分析算法对观测信号的主要频率已完全分离，估计的源信号与原始源信号主要频率一致，取得了理想的效果，验证了上述独立分量分析算法的正确性。因此，对动车组模型风洞试验段噪声利用上述独立分量分析算法进行分离。

动车组模型风洞试验系统包括基本的硬件和软件设计。硬件设备主要是由动车组模型、传感器、计算机、数据采集卡、变频器、三相交流异步电机、离心通风机、有机玻璃风道以及采集器等组成，软件设计主要包括风速闭环控制系统设计和数据采集软件的应用。其试验段传声器、风机位置处传声器以及试验段压力传感器测点，如图3所示。分别测量动车组模型试验段的声压值和表面压力以及风机测点处的声压值进行研究。4.2 动车组模型试验噪声分离

【参考文献】：
期刊论文
[1]高速列车脉动压力的大涡模拟及小波分解[J]. 王亚南,陈春俊,何洪阳.  机械设计与制造. 2015(08)
[2]基于小波变换的高速列车表面脉动压力提取[J]. 陈春俊,何洪阳,邵云龙.  西南交通大学学报. 2015(03)
[3]基于EEMD的地声信号单通道盲源分离算法[J]. 刘佳,杨士莪,朴胜春.  哈尔滨工程大学学报. 2011(02)
[4]高速列车的动态环境及其技术的根本特点[J]. 沈志云.  铁道学报. 2006(04)

博士论文
[1]频域盲源分离算法研究及其在高速列车噪声成分分离中的应用[D]. 纳跃跃.北京交通大学 2014

硕士论文
[1]盲分离算法在高速列车监测数据分析中的应用[D]. 谷千伟.西南交通大学 2015



本文编号：3010657