旋转机械安装平台的振动控制研究

旋转机械因其体积小、效率高而被广泛应用于船舶行业,其工作时往往会安装在底板、底座等平台上,以提高本身的承载能力,并衰减其传给船体的振动和冲击。传统的设计方法常将旋转机械设备安装在底板中间位置,未充分考虑设备安装方式对振动性能的影响。以某船用抽气泵为研究对象,采用有限单元法,对泵体的不同安装方式进行振动特性分析,并基于Python语言,开发一套旋转机械安装平台结构设计与响应优化的程序,并对优化后的安装方案进行可靠性分析。结果表明,相比于传统安装方式,优化后的布置方案在保证底板承载能力前提下,使其所受振动加速度明显降低,验证了旋转机械安装平台优化方案的有效性。

基于SincNet增强的时延估计声源定位算法研究

针对相位变换加权的广义互相关时延估计(GCC-PHAT)声源定位方法在低信噪比与高混响条件下定位精度较低的问题,提出一种基于SincNet神经网络和GCC-PHAT协同工作的室内声源定位算法。以LibriSpeech语音数据集作为声源输入,采用Sinc函数作为滤波器构建SincNet主干网络结构,能够有效提取声源语音特征;将特征输入到GCC-PHAT模块进行相关性分析与特征降维;再通过多层感知网络(MLP)进一步提取高级特征,输出时延误差分类结果。实验结果表明,相对于SCOT/PHAT联合加权、卷积神经网络(CNN)、深层全连接后向传播神经网络(D-BPNN)等先进的声源定位算法,该算法具备更强的抗混响性能,且在不同信噪比和混响强度下,该算法的定位精度显著高于GCC-PHAT,SincNet提取的特征能有效增强时延估计的鲁棒性。