某型挖掘机噪声较大问题的改善方案

某型20t液压挖掘机在进入市场后,有用户反馈机外辐射噪声较大。对于用户反馈的机型进行现场噪声测试,该产品机外辐射静态噪声为103.5dB,动态噪声为104.2dB。通过降低风扇速比、增大风扇直径、增加吸声材料、取消左侧门开孔、增加导流板等方案,使这款挖掘机的噪声由104.2dB降为101.2dB,降噪幅度比较大,效果明显。

特高压并联电抗器铁芯振动及噪声特征研究

特高压并联电抗器因其铁芯是以铁芯饼与气隙垫块交替堆叠而成的结构特点,导致其运行过程中振动强度远超同电压等级的变压器,易出现振动超标等问题,现有计算方法对特高压并联电抗器铁芯振动特征还无法准确表征。鉴于此,该文针对1台特高压并联电抗器的铁芯振动机理及产生的噪声进行研究,结合磁-结构-声多场耦合分析,对铁芯所受麦克斯韦力及磁致伸缩力进行仿真计算,将结构场计算结果进行快速傅里叶变换后作为载荷激励进而计算由电抗器振动产生的噪声,并单独分析磁致伸缩力和麦克斯韦力对电抗器铁芯振动造成的影响。结果表明:电抗器运行过程中电抗器铁芯旁轭中部产生的振动最剧烈,电抗器周围产生的噪声最大。对比麦克斯韦力与磁致伸缩力对电抗器铁芯振动的影响发现,同时考虑两个力时铁芯振动小于未考虑磁致伸缩力的情况,证明影响电抗器铁芯振动的两个力存在相互衰减作用。

基于K-means聚类和特征空间增强的噪声标签深度学习算法

深度学习中神经网络的性能依赖于高质量的样本,然而噪声标签会降低网络的分类准确率。为降低噪声标签对网络性能的影响,噪声标签学习算法被提出。该算法首先将训练样本集划分成干净样本集和噪声样本集,然后使用半监督学习算法对噪声样本集赋予伪标签。然而,错误的伪标签以及训练样本数量不足的问题仍然限制着噪声标签学习算法性能的提升。为解决上述问题,提出基于K-means聚类和特征空间增强的噪声标签深度学习算法。首先,该算法利用K-means聚类算法对干净样本集进行标签聚类,并根据噪声样本集与聚类中心的距离大小筛选出难以分类的噪声样本,以提高训练样本的质量;其次,使用mixup算法扩充干净样本集和噪声样本集,以增加训练样本的数量;最后,采用特征空间增强算法抑制mixup算法新生成的噪声样本,从而提高网络的分类准确率。并在CIFAR10、CIFAR100、MNIST和ANIMAL-10共4个数据集上试验验证了该算法的有效性。

有序标签噪声的鲁棒估计与过滤方法

较大规模的标注数据集中难免会存在标签噪声,这在一定程度上限制了模型的泛化性能。有序回归数据集的标签是离散值,但不同标签之间又有一定次序关系。虽然有序回归的标签兼有分类和回归标签的特征,但面向分类和回归任务的标签噪声过滤算法对有序标签噪声并不完全适用。针对此问题,提出了标签含噪时回归模型的Akaike泛化误差估计,在此基础上设计了面向有序回归任务的标签噪声过滤框架。此外,提出了一种鲁棒的有序标签噪声估计方法,其采用基于中位数的融合策略以降低异常估计分量的干扰。最后,该方法与所提框架结合形成了噪声鲁棒融合过滤(Robust Fusion Filtering,RFF)算法。在标准数据集和真实年龄估计数据集上均验证了算法的有效性。实验结果表明,在有序回归任务中,RFF算法性能优于其他分类和回归过滤算法,能够适应不同类型的噪声数据,并有效提升数据质量和模型泛化性能。

采用生理响度感知机制的车内噪声声品质预测

现有车内噪声声品质预测的响度计算中没有考虑真实人耳生理解剖结构的传声特性,因此提出了一种基于生理响度感知模型的车内噪声声品质预估方法。首先,采集两款轿车的车内噪声样本,并通过主观评价试验得到车内噪声的主观评价烦恼度。之后,整合中耳集总参数模型与耳蜗传输线模型,构建生理响度模型。然后,以生理响度模型的响度计算值为主要参数,结合尖锐度、粗糙度与车内噪声的主观评价值,通过TabNet模型构建了车辆声品质预测模型。最终,对比分析了所构建声品质模型与基于现有标准响度模型所构建的声品质模型的预测效果。结果表明,采用生理响度模型的声品质预测平均误差百分比仅有4.73%,优于采用Moore响度(6.13%)与Zwicker响度(6.94%)的声品质预测结果。此外,所构建的TabNet声品质预测模型的平均误差百分比也低于基于BP神经网络模型的平均误差百分比(7.60%)。采用生理响度模型的TabNet声品质预测能够提高车内噪声声品质客观评价的准确率。

双吸泵交错叶轮内流诱导噪声

为研究叶轮交错布置对双吸泵内流噪声的影响,根据叶片夹角设计了4组叶轮交错方案.在设计工况下,采用标准k-ε湍流模型对双吸泵内部流动进行了非定常数值模拟,基于数值模拟结果提取偶极子声源,应用直接声学边界元法计算了双吸泵内声场,分析了不同叶轮交错方案对泵能量性能、压力脉动和内流噪声等的影响规律.研究结果表明:叶轮交错布置能够提高双吸泵能量性能,扬程和效率最高分别提升3.0%和5.7%;随着交错角度增大,压力脉动峰峰值逐渐减小,最大降幅达79.6%;当交错角为叶轮夹角的1/2时,蜗壳内流场压力脉动、偶极子声源流动噪声和声压频响曲线的主频均从1倍叶频变为2倍叶频,且主频处幅值明显降低;随着交错角增大,吸水室、叶轮和蜗壳表面高声压区范围逐渐减小,表面声压最大值和声压频响曲线逐渐降低,最大降幅分别为9.9%和18.7%.研究结果可为双吸泵优化设计和减振降噪提供一定的理论参考.

填埋场渗漏磁法检测的噪声来源与剔噪方法综述

填埋是固体废物集中处置的主要手段,填埋场则是固体废物对地下水环境影响集中发生的场所。通过防渗层HDPE膜漏洞的渗漏是导致地下水污染的主要途径和方式,开展防渗层渗漏快速检测和精准定位具有重要意义。传统电学渗漏检测难以检测双层衬垫或多层衬垫系统的下层衬垫破损,基于传统电法改进的电磁方法展现出下层衬垫检测的潜力,但迫切需要解决填埋场复杂服役人文环境和地球磁场环境下的电磁噪声干扰问题。为此,通过对磁法检测原理和信号特征的深入分析,以及对背景磁噪声类型、来源、特征和电磁噪声去噪方法的综述,得出如下结论:在特定条件下,漏洞越近,其磁场信号越强;填埋场噪声主要来源于地磁和人文磁场,且不同噪声有不同特征,需不同处理;去噪过程先预处理排除干扰,其次在检测中选择适宜的滤波或测量法去除噪声。

重离子辐射对AlGaN/GaN高电子迁移率晶体管低频噪声特性的影响

采用^(181)Ta^(32+)重离子辐射AlGaN/GaN高电子迁移率晶体管,获得器件在重离子辐射前后的电学特性和低频噪声特性.重离子辐射导致器件的阈值电压正向漂移、最大饱和电流减小等电学参数的退化.微光显微测试发现辐射后器件热点数量明显增加,引入更多缺陷.随着辐射注量的增加,电流噪声功率谱密度逐渐增大,在注量为1×10^(10)ions/cm^(2)重离子辐射后,缺陷密度增大到3.19×10^(18)cm^(-3)·eV^(-1),不同栅压下的Hooge参数增大.通过漏极电流噪声归一化功率谱密度随偏置电压的变化分析,发现重离子辐射产生的缺陷会导致寄生串联电阻增大.

受试者测试状态对卡尔曼加权平均ABR测试残余噪声的影响

目的探讨采用卡尔曼加权平均(Kalman-weighted averaging,KWA)的听性脑干反应(ABR)测试中,受试者不同测试状态对残余噪声及ABR波V振幅的影响。方法选取21例(42耳)18~34岁听力正常成年人,分别在安静诊室内三种不同的状态下(安静平卧、坐位、写字)使用卡尔曼加权平均的新型ABR系统(vivosonic integrity system)进行ABR测试,同时使用传统ABR测试系统(interacoustics,IA)在隔声屏蔽室内进行ABR测试,记录各状态下受试者ABR反应的残余噪声水平和波V幅值并进行比较。结果①传统ABR和卡尔曼加权平均ABR三种不同测试状态(平卧、坐位、写字)下波V振幅没有显著差异(P>0.05);②卡尔曼加权平均ABR安静平卧和坐位两种状态下的残余噪声水平较传统ABR低,但无统计学差异(P>0.05);卡尔曼加权平均ABR在写字状态下的残余噪声水平显著高于其他三种状态(P<0.05);③写字状态下卡尔曼加权平均ABR的残余噪声、波V振幅在左右耳之间没有显著差异(P>0.05)。结论与传统ABR相比,卡尔曼加权平均ABR在写字状态下的残余噪声显著升高,但安静平卧和坐位状态下的残余噪声水平与传统ABR无显著差异,受试者的不同测试状态对残余噪声水平有一定影响。

利用麦克风阵列的管道主动噪声控制方法

空调通风管道在运行时,内部出现的低频噪声很难通过包裹消音材料等被动式降噪方法消除.而在部署主动噪声控制时,会出现声反馈现象,影响降噪性能甚至造成控制系统的响应发散.针对这种声反馈现象,本文在分析其产生原因的基础上,将麦克风阵列作为前馈,对Duvall-Frost结构的线性约束最小方差波束成形算法加入预调向,提出了利用麦克风阵列的管道主动噪声控制方法,实现单方向拾取来自管道上游的噪声信号,避免声反馈带来的影响.并利用滤波器x最小均方误差(FxLMS)算法作为自适应控制算法,针对4种典型低频噪声,在真实管道环境下进行主动降噪实验.实验结果表明,相比不使用麦克风阵列的情况,本文提出的主动噪声控制方法能达到明显的降噪性能,且在稳定性方面取得较好结果.

PSK脉冲编码降低瑞利散射型光纤传感系统相干瑞利噪声的理论和仿真研究

频移平均(Frequency Shift Averaging,FSAV)技术是目前降低相干瑞利噪声(Coherent Rayleigh noise,CRN)的最主要方法,然而其降噪效果会受到频率漂移和脉冲啁啾效应的影响,且不适合应用在高空间分辨率系统中。针对以上问题,提出一种利用相移键控(Phase Shift Keying,PSK)脉冲编码降低CRN的新方法。详细分析了该方法的原理,仿真验证了该方法的有效性和适用性。结果表明:该方法不仅能有效降低CRN,且能在高空间分辨率下完全适用,为基于瑞利散射的高空间分辨率高精度分布式光纤传感系统中CRN的降低提供了新的视角和实用方法。

噪声鉴别C均值聚类的滁菊花茶品质等级鉴别研究

近红外光谱检测技术可以通过探测近红外区域的光谱特征,反映所测样品内部有机物化学成分和结构信息。在分析物质成分时,近红外光谱通常会涉及到大量的波长数据,因此其维数往往比较高。同时,光谱会出现重叠和冗余等现象,会影响模型的性能。提出一种噪声鉴别C均值聚类(NDCM)算法。NDCM将一种快速广义噪声聚类(FGNC)和模糊线性判别分析(FLDA)相结合,可实现模糊聚类过程中进行数据鉴别信息的提取和数据空间维度的压缩,以达到更高的聚类准确率。对滁菊花茶近红外光谱数据进行模糊C均值聚类(FCM)得到的模糊隶属度和聚类中心作为噪声鉴别C均值聚类(NDCM)的初始模糊隶属度和初始聚类中心,使NDCM具有聚类速度快,准确率高等优点。FCM算法对光谱噪声数据敏感,而NDCM算法在处理含噪声的光谱数据时能够表现出较好的性能。该研究选取特级滁菊、一级滁菊、二级滁菊三种品质等级的滁菊花茶作为实验样本,共计240个样本。实验使用便携式近红外光谱仪(NIR-M-F1-C)采集滁菊花茶的近红外光谱数据。用Savitzky-Golay滤波和多元散射校正(MSC)对滁菊花茶近红外光谱进行预处理,以减少光谱中掺杂的噪声和重叠信息。通过主成分分析(PCA)对采集到的400维光谱数据进行维度压缩降至6维。该研究使用线性判别分析(LDA)提取滁菊花茶光谱数据中的鉴别信息,并将数据空间维度进一步转换为2维。分别用FCM,FGNC和NDCM三种算法对处理后的数据进行聚类分析,以实现对滁菊花茶的准确分类。实验结果显示:当权重指数m=2.5时,FCM,FGNC,NDCM的聚类准确率分别为92.42%,98.48%,100%。NDCM聚类时间略长于FGNC。FCM算法需要进行27次迭代才能收敛,而FGNC算法和NDCM算法分别只需要13次和10次迭代就能达到收敛。采用近红外光谱技术结合MSC、Savitzky-Golay滤波、PCA、LDA和NDCM算法,建立了一种精准鉴别滁菊花茶品质等级的聚类模型。

地震背景噪声功率谱密度及概率密度函数的计算及其Matlab实现

介绍了地震背景噪声功率谱密度及概率密度函数计算方法及涉及的一些概念,以台站实际数据为例,给出了应用Matlab计算噪声功率谱密度及其概率密度函数的程序算法,该方法直接输入文本格式数据,计算台基噪声功率谱概率密度函数;以洛阳地震台24小时的连续波形记录为例,详细叙述了原始数据去仪器响应、计算功率谱密度、倍频程计算和噪声功率谱密度的概率密度函数计算实现的全过程。该方法编程简单,适用于单台噪声水平评估,在野外台站的快速勘选中具有潜在应用价值。

车内单座椅局部区域有源噪声控制研究

目前,汽车局部区域降噪主要通过有源降噪头枕来降低人耳处的噪声,但乘客的移动会影响降噪效果.结合人头跟踪系统可解决这一问题,代价是增加系统的复杂性和成本.以车门扬声器为次级声源,在副驾驶位置乘客头部周围较大的区域进行局部降噪,并优化误差传感策略提升其降噪性能.首先,建立轻度阻尼边界的闭空间声场有限元模型;然后,基于该模型研究了某一局部区域内取得3 dB降噪效果的频率上限、误差点数量和位置对降噪效果的影响以及误差点布放的优化问题;最后,在典型城市道路上进行不同车速下的有源噪声控制实验.结果表明,车速为50,60和80 km·h^(-1)时,副驾驶头部区域内(0.4 m×0.4 m×0.2 m)3 dB降噪的频率上限约为370 Hz,误差点位置对降噪效果有较大影响.采用遗传算法优化误差点选择可提高降噪性能,使用12个优选误差点即可达到使用75个均匀布放误差点的降噪效果.

双能量CT非线性融合和噪声优化的虚拟单能量图像技术在喉鳞状细胞癌中的应用

目的:探讨双能量CT线性融合图像(linear blending imaging,LBI)、非线性融合图像(nonlinear blending image,NBI)和噪声优化的虚拟单能量图像(noise-optimized virtual monoenergetic image,VMI+)技术在喉鳞状细胞癌中的应用价值。方法:回顾性分析2019年6月至2022年3月61例经病理证实为喉鳞状细胞癌患者的双能量CT资料。双能量图像采用LBI[融合系数为1(80 kV)和0.6(M0.6)]、NBI和VMI+(40 keV、55 keV)技术重建。比较5组图像的客观图像质量[对比噪声比(contrast-tonoise ratio,CNR)、肿瘤CT值、噪声]和主观图像质量(肿瘤边界评分和整体图像质量评分)。结果:40 keV的CNR、肿瘤CT值和肿瘤边界评分均明显高于80 kV、M0.6、NBI和55 keV,差异均有统计学意义(均P<0.05)。NBI的整体图像质量评分明显高于80 kV、M0.6、40 keV和55 keV,差异均有统计学意义(均P<0.05)。NBI的噪声明显低于80 kV、40 keV和55 keV,差异均有统计学意义(均P<0.05)。结论:在喉鳞状细胞癌的双能量CT中,采用VMI+技术(40 keV)能提供更好的CNR、肿瘤CT值和肿瘤边界,采用NBI技术能提供更低的噪声和更好的整体图像质量。

基于非稳态加性噪声模型的因果发现算法

因果发现旨在通过观测数据挖掘变量间的因果关系。现有的因果发现方法大多假定数据的产生过程是平稳的,然而在实际环境下往往不满足稳态假设,导致结果不可靠。研究发现,在一些场景中的非稳态扰动与时序信息高度相关。因此,在加性噪声模型基础上将非稳态扰动刻画为一项关于时序信息的函数,设计非稳态加性噪声模型,并给出非稳态加性噪声模型的识别条件,提出一种两阶段的因果关系学习算法。第1阶段利用回归计算得到变量残差,再检验残差与回归特征集的独立性从而选出叶子节点,迭代得到观测变量集的因果次序;第2阶段再次进行回归计算和独立性检验,消除第1阶段中冗余的因果关系,从而得到观测变量集的因果结构。实验结果表明,与基于约束的异构/非平稳因果发现、LPCMCI和Ti MINo算法相比,该算法在仿真数据集上取得了最优的效果,平均F1值达到0.85;而在真实因果结构数据集中,该算法的F1值平均提升41.12%,能够从非稳态数据集中恢复出更多因果结构的信息。

无人机系列化旋翼气动噪声特性对比研究

旋翼的气动噪声是各类旋翼无人机噪声的主要来源,为降低无人机整体噪声和提升其声隐身性能,文中针对某无人机的系列化等径旋翼开展定转速气动噪声特性的对比研究.分别建立各旋翼气动噪声特性预测大涡模拟计算模型,将获取的各旋翼表面压力脉动信息作为声学求解输入,基于FW-H方程计算了等距(3R)和不同方位的旋翼远场噪声特性并进行了试验验证,5个型号旋翼等距处总声压级仿真与试验结果误差不大于4.3%,气动噪声呈现明显的偶极子特性,气动噪声径向声压级明显高于轴向值,且不同旋翼的气动噪声声压级与旋翼转矩具有正相关关系,与旋翼升力间关系则不明显.

时间反转OFDM系统中增强安全性能的功率分配与人工噪声设计

时间反转技术特有的时空聚焦特性使其具有抗窃听能力.本文对提高时间反转正交频分复用系统安全性能的优化方案进行研究.首先,通过应用时间反转预滤波的时空聚焦特性来提高合法接收端相对于窃听端的信号强度;然后,以最大化保密速率为目标对子载波的功率分配进行优化.为进一步提升系统保密传输能力,利用循环前缀提供的自由度实现零空间人工噪声,在对窃听端形成有效干扰的同时,不对合法接收端造成影响.通过对子载波功率分配和人工噪声协方差阵进行联合优化,最大化系统的保密传输速率.仿真结果表明,所提优化方案能显著提高系统的保密速率.

基于DDES耦合FW-H方法的吊舱推进器水动力噪声特性

为研究吊舱推进器非定常流场和诱发的声场结构,采用DDES耦合FW-H方法,对其开展了高精度非定常数值计算.结果表明:由于吊柱诱发的强烈动静干涉作用,使螺旋桨至吊柱区域内的压力脉动幅值上升;吊舱推进器的涡量分布较为复杂,由于吊舱体的扰流作用,除螺旋桨本身产生的主、副涡外,还出现干涉尾涡结构,且主涡区向上偏移.通过计算盘面上各个声接收点处的谐波频率标准差发现,声场在浆盘面上无明显声指向性.通过设置空间曲面内的声接收点阵列,获得了吊舱推进器的声场空间分布特性.发现轴频和叶频始终是其主要频率;在螺旋桨桨盘面附近的声压脉动无明显指向性,但在空间曲面上,轴频和叶频的分布特征明显,存在有明显形状的高低值区;在吊舱推进器后方,声压逐渐衰减,但叶频处能量衰减趋势小于轴频处.

随机噪声平板下光学复眼内外参联合标定

光学复眼在无人系统的精确定位制导、避障导航等任务中得到了越来越广泛的应用,其中光学复眼的高精度标定是保障上述任务质量的前提。通常经典的张氏棋盘格标定法要求光学复眼的每个子眼都必须观测到完整的棋盘格,然而,由于光学复眼结构的复杂性,在实际标定过程中难以满足这一要求。为解决张氏标定法的局限性,该文提出一种基于随机噪声平板的光学复眼内外参联合标定算法,该算法通过子眼拍摄随机噪声平板的局部信息,可简单快速地实现任意构型和子眼数量的光学复眼内外参联合标定。为了提高光学复眼标定的稳定性,设置多阈值匹配机制解决子眼视场特征点数量稀疏导致图像匹配失效的问题。同时,给出了光学复眼内外参联合标定的误差模型,用来衡量所提出算法的精确度。在与张氏棋盘格标定法进行实验对比中,验证所提算法的稳定性和鲁棒性,并在光学复眼实物系统中,验证了所提联合标定算法具有较高的精度。