既有地铁轨道噪声过大的原因分析及对策

在城市轨道交通发展的过程中,地铁制式是最为重要的交通形式之一,通过地铁的普及和应用,为城市人民出行提供了非常大的便利。但是,地铁在实际运行中受各种因素影响会产生较大的噪声,如此在地铁沿线居住和工作的民众,会明显受到噪声所带来的不良影响。而产生地铁轨道噪音过大的因素有很多,基于此,文章结合笔者自身相关工作经验,分析地铁线路噪声因素,以及剖析噪声危害及限值要求,提出既有地铁轨道噪声过大的原因和对策,以期可以为提升我国整体地铁轨道事业的发展提供些许参考。

重症监护病房中的噪声过大:对工作人员有害,对患者更有害

众所周知，重症监护病房（ICU）中噪声水平较高。世界卫生组织（WHO）相关指南建议医院平均日间噪声为35dBA，平均夜间噪声为30dBA。我们在5个本地ICU进行的研究发现，日间噪声水平略低于60dBA（相当于一个忙碌的餐厅），而且每小时均出现22～28次高于100dBA的峰值。尽管夜间噪声水平有相应降低，我们仍然记录到每小时16次高于85dBA的噪声峰值。

风机入口噪声过大原因分析

某电厂试运期间出现一次风机入口噪声超标问题,通过对风机不同负荷下综合噪声和最大负荷噪声频谱分析,找出风机入口噪声过大的原因,并提出相应的技术改造方案。

录音机电机噪声过大的原因及降低噪声的措施

分析了录音机电机噪声产生的原因 。

录音机电机噪声过大的原因及措施

分析了录音机电机噪声产生的原因。详细介绍了为降低噪声采取的主要措施及实施后的结果。

数控车床主轴噪声过大的故障诊断

数控机床主轴噪声过大在数控机床中是一类很常见的故障。文章以沈阳机床厂生产的CAK3665SJ数控车床为例,对数控机床主轴噪声过大常见故障进行分析,并提出解决方案。

定转速车内噪声过大问题研究

某车型的PT样车行驶过程中在特定转速出现车内轰鸣声的现象,针对该噪声现象进行了主观评价和声压、阶次、传递函数、模态等客观测试,找出了产生该问题的根源,并采取相应改进措施进行了效果验证。

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。