【摘 要】
：
对某地铁普通整体道床地段与钢弹簧浮置板道床地段隧道内和车内噪声进行测试,研究列车内外噪声辐射大小及频谱特性.研究结果表明:隧道内距离轨面越近,噪声越高,说明轮轨噪声为主要噪声源;同一轨道区段,不同车厢内噪声峰值频率相同,但是噪声峰值有略微区别;浮置板地段,隧道内噪声在40 Hz～125 Hz频段,车内噪声在20 Hz～400 Hz频段较普通道床地段有所增大,其他频段隧道内和车内噪声均不大于普通道床地段;对隧道内和车内噪声的1/3倍频程声压级曲线进行A计权处理,普通道床和浮置板道床地段声压级峰值频率较计权之
【机 构】
：
中国电子系统工程第二建设有限公司,江苏 无锡 214135;华东交通大学 铁路环境振动与噪声教育部工程研究中心,南昌 330013;隔而固(青岛)结构设计事务所有限公司, 山东 青岛 266108
论文部分内容阅读
对某地铁普通整体道床地段与钢弹簧浮置板道床地段隧道内和车内噪声进行测试,研究列车内外噪声辐射大小及频谱特性.研究结果表明:隧道内距离轨面越近,噪声越高,说明轮轨噪声为主要噪声源;同一轨道区段,不同车厢内噪声峰值频率相同,但是噪声峰值有略微区别;浮置板地段,隧道内噪声在40 Hz～125 Hz频段,车内噪声在20 Hz～400 Hz频段较普通道床地段有所增大,其他频段隧道内和车内噪声均不大于普通道床地段;对隧道内和车内噪声的1/3倍频程声压级曲线进行A计权处理,普通道床和浮置板道床地段声压级峰值频率较计权之前均变大,计权后普通道床地段和浮置板地段车内噪声等效声级相差很小,不到1 dB(A).
其他文献
为了解决轴承故障诊断数据样本量少,背景噪声干扰大和准确率不高的问题,提出一种基于奇异谱分解(Singular spectral decomposition,SSD)和两层支持向量机(Two-layer support vector machines,TSVM)的轴承故障诊断方法SSD-TSVM.该方法首先采集信号构建信号矩阵,然后对矩阵进行奇异谱分解,得到奇异谱分量(Singular spectral component,SSC)和残差.根据改进的峭度准则选取奇异谱分量,进行矩阵重构,完成重构后进行特征提
随着地铁列车速度提升至160 km/h,隧道环境下地铁列车表面气动激励显著增强.应用大涡模拟对隧道内160 km/h地铁列车脉动流场结构和表面气动噪声源进行数值仿真,定量评估全封闭设备舱设计对地铁列车气动声学性能的优化效果.结果表明:全封闭设备舱设计能够疏导车底气流,使车底气流更多集中在转向架舱两侧溢出,同时引起车下主要涡结构尺度增大.对应的,列车整车车体气动噪声源能量减小约2.9％;其中头车、中车1分别增大5.7％和9.4％,中车2和尾车分别减小4.2％和13.8％,各节车体声源能量分布更加均匀;列车高
抑制低频振动与辐射噪声对提高水下航行器的声隐身性能具有重要意义.首先建立含局域共振元胞的平板结构横向振动模型,采用模态叠加法和谐波平衡法导出耦合振动方程的解析解,其次给出5 Hz～300 Hz范围内平板表面平均振速级与辐射声功率级解析表达式,研究元胞中吸振器参数对平板声振特性的影响,最终对目标频段平板结构的振动控制效果进行优化设计.研究表明:研究的频率范围内,局域共振型平板结构在吸振器固有频率附近会产生能够抑制其低频振动与噪声的频带;随吸振器阻尼的增大,减振频带拓宽且减振降噪性能减弱;多振子元胞具有多个减
多故障源的耦合问题,一直以来都是诊断领域面临的最大难题之一,能否实现多源信号解耦将直接影响故障诊断的准确性.在信源卷积混合的前提下,以多通道反卷积理论为基础,首先研究多故障源混合信息的特征分离方法.接着借助卷积混合后的仿真信号,研究反卷积系统的关键参数——初始滤波器长度对分离效果的影响.进而提出一种自适应的多源信息分离方法.为了确定分离系统的输入通道数量,基于小波分析与奇异值分解完成信号的源数估计;再通过设定滤波器长度的迭代区间,计算出不同参数下分离系统输出信号的时域指标,并自动选取最佳长度使得分离结果最
模态耦合是微机电系统(Micro-Electro-Mechanical System,MEMS)陀螺仪的主要误差来源,针对这个问题,首先从建立陀螺的两自由度动力学模型入手,研究非理想模态耦合条件下的参数激励方法.然后,将多尺度法、龙格-库塔法(Runge-Kutta methods)和牛顿迭代法(Newton-Raphson method)等综合分析方法应用于该模型,表征模态耦合对参数驱动的影响.最终的仿真结果表明,通过适当调节参数激励的强度可以有效地放大两个模态的振动振幅,特别是当参数激励进入不稳定区域
风力发电机叶片结冰故障直接影响风力发电机的运行安全和发电效率.针对这一问题,提出一种基于一维残差神经网络(1DRes-CNN)的叶片结冰诊断模型,该模型通过风机SCADA数据进行风机叶片结冰故障诊断.首先通过标记标签、数据分割、类间平衡和归一化对SCADA数据进行预处理;然后基于叶片结冰物理机制和XGBoost特征重要性计算选取与叶片结冰最相关的特征;最后利用构建好的1DRes-CNN模型进行叶片结冰诊断、实验结果表明,经过优化选取的特征,相较于SCADA全部特征作为1DRes-CNN模型输入,风叶结冰诊
针对旋转机械早期故障信号微弱,富含大量噪声的问题,提出麻雀优化算法(SSA)和随机共振(SR)相结合的微弱信号提取方法.首先,对大参数信号进行变尺度处理,使其满足SR的要求;其次,以信噪比作为目标函数,运用SSA算法优化SR模型的结构参数,利用系统的SR实现微弱信号信噪比的提高;最后,通过仿真信号验证所提出方法的有效性,并将该方法应用于轴承内圈故障和轻度磨损钻头微弱信号的提取中.结果表明:提出的方法对微弱信号的提取性能优于传统的SR模型以及PSO-SR模型,有效提高了信号信噪比,实现了故障微弱信号的提取与
在多尺度平行因子分析理论的基础上,将原始信号经过多尺度小波分解得到三维时频信号,再经平行因子分析得到通道加载因子、时间加载因子和频率加载因子,通过实验分析,后二者可以明显地表征设备正常或故障状态,利用这一特征建立不同状态的离心泵与其对应的时间加载因子和频率加载因子的映射关系,并以此作为改进粒子群算法优化后的支持向量机分类器的特征向量进行故障分类.与小波包能量特征相比,所提的这种诊断方法用于离心泵故障诊断时提取特征更为简便,所提分类器的分类准确率有显著提高,而其复杂度却没有明显增加.
针对滚动轴承发生故障时非线性信号特征难以提取导致诊断效率较低的难题,提出一种基于参数优化改进的多尺度排列熵(Multi-scale permutation entropy,MPE)与核极限学习机(Kernel extreme learning machine,KELM)相结合的故障诊断方法.首先,使用关联积分法(C-C算法)对MPE的嵌入维数和时间延迟进行优化;其次,计算滚动轴承振动信号在选定的经验参数与优化参数下各尺度的排列熵值并以此构建特征向量;最后,利用KELM对滚动轴承进行故障分类.结果表明,参数
针对磁浮列车辅助变流器的外转子风机轴承短期内失效问题,首先开展风机装车线路运行和台架安装变频运行的振动测试和频响测试,结合外转子风机双质量振子系统的分析,揭示风机轴承过度磨损故障的原因为耦合共振,耦合共振是由风机4倍电磁激振力波及4倍电流谐波激励与其定转子同向运动轴向振动模态产生的.然后提出基于故障振动形态和实测载荷谱归纳方法的故障复现试验方案,并在振动台上成功复现故障.最后给出调整波形弹片的刚度、优化辅助变流器电源谐波电流和适当提高风机转速的整改方案.研究成果可为类似结构的故障定位、分析和复现提供理论指