基于小波分析的变频调速电动机运行噪声-负载特性

分析了交-交变频器输出电压、电流和时间谐波磁势的谐波族特征,指出了该特征对电动机运行噪声的影响。提出了一种改进M allat算法,并运用该算法对运行噪声进行了小波分析。该算法的计算量和占用的存储空间较标准M allat算法均减少了49.6%。同时,运用基于小波分析的频带能量法提取运行噪声的特征。经实验验证:电动机负载增加,运行噪声的86~172H z频带能量呈现一致性增加,该频带能量可以作为反映负载变化的主要特征。     

改变蜗壳宽度对离心风机气动噪声影响的数值计算与试验研究

采用基于非定常流场的离心风机气动噪声源数值分析方法,定性分析了改变蜗壳宽度对T9—19No．6．3A离心风机偶极子声源强度的影响．数值计算表明：随着蜗壳宽度的增加,该风机主要的偶极子声源强度逐渐降低．以数值分析为指导,在改变蜗壳宽度的情况下对T9—19No．6．3A离心风机的气动性能和噪声特性进行了试验测量．试验结果表明：在整个变工况范围内,与原风机相比,随着蜗壳宽度的增加,风机的气动性能有所提高,风机的基频噪声有不同程度的降低,在高效点A声级降低了约3—5dB,而涡流噪声有所增大,但在常用的大流量和中流量工况范围内,风机的噪声特性有所改善．     

欠阻尼二阶线性系统中的随机共振及其抑噪应用

在乘性噪声背景下,研究欠阻尼二阶线性系统中的随机共振及其抑噪应用.当二阶线性系统的阻尼系数和固有频率均受高斯白噪声干扰下,欠阻尼二阶线性系统中存在随机共振现象.研究表明,该系统的平均输出幅度增益呈现非单调变化,不仅在一定条件下大于无噪声时的增益,而且调节适当的系统参数和噪声强度能够提高幅度增益.因而只要使系统处于共振区域,就会使夹杂在噪声中的被测信号突现出来,从而实现弱信号的检测.因而,采用可视化仿真软件SIMULINK对此进行了实例模拟.仿真证实该方法检测弱信号的可行性和有效性.     

用于非线性时变系统噪声统计Q、R阵估计的新方法

提出了一种估计非线性时变系统过程噪声协方差阵Q和观测噪声协方差阵R的新方法.扩展卡尔曼算法结合前馈神经网络的非线性时变系统辨识过程中,噪声统计Q、R阵的估计是影响系统建模和预测精度的关键因素之一.本文所提出的估计噪声统计Q、R阵方法是基于协方差匹配技术,将M ehra估计定常系统噪声统计的方法推广到一般的非线性时变系统.仿真结果显示了本文方法的有效性.     

基于子波分析的信号噪声分离方法研究

信号或图象的子波变换是一种多分辨的分解,可以给出信号在不同尺度下任意位置的信息,上于变换核是支撑的,子波变换可以有效的描述信号的局部特性。本文在分析子波变换的基础上,结合信号中加性声的特点,给出了一种子波变换域的噪声滤波方法,通过对数据的分析处理结果表明,该方法行之有效。     

浅海信道中舰船辐射噪声包络线谱传播特性

包络线谱是舰船辐射噪声的一个重要特征,反映了辐射噪声中低频线谱成分以及其他一些周期性对宽带连续谱噪声的调制效应,对包络谱线谱特征的提取分析,有利于目标信号的检测和识别.本文将舰船辐射噪声建模成为周期性局部平稳过程,在包络谱估计和包络线谱特性分析基础上,得到包络线谱高度等特征参数的具体表示,然后从传播过程中接收信噪比变化的角度,分析了包络线谱传播特性及其特征参数的变化.数值计算表明:从能量角度看,舰船辐射噪声中周期性局部平稳谱与平稳谱服从一样的传播规律,与通常的声场传播律一致;包络线谱高度的传播衰减取决于信噪比,信噪比较高时(正信噪比)它几乎保持不变,信噪比较低时(负信噪比)它按信噪比衰减规律下降;在浅海信道传播条件下,由于传播衰减较自由场情况要小,同样的包络线谱高度可以传播到更远的距离上.     

气动噪声相似关系及在风洞试验中的应用

研究以基本气动噪声源(单极子声源、偶极子声源和四极子声源)向远场辐射声功率和物体运动过程中产生的气动噪声与运动速度、物体特征尺寸、距观测点距离和介质特性等的关系,推出了相似运动物体向远场辐射气动声的相互转换关系式,并利用气动声学风洞对高速列车模型产生的远场气动噪声进行测量,据此关系式从低风速测量结果推出了高风速结果,用试验数据进行验证.研究表明,此关系式反映了原型和模型之间在远场辐射气动噪声的相互关系,对模型试验结果分析和向原型的转换具有一定的借鉴作用.     

滑模控制实现受噪声干扰超混沌Lorenz-Stenflo系统的同步

对受噪声干扰的超混沌Lorenz-Stenflo系统的同步问题进行了研究.在设计一种新型比例积分滑模流形的基础上,选取了只含一个控制项的滑膜控制器,根据滑模控制理论证明在此控制器下受噪声干扰的超混沌Lorenz-Stenflo系统能实现同步,并用陡峭的连续饱和函数代替不连续的符号函数,消除了同步过程中的抖动.数值模拟结...     

不完全噪声交易信息下的内部交易

内部交易常常受到噪声的影响。依据在做市商观察到部分噪声交易量的信号(即不完全噪声交易量信息)的基础上,研究了此信号被观察到的精确程度对内部交易者的期望利润、交易强度、市场流动性产生的影响。研究表明,做市商对该信号观测得越精确,内部交易者的期望利润、交易强度和市场流动性越小;但它不影响内部交易者信息的释放量。     

Shearlet域深度残差CNN用于沙漠地震信号去噪

由于沙漠地震信号中含有较强的随机噪声,从而给沙漠地震数据的处理和解释带来了很大的困难。针对上述问题,提出了一种基于Shearlet 变换的深度残差卷积神经网络( ST-CNN: Deep Ｒesidual Convolutional NeuralNetwork for Shearlet Transform) 模型,实现沙漠地震信号的随机噪声压制。在训练阶段,将沙漠地震信号经Shearlet 分解后的系数作为输入,将随机噪声经Shearlet 分解后的系数作为标签,通过卷积神经网络( CNN: Convolutional Neural Network) 学习输入和标签之间的映射关系; 在测试阶段,利用此映射关系即可从沙漠地震信号系数中预测出噪声系数,并间接地获得有效信号系数,最后通过Shearlet 反变换获得有效信号。通过与传统的Shearlet 硬阈值去噪算法对比,发现该算法可把沙漠地震信号的信噪比从－ 4． 48 dB 提高到14． 15 dB,具有更好的去噪效果。