基于EMD-SVM的小型发电机组物理声源灵敏度分析

作者：景亚兵; 刘昌文; 毕凤荣; 石纯放; 刘春朝; 田从丰

来源：天津大学学报 (自然科学与工程技术版), 2017, 50(10): 1077-1083.

• 小型发电机组
• 物理声源
• 灵敏度
• 经验模态分解
• 支持向量机

为了解决无法直接得到小型发电机组的物理声源及其灵敏度的问题,采用经验模态分解(EMD)和支持向量机(SVM)协同分析的方法,开展噪声信号盲源分离,提取独立分量(IC)并识别主要物理声源,以测点声压级、机组功率和独立分量的声压级作为样本数据建立支持向量机回归模型,推导灵敏度计算函数,计算主要物理声源的灵敏度,得到了小型发电机组主要物理声源对辐射噪声的影响率.研究结果表明:影响该小型发电机组辐射噪声的主要因素有功率、配气机构噪声和驱动平衡轴的齿轮噪声,应用EMD-SVM协同分析可得到物理声源灵敏度,对于噪声控制具有重要指导意义.

• 单位
  山推工程机械股份有限公司; 内燃机燃烧学国家重点实验室; 天津大学