-
题名基于智能数据融合的车内噪声主动控制算法
被引量：2
- 1
-
-
作者
刘宁宁
孙跃东
王岩松
孙裴
郭辉
-
机构
上海理工大学
上海工程技术大学
-
出处
《汽车技术》
CSCD
北大核心
2022年第5期22-26,共5页
-
基金
国家自然科学基金项目(51175320,52172371)
上海市优秀学术带头人项目(21XD1401100)
上海高校教师产学研践习计划项目(20-SDJH0330)。
-
文摘
为解决车辆噪声主动控制系统中参考信号在车内容易受到次级声源的污染和以发动机转速信号作为参考只能控制发动机阶次噪声的问题,提出一种基于智能数据融合的车内噪声主动控制算法。首先根据传递路径分析结果选择对车内噪声贡献量大的车外测点信号,然后将发动机转速信号和车外测点信号进行数据融合作为参考信号,再利用迭代变步长FxLMS算法对驾驶员耳侧噪声进行主动控制。基于试验采集的不同工况车内噪声进行仿真分析,结果表明,所提出的算法相较于采用发动机转速信号作为参考信号的方法在总声压级上降低了4.4 dB(A)。
-
关键词
车内噪声
噪声主动控制
智能数据融合
参考信号
-
Keywords
Vehicle interior noise
Active noise control
Intelligent data fusion
Reference signal
-
分类号
U467.493
[机械工程—车辆工程]
TB533.2
[理学—声学]
-
-
题名多传感器数据融合技术在刀具状态监测中的应用
被引量：6
- 2
-
-
作者
郑金兴
张铭钧
孟庆鑫
-
机构
哈尔滨工程大学机电学院
-
出处
《传感器与微系统》
CSCD
北大核心
2007年第4期90-93,共4页
-
文摘
提出了一种基于混合智能融合技术进行铣刀磨损量监测和预测方法。利用多传感器对切削力和振动信号进行监测,通过频率变换提取切削力特征量,采用小波包分解技术提取振动信号特征量。通过信号特征值的组合,分别探讨了几种混合智能数据融合技术——小波神经网络、遗传神经网络、遗传小波神经网络对刀具磨损量的预测效果。试验分析表明:提出的几种基于多传感器的混合智能数据融合技术均能够有效地完成刀具磨损量监测和预测,同时,对这几种数据融合技术各自的特点进行了比较分析。
-
关键词
刀具磨损
多传感器
混合智能数据融合
小波包分解
-
Keywords
tool wear
multi-sensor
hybrid intelligent data fusion
wavelet package decomposition
-
分类号
TH164
[机械工程—机械制造及自动化]
-
-
题名基于混合智能计算的铣刀状态监测
被引量：1
- 3
-
-
作者
郑金兴
-
机构
哈尔滨工程大学大学机电学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2007年第32期233-236,共4页
-
文摘
提出了一种基于混合智能融合技术进行铣刀磨损量监测和预测方法。利用多传感器对切削力和振动信号进行监测,通过频率变换提取切削力特征量,采用小波包分解技术提取振动信号特征量。通过信号特征值的组合,分别探讨了几种混合智能数据融合技术-小波神经网络,遗传神经网络,遗传小波神经网络对刀具磨损量的预测效果。实验分析表明,提出的几种基于多传感器的混合智能数据融合技术均能够有效地完成刀具磨损量监测和预测,同时对它们各自的特点进行了比较分析。
-
关键词
刀具磨损
多传感器
混合智能数据融合
小波包分解
-
Keywords
tool wear
multi-sensors
hybrid intelligent data fusion
wavelet package decomposition
-
分类号
TH164
[机械工程—机械制造及自动化]
-
