风机封闭系统内噪声模拟分析

风机系统工作时的一个突出问题是其进风口和出风口产生的噪声。由于风机流场非常复杂,以及实验成本、实验条件限制,基于计算流体力学（Computational Fluid Dynamics, CFD）的理论逐渐成为风机噪声估计的重要方法。本文拟通过对由风机及其冷却系统构成的封闭系统进行数值建模和仿真,判断出风机主要气动噪声源的位置和种类,为处于封闭系统内的风机的噪声大小预测,提供一个可供参考的信息。结果表明：风机出口腔体内部非定常压力波动强度最大。     

基于DEMON谱和LSTM网络的水下运动目标噪声基频检测*

传统的船舶辐射噪声基频检测方法不仅依赖大量的先验知识,而且对背景噪声非常敏感。为了提高目标识别的稳定性和精确性,本文提出了一种基于深度神经网络的基频检测算法。首先从多通道水听器信号中提取DEMON谱,然后直接将二维谱特征矩阵输入由CNN和LSTM构成的级联网络,最后通过稠密层输出实现对基频的估计。从仿真和外场试验数据得到如下结论：（1）深度网络能够实现无先验知识和不同信噪比条件下的基频检测,具有良好的泛化性能。（2）LSTM网络能够高效地从时序DEMON谱中提取统计特征,提高基频估计精度。（3）输入信号的时间长短会影响网络的检测精度,更长时间的信号能够获得更好的检测结果。     

高速列车噪声与速度关系变化分析

随着高速列车运行速度的提升,高速列车内部噪声过高的问题日益突出,识别高速列车在高速运行时主要噪声来源对减振降噪非常重要。本文针对我国高速列车CRH380B型车,在多工况的实车运行状态下进行噪声振动测试研究,并利用速度指数拟合进行计算。得到了我国CRH380B型高速列车不同的噪声随速度指数变化的规律和车内车外的过渡速度区。该结果能够对高速列车噪声来源识别提供参考,为高速列车的车厢内部低噪声设计提供依据。