预应力对风机叶轮模态的影响

风机噪声不可避免,对周围环境造成不良影响。由于风机噪声是结构性噪声,从噪声产生机理方面降噪难度很大,但由于模态反映结构的固有振动特性,因而通过模态分析、避免共振是低噪声风机设计的有效方法。采用理论分析和数值仿真方法,得到叶轮有预应力状态固有频率比自由状态固有频率整体偏低,通过实验方法,得到叶轮有预应力状态固有频率在风机声压峰值频率中占有较大比重,说明预应力模态比自由模态更能准确反应风机叶轮实际工况,为避免共振现象的发生,降低风机噪声提供更有效的方法。     

750kV变电站主噪声源特性及其噪声机理研究

750kV变电站是西北750kV特高压电网重要枢纽,其运行状态关乎整个电网的稳定性。变电站主要设备的噪声能够反映设备的运行状态,并且对工作人员及周围环境造成很大的影响。本文主要阐述750kV变电站主噪声源特性及其噪声机理,为进一步的噪声研究及其防治措施提供可参考的理论依据。     

园丁茶座

液化气泄漏时不可打电话听到电冰箱噪声增大,应先了解是哪些原因引起的噪声,然后对症下药。引起噪声的可能原因,首先是电冰箱安放位置不平,产生噪声。解决的方法是拧动一下电冰箱底部的调节螺丝,调节高低,当调节螺丝接触到地面,四脚接触地时即为最佳状态。其次是电...     

高速列车车轮多边形对车内噪声的影响

研究目的：研究高速列车车轮多边形特征对轮轨噪声和车内噪声的影响规律,讨论目前国内高速列车车轮镟修指标的不足,为高速列车车轮镟修方法的优化改进提供科学依据。创新要点：系统分析高速列车车轮多边形阶次、幅值和相位等参数对车内噪声的影响规律;提出车轮镟修中仅考虑车轮径跳作为限值是不够的。研究方法：1．基于线路试验,初步分析高速列车车轮多边形状态对车内噪声的影响,进而对车轮多边形特征进行剖析;2．基于带通滤波和快速傅里叶变换,使用MATLAB程序生成不同阶次、幅值和相位的车轮多边形粗糙度数据;3．基于TWINS轮轨噪声原理,使用HWTNS预测含有不同车轮多边形特性的轮轨噪声;4．基于混合有限元-统计能量分析（FE—SEA）方法,建立高速列车客室端部车内噪声预测模型,预测车内噪声;5．通过分析车轮多边形参数、车轮径跳和车内噪声之间的相互关系,研究目前的高速列车车轮镟修指标是否合适。重要结论：1．高速列车车轮径跳值相同,但车轮多边形状态不同时,轮轨噪声与车内噪声有明显差异;2．当车轮多边形幅值相同时,高阶多边形可以引起更高的轮轨噪声和车内噪声;3．改变车轮多边形的相位,可以获得不同的车轮径跳值,但是对轮轨噪声和车内噪声几乎没有影响。     

HFC反向通道内噪声分析

在双向传输状态下．HFC的上行信道工作在65MHz以下的频段．在此频段有大量的工业和民用噪声干扰．各用户终端（如电视机）产生的噪声与同轴电缆线路受干扰产生的噪声叠加在一起．每个用户终端象小天线一样接收干扰送入上行信道并相互叠加这种噪声经上行放大器放大后从而形成高电平传向有线电视前端．使双向传输通道受到严重的堵塞。     

一种新的基于闪烁噪声的扩展目标跟踪方法

针对闪烁噪声采用高斯分布建模敏感度大的问题,提出一种闪烁噪声下基于变分贝叶斯(VB)的扩展目标跟踪算法。在量测噪声逆协方差未知条件下,该算法首先将量测噪声建模为t分布,继而通过VB近似量测噪声逆协方差、目标状态以及自由度的后验概率密度,最后给出其高斯伽马混合分布实现。仿真实验表明,所提算法可以自适应地跟踪多参数未知情况下的多扩展目标,与传统算法相比具有较高的跟踪精度。     

时间序列中一种模型的最优预测的研究

给出一种新的带有有色噪声模型,这种新的模型通过转换,应用现代时间序列分析方法,基于ARMA信息模型和白噪声估值器,求出状态的非递推估值器,最后得到新模型统一的、稳态的Kalman估值器．     

基于二阶RC锂电池模型的自适应卡尔曼SOC估算

为了更加精确地估算锂电池荷电状态,建立能够反映电池动态工作特性的二阶RC等效模型。在模型参数辨识的基础上,先用数学分析、电路模型构建相关状态方程与观测方程,再结合扩展卡尔曼滤波算法,针对状态噪声与观测噪声的不确定干扰,提出一种自适应调整方案。通过锂电池放电实验,结合MATLAB仿真分析,验证了自适应调整后的卡尔曼滤波算法可更精确地预估锂电池荷电状态,与扩展卡尔曼滤波算法相比,该算法降低了约2.31%的误差。     

初中物理中的“三”

声音的三个特征：音调、响度、音色。 弦乐器音调高低的三个决定因素：弦的长短、粗细、松紧。 控制噪声的三种途径：在声源处控制噪声，在传播过程中减弱噪声，在人耳处减弱噪声。 物质的三种状态：固态、液态、气态。 水沸腾过程中的三个特点：声音特点、气泡特点、温度特点。     

综合考虑运行状态的锂电池SOC估计研究

锂电池SOC估计影响因素众多,实际工况过于复杂,同时伴随噪声干扰而难以精确估计。为解决上述问题,综合考虑表征参数,提出了锂电池运行状态识别模型。基于RC电路思想,引入运行状态模型,提出了锂电池精确SOC估计模型。为提高模型的鲁棒性和收敛速度,采用粒子群优化算法进行关联参数寻优,并采取噪声误差分析机制提出一种降噪算法。对不同型号锂电池进行实验,仿真结果表明,锂电池运行状态识别模型能有效识别不同退化程度的电池运行状态,估计模型能可靠精确地估计不同退化趋势的锂电池SOC,具有良好的鲁棒性和收敛速度。