三维空间的噪声主动控制技术是近年来噪声控制领域研究的一个热点问题,对于降低飞机或车辆里的噪声水平有很大意义。提出了一种对于噪声在三维空间里进行优化控制的方法,建立三维空间的几何控制模型,并且对几何模型进行区域划分,误差准则取所有区域的声压平方和,确定优化目标为误差准则取得最小值,计算出多点次级声源的强度。最后基于该方法设计的噪声主动控制系统进行数值仿真和实验验证,结果验证了该方法的正确性和有效性。

本文以某轮式装载机为样机,在进行大量试验的基础上,对影响驾驶室内噪声的主要噪声源和驾驶室 本身的声学特性进行了分析.通过分析认为:目前样机驾驶室内噪声较大,而影响该驾驶室 内噪声的主要声源是排气噪声、机体噪声、主阀噪声和驾驶室自身辐射的噪声,驾驶室本身 的声学特性不理想是影响其内部噪声的另一个重要原因,在分析的基础上,提出了有效降低该驾驶室内噪声的措施.

由于新舟60飞机APU排气噪声辐射较严重,为了确定一种最佳的降噪方案,必须对新舟60飞机APU排气噪声的频谱特性和指向性进行测量并分析.从测量结果可以看出,无论APU工作在哪种工作状态,排气噪声均属于宽频噪声,主要是1000Hz以上的高频噪声,而满负载状态下的排气噪声除了高频含量之外,在400～1000HZ范围内也有较强的噪声.另外还发现,排气噪声有非常强的方向性.

涡轮流量计是测量管道中流体流量的常用仪器，但其测量过程中会产生附加噪声，影响管道系统中流体机械流动噪声的测量研究。在离心泵流动噪声试验系统上对涡轮流量计测量过程中产生的附加噪声进行了测量分析，搞清了其声学特性及其对流体机械流动噪声测量的影响，提出了在流体机械流动噪声测量过程中消除涡轮流量计流动噪声的方法.

首先介绍涡街发生的原理,分析了涡街噪声信号的产生具有混沌特性的可能性,引入小波方法分解涡街流量信号,运用混沌理论对涡街背景噪声信号的Lyapunov指数进行了计算仿真,结果表明涡街噪声信号是具有混沌特性的,并提取了涡街噪声信号的混沌特征,计算了盒维数.为定性地研究涡街流量信号特征提出了新的思路,实验数据的仿真结果说明了该方法的有效性.

提出一种适用于试生产阶段的SUV低频噪音识别与改进流程。建立白车身有限元模型，通过模态试验验证模型有效性。建立驾驶室声固耦合模型，进行频率响应分析。基于实车噪声与激励力测试及车内响应点的声压值灵敏度，识别板件振动的噪声频率。分析主要峰值频率下的板块单位面积声学贡献量，通过对问题板件加强局部刚度和涂贴阻尼来降低车内噪音。结果表明在整车质量增加较小的情况下车内低频噪音得到有效控制。为试生产阶段的低频噪声识别与改进提供有效的方法。

为了提取强噪声背景下机械振动信号的微弱故障特征，提出利用Perona-Malik非线性各向异性扩散滤波模型来实现强噪声背景信号降噪的方法。首先阐述了偏微分方程和Perona-Malik扩散滤波模型在图像降噪中的应用；其次分析了小波变换等传统信号降噪方法的不足；最后基于图像降噪和信号降噪原理的相似性，利用Perona-Malik扩散滤波模型来实现机械振动信号的降噪，将其用于轴承振动仿真信号和实测信号。实验表明，与小波阈值去噪算法等传统信号降噪方法相比，Perona-Malik扩散滤波模型更适用于强噪声背景信号降噪，同时兼顾了信号去噪和保留信号细节特征的双重要求。

从机械系统中传出的信号通常包含着不同的叠加振动成分,包括有用信息以及不可避免的背景噪声和其他频率干扰,因此波形较为复杂,并且其幅值和频率会随着时间发生变化。当背景环境较为复杂或噪声较大时,从混合信号中提取出的轴承故障特征信号更是如此。对于此类信号,模态分解算法不仅可以去除大量的高频噪声,而且还能将振动信号分解成一系列具有单一成分的模态分量,从而更好地发现振动信号的物理意义。引入一种新的轴承故障特征提取方法,首先利用变分模态分解算法先将故障信号分解为若干个成分单一的模态分量;然后利用一种新的能量算子——频率加权能量算子对含有故障频率的模态分量进行处理,得到其能量谱从而提取出轴承故障特征频率;最后以一种常见的振动筛分设备振动筛为实际案例,对其轴承故障特征进行提取,并通过对比,说明了