登录
首页 » Others » 汽车噪声与振动-理论与应用

汽车噪声与振动-理论与应用

于 2020-12-05 发布
0 355
下载积分: 1 下载次数: 2

代码说明:

汽车NVH领域的经典入门读物,引领进入汽车振动噪声研究的最佳选择。第一章管道声学(1.12)时,声压幅值达到最大,反节点的位子是:(1.13)驻波是由频率相同的向右传播的入射波和向左传播的反射波迭加而成。驻波并不是运动的波,而是静止的,这是“驻”波名称的由来。波表示管道中的声音的模态。对於长度一定的管道来说,由于有许多频率的波,因此也就有很多驻波。这里所提到的驻波是假设管壁刚硬,所冇声波遇到管壁时全部被反射回来。可是实际上,管端壁不是完全刚性,因此反射波的声压不完全等於入射波声压,因此在节点处,入射波和反射波不可能完全抵消。但是这些点处的声压大部分被抵消,声压最低。第二节管道声阻抗阻抗是指当对媒质受到压力或者搾动力时,媒质会对传播产生阻碍。管道中的声学阻抗Z,定义声压与质点体积速度的比值,即(1.14)式中,u,U和S分别是管道中的速度,体积速度和截面积。体积速度与质点速度的关系为:L=SL。声吝在管道內传播,当管道的截面积发生变化的时候,声阻抗也发生变化。图1.3是截面积变化的管道,在变截面的地方,由于阻抗发生变化,一部分入射波就会被发射回原来的管道而另一部分入射波会在新的截面管道中继续传播。抗性消音器的工作原就是基于这种阻抗的变化。声波从发动机出来并在进气或者排气系统中传播,当遇到消音元件或者截面积变化时,入射声波被反射回发动机声源,从而抑制声音的传播。进排气系统中声阻抗不匹配的情况主要有截面积变化,主管道中插入了其他管道(如旁支消音器等),管道开口通往大气等等图1.3截面积变化的管道进排气系统中管道的长度都是有限的。图1.4表小一个长度为L的管道。假改管道两端的声阻抗分别已知,即在=处,声阻抗为,在=处,声阻抗为由公式(1.6)和(1.9),可以得到管道中仟一点的声阻抗为管道声学图1.4长度为L的管道将=代入公式(1.15)中,得到该处的声阻抗为:将三代入公式(1.15)中,得到该处的声阻抗:公式(17)可以重新写成下面的形式18将方程(1.16)代入到方程(1.18中,消除和,就得到输入声阻抗和输出声阻抗的关系,如下第一章管道声学(1.20第三节管口封闭与管口敞廾声波从管道入口端发射出来,传播到尾端。管道尾端通常有两种情况,一种是开口的,如进气管口,排气尾管口;另一种是封口的,如四分之一波长管。下面就来分析这两种尾端的声学特征。1.开∏-封闭管道图1.5表示管道尾端封闭状况。声音在管道里问石传播,当声波碰到刚性的封闭端时,声波被全部反弹冋来,再向左传播管口封闭图1.5开凵封闭管道对一个刚性的封闭口来说,其声阻抗为无穷大,即>0,根据公式(1.19),得到:1.21)声阻抗可以写成下面的形式:(1.22)式中R和粉别是阻抗的实部和虚部,R为声阻,称为声抗。声阻取决于结构的材料特性,而声抗则取决」结构的儿何特性。当声抗为零的时候,结构就发生共振。公式(1.21)中的声阻抗也可以写成公式(1.22)那样的形式,为(1.23)上式如果满足下亩的条件:(1.24)即,那么这个开口-封闭管道就发生共振,其固有频率为:(1.25)当n-=1,2,3,.,时,分别对应著管道第·阶、第二阶、第三阶,,.,等阶次频率图1.6是管道声波的第一阶和第阶模态。这个声波在封闭端时,声压达大最大值,然后发射第一章管道声学到入口处,使得入口端的声压为零,即在开口端形成驻波节点。四分之一波长管就是应用这个原理来工作的。图1.6管道声波的第一阶模态(A)和第二阶模态(B)公式(1.25)可以转变为管道长度与波长的关系,表达如下1.26)当n=1时,管道的长度是波长的四分之,即:。所以这种开∏封闭的管道通常叫著四分之一泼长管2.开口开口答道图1.7为一个尾端开口的管」。声波从入口端向右传播进入开口端时,声音与大气产生声耦合。大气的辐射声阻抗会将一部分声波返回管口敞开图1.7开口-开口管道声波在尾端的声阻抗为周围坏境的声阻抗,也就是说这个声阻抗不为零。为了使问题简化起见,我们先假设这个阻抗为零,然后再对所得到的结构进行修正。如果在x=处的声阻抗为零,那么由公式(1.19)可以得到下式(1.27)同样,当这个声阻抗中的声抗为零的吋候,管道就发生共振,这时必须满足:即:这时,开口-开口管道的共振频率为:当n=1,2,3,,时,分别对应著管道第一阶、第二阶、第三阶,.,等阶次频率第一章管道声学图1.8是开口-开口管道声波的第一阶和第二阶模态。图1.8开口-开口管道的第一阶模态(A)和第二阶模态(B)公式(1.30)可以转变为管道长度与波长的关系,衣达如下(1.31)3.开口管道的修正在推导尾端廾口公式时,我们假设了出口周围坯境的声阻抗为零,但是实际上这个阻抗不为零,因此必须对公式(1.27-1.31)的结论做修止。对图1.9这样的开∏终端,被称为自由自由开口。该开口处的声阻抗为:等效管图1.9自山开口-开口修正管道山于管道的直径非常小,因此和都远远小于1。山公式(1.27)和(1.32)得到:(1.33)这样,管道内的频率为34)管道长度与波长的关系为(1.35这样管道的长度比声阻抗为零的时候要短些,也就是说好像有一根等效的延长管与原来的管道相连接。管道的计算长度就是实际管子长度加上等效延长管长度△即第一章管道声学(1.36有时侯,在出口管处还会加类似与法兰的结构,如图1.10所示。这时,有效延长管的长度为△实际管子的长度为:△式中是管子的计算长度发等效管图1.10法兰开口-开口修正管道第四节四端网终分析进气系统或者排气系统都是有很多管道和消音元件组成。分析整个系统往往是非常复杂的,但是如果将系统分解到一些小的段落,那么分析起来就相对容易些。得到了每个段落或者是每个部件的分析结果,然后将之合成起来就得到了整个系统的结果。四端网络分析就是这种分析方法,在管道声学分析中得到了广泛的应用。对於管道中一小段质量(如图1.11)来说,动力方程可以写成如下:(1.39)式中,S是管道的截面积,是这个小质量段的长度,和分别是质量端两边的压力图1.11管道中一小段质量的受力分析公式(1.39)可以表达为(1.40)第一章管道声学对这一小段质量来说,假设两边的速度是相等的,即将这公式(1.40)和(1.41)写成矩阵形式,得到:(1.42)公式(1.42)建立起这段小质量块两边的压力和速度的关系。管道中小段质量块后端的压力和速度可以用它前端的压力和速度来表示。也就是说质量块后端与前端之间建立起来一种传递关系。同样对一个长度为L的管道(如图1.4所示)也可以得到管道两端的传递关系。在=处的压力和速度可以通过公式(1.6)和(1.9)分别求得(1.13)由以上两式可以得到和,如下:45(1.46根据公式(6)和(9),在处的压力和速度分别为将公式(1.45)和(1.46)中和的表达式代入公式(1.47)和(1.48)之中,就得到管道入冂与出∏之间声压和速度之间的关系,为:+49将公式(1.49)和(1.50)写成如下的矩阵形式第一章管道声学这样就得到了管道两边的压力和速度的传递关系。公式(1.51)可以简单地写成如下形式式中,被称为传递矩阵。如果管道的传递矩阵知道,那么只要知道管道端的压力和速度,就可以通过传递矩阵算出另一端的压力和速度。在传递矩阵两边分别是两个输入参数和两个输出参数。这四个参数的关系由传递矩阵来确定,因此这种表达方式称为四端网络法。上面介绍了小段质量和长度为L的管道的传递矩阵表达方法。这种方法可以推广到任何一个声学元件,其输入端和输出端的声压和速度都可以用四端网络米表示。图1.12代表某个声学元件i。图1.12一个管道元件的四端网终图这个元件两边的压力和速度关系为式中是传递矩阵,是传递矩阵系数。汽车的进气系统包括进气管道、空气过滤器、赫耳姆兹消音器、四分之波长管等。排气系统包括排气多支管、催化器、谐振器、消音器和管道等。一个系统如果由N个元件组成。而且每个元件的传递矩阵都知道,那么出声口的声压和速度就可以用声源的声压和速度来表示如下形式:(1.54)式中的L1是系统的传递矩阵,如下形式(1.55)

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • 现代电力系统分析理论与方法
    现代电力系统分析理论与方法,刘天琪主编,中国电力出版社
    2020-05-31下载
    积分:1
  • 奇异谱分析
    该算法属于SSA奇异谱分析,里面详细介绍了奇异谱分析的代码流程,并附有中文注释,中文注释对SSA奇异谱分析的原理给予了一定阐述,对读懂代码大有益处。
    2020-12-05下载
    积分:1
  • 区块链入门学习代码 含完整挖矿、MerkleTree等结构 Python编写
    Python学习区块链入门代码。区块中数据使用MerkleTree结构,包含挖矿模拟等内容。代码易读,适合初步入门学习。
    2020-12-11下载
    积分:1
  • 使用 VC/VS++ 调用微软蓝牙 API 函数的示例代码
    使用 VC++ 调用微软蓝牙 API 函数的示例代码。可以使用 VC++6.0 至 VC++2010 编译代码
    2021-05-06下载
    积分:1
  • 自己写的运动目标检测算法汇总
    压缩包里共包含4种最常用的运动目标检测算法:混合高斯模型 相邻帧差法 运行期均值法 自适应阈值的三帧差分法 ;全部是自己总结和写的,绝对可以运行。
    2020-11-28下载
    积分:1
  • VINS论文推倒及代码解析
    VINS 的功能模块可包括五个部分:数据预处理、初始化、后端非线性优化、闭环检测及闭环优化。代码中主要开启了四个线程,分别是:前端图像跟踪、后端非线性优化(其中初始化和 IMU 预积分在这个线程中)、闭环检测、闭环优化。、总体框架Measurement PreprocessingInitializationCamera(30hz)Feature Detectionnd rackerVisual-lnertialInitializedis- onlySfMAlignmentIMU (100hMU Pre-integrationLocal Visual-Inertial: OldestSliting WindowNewestNonli+、 Keyframe?OptimizationBundle Adjustment II Loop detectionwith RelocalizationStates from Loop ClosureFealure retrievel oop Deleted二二1---11------22===Global Pose Graph4-DoF Pose Graph OptimizationKeyframe DatabaseOptimization图1VINS框架ⅵINS的玏能模块可包括五个部分:数据预处理、初始化、后端非线性优化、闭环检测及闭环优化。代码中主要开启了四个线稈,分别是:前端图像跟踪、后端非线性伉化(其中初始化和IMU预积分在这个线程中)、闭环检测、闭环优化各个功能模块的作用上要有:1.I图像和MU预处理●图像:提取图像 Harris角点,利用金字塔光流跟踪相邻帧,通过 RANSAC去除异常点,最后将跟踪到的特征点push到图像队列中,并通知后端进行处理●IU:将IMU数据进行积分,得到当前时刻的位置、速度和旋转(PVQ),同时计算在后端优化中将用到的相邻帧的预积分增量,及预积分误差的 Jacobian矩阵和协方差项。1.2初始化首先,利用SFM进行纯视觉佔计滑窗內所有帧的位姿及3D点逆深度,最后与IMU预积分进行对齐求解初始化参数1.3后端滑窗优化将视觉约束、IMU约束和闭环约束放在·个大的目标函数中进行非线性优化,求解滑窗内所有帧的PVQ、bias等。L M States in the sliding windowIMU:k States from loop clos1Camera:冷 MU measurements>visual measurements★ Catur图2滑窗优化示意图14闭环检测和优化利用D)BoW进行闭环检测,当检测成功后进行重定位,最后对整个相机轨迹进行闭环优化。U预积分VisionIMUVision图3MU预积分示意图21当前时刻pVQ的连续形式将第k唢和第kl帧之间的所有IMU进行积分,可得第kHI帧的位置、速度和旋转(PVQ),作为视觉估计的初始值,这里的旋转采用的四元数。v△t+k+1∈[k,k+1]rW(at-ba ) -owletbk JtE[k, k+1]n(,-bdt∈[k,k+1]其中,a2和O为ⅠMU测量的加速度和角速度,是在Body自身坐标系, world坐标系是IMU所在的惯导系,上式的旋转公式推导可参考附录10.1。22当前时刻PVQ的中值法离散形式公式(1)给出的是连续吋刻的相机当前PVR的达代公式,为了跟代码致,下面给出基于中值法的公式,这与 Estimator:; processIMg(O函数中的Ps]、Rs]和Vs是一致的,IMU积分出来的第j时刻的物理量可以作为第j帧图像的初始值。tr t+a26t(2)ka,St其中q(a1-ba)-g"+q:+1(a+1-ba)(a;+o;+1)2.3两帧之间PVQ增量的连续形式通过观察公式(1)可知,IvU的预积分需要依赖与第k帧的ν和R,当我们在后端进行非线性优化时,需要迭代更新第κ唢的ν和R,这将导致我们需要根据每次迭代后值重新进行积分,这将非常耗吋。因此,我们考虑将优化变量从第k帧到第κ+1帧的IU预积分项中分离开来,通过对公式(1)左右两侧各乘Rb,可化简为:R(+p2k-=2△)+ak+1b其中DtElk, k+1t∈[k,k+1R k(at-bar)ldt)Wendtt∈[kk+1这样我们就得到了连续时刻的MU预积分公式,可以发现,上式得到的MU预积分的值只与不同时刻的a2和o相关。这里我们需要重新讨论下公式(5)预积分公式,以ab,为例,我们发现它是与MU的bias相关的,而bias也是我们需要优化的变量,这将导致的问题是,当每次迭代时,我们得到一个新的bias,又得根据公式(巧5)重新对第k帧和第k+1帧之间的IMU预积分,非常耗时。这里假设预积分的变化量与bias是线性关系,可以写成:ab,+/6n6ba+/16b+8 8ba +p(6)k+1sb24两帧之间PVQ增量的欧拉法离散形式面给出离散时刻的IMU预积分公式,首先按照论文中采用的欧拉法,给出第i个MU时刻与第i1个IMU时刻的变量关系为b+1k+的6t+元R(P)(1+R(P")(a2-bbn)δt25两帧之间PⅤQ增量的中值法离散形式卜面给出代码中采用的基」中值法的IMU预积分公式,这与 Estimator: processIMUO函数中的 Integration Base: push backo上是一致的。注意这里跟公式(2)是不一样的,这里积分出来的是前后两顿之间的IU增量信息,而公式(2)给出的当前帧时刻的物理量信息+1+B k St +=a, &tbb+1Bi + au1其中a,=slqilai-bai)+qiDi t aitl2.6连续形式下PVQ增量的误差、协方差及 JacobianIMU在每个吋刻积分出来的值是有误差的,下面我们对误差进行分析。首先我们直接给出在t时刻误差项的导数为:sa00016a000000-82(066hkR;0006|=00-(a-bh)0-1192k|+|000|mLL000016ba00101n000018b000F+ozk+ Gt其中:F25×15,G215×2,62x1,n12×,上式推导可参考附录102。下面我们讨论它的作用,将其可以简写为:6之k=F62z+Gtnt根据导数定义可知:62b=1m24-6262+8=62+628t=(+F6t)6z+(Gt6t)nt(11)这里我们对公式(1)的IMU误差运动方程再说明,将上式和EKF对比可知,上式恰好给出了如EKF一般对非线性系统线性化的过程,这里的意义是表示下一个时刻的IMU测量误差与上一个时刻的成线性关系,这样我们根据当前时刻的值,可以预测出下一个时刻的均值和协方差,而公式(1)给出的是均值预测,协方差预测公式如下Pb+6=(1+Ft)P(+Fl6t)7+(G,t)Q(G18t)ot(12)上式给出了协方差的选代公式,初始值Pk=0。其中,Q为表示噪声项的对角协方差矩阵000003000另外根据(11)式可获得诀差项的 Jacobian的迭代公式:(I+F26t)(14)其中 Jacobian的初始值为bk=12.7离散形式的PVQ增量误差分析我们首先直接给出PVQ增量误差在离散形式下的矩阵形式,为了与代码一致,我们修改下变量顺序,这和代码中 midPointIntegration(函数是一致的。(但不知为何计算的V中与前四个噪声项相关的差个负号?)1t fo660f106t‖loeBk+1=0f211f20016bδb0[6b102001rnot000kRkotk+1(15006t0n0000δt其中,推导可参考附录10.3:stE(ak-ba)02-4B+1(kk+121k+1b.)6t|6t2(Rr+ rk+18t2Stn=71=Rk+1(a+1-b)6tWr+ wf1=Ik+11+Gb。)δt-Rn+1(ak+121=-2配+1Stl st21(RK+Ruts)4rula1RrotstStR+1(a1R,+114/+11t28离散形式的PVQ增量误差的 Jacobian和协方差将公式(15)简写为:k+1F15×158215×1+V15×13Q则 Jacobian的迭代公式为k+15×15=F/k(16)其中, Jacobian的初始值为/k=l。这里计算出来的k+1只是为了给后面提供对bias的acoblar。协方差的迭代公式为P+15×15=FPFr+vQv(17)其中,初始值P=0。Q为表示噪声项的对角协方差矩阵:00000000aa000Q18×180a00(18)000000三、后端非线性优化31状态向量状态向量共包括滑动窗口内的n+l1个所有相机的状态(包括位置、朝向、速度、加速度计bias和陀螺仪bias)、 Camera到IMU的外参、m+1个3D点的逆深度X=[xr=pw,vb bpc,q3.2目标函数吗+(喻,2)+2(19)其中三个残差项即误差项分别为边缘化的先验信息、IMU测量残差、视觉的重投影残差。三种残差都是用马氏距离表示。根据《十四讲》中高斯牛顿法,若要计算目标函数的最小值,可以理解为,当优化变量有一个增量后,目标函数值最小,以IU残差为例,可写成如下所示:nin lre2bk, X+8Xrk x)+HSⅩDk+1oXk+1k+1其中HB,为B关于 XIK Jacobian,将上式展开并令关于6X的导数为0,可得增量δx的计算公式:H k 8X=k+1TB那么,公式(28)可写成+∑+∑Tk∑1rc上式中,B为MU预积分噪声项的协方差,P为vual观测的噪声协方差。当MU的噪声协方差P越大时,其信息矩阵Pk,将越小,意味着该MU观测越不可信,换句话说,因MU噪声较大,越不可信IMU预积分数据,而更加相信 visual观测。注意,这里的IMU和vsua协方差的绝对值没有意义,因为考虑得是两者的相对性可将上式继续简化为:(Ap+AB +Acox=bp +bB +bc其中,Ap,AB和Ac为 Hessian矩阵,上述方程称之为增量方程。33MU约束1)残差:两帧之间的PVQ和bias的变化量的差△tx+k+1bk qbk+1bR+1 xyz+g"△t)-Bk(20)sbbbb其中各增量关于bias的 Jacobian可从公式(16)的大 Jacobian中的相应位置获得。上面与代码中 Integration base: evaluateD对应,2)优化变量pb, 0W, Svb ,8ba:,bor Opb,, 80W ,Swb,, bakr, Sba3)Jacobian:计算 Jacobian时,残差对应求偏导对象分别为p6e,6vB,6h,ba],6b,6b
    2020-12-07下载
    积分:1
  • matlab SVM的参数优化——如何更好的提升分类器的性能
    利用matlab对SVM算法的参数进行优化,从而更好的提升分类性能
    2020-11-29下载
    积分:1
  • 永磁同步电机直接转矩控制仿真图MATLAB
    永磁同步电机双闭环直接转矩控制模型,similink。可用MATLAB2013版本中,参数调了一个月,基本波形还可以,希望对你们有用。
    2020-12-02下载
    积分:1
  • ADE7858和ADE7953方案电表的校准方法
    基于ADE78xx/ADE7953的电能表校准电能计量原理ADE78xx和ADE7953校准基本公式ADE78xx电表和ADE7953电表校准
    2020-12-09下载
    积分:1
  • OpenStack web界面使用ISO镜像安装启动实例
    OpenStack web界面使用ISO镜像安装启动实例,完美解决
    2020-12-02下载
    积分:1
  • 696516资源总数
  • 106914会员总数
  • 0今日下载