声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：31-1316/TU
国际刊号：1000-3835
发布日期:
作者：黄海波，李人宪，黄晓蓉，杨明亮，丁渭平
单位：西南交通大学 机械工程学院，成都 610031
关键词：减振器异响；声品质；小波包；样本熵；Adaboost；极限学习机
车辆悬架减振器异响严重削弱了车内声品质，针对该异响问题设计并开展了不同路况条件下的整车道路试验，对采集到的车内噪声信号分别计算A计权声压级与心理声学客观参量（响度、尖锐度、语音清晰度、抖动度和粗糙度）以提取减振器异响特征信息，并将其与主观评价进行了相关分析。另一方面，再引入小波包分解与样本熵的概念，对减振器异响特征信息进行了有效地提取，同时提出基于Adaboost的极限学习机(ELM)算法，建立了减振器异响声品质预测改进模型，并将其与支持向量机(SVM)、广义神经网络(GRNN)进行对比。研究结果表明：传统的A计权声压与心理声学指标不能有效地用于减振器异响声品质预测而结合小波包样本熵提取的异响特征与ELM-Adaboost算法能有效地对减振器异响声品质进行预测，并且效果优于SVM与GRNN。<br>
来源：2016年第13期
《振动与冲击》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。