System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及气动噪声分析,特别是涉及一种压气机气动噪声获取方法、装置、介质及产品。
技术介绍
1、压气机是一种常用的工业设备,用于压缩空气或气体。然而,压气机在运行过程中会产生噪音,这会对周围的环境和人们的健康造成负面影响。
2、现有获取气动噪声数据的方法主要集中于试验测试和数值计算。试验测试虽可以快速准确的获得试验数据,但其需要投入人员、设备,需要花费大量的人力物力,且试验周期过长;数值计算虽然通过构建数值模型计算获取不同工况下的气动噪声数据,但在非定常计算中,时间步长主要与叶轮的转速有关,一般要求离心压气机在计算转速下每个时间步长内单叶片转过的角度不超过2°,且转速越大,时间步长越小。因此长时域高转速噪声源信息的获取受到时间步长小和计算资源消耗过大的限制,进而影响频域噪声数据的分辨率。
技术实现思路
1、本专利技术的目的是提供一种压气机气动噪声获取方法、装置、介质及产品,可克服传统气动噪声数值计算中有限的时间步长和总模拟时间对气动噪声数据采集的限制,能够快速、准确地获取更精细地气动噪声数据,提高噪声谱的频率分辨率,同时能够减少计算资源消耗,节省人力物力。
2、为实现上述目的,本专利技术提供了如下方案:
3、第一方面,本专利技术提供一种压气机气动噪声获取方法,包括:
4、获取目标工况下压气机一历史时间段中连续的第一气动噪声频域数据,其中,所述第一气动噪声频域数据包括气动噪声在不同频率下对应的声压级;
5、对所述第一气动
6、根据所有所述历史时间步确定所述第一气动噪声频域数据的实际采集时间;
7、根据目标采集时间和所述实际采集时间,确定气动噪声预测时间,所述气动噪声预测时间包括每一未来时间步;
8、将每一所述未来时间步作为输入,利用训练好的非线性自回归神经网络模型输出每一所述未来时间步对应的声压;
9、根据每一所述历史时间步对应的声压和每一所述未来时间步对应的声压,得到所述目标采集时间对应的第二气动噪声时域数据;
10、将所述第二气动噪声时域数据进行傅里叶变换,得到第二气动噪声频域数据,其中,所述第二气动噪声频域数据对应的频率范围与所述第一气动噪声频域数据对应的频率范围相同。
11、可选地,所述逆傅里叶变换的公式为:
12、
13、其中,f(t)为所述第一气动噪声时域数据,f(ω)为所述第一气动噪声频域数据,ω为频率,e为欧拉数。
14、可选地,非线性自回归神经网络模型的训练过程包括:
15、选择一定比例的所述第一气动噪声时域数据作为训练样本;
16、将所述训练样本中的每一所述历史时间步作为输入,将预测声压作为标签,训练所述非线性自回归神经网络模型;
17、采用贝叶斯正则化算法优化所述非线性自回归神经网络模型;
18、利用损失函数计算优化后的所述非线性自回归神经网络模型输出的预测声压与对应的实际声压之间的损失误差;
19、当所述损失误差小于阈值时,所述非线性自回归神经网络模型训练完成。
20、可选地,在得到对应的第一气动噪声时域数据之后,所述方法还包括:
21、对所述第一气动噪声时域数据进行预处理,其中,所述预处理包括可逆实例归一化处理和数据清洗处理。
22、可选地,所述损失函数的表达式为:
23、
24、其中,j(θ)为损失函数的值,为预测声压,f(t)为实际声压,即第一气动噪声时域数据;n为训练样本的数量。
25、第二方面,本专利技术提供一种计算机系统,包括:存储器、处理器以存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序以实现上述任一项所述一种压气机气动噪声获取方法的步骤。
26、第三方面,本专利技术提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述任一项所述一种压气机气动噪声获取方法的步骤。
27、第四方面,本专利技术提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述任一项所述一种压气机气动噪声获取方法的步骤。
28、根据本专利技术提供的具体实施例,本专利技术公开了以下技术效果:
29、本专利技术提供了一种压气机气动噪声获取方法、装置、介质及产品,该方法基于一张已知的频域噪声谱,对其进行逆傅里叶变换成已知的时域噪声数据,然后利用时间序列神经网络预测未知的时域噪声,结合已知的时域噪声数据得到更精细的时域噪声数据,最后将其进行傅里叶变换成新的频域噪声数据,克服了噪声测试中有限的时间步长和总模拟时间对气动噪声数据采集的限制,能够快速、准确地获取更精细地频域噪声数据,提高噪声谱的频率分辨率,同时能够减少计算资源消耗,节省人力物力。
本文档来自技高网...【技术保护点】
1.一种压气机气动噪声获取方法,其特征在于,所述方法包括:
2.根据权利要求1所述的一种压气机气动噪声获取方法,其特征在于,所述逆傅里叶变换的公式为:
3.根据权利要求1所述的一种压气机气动噪声获取方法,其特征在于,非线性自回归神经网络模型的训练过程包括:
4.根据权利要求1所述的一种压气机气动噪声获取方法,其特征在于,在得到对应的第一气动噪声时域数据之后,所述方法还包括:
5.根据权利要求3所述的一种压气机气动噪声获取方法,其特征在于,所述损失函数的表达式为:
6.一种计算机系统,包括:存储器、处理器以存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序以实现权利要求1-5中任一项所述一种压气机气动噪声获取方法的步骤。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1-5中任一项所述一种压气机气动噪声获取方法的步骤。
8.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1
...【技术特征摘要】
1.一种压气机气动噪声获取方法,其特征在于,所述方法包括:
2.根据权利要求1所述的一种压气机气动噪声获取方法,其特征在于,所述逆傅里叶变换的公式为:
3.根据权利要求1所述的一种压气机气动噪声获取方法,其特征在于,非线性自回归神经网络模型的训练过程包括:
4.根据权利要求1所述的一种压气机气动噪声获取方法,其特征在于,在得到对应的第一气动噪声时域数据之后,所述方法还包括:
5.根据权利要求3所述的一种压气机气动噪声获取方法,其特征在于,所述损失函数的表达式为:
...【专利技术属性】
技术研发人员:刘晨,展旭,吴则羲,曹贻鹏,刘扬,杨洁,国杰,张新玉,
申请(专利权)人:哈尔滨工程大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。