【神经网络技术在车内噪声预测上的应用研究】孙惠春.pdf

吉林工业大学硕士研究生毕业论文摘要本文根据神经网络理论,建立了单一工况下由发动机悬置点振动信号预测车内特定点低频噪声的神经网络模型。并针对驾驶员耳旁低频噪声进行了实验研究,结果表明:基于神经网络的单一工况车内噪声预测模型,可以在时域与频域内很好地预测出特定点的车内低频噪声。围绕车内低频噪声预测的神经网络实现,本文做了以下几方面的工作:1.综述了国际汽车噪声标准及演变,结果表明各国对汽车噪声提出的要求越来越严格,车内噪声越来越受到重视.阐述了汽车车内噪声的理论与降低车内噪声的方法,提出噪声主动控制将成为今后车内降噪研究的热点.2.

吉林工业大学硕士研究生毕业论文目帐第一章绪论概述:1国际汽车噪声标准及演变 .1 车内噪声产生和传播的机理 1车内噪声的控制技术.第二章神经网络技术概述 2神经网络技术研究的概况 2 神经网络的定义 2 神经网络的构成与分类神经网络的应用 2BP神经网络第三章实验与数据预处理,3神经网络预测模型的选取 3 特征输入信号的选取与实验设计实验与实验数据预处理 3学习样本的确定第四章神经网络的训练与结果分析BP神经网络拓扑结构的确立 4BP神经网络的改进算法 4.

吉林工业大学硕士研究生毕业论文第一章绪论 1概述随着现代科技的飞速发展,人们对汽车高速化、轻量化及行驶舒适性的要求越来越高,车内低噪声性能已成为产品设计中的重要任务。为了实现车内的低噪声性能,传统方法中首先对噪声发生源从机械和空气动力学方面采取措施,从根本上降低振动和噪声.其次对产生振动噪声的部件和空气的传播方式,分别采取绝缘和吸收措施1.近几年,由于电子技术的迅猛发展以及有源消声方法本身的优点,使主动噪声控制技术越来越向实用化靠近。目前,正有人采用模拟电路或自适应滤波方法对主动噪声控制进行大量地研究,并结合计算机技术取得了一定成果《2”～《9》。