基于样本熵与ELM-Adaboost的悬架减振器异响声品质预测

作     者：黄海波 李人宪 黄晓蓉 杨明亮 丁渭平 HUANG Hai-bo;LI Ren-xian;HUANG Xiao-rong;YANG Ming-liang;DING Wei-ping

作者机构：西南交通大学机械工程学院成都610031 

基　　金：国家自然科学基金(51475387) 中央高校基本科研业务费专项资金--科技创新项目(SWJTU12CX036) 

出 版 物：《振动与冲击》 (Journal of Vibration and Shock)

年 卷 期：2016年第35卷第13期

页      码：125-133,193页

摘      要：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(Support Vector Machine,SVM)、广义神经网络(Generalized Regression Neural Network,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。

主 题 词：减振器异响 声品质 小波包 样本熵 Adaboost 极限学习机 

学科分类：1002[医学-临床医学类] 08[工学] 082304[082304] 080204[080204] 0805[工学-能源动力学] 0802[工学-机械学] 0801[工学-力学类] 0702[理学-物理学类] 0823[工学-农业工程类] 

核心收录：

D　O　I：10.13465/j.cnki.jvs.2016.13.021

馆 藏 号：203183075...