排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
基于虚拟样机的倒立摆惯性参数实验台改进设计 总被引：3，自引：2，他引：1
针对倒立摆惯性参数测量实验台,提出了一种能快速获取被测物体质心坐标和惯性参数矩阵的测量流程及数据处理方法。利用ADAMS软件建立了倒立摆惯性参数实验台虚拟样机,并进行了虚拟测量,分析了台架转动部分质心相对于转轴的偏置量和自身转动惯量对测量精度的影响。结果表明：减小台架自身转动惯量和转轴偏置量能显著提高测量精度。在此基础上,设计了一种测试物体全惯性参数的无偏置轴倒立摆实验台,利用该实验台对动力总成进行了测量,获得了其质心位置和完整惯性矩阵。该实验台的设计为快速、准确地获取复杂部件的完整惯性参数提供了条件。 相似文献
2.
基于声阵列技术的柴油机噪声源识别 总被引：1，自引：0，他引：1
为了准确识别某柴油机的噪声源,为进一步的低噪声改进指明方向,综合采用Beamforming(波束形成)和SONAH(统计最优近场声全息)2种阵列的声源识别方法对该柴油机噪声辐射最突出的进气侧噪声源进行识别。结果表明:噪声贡献量较大的1 650~2 200 Hz频率范围内对应的噪声源为进气总管、汽缸盖罩,920~1 450 Hz对应喷油器,而760~776 Hz和920~936 Hz分别对应油泵传动轴和油泵调速器。进一步的声贡献量分析结果显示:进气总管对该发动机进气侧辐射噪声的声功率贡献量达15.38%,喷油器、油泵调速器声功率贡献度量分别为5.47%和5.11%;汽缸盖罩和油泵传动轴声功率贡献量分别为4.85%和4.26%。综上,结合Beamforming和SONAH在不同频段内具有高分辨率的优点,可以在宽频带内进行声源识别,且试验实现简单,操作方便。 相似文献
1