[发明专利]一种异步电机噪声源的高精度识别方法

说明书

本发明涉及一种异步电机噪声源的高精度识别方法，包括：S1：建立异步电机的电磁、流、固耦合模型，获取异步电机的电磁、机械和空气动力激振源为输入，并分析振动传递路径，获取异步电机壳体表面振动响应特性数据，再通过边界元法，获取异步电机声场辐射模型数据；S2：对获取的电机壳体模拟声场图像进行DFT变换，基于DFT字典以及对比不同稀疏度下重构图像与原图像的峰值信噪比确定能够还原完整电机声场的稀疏表达矩阵及稀疏度；S3：依据确定的最优稀疏度与异步电机噪声声强强弱区域特征及等间距分布方式设计测点分布及观测矩阵；S4：基于测点分布，进行测点的位置布置，并对各测点进行声强离散测量；采用全变分增广拉格朗日交变方向算法对稀疏离散测点数据进行后处理重构，最终实现声强稀疏测量的高分辨率成像。

技术领域

本发明是涉及一种噪声源的高精度识别方法，尤其涉及一种异步电机噪声源的高精度识别方法。

背景技术

电动机早已被人们广泛应用于社会运作中的各个方面，如交通运输、国防军事、航空航天、工业生产、汽车电子以及家用电器等。电机在为机电设备提供动力的同时，也带来了恼人的振动和噪声问题。对于大型电机，严重的振动不但伴随强烈的噪声，而且破坏电机结构，影响生产，甚至造成巨大的经济损失。对于中小型电机，特别是微型电机，由于已经深入人们的日常生活，其噪声水平就格外引人关注。对电机公司来说，在设计阶段降低电机的振动噪声水平可以降低生产成本，有效提高产品竞争力。在军事领域，电机的振动噪声对军事装备的声隐身性也起到关键的影响。

为了解决电机的噪声问题，首先需要对噪声源进行识别。噪声源的识别就是对机器设备的各个噪声源进行分析，了解其振动机理，定位噪声源的位置。对于大部分异步电机来说，噪声主要来源于电磁噪声、机械噪声和空气动力噪声。在现有的噪声源识别方法中常采用的有声强法、振动测量法等。其中声强法由于受环境影响较大，精度较低，只能初步评估。振动测量法是通过计算出不同表面的辐射效率进而求得噪声数值，而目前从理论上精确确定电机不同结构的辐射效率仍有困难。声源组成的复杂性以及目前的电机噪声源的常规识别方法，难以准确识别噪声源，直接影响到了后续噪声的优化工作，因此研究电机噪声源的高精度识别方法具有重要的价值。

异步电机噪声源识别系统以采集信息作为依据，如果以大量的采集量来确保识别结果的准确性，则会增大系统对数据传输和存储的压力；若减少采集量则可能丢失关键信息，导致噪声源的识别失误。因此，信息的采集通过压缩采样技术获取，可以达到在不丢失关键信息的同时减少采集数据量的目的，有效地避免了传统采样中大量采样信息的浪费，降低了采样的复杂性，减少了系统成本。

发明内容

本发明的目的在于避免和解决上述技术问题，提供一种通过耦合电磁、流、固激振源作用于异步电机获取壳体声场响应数据，并对数据进行后处理重构，高精度显示壳体声场云图，准确预测激振源。

为实现上述目的，本发明的技术方案是：一种噪声源的高精度识别方法，包括如下步骤：

步骤S1：通过建立异步电机的电磁、流、固耦合模型，获取各激振源数据，从而获取异步电机壳体表面振动响应特性数据，并将其作为输入数据，通过边界元法，获取异步电机声场辐射模型数据；

步骤S2：对步骤S1中获取的异步电机模拟声场图像进行离散傅里叶(DFT)变换，基于DFT字典确定能够还原异步电机完整声场的稀疏表达矩阵，并通过对比多个不同稀疏度下的重构图像与原图像的峰值信噪比以得到最接近于原始图像的稀疏度；

步骤S3：根据步骤S2确定的异步电机完整声场的最优稀疏度，结合稀疏随机矩阵，基于异步电机噪声声强强弱区域特征并使用等间距分布方式设计不同密度的测点分布及观测矩阵；

步骤S4：基于步骤S3确定的测点分布，进行测点的位置布置，并对各测点进行声强离散测量；采用全变分增广拉格朗日交变方向算法对稀疏离散测点数据进行后处理重构，最终实现声强稀疏测量的高分辨率成像。

在本发明—实施例中，所述步骤S1具体实现如下：