学术前沿 | 基于声源识别的加强肋多目标优化的轴向活塞电机降噪

COMSOL 多物理场仿真技术 · 公众号 · · 2024-05-26 21:50

正文

请到「今天看啥」查看全文

降低轴向活塞电机振动和噪声的外壳优化面临着声源位置不准确和优化参数不合适的挑战。本研究采用压缩传感（CS）法和响应面法（RSM）对加强肋板的厚度进行了多目标优化，以降低轴向活塞电机的噪声。结合CS方法，利用声强图像的高分辨率重建，通过声源的位置来指导结构优化区域。为了降低振动和噪声，在结构优化区域建立了可变肋结构模型（VRSM）。将不同区域的加强筋厚度作为优化变量，将电机动态模型与水力模型耦合得到的电机壳体振动加速度峰值作为目标函数。通过RSM建立了这些变量与目标函数之间的数学关系。利用这些函数，建立了一个多目标优化模型，以离散加固肋的厚度，以降低噪声，并采用多目标遗传算法（MOGA）进行优化计算。最后，比较有和没有优化后的加强筋的轴向活塞电机的声压级，实验结果表明，优化后的加强肋能显著降低噪声。具体来说，在610 Hz的峰值频率下，频率减少了2.7 dB。

在本研究中，声强实验在轴向活塞电机上使用24个均匀采样点进行。通过这个过程，在电机外壳的中上部确定了声源的模糊位置。随后，利用CS方法，利用相同的24个采样点重建声强度的高分辨率图像，从而精确识别中上部以及电机壳体的入口和出口区域的声源。基于声源的精确定位，加强肋安装在电机外壳上。

通过将电机壳体的峰值振动加速度与不同区域的加强肋的厚度联系起来，建立了一个RSM。结果表明，x、y方向的峰值振动加速度变化趋势随加强筋厚度的变化而变化。同时，z方向的振动加速度与y方向的振动加速度之间存在着相互限制。为了减少电机外壳在三个方向上的峰值振动加速度，本研究采用MOGA确定了不同区域加强筋的最佳厚度。

利用声学中的边界元法，将电机壳体的振动数据转换为声学包络线上的声压数据。声学仿真结果表明，具有优化加强筋的轴向活塞电机在三个在场点的峰值声压级分别降低了2.26 dB、5.35 dB和7.38 dB。值得注意的是，在610 Hz的峰值频率时，声包络线上具有优化加强肋的轴向活塞电机的峰值声压级降低了2.7 dB，峰值面积减少了三分之一。

有关论文的更多信息请点击左下角阅读原文

免责声明：本文中的部分资料来源于该期刊文章，转载目的在于传递信息及分享，并不意味赞同其观点或真实性，也不构成其他建议。本公众号仅提供交流平台，供广大读者学习，不为其版权负责。如涉及侵权、隐私等问题，请联系我们及时删除，同时也欢迎广大读者进行投稿交流。