In order to recognise the noise source of a warp knitting machine, a method based on Modified Ensemble Empirical Mode Decomposition (MEEMD) and Akaike Information Criterion (AIC) is proposed. The MEEMD_AIC method is applied to measure the noise signal of a warp knitting machine and analyse every single effective component selected. Noise source identification is realised by combining the vibration signal characteristics of the main parts of the warp knitting machine. Firstly, MEEMD is used to decompose the measured noise signal of the warp knitting machine into a finite number of intrinsic mode function (IMF) components. Then, singular value decomposition (SVD) is performed on the covariance matrix of the component matrix to get the eigen value of the matrix. Next, the number of effective components is estimated based on the AIC criterion, and the effective components are selected by combining the energy characteristic index and the Pearson correlation coefficient method. The results show that the noise signal of the warp knitting machine is a mixture of multiple noise source signals. The main noise sources of the warp knitting machine, including the vibration of the pulling roller, the main shaft of the loop forming mechanism and the push rod of the guide bar traverse the mechanism, provide theoretical support for recognition of the active noise reduction of the warp knitting machine using the MEEMD_AIC method.
PL
W celu rozpoznania źródła szumu maszyny dziewiarskiej zaproponowano metodę rozpoznawania źródła hałasu opartą na zmodyfikowanym zespole dekompozycji trybu empirycznego (MEEMD) i Akaike Information Criterion (AIC). Metodę MEEMD_AIC zastosowano do pomiaru sygnału szumu maszyny dziewiarskiej i do analizy każdego elementu maszyny dziewiarskiej. Identyfikacja źródła hałasu odbywała się poprzez połączenie charakterystyki sygnału wibracji głównych części maszyny dziewiarskiej. Po pierwsze, MEEMD zastosowano do dekompozycji zmierzonego sygnału szumowego maszyny dziewiarskiej na skończoną liczbę elementów składowych funkcji trybu wewnętrznego (IMF). Następnie przeprowadzono rozkład wartości pojedynczej (SVD) na macierz kowariancji macierzy składowej uzyskując wartość własną macierzy. Następnie oszacowano liczbę składników efektywnych na podstawie kryterium AIC, a składniki efektywne wybrano poprzez połączenie wskaźnika charakterystyki energetycznej i metody współczynnika korelacji Pearsona. Wyniki pokazały, że sygnał szumu maszyny dziewiarskiej jest mieszaniną wielu sygnałów źródeł hałasu. Na główne źródło hałasu maszyny dziewiarskiej składają się wibracje wałka ciągnącego oraz hałas głównego wału mechanizmu formowania pętli i popychacza mechanizmu poprzecznego prowadnicy. Przeprowadzona za pomocą metody MEEMD_AIC identyfikacja zapewnia teoretyczne wsparcie dla aktywnej redukcji hałasu dziania.
This article deals with the identification of sound powers and absorption surface coefficients in multisource industrial buildings from the knowledge of the sound pressure levels (SPLs) at several monitoring points. This inverse problem is formulated as one of optimisation in which the objective function is the difference between the measured and predicted SPLs. The methodology combines the use of a simplified acoustic diffusion model with the simulated annealing optimisation technique. The former is a recently developed model for estimating the SPLs in a fast and sufficiently accurate form. The low computational cost of the model constitutes the major advantage for the optimisation procedure due to the great numer of simulations required. Numerical examples are given to show the efficiency of the proposed approach.
W artykule przedstawiono nową metodę oceny niepewności estymacji poziomu dźwięku pochodzącego od identyfikowanych źródeł oraz tła akustycznego. Wykorzystano metodę eliminacji w celu zbadania wpływu poszczególnych źródeł na sumaryczny poziom hałasu. Operacje matematyczne opisujące wykorzystaną metodykę obliczeniową, przeprowadzono w formalizmie redukcyjnej arytmetyki przedziałowej, w celu oceny wpływu niepewności pomiarowej na wyniki obliczeń. W artykule przedstawiono ogólny schemat oceny niepewności, dający możliwość uwzględnienia informacji probabilistycznej związanej z wynikami pomiaru. Zaproponowane rozwiązanie oparto na pomiarach zrealizowanych w warunkach laboratoryjnych.
EN
A new method for uncertainty assessment of the sound level originated from identified noise sources and their acoustic background is presented in the paper. The elimination method [1] was applied in order to investigate influence of individual sources on the cumulative noise level. Mathematical operations describing the used computational method were performed in the reduction interval arithmetic formalism [6] to assess the influence of the measuring uncertainty on the calculation results. The measurement values of the total noise level and the noise levels characteristic for disconnections of successive noise sources were presented in the interval numbers. These numbers contain the measurement values and the uncertainty (Tab. 2). The authors determined the ranges of variation for estimates of the noise levels by individual sources and the background noise using the reductive interval arithmetic (Tab. 3). The general uncertainty estimation scheme presented in the paper provides the possibility of taking into account probabilistic information related to the obtained results. The proposed solution was based on measurements realised under laboratory conditions.
W pracy przedstawiono badania i ocenę hałasu niskoczęstotliwościowego występującego w wybranym czterokondygnacyjnym budynku mieszkalnym. Ocenę warunków akustycznych występujących w badanym budynku przeprowadzono w oparciu o Instrukcję ITB 358/98.
EN
The paper presents results and analysis of investigations of low frequency noise sources, existing in living houses. The results of noise measurements in building were carried out according to instruction ITB 358/98.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.