LMS 噪声测试解决方案

news2024/11/26 2:31:26

在城区,交通噪声是导致不适的一大源头,它影响着数百万人的日常生活,并会对健康与生活质量产生不利影响。为创造更为和谐宜居的生活环境、降低噪声所带来的风险,立法委员们正依据通过噪声(PBN)水平制定可以接受的噪声排放标准和承受极限。

通过噪声测试是一个标准流程,专门针对国际标准组织 (ISO) 362 标准和欧盟经济委员会 (UN/ECE) R51 法规而开发设立。该程序可用于在室外测试赛道上测量车辆噪声排放水平。其结果证明车辆是否符合规定标准。各类道路车辆均须通过此项认证(包括卡车、公交车、摩托车、乘用车和旅行车)。

多种噪声工程技术

图片

欧盟 (EU) 范围内的噪声限制分三个阶段实施。乘用车噪声限制从74dB(A)降至68dB(A)。第一阶段将噪声限制在72dB(A),并已于2016年7月1日生效。这意味着所有新增机动车辆必须使用欧盟54/2014号法规所规定的ISO 362-1:2015新方法进行测试。UN/ECE R51 (R51.03)法规(第3次修正)已经实施,以在整体层面协调这些变化。

单一类型的通过噪声工程技术远远不能满足日益变化的需求。工程师们一直在对产生通过噪声的各个部件(如发动机、排气系统和轮胎)进行深入研究。汽车工程团队可利 用这些技术确定哪些是应着重处理的噪声源,最有效地降低整体噪声水平。此外,亦便于在子系统开发初期设定噪声水平目标。

用于室内和室外 PBN 的创新技术

简化认证测试

开发识别通过噪声源及设定噪声目标所需技术,对车辆工程团队来说至关重要。从认证测试到噪声源贡献分析,Siemens PLM Software 为高级 PBN 工程提供了一整套行之有效的技术。Siemens PLM Software 通过噪声解决方案提供了室外和室内通过噪声测试与分析、标定和维护所需的全部硬件和软件,这些解决方案均由经验丰富的 LMS™ Engineering服务团队提供强大的支持。

Simcenter™ 产品组合中集成的 LMS 通过噪声测试解决方案可提供以下服务:

  • 在 LMS SCADAS™ 硬件数采平台上提供完全集成的硬件解决方案

  • 在 LMS Test.Lab™ 软件平台上提供包括处理、分析和报告等功能的软件

  • 驾驶员辅助功能,可保证实现最大效率和成功效,以便从一开始就能准确无误地进行测试

  • 涵盖绝大部分现有标准,并能够加以扩展

  • 多种可扩展的通过噪声工程技术,用于高级声源贡献分析

  • 可在开发流程前期进行模拟

图片

适用于通过噪声工程的全方位解决方案

图片

简化认证测试

通过噪声工程包括了整车厂 (OEM) 所需的完整流程,使最终原型车成功通过测试,流程包括:设定 PBN 目标、在设计初期预测 PBN水平、评估各个噪声源的噪声水平,并执行最终认证测试。

Siemens PLM Software 的 LMS Test.Lab 可用于室外通过噪声,并可针对特定用户定义程序和特定需求进行配置。现提供以下两种标准 PBN 测试典型配置:

  • 将 LMS SCADAS 置于车外测试跑道附近进行测试

  • 将 LMS SCADAS 置于车内(获取更多测量通道,以进行深入分析)进行测试

整套传感器

图片

同一套通过噪声系统,满足两种配置使用要求。测试团队可以轻松切换或组合配置以进行更高级测试。更新后的测试标准(ISO362:2015、UN/ECE R51.03、EU 54/2014法规)对通过噪声测试设备提出了更高的数据管理要求并要与高级工程任务相结合。对于R51.03 规定的附加噪声排放规定(ASEP)来说更是如此。

若要使用例如遮蔽等技术,则必须在跑道附近和车辆内采集大量数据。室外通过噪声解决方案包含一整套传感器,包括测速雷达或全球定位系统(GPS)速度传感器、光栅、光学转速传感器(RPM)和油门踏板传感器、气象站和有线或无线麦克风。

所有传感器均通过 LMS SCADAS Mobile 硬件中的通过噪声专用模块进行调理。传感器由LMS SCADAS Mobile 直接供电,无需任何外接电源。

使用模块化硬件进行可靠的数据采集

图片

LMS SCADAS Mobile 通过噪声调理模块是该解决方案的核心部件,其为一个具备高品质集成信号调节功能的专用双插槽模块。该模块可对传感器输入信号进行调理,并传递所有传感器的输出结果。借助无线传输技术,所有车内的传感器均可与跑道上的传感器同步。独立的无线麦克风调理器保障了高速的数据链接,可用于设备放在车辆内的配置方案。

该产品组合可最大限度地提高效率,并可扩展,易于部署和使用。LMS SCADAS Mobile通过噪声调理模块可用于设备放在车外、车内或者仅有车外系统等标准配置类型进行测试。后处理软件同样以用户为中心。不断增加的测试和日益缩短的研发周期令文档记录和报告成为繁琐的工作。PBN 应用程序简化了数据及报告的存档、检索和对比工作。

可提供永久户外装置,测试跑道旁有标准集线器。为跑道上的传感器(如光栅)提供了本地连接点,并可通过长距离电缆传递至强制无障碍区域以外的控制间。控制间的防雷击装置将传感器输入连接到 LMS SCADAS。

使 PBN 测试成功率最大化

图片

随着测试标准的不断变化,每辆车的 PBN 测试次数已从2次增加到了30次。这些测试涉及加速、匀速和 ASEP:所有这些测试都要在多个档位下进行。同时,跑道上的每辆车在全油门加速至每小时50公里(km/h)的目标速度时,操作测试条件都各不相同。

LMS 通过噪声驾驶员辅助功能可以帮助驾驶员完成这些测试。该应用程序在平板电脑上运行,并可实时反馈目标车速和发动机转速,以视觉和声音指导引导驾驶员达成目标,并在测试后更新进线速度。凭借 LMS 通过噪声驾驶员辅助功能,驾驶员可以最大化PBN 成功测试次数,将无效测试降至最低。测试完成后,即会向驾驶员反馈测试是否成功,以便在下次驾驶时进行更正。

让测试跑道的效率最大化

图片

大型 PBN 测试团队通常都需测试多种不同车型和配置的车辆,因此,多车同时测试成为了普遍要求。通常使用椭圆型测试跑道,同时测试多台车辆,其他车辆则在此时安装仪器。

Siemens PLM Software 为您提供专用的多车测试系统,用于测量赛道和车内数据。监控系统采用安全 Wi-Fi 数据网络,会自动确认允许使用测量区域的车辆,同时该系统会连接跑道硬件并/或将一组正确数据(通常是麦克风数据)对应到相应车辆,然后再为后续车辆清理测量区域。

提高准确性

图片

此类分布式系统架构创建了一套可靠、自主且智能的 PBN 系统,可向车辆内传输和存储数据。驾驶员在测试赛道上可执行任意操作。屏幕会指示是否允许驾驶员进行下一次测量。

中央观测仪会监视测量计划的进度,测量完成后通常会在办公室内完成对数据的进一步分析。最后,您可使用多组麦克风进行高级分析(在中心线前后各布置若干对麦克风)。如此,便可采用专门的算法来选择最接近目标发动机转速的一对麦克风。此方法既提高了可重复性,又有助于对 PBN 运行进行更准确的对比。

获得更深入的工程见解

在模拟室外通过噪声测试的试验室内进行室内通过噪声测试,可避免因天气原因造成的工作延误,提高工作效率,确保按期完成测试流程。而且有助于推动车辆研发计划,方便可靠地再现与车辆改造相关的测试。LMS Test.Lab 可用于室内通过噪声测试,有助于快速查找和验证解决方案。

室内 PBN 解决方案类似于室外通过噪声测量。该方案需对车辆每侧的若干麦克风进行测量,并将噪声水平结果重新创建为与车辆位置相关的函数,对应外场测量一对麦克风的结果。

图片

图片

图片

此外,时域方法可以让用户回放侦听合成的时间信号并将其用于总声压(总量级和后处理)。此方法提供的相关分析更为有用,可协助工程师深入了解噪声较大的组件。

室内通过噪声解决方案能够将室内通过噪声与工程解决方案相结合,以定位声源并进行声源排序,从而提高工作效率和准确性,缩短开发时间。

检测首要通过噪声源

声源识别是进行高级通过噪声工程的主要目的。在 PBN 测试过程中,可以利用不同的技术来定位最主要的声源。

借助声波束成型技术,工程师可通过计算声源信号到达阵列麦克风时的时间延迟来跟踪移动声源。LMS Test.Lab支持该项技术,可配合LMS Test.Lab 室内通过噪声测试时使用。由于其为户外测试设置,因此阵列和车辆之间需保持较大距离。在室内应用此解决方案可避免低频声源分离结果变差,并提供安全测试,防止撞击阵列。

遮蔽技术有助于深入了解子系统对于整体PBN 水平的影响。该技术可用于室内或室外车辆测试,修改或隔离噪声源时,如动力系统、排气、尾管和轮胎,以隔离其对整体噪声水平的贡献。利用 LMS Test.Lab 中的通过噪声贡献量分析模块,分析加装遮蔽组件前后的车辆差异,推算出被遮蔽组件的影响。

图片

分析通过噪声源的贡献量

为提升不同子系统(如进气、动力总成、排气、尾管和轮胎)的噪声识别精度,并进行排序,我们专门开发了一种通过噪声源排序应用程序。这是一项基于空气路径噪声源量化(ASQ)的技术,由传递路径分析(TPA)衍生而来。该技术有助于解决问题、降低通过噪声,并越来越多地用于目标设定,在设计流程中提前进行 PBN 工程。

该方法利用噪声源周边麦克风的信号对其声功率进行量化。使用基于局部噪声传递函数的能量逆矩阵算法对声功率进行估算。声源和通过噪声麦克风之间的目标噪声传递函数用于计算已确定声源向通过噪声麦克风的传播。声源功率和目标噪声传递相结合,最终得出各个声源的贡献量。

为采集所有噪声传递函数并优化方向性和噪声输出水平,我们开发了专用的 LMS Qsources™ 硬件无指向声源。该声源涵盖的频率范围为 150 Hz到 10 kHz。

图片

营造理想的虚拟测试环境

图片

噪声传递函数(NTF)最常用于物理测量。该 函数亦可通过 Simcenter 3D 软件仿真得到。仿真模型的价值在于可轻松得到理想的虚拟测试环境,并在设计初期阶段获得海量结果。有效仿真模型的结果通常介于20Hz至4或5kHz之间。由于模型表示整车的几何结构,所需CAE模型非常庞大,要进行很多频率的计算,耗费大量时间。

Simcenter 3D 提供了最新的、功能强大的声学仿真方法,如声学快速多级边界元(FM BEM)和自适应有限元(FEM AO),获取构成整体通过噪声水平所有声源的声学 NTF。

支持标准

轻型车辆

  • ISO 362:1998,符合 UN/ECE 51.02 法规

  • 适用于 M 型(轻型车辆)的 ISO 362-1:2007、ISO362-1:2015,符合 UN/ECE 51.03 法规和 EU (EU) 54/2014 法规

  • 适用于轻型车辆 (M1) 的附加噪声排放规定(ASEP) ISO 362

  • ISO 16254 最低噪声要求

  • 汽车标准测试 (TRIAS) 20,适用于轮胎滑行噪声测试

  • SAE J1470

  • SAE J986

重型车辆

  • 适用于 M3 型和 N 型(卡车)的 ISO 362-1:2007、ISO362-1:2015,符合 UN/ECE 51.03 法规和 EU (EU) 54/2014 法规

  • SAE J366

摩托车

  • 适用于 L 类摩托车(L1、L2、L3)的 ISO 362-2:2009

  • 适用于 L3 类摩托车的 UN/ECE 41.02 法规

  • 适用于 L1 类摩托车的 UN/ECE 63.01 法规

  • 适用于 L2、L4、L5 类摩托车的 UN/ECE 9.03 法规

  • ASEP 41 法规:适用于摩托车的扩展内容ISO 362-2:2009

  • F76A US

排气噪声

  • 排气噪声:欧共体 (EEC) 93/ 97、ISO 5130、TRIAS 20

  • SAE J1169 排气噪声

轮胎噪声

  • 适用于轮胎噪声的 UN/ECE 117 法规

  • 用于一般滑行测试和回归分析的一般轮胎噪声测试(未定义任何检验指标)

  • 墨西哥官方标准 (NOM-082-ECOL-1994) 摩托车

  • 根据 ISO 362-3:2015 对轮胎噪声建模,用于取得室内通过噪声认证

  • TRIAS 20(轮胎滑行噪声测试)

图片

 

贝思科尔(BasiCAE),专注于为国内高科技电子、半导体、通信等行业提供先进的电子设计自动化(EDA)、工程仿真分析(CAE)、半导体器件热阻(Rth)及功率循环(Power Cycling)热可靠性测试,以及研发数据信息化管理的解决方案和产品服务。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1803451.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

WordPress网站更换域名后如何重新激活elementor

在创建WordPress网站时,我们常常需要更改域名。但是,在更换域名后,你可能会遇到一个问题:WordPress后台中的Elementor插件授权状态会显示为不匹配。这时,就需要重新激活Elementor插件的授权。下面我会详细说明如何操作…

应用广义线性模型一|线性模型

文章目录 一、统计学及思维模式二、未知现象的数学描述三、线性模型(一)线性模型的定义(二)线性模型的参数估计(三)线性模型的应用(四)离散解释变量的设计向量构建方法 四、线性模型…

iOS18:借助 Al,Siri 将获得广泛的知识,以便触发各个应用的功能

iOS18:借助 Al,Siri 将获得广泛的知识,以触发各个应用的功能 预计Siri将成为iOS18中一系列与人工智能相关增强功能的核心。 根据彭博社记者马克古尔曼的一份新报告,可以得知关于苹果智能助手的一些具体升级的新信息。 Siri新的人工智能: …

golang协程工作池处理多任务示例

1. 工作方法实现 // 工作线程 // id : 线程号 // jobs : 任务通道 (chan) // results: 完成结果通道 (chan) func worker(id int, jobs <-chan int, results chan<- int) {//遍历任务for j : range jobs {fmt.Println("工作协程: ", id, "启动任务: &quo…

c++【入门】正多边形每个内角的度数

限制 时间限制 : 1 秒 内存限制 : 128 MB 题目 根据多边形内角和定理&#xff0c;正多边形内角和等于&#xff1a;&#xff08;n &#xff0d; 2&#xff09;180(n大于等于3且n为整数&#xff09;&#xff08;如下图所示是三角形、四边形、五边形、六边形的形状&#xff09…

云服务器CPU和内存直接被zzh恶意挖矿程序打满,如何解决?

回顾 最近在服务器上面部署网站&#xff0c;刚开始使用还是没问题的&#xff0c;当时一段时间之后发现CPU和内存总是被打满&#xff0c;本地没有跑大的应用&#xff0c;主要有mysql、nginx、redis&#xff0c;一度还以为是nginx 的问题&#xff0c;但是后来排除了。之后使用ht…

最新区块链论文速读--CCF A会议 CCS 2023 共25篇 附pdf下载(3/4)

Conference&#xff1a;ACM Conference on Computer and Communications Security (CCS) CCF level&#xff1a;CCF A Categories&#xff1a;network and information security Year&#xff1a;2023 Num&#xff1a;25 第1~7篇区块链文章请点击此处查看 第8~13篇区块链文…

Elasticsearch 认证模拟题 - 16

一、题目 创建一个搜索模版&#xff0c;要求 match_prase 查询&#xff0c;并且用指定的格式高亮&#xff0c;并排序 # 创建索引 PUT my_index {"settings": {"number_of_replicas": 0,"number_of_shards": 1},"mappings": {"p…

【Java面试】十二、Kafka相关

文章目录 1、Kafka如何保证消息不丢失1.1 生产者发消息到Brocker丢失&#xff1a;设置异步发送1.2 消息在Broker存储时丢失&#xff1a;发送确认机制1.3 消费者从Brocker接收消息丢失1.4 同步 异步组合提交偏移量 2、Kafka如何保证消费的顺序性3、Kafka高可用机制3.1 集群模式…

FPGA SPI采集ADC7606数据

一,SPI总线的构成及信号类型 SPI总线只需四条线(如图1所示)就可以完成MCU与各种外围器件的通讯: 1)MOSI – Master数据输出,Slave数据输入 2)MISO – Master数据输入,Slave数据输出 3)SCK – 时钟信号,由Master产生 4)/CS – Slave使能信号,由Master控制。 在一个SPI时…

关于音乐播放器与系统功能联动功能梳理

主要实现功能&#xff1a; 一、通知栏播放显示和控制 二、系统下拉栏中播放模块显示同步 三、与其他播放器状态同步&#xff1a;本应用播放时暂停其他应用播放&#xff0c;进入其他应用播放时&#xff0c;暂停本应用的后台播放 通知栏播放的显示和控制&#xff1a; 通过Not…

2024 IDEA最新永久使用码教程(2099版)

本篇文章我就来分享一下2024年当前最新版 IntelliJ IDEA 最新注册码&#xff0c;教程如下&#xff0c;可免费永久&#xff0c;亲测有效&#xff0c;适合Windows和Mac。 本教程适用于 J B 全系列产品&#xff0c;包括 Pycharm、IDEA、WebStorm、Phpstorm、Datagrip、RubyMine、…

Nginx(openresty) 查看连接数和并发送

1 通过浏览器查看 #修改nginx配置文件 location /status {stub_status on;access_log off;allow 192.168.50.0/24;deny all;} #重新加载 sudo /usr/local/openresty/nginx/sbin/nginx -s reloadActive connections //当前 Nginx 当前处理的活动连接数。 server accepts handl…

FreeSurFer的recon-all处理流——学习记录

官方网址&#xff1a;ReconAllTableStableV6.0 - Free Surfer Wiki &#xff08;1&#xff09;颅骨剥离skullstrip 颅骨剥离后生成文件&#xff1a;/mri/brainmask.mgz &#xff08;2&#xff09;图像配准canorm Freesurfer图像配准&#xff1a;将 mri/nu.mgz 体积与 FREESU…

【旅行】关于毕业旅行与长期旅行计划(城市、攻略、预算、交通、面基等)

【旅行】关于毕业旅行与长期旅行计划&#xff08;城市、攻略、预算、交通、面基等&#xff09; 文章目录 一、目的地与去哪儿玩1、可能2、人民币3、国家地理4、省份与城市5、环球旅行 二、攻略之怎么玩&#xff08;旅行预算、攻略&#xff09;1、旅行预算之交通、住宿、门票等2…

QT Udp广播实现设备发现

测试环境 本文选用pc1作为客户端&#xff0c;pc2&#xff0c;以及一台虚拟机作为服务端。 pc1,pc2(客户端&#xff09;: 虚拟机&#xff08;服务端)&#xff1a; 客户端 原理&#xff1a;客户端通过发送广播消息信息到ip:255.255.255.255(QHostAddress::Broadcast),局域网…

Vue前端在线预览文件插件

Vue前端在线预览文件插件 一、使用场景 1.1.像文档资料等&#xff0c;只想让他人在线预览&#xff0c;但不能下载。此等场景需求可以用到此插件。 二、此文档介绍两种插件 1.view.xdocin插件 (上线后免费几天&#xff0c;然后收费&#xff0c;添加作者后&#xff0c;可以延…

数字孪生技术体系和核心能力整理

最近对数字孪生技术进行了跟踪调研学习,整理形成了调研成果,供大家参考。通过学习,发现数字孪生技术的构建过程其实就是数字孪生体的构建与应用过程,数字孪生体的构建是一个体系化的系统工程,数字化转型的最终形态应该就是数实融合互动互联的终极状态。数实融合是每个行业…

论文复现:Track to Detect and Segment: An Online Multi-Object Tracker

论文下载链接&#xff1a;链接 简单介绍&#xff1a;大多数在线多目标跟踪器在神经网络中独立执行目标检测&#xff0c;无需任何跟踪输入。在本文中提出了一种新的在线联合检测和跟踪模型TraDeS&#xff08;TRAck to DEtect and Segment&#xff09;&#xff0c;利用跟踪线索…

【SpringCloud学习笔记】Docker(上篇)

Docker 1. 前置准备 在学习Docker之前我们需要具备以下环境&#xff1a; Linux云服务器 / 虚拟机安装并配置Docker环境&#xff08;命令行中输入docker -v能够显示对应版本证明安装成功&#xff09; 2. 快速入门 要求&#xff1a; 我们先来尝试使用Docker创建MySQL服务&am…