首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

基于改进型音调度模型与BP神经网络的汽油机旋转零部件声品质研究

摘要第3-4页
ABSTRACT第4-5页
字母注释表第12-13页
第一章 绪论第13-20页
    1.1 课题研究的背景第13-14页
    1.2 国内外声品质研究现状第14-18页
        1.2.1 声品质研究内容第14页
        1.2.2 声品质的客观评价研究现状第14-15页
        1.2.3 声品质的主观评价研究现状第15-16页
        1.2.4 声品质的主客观评价相关性研究现状第16-18页
    1.3 本文主要研究内容第18-20页
第二章 内燃机声品质基本理论第20-30页
    2.1 人类听觉系统的结构第20-22页
    2.2 听觉系统的基本特征第22-26页
        2.2.1 听阈和痛阈第22-23页
        2.2.2 掩蔽效应第23-24页
        2.2.3 临界频带第24-26页
    2.3 心理声学的客观参数第26-29页
        2.3.1 响度及其数学模型第26-27页
        2.3.2 尖锐度及其数学模型第27-28页
        2.3.3 粗糙度及其数学模型第28页
        2.3.4 音调度及其数学模型第28-29页
    2.4 本章总结第29-30页
第三章 汽油机旋转零部件辐射噪声试验及主观评价实验第30-41页
    3.1 内燃机噪声测试实验第30-32页
        3.1.1 噪声测试台架布置第30-31页
        3.1.2 实验设备与测试工况说明第31-32页
    3.2 声品质主观评价实验方法介绍第32-37页
        3.2.1 评价主体及环境第32-33页
        3.2.2 主观评价方法第33页
        3.2.3 主观评价实验流程第33-35页
        3.2.4 数据有效性检验第35-37页
    3.3 主观评价结果及客观参数计算第37-40页
        3.3.1 主观评价结果第37页
        3.3.2 客观参数计算第37-40页
    3.4 本章小结第40-41页
第四章 旋转零部件音调特性的研究第41-54页
    4.1 旋转零部件噪声音调特性分析第41-44页
        4.1.1 齿轮类旋转零部件第41-43页
        4.1.2 叶片类旋转零部件第43-44页
    4.2 旋转零部件主、客观相关性分析第44-46页
    4.3 音调度模型的改进第46-52页
        4.3.1 Aure’s音调度模型第46-47页
        4.3.2 使Aure’s音调度相关性降低的贡献变量第47-49页
        4.3.3 改进的Aure’s音调度模型第49-52页
    4.4 改进模型的验证第52-53页
    4.5 本章小结第53-54页
第五章 旋转零部件声品质预测模型的建立第54-69页
    5.1 声品质BP神经网络预测模型第54-60页
        5.1.1 BP神经网络简介第54页
        5.1.2 BP神经网络结构及训练参数第54-56页
        5.1.3 BP神经网络的声品质偏好性预测模型第56-60页
    5.2 BP神经网的两种优化算法第60-64页
        5.2.1 遗传优化算法第60-62页
        5.2.2 粒子群优化算法第62-64页
    5.3 三种不同旋转零部件声品质预测模型的对比分析第64-67页
    5.4 本章小结第67-69页
第六章 总结与展望第69-71页
    6.1 本文主要研究内容和结论第69-70页
    6.2 研究与展望第70-71页
参考文献第71-76页
附录第76-77页
发表论文和参加科研情况说明第77-78页
致谢第78页

论文共78页,点击 下载论文
上一篇:边缘中心化:《花鼓歌》中“他者”的自我认同及身份建立
下一篇:首届世界互联网大会相关情况发布会模拟口译实践报告