某电动车型空调箱在运转过程中出现低频轰鸣噪声问题,经试验确定该噪声集中在80~160Hz频率段。文章针对此危险频率段开展噪声源排查,通过局部模态试验与仿真分析,明确空调箱压风面为结构薄弱区域。对该区域进行结构优化后,分别开展仿真...某电动车型空调箱在运转过程中出现低频轰鸣噪声问题,经试验确定该噪声集中在80~160Hz频率段。文章针对此危险频率段开展噪声源排查,通过局部模态试验与仿真分析,明确空调箱压风面为结构薄弱区域。对该区域进行结构优化后,分别开展仿真验证与试验验证。结果表明,危险频率段的噪声尖峰已完全消失,优化压风面结构强度对降噪的贡献量达3dB,为后续空调箱噪声、振动与声振粗糙度(Noise,Vibration and Harshness,NVH)性能正向开发提供有效技术参考。展开更多
随着养宠需求增长,现有智能猫砂盆在猫咪健康监测方面存在局限,为此设计一款智能猫砂盆健康监测系统,以解决这些问题。系统以Raspberry Pi 4B为主控芯片,集成空气质量监测、自动清理、称重等多个硬件模块,运用YOLOv9算法进行排泄物识别...随着养宠需求增长,现有智能猫砂盆在猫咪健康监测方面存在局限,为此设计一款智能猫砂盆健康监测系统,以解决这些问题。系统以Raspberry Pi 4B为主控芯片,集成空气质量监测、自动清理、称重等多个硬件模块,运用YOLOv9算法进行排泄物识别,并通过手机App实现数据查看与远程控制。经测试,该系统的空气质量监测系统准确性极高,与手动测量相比,平均误差小于5%,在检测到氨气浓度超标后,平均响应时间仅1.5 s,自动启动清理程序后,氨气浓度平均降低75%。自动清理功能效率测试显示,智能猫砂盆清理频率比常规猫砂盆高50%,且清理后清洁度更高,90%的猫表现出对其明显偏好。设计的系统实现了对猫咪健康状况的精准监测与猫砂盆的智能管理,为宠物主人提供了便利,提升了对猫咪健康的关注度。后续仍有优化空间,如优化图像识别算法、拓展空气质量监测种类、增加App健康数据分析功能等。展开更多
文摘某电动车型空调箱在运转过程中出现低频轰鸣噪声问题,经试验确定该噪声集中在80~160Hz频率段。文章针对此危险频率段开展噪声源排查,通过局部模态试验与仿真分析,明确空调箱压风面为结构薄弱区域。对该区域进行结构优化后,分别开展仿真验证与试验验证。结果表明,危险频率段的噪声尖峰已完全消失,优化压风面结构强度对降噪的贡献量达3dB,为后续空调箱噪声、振动与声振粗糙度(Noise,Vibration and Harshness,NVH)性能正向开发提供有效技术参考。
文摘随着养宠需求增长,现有智能猫砂盆在猫咪健康监测方面存在局限,为此设计一款智能猫砂盆健康监测系统,以解决这些问题。系统以Raspberry Pi 4B为主控芯片,集成空气质量监测、自动清理、称重等多个硬件模块,运用YOLOv9算法进行排泄物识别,并通过手机App实现数据查看与远程控制。经测试,该系统的空气质量监测系统准确性极高,与手动测量相比,平均误差小于5%,在检测到氨气浓度超标后,平均响应时间仅1.5 s,自动启动清理程序后,氨气浓度平均降低75%。自动清理功能效率测试显示,智能猫砂盆清理频率比常规猫砂盆高50%,且清理后清洁度更高,90%的猫表现出对其明显偏好。设计的系统实现了对猫咪健康状况的精准监测与猫砂盆的智能管理,为宠物主人提供了便利,提升了对猫咪健康的关注度。后续仍有优化空间,如优化图像识别算法、拓展空气质量监测种类、增加App健康数据分析功能等。
