在流体传动系统中,轴向柱塞泵的高噪声成为一个显著弊端,高噪声的噪声源主要来自于柱塞腔压力产生的各种作用力和力矩。首先通过集中参数仿真模型在时域和频域对轴向力和力矩进行分析,然后通过试验测量单点沿x、y和z轴,不同压力和排量等级下以及不同位置的振动特性来分析主要噪声源。对比仿真和试验结果发现:沿x轴力矩产生的振动成为主要噪声源;随着泵压力和排量升高,振动速度频域特性中一次谐波所占比重逐渐增大;对于悬臂安装的泵,距离安装面越远振动情况越剧烈。

虚拟样本是解决小样本条件下模式识别问题的有效手段。在总结前人研究成果的基础上给出了虚拟样本的定义，利用VC维理论分析了虚拟样本的作用。针对双层圆柱壳体结构噪声源识别这一实际问题，提出了两种分别基于频响函数和傅里叶变换的虚拟样本生成算法。试验结果表明两种算法均能有效提高噪声源识别正确率。

根据复声强测量基本原理，提出基于LabVIEW软件开发平台，自行开发复声强分析系统。并利用该系统及声强分析软件对某型轻型卡车进行声强测量和声场分析，给出车外辐射表面的3D声貌图、等声强图，方便地对该表面辐射噪声源进行精确的定位和识别，提出控制车外噪声的相应策略，并作遮蔽发动机噪声的模拟试验，最终结果使车外加速噪声降低3．8dB（A）。对降低该型卡车车外噪声提供有利的参考依据。

本文主要介绍了用声压法识别汽车车内主要噪声源的过程，并利用声场分析技术和谱分析技术对小客车车内的主要噪声原进行了分析。在声源识别的指导下，采了邓探索性的降噪措施，使车内噪声级下降了１．２ｄＢＡ￣３．９ｄＢＡ。

本研究以造纸厂造纸车间为研究对象，对造纸机整机进行噪声测试，其结果表明空气动力性噪声是造纸车间的主噪声源，同时分析了主噪声源的识别方法。其研究结果可为造纸厂生产环境中噪声污染的治理打下基础。

采用分步运行和频谱分析等方法对全自动洗衣机噪声进行分析识别，逐一找出噪声源，并对噪声源有针对性地的改进设计，降低了噪声值。

减小工作环境的振动噪声是改善工作条件的主要措施之一,由于其振动噪声是由许多噪声源引起的,故用相干功率谱分析法的测试系统框图及源识别模型分析了相干功率谱,在多振源工况下用这种方法辨识主要噪声源,对被识别声源作自功率谱和倒功率谱分析,诊断出产生噪声的故障元件.

应用神经网络,通过对发动机噪声试验数据的反复学习,实现了对发动机噪声源的识别,大大减少了发动机噪声试验的工作量,为降低和控制发动机噪声提供了准确的信息,也缩短了发动机的设计周期.也为发动机噪声源识别技术的研究找到了一种行之有效的方法.

针对现有方法在船舶振动噪声源识别中存在的不足，引入传递率矩阵方法（TransmissibilityMatrixMethod，TMM），全面分析了其在实际应用中存在的问题，并提出解决方案。着重探讨解决振源之间交叉耦合的方法，提出一种新的基于TMM的振一声传递路径分析模型，新模型以隔振器两端的位移响应之差作为输入振源，有效地避免了振源之间的耦合。通过船舶水中振动一声辐射仿真分析和实船海上振动一声辐射试验验证了新模型在船舶噪声源识别和贡献量分析中可行性与正确性。新模型在船舶振动噪声源识别中保持效率的同时提高了分析的准确性，现代船舶中隔振器的广泛应用，为该方法的应用提供了先决条件，因此具有广阔的工程应用前景。

利用复声强法测量内燃机表面噪声场分布,对S493Q柴油机表面辐射噪声源进行了识别,在找出主要噪声源之后,采取了相应的降噪措施,达到了很好的降噪效果.