随着生活水平的提高,人们对汽车的性能有了更多的期待,汽车的振动、噪声和舒适性越来越受消费者的重视。在发动机运行、轮胎与地面的摩擦、汽车行驶时的空气摩擦等主要噪声源降低后,原本并不明显的车用交流发电机辐射出的噪声变得相对突出。目前某车用发电机生产商发电机噪声在线检测过程虽然可以记录发电机的声压级随时间的变化,但是没有考虑车用发电机噪声在线检测过程中环境噪声的干扰,也不能鉴别出超标的噪声源。本课题针对现阶段车用发电机噪声在线检测过程中存在的不足,主要采用小波阈值与数学形态联合去噪、发电机振动噪声的实验分析和BP神经网络模式识别等方法,在LabVIEW平台上开发一套车用发电机噪声在线检测及噪声源识别系统。论文主要包含以下内容：分析车用发电机噪声在线检测信号的特点,根据噪声的特点选择合适的预处理方法；仿真分析说明预处理参数选择的重要性；由实测信号验证所选预处理方法对受到白噪声及脉冲噪声干扰的发电机声压信号具有良好的降噪效果。对比分析车用发电机在空载、热态负载、冷态负载工况下的噪声测试数据,得出发电机在不同工况下声压级的大小关系；用分步运转和阶次分析方法分析电磁噪声、气动噪声和机械噪声的频率分布情况;结合实验分析了发电机声压级存在峰值的本质原因。针对车用发电机噪声在线检测环境与半消声室环境的不同特点,由实验分析法探讨噪声在线检测环境声压级的修正方法；利用发电机声压信号各阶IMF归一化能量特征向量和不同的噪声类型,搭建了基于BP神经网络的发电机噪声源识别系统。以LabVIEW为软件开发平台,并联合MATLAB开发了车用发电机噪声在线检测及噪声源识别系统,并进行采集数据的系统验证。本文开发的车用交流发电机噪声在线检测及噪声源识别系统,对噪声在线检测中的噪声干扰进行了降噪处理和声压级修正,使发电机噪声在线检测结果更准确,训练的神经网络实现了噪声源的初步识别,为车用发电机故障诊断奠定了基础,具有一定的工程应用参考价值。