详情

原文传递车辆多相关振动噪声源及其路径识别方法研究

论文题名：	车辆多相关振动噪声源及其路径识别方法研究
关键词：	车辆;振动噪声源;特征提取;盲源分离;路径识别;经验模式分解
摘要：	车辆的振动与噪声是衡量其使用舒适性的重要方面，同时也是运行机构状态检测的重要指标。试验测试一般在车辆行驶或运动过程中进行，传感器受到不同激励源的影响，测试信号并不能完全反映所对应位置的源信息，它受到测试系统或环境噪声的影响和不同源对该位置干涉影响，从而造成测量信号之间彼此的相关性。基于直接测量得到的信号进行响应贡献度的分析，会夸大或缩小真实源的贡献。针对多相关激励背景下的振动故障诊断、源和路径识别问题，本文研究的主要内容归纳如下: 　　(1)探讨了经验模式分解方法(EMD)，改善了其虚假分量和模式混叠的分解缺陷，以其作为车辆测试信号的前期去噪和特征提取手段。将相干分析应用于判定分解中的虚假分量，以避免虚假分量和微弱信号的误判;其次研究了信号各频率能量比例对EMD分解时虚假分量的影响，提出了抑制低频分量或加入高频分量幅值以减小虚假分量引入的分解误差;基于白噪声的EMD分解特性，提出了有色噪声频段累加方法以改善EMD分解的模式混叠(MH-EMD)，同时仿真分析了其优越性，最后将改进的EMD系统方法应用于转子模拟试验台声学信号和排气系统振动信号的特征提取，验证了新方法的可行性。　　(2)联合集合经验模式分解(MH-EMD)和最小均方算法(LMS)发展了一种自适应特征提取方法。以自适应均方算法为对象，研究了其固定步长、固定阶数、变步长(VS)和变阶数(VT)的算法性能，提出了在迭代过程中以比较阶数和步长变化时的最小均方误差期望为收敛方向，发展了一种联合变步长变阶数最小均方算法(VSVT-LMS)的去噪方法;结合对原信号的MH-EMD分解，使各模式分量窄带化，进而通过VSVT-LMS对每个IMF分量进行去噪，避免LMS算法对宽频信号的不稳定性，同时也避免了EMD分解的不唯一性和去噪中阈值的选择问题。最后通过对仿真和实际车辆振动信号去噪，验证了方法在工程上的可行性。　　(3)针对车辆振动噪声具有相关特征的测试信号，发展和完善了多种多相关分离方法。对于瞬态混合模型，探讨了一般盲源分离方法，提出了基于幅值密度比较的盲信号分离方法，在针对频率信号量较少时，可以识别单频和共频信号;改进了联合近似对角化方法，提出了均衡化的分段联合近似对角化和最优距离矩阵的联合近似对角化方法，改进方法精度高于经典方法;基于高阶累积量，取其高阶切片，结合近似对角化和联合分段对角矩阵，提出可以应用于传感器数量少于源数的分离方法，该方法较经典方法具有更好的稳定性和更高的分离精度;针对具有同频信号或相关性较大的源信号，改善小波包子带的盲分离，可以解决具有统计相关源混合观测信号的分离，以简支梁振动试验验证了方法的有效性。针对具有卷积特性的混合模型，比较了时域和频域的卷积盲分离算法，提出了一种基于互信息向量独立判断的频域算法，在算法迭代过程中，非线性函数考虑全频段的分离矩阵，避免了频域解卷积的“扰动不确定性”。基于建立的车架系统动力学模型，探讨了瞬态模型和卷积模型的应用范围，并验证了提出的新方法。　　(4)从理论上建立和推导了适合多子系统多输入单输出模型，建立了以比较真实和计算传递函数作为判断输入干涉方向的依据，基于理论和试验推导了加速度/力传递函数与加速度/加速度传递函数的关系;搭建了车辆局部结构的车架系统，基于相干分析进行了单向干涉模型的验证;针对某商用车的振动异常问题，测试分析了其传递路径中的激励和响应振动特征，基于双向干涉的平均方法，识别了激励源、路径的影响和贡献，从而验证了模型和方法的可行性，该方法有效提高了异常振动中的识别率和精度;对具有同样相关特征的某农用车辆噪声源进行了识别，结合一般传递路径分析方法，识别声源矛盾，并解决了该机械的噪声问题。　　综上所述，本文较系统地研究了车辆振动噪声中具有多相关特征的信号特征，并就其分离和识别问题进行研究，提出信号自适应特征提取方法、不同模型的盲分离算法，对不同干涉模型的路径进行了识别，进而实车验证了方法的可行性。研究结果不但有益于提高车辆故障诊断识别精度，而且在理论和方法上有益于车辆振动噪声设计以及后期优化等方面的研究。
作者：	张袁元
专业：	车辆工程
导师：	李舜酩
授予学位：	博士
授予学位单位：	南京航空航天大学
学位年度：	2013
正文语种：	中文