主权项: |
1.一种基于S变换的隔振器道路载荷谱的时间压缩方法,其特征在于,包括以下步骤: 步骤1、对橡胶悬置的原始载荷谱进行前处理,得到处理后的时域信号; 步骤2、使用窗长尺度可变的高斯窗对时域信号进行划分,所述高斯窗的函数为: 其中,g(τ-t,f)表示高斯窗函数,σ(f)表示尺度函数,τ表示时移变量,t表示时间,f表示频率; 步骤3、对高斯窗内的信号进行离散的S变换,得到时频域中的二维时频复数矩阵; 步骤4、结合功率谱密度和周期图法的定义,基于二维时频复数矩阵得到累积功率谱密度; 步骤5、对累积功率谱密度设定密度阈值,识别累积功率谱密度中高于密度阈值的数据并提取其时间点,将提取出来的时间点定位到原始载荷谱中,得到若干损伤贡献量大的信号片段; 步骤6、将所有损伤贡献量大的信号片段进行拼接,得到压缩后的信号; 步骤7、当原始载荷谱信号和压缩后的信号之间的误差大于预设误差阈值时,则跳回第步骤5步重新设置密度阈值再次循环,并进行寻优,当原始载荷谱信号和压缩后的信号之间的误差小于预设误差阈值时,则跳出循环得到最终的压缩谱; 步骤8、根据所述压缩谱完成信号压缩工作。 2.根据权利要求1所述的一种基于S变换的隔振器道路载荷谱的时间压缩方法,其特征在于,在步骤1之前还包括步骤:输入橡胶悬置的原始载荷谱。 3.根据权利要求1所述的一种基于S变换的隔振器道路载荷谱的时间压缩方法,其特征在于,步骤3中,通过公式(4)-(6)进行离散的S变换,得到公式(7)所示的二维时频复数矩阵,二维时频复数矩阵的行向量bm=[bm1,bm2,…,bmn]表示不同的频率值,列向量bn=[b1n,b2n,…,bmn]T对应不同的时间点,矩阵元素表示信号的幅值和相位角: bmn=p+qi (8) 其中,x(t)为原始信号,为离散S变换得到的二维时频复数矩阵中jT行列的元素,j为时间点序列号,T为采样时间间隔,k为离散的时间点,k=0,1,…,N-1;N为离散信号长度,n为二维时频复数矩阵的列数,m为二维时频复数矩阵的行数,表示离散信号的傅里叶频谱,S(jT,0)为二维时频复数矩阵的第一列元素,为离散信号的傅里叶频谱,x(kT)为第k个点的时域信号,bmn为二维时频复数矩阵的元素,i为复数单位,p为实部,q为虚部。 4.根据权利要求1所述的一种基于S变换的隔振器道路载荷谱的时间压缩方法,其特征在于,步骤4中获得累积功率谱密度的方式为: 结合功率谱密度和周期图法的定义,由二维时频复数矩阵获得公式(9)所示的功率谱密度估计值,并将同一时刻内不同频率下的功率谱密度估计值累加,获得累积功率谱密度; 式中,PSDm×n为累积功率谱密度,fs为采样频率,n为二维时频复数矩阵的列数,m为二维时频复数矩阵的行数。 5.根据权利要求1所述的一种基于S变换的隔振器道路载荷谱的时间压缩方法,其特征在于,步骤6中,原始载荷谱包括单轴载荷谱和多轴载荷谱,当原始载荷谱为单轴载荷谱时,则直接将提取出来的所有损伤贡献量大的信号片段进行拼接,得到压缩后的信号;当原始载荷谱为多轴载荷谱时,则将提取到的各通道的损伤贡献量大的信号片段作取并集处理,得到压缩后的信号。 6.根据权利要求1所述的一种基于S变换的隔振器道路载荷谱的时间压缩方法,其特征在于,步骤7中循环寻优时,使用遗传算法进行寻优。 7.根据权利要求1所述的一种基于S变换的隔振器道路载荷谱的时间压缩方法,其特征在于,步骤7中将预设误差阈值设定为15%。 8.根据权利要求1所述的一种基于S变换的隔振器道路载荷谱的时间压缩方法,其特征在于,步骤7中所述统计参数包括均值、均方根和峰度系数。 9.根据权利要求1所述的一种基于S变换的隔振器道路载荷谱的时间压缩方法,其特征在于,伪损伤保留量是一个相对量,伪损伤与真实损伤成比例: 其中,为第l个循环载荷造成的伪损伤,为原始载荷谱,nl为第l个循环载荷的循环次数,B为材料参数。 10.根据权利要求1-9所述的一种基于S变换的隔振器道路载荷谱的时间压缩方法,其特征在于,步骤7中,先计算压缩信号的统计参数、穿级计数和伪损伤保留量,当原始载荷谱信号和压缩后的信号统计参数和伪损伤保留量的误差均小于预设误差阈值时,跳出循环得到最终的压缩谱。 |