CN104699980A - 基于加速度传感器实现iri值软测量的方法 - Google Patents
基于加速度传感器实现iri值软测量的方法 Download PDFInfo
- Publication number
- CN104699980A CN104699980A CN201510129886.4A CN201510129886A CN104699980A CN 104699980 A CN104699980 A CN 104699980A CN 201510129886 A CN201510129886 A CN 201510129886A CN 104699980 A CN104699980 A CN 104699980A
- Authority
- CN
- China
- Prior art keywords
- formula
- iri
- acceleration
- roughness
- matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明公开了一种基于加速度传感器实现IRI值软测量的方法,具体包括以下步骤:步骤1:通过加速度传感器采集路面加速度值;步骤2:设计卡尔曼滤波器,对采集到的加速度数组进行数据处理;步骤3:对处理后的加速度数据进行基于时间序列的自回归建模,验证其符合现代谱估计理论:步骤4:运用现代谱估计理论进行精确功率谱密度估计,实现国际道路不平度指数的提取。本发明通过设计的卡尔曼滤波器滤除噪声,使国际道路不平度指数的提取更加准确;用现代谱估计理论进行精确额功率谱密度估计,实现国际道路不平度指数的提取,简化方法,提高效率。
Description
技术领域
本发明属于路面特征识别领域,具体涉及基于加速度传感器实现IRI值软测量的方法,属于路面特征识别领域。
背景技术
目前,国内外现有的提取国际道路不平度指数IRI的方法主要是通过提取PSD路面特征参数,然后将PSD特征参数转换成IRI值。例如专利公布号为CN104233935A的一种基于道路纵断面信息的路面质量等级辨识方法,通过5步得到IRI值。步骤一、提取有效道路纵断面高程信息,建立道路数据库;步骤二、分段生成功率谱密度曲线,并进行带通滤波处理;步骤三、提取PSD路面特征参数;步骤四、建立PSD路面特征参数数据库,绘制PSD特征参数概率密度分布图;步骤五、将PSD特征参数转换成IRI值。其步骤复杂,操作困难,而且步骤二中用于滤除干扰的带通滤波属于经典滤波,它是在具有一定选频特性的经典滤波网络中把噪声尽可能地滤除,而保留畸变不大的有用信号。但是,提取IRI值时的信号和噪声是随机的,其特性只能从统计的意义上来描述。此外,测量装置也会有随机噪声。因此采用一般的经典滤波器会造成提取的IRI值误差大不准确。
发明内容
本发明的目的是为了满足现有路面不平度测量的需求,提供一种基于加速度传感器实现IRI值软测量的方法,以解决现有的提取国际道路不平度指数方法步骤繁琐、IRI值不准确的技术问题。
为达到上述目的,本发明采用以下技术方案:基于加速度传感器实现IRI值软测量的方法,具体包括以下步骤:
步骤1、通过加速度传感器采集路面加速度a(t)值;将加速度传感器安装在车辆靠近左后轮的悬架平面下方,检测行驶时悬架垂直振动的加速度,每隔Δt时间,加速度传感器采集一个路面加速度值,形成a(t)数组;
步骤2、设计卡尔曼滤波器,对采集到的加速度数组进行数据处理;
步骤3、对处理后的加速度数据进行基于时间序列的自回归AR建模,验证其符合现代谱估计理论:
步骤4、运用现代谱估计理论进行精确功率谱密度估计,实现国际道路不平度指数IRI的提取。
其中,上述所述的步骤2的方法具体包括:
建立卡尔曼滤波状态空间模型,其中:
状态方程:
X(n)=B(n)X(n-1)+w(n)
观测方程:
Z(n)=J(n)X(n)+v(n)
式中,X(n)为状态向量,且X(n)={x(n),x(n-1),...,x(n-k+1)}T;系统的观测方程的输出项Z(n)为采集到的加速度a(t)值;B(n)为状态转移矩阵,w(n)为零均值、方差为Ψw的白噪声;J(n)为测量矩阵v(n)为零均值、方差为Ψv且与Ψw相互独立的白噪声;
由状态空间模型得到如下递推公式:
状态的一步预测方程(基于系统的上一个状态):
X(n|n-1)=B(n)X(n-1|n-1)
协方差的一步预测方程:
P(n|n-1)=B(n)P(n-1|n-1)B(n)T+Ψw
滤波增益:
A(n)=P(n|n-1)J(n)T[J(n)P(n|n-1)J(n)T+Ψv]
滤波估计方程:
X(n|n)=X(n|n-1)+A(n)[Z(n)-J(n)X(n|n-1)]
滤波协方差更新方程:
P(n|n)=[I-A(n)J(n)]P(n|n-1)
其中,X(n|n)为n时刻滤波器的状态;X(n|n-1)为滤波器状态的单步预测估计;A(n)为n时刻滤波器的增益矩阵;P(n|n-1)为单步预测误差的协方差矩阵;P(n|n)为滤波误差的协方差矩阵;J(n)为测量矩阵;Ψυ为观测噪声方差矩阵;Ψω为系统噪声方差矩阵;I为单位矩阵;
由以上递推公式可知,通过截取路面加速度a(t)的初始部分样本,通过最小二乘法计算统计模型,计算得到X(0)和P(0);确定初始X(0)和P(0)之后,可通过式(3)、(4)、(5)、(6)、(7)、(8)递推得到X(1|0)、X(2|1)……X(n|n-1)。
根据插值公式,在任意有限多个点插值情况下,可以用一个连续函数去拟合离散的测量结果。所以根据滤波后得到的离散的加速度值得到一个a(t)函数。
X(n|n)为滤波后的加速度值,作为滤波后的a(t)代入下式得到路面不平度g(t):
a4g(4)(t)+a3g(3)(t)+a2g″(t)=b3a(3)(t)+b2a″(y)+b1a′(t)+b0a(t)
其中a4=MKt,a3=XKt,a2=KKt;
b3=mM+XM,b2=MK+MKt+Xm,b1=XKt+mK,b0=KKt;M为悬架(车身)质量,m为非悬架(车轮)质量,K为车身刚度系数;X为阻尼器阻尼系数,Kt为轮胎刚度系数;
其中,上述所述的步骤3的方法具体有:
根据预处理后的数据,利用AR模型来计算功率谱密度;
因为路面不平度是实平稳过程,功率谱密度也为实函数,所以路面在时间域的自相关函数为:
其中,Gd(n)为路面不平度功率谱密度,n取值范围为0.011~2.83m-1;
将路面在时间域的自相关函数Rd(τ)带入AR模型的Yule-Walker方程,得:
通过上式,可得AR模型的参数bM(M=1,2,…,p)和
由步骤2得时域上路面不平度g(t),经过傅里叶变换,得到频域上的路面不平度d(k),在频域上路面不平度d(k)满足AR模型公式:
d(k)=–b1d(k-1)-b2d(k-2)-…-bMd(k-M)+h(n)
式中,h(n)为零均值且方差为的平稳白噪声。
把AR建模后得到的k个路面不平度d(k)视为一能量有限的序列,直接计算d(k)的离散傅立叶变换,然后再取其幅值的平方,并除以k,得到路面不平度功率谱密度Gd(n)。
其中,上述所述的步骤4的方法具体包括:
路面不平度功率谱密度可采用下式拟合:
式中,n0为空间参考频率n0=0.1m-1;Gd(n0)为路面不平度系数,其值为在空间频率为n0时的路面功率谱密度,与路面等级相对应;ω为频率指数,决定了路面谱的频率结构;
由参考文献可知,IRI和Gd(n0)如下关系式:
通过上述公式,可以得出IRI值。
与现有技术相比,本发明具有如下优点:
(1)本发明通过车轮在路面上的直接接触产生的垂直振动加速度间接测量路面不平度,降低成本,同时简化测量方法,提高了测量效率;
(2)通过设计的卡尔曼滤波器滤除噪声,使国际道路不平度指数IRI的提取更加准确;
(3)利用现代谱估计理论进行精确额功率谱密度估计,实现国际道路不平度指数IRI的提取,简化了计算方法,提高计算效率。
附图说明
图1是本发明方法模块图;
图2是本发明卡尔曼滤波数学模型示意图。
具体实施方式
下面结合附图对本发明作进一步详细说明。
在图1中,基于加速度传感器实现IRI值软测量的方法,具体包括以下步骤:
步骤1:通过加速度传感器采集路面加速度a(t)值:将加速度传感器安装在车辆靠近左后轮的悬架平面下方,检测行驶时悬架垂直振动的加速度,每隔Δt(Δt=0.005)时刻,加速度传感器将采集到一个路面加速度a(t)值,例如可以采集1000、2000、4000、8000、16000等不同个数的值,得到a(t)数组。
步骤2:如图2,设计卡尔曼滤波器进行数据处理;
首先建立卡尔曼滤波状态空间模型,其中:
状态方程:
X(n)=B(n)X(n-1)+w(n) (1)
观测方程:
Z(n)=J(n)X(n)+v(n) (2)
式中,X(n)为状态向量,且X(n)={x(n),x(n-1),...,x(n-k+1)}T;系统的观测方程的输出项Z(n)为采集到的加速度a(t)值;B(n)为状态转移矩阵,w(n)为零均值、方差为Ψw的白噪声;J(n)为测量矩阵v(n)为零均值、方差为Ψv且与Ψw相互独立的白噪声;
由状态空间模型得到如下递推公式:
状态的一步预测方程(基于系统的上一个状态):
X(n|n-1)=B(n)X(n-1|n-1) (3)
协方差的一步预测方程:
P(n|n-1)=B(n)P(n-1|n-1)B(n)T+Ψw (4)
滤波增益:
A(n)=P(n|n-1)J(n)T[J(n)P(n|n-1)J(n)T+Ψv] (5)
滤波估计方程:
X(n|n)=X(n|n-1)+A(n)[Z(n)-J(n)X(n|n-1)] (6)
滤波协方差更新方程:
P(n|n)=[I-A(n)J(n)]P(n|n-1) (7)
其中,X(n|n)为n时刻滤波器的状态;X(n|n-1)为滤波器状态的单步预测估计;A(n)为n时刻滤波器的增益矩阵;P(n|n-1)为单步预测误差的协方差矩阵;P(n|n)为滤波误差的协方差矩阵;J(n)为测量矩阵;Ψυ为观测噪声方差矩阵;Ψω为系统噪声方差矩阵;I为单位矩阵;
由以上递推公式可知,通过截取路面加速度a(t)的初始部分样本,通过最小二乘法计算统计模型,计算得到X(0)和P(0);确定初始X(0)和P(0)之后,可通过式(3)、(4)、(5)、(6)、(7)、(8)递推得到X(1|0)、X(2|1)……X(n|n-1)。
X(n|n)为滤波后的加速度值,作为滤波后的a(t)代入下式得到路面不平度g(t):
a4g(4)(t)+a3g(3)(t)+a2g″(t)=b3a(3)(t)+b2a″(t)+b1a′(t)+b0a(t) (8)
其中a4=MKt,a3=XKt,a2=KKt;
b3=mM+XM,b2=MK+MKt+Xm,b1=XKt+mK,b0=KKt;M为悬架(车身)质量,m为非悬架(车轮)质量,K为车身刚度系数;X为阻尼器阻尼系数,Kt为轮胎刚度系数;
步骤3:对数据进行基于时间序列的自回归AR建模:根据预处理后的数据,利用AR模型来计算功率谱密度;
因为路面不平度是实平稳过程,功率谱密度也为实函数,所以路面在时间域的自相关函数为:
其中,Gd(n)为路面不平度功率谱密度,n取值范围为0.011~2.83m-1。
将路面在时间域的自相关函数Rd(τ)带入AR模型的Yule-Walker方程,得:
通过上式,可得AR模型的参数bM(M=1,2,…,p)和
在频域上路面不平度g(t)满足AR模型公式:
g(t)=-b1g(a-1)-b2g(a-2)-...-bMg(a-M)+ω(n) (11)
式中,ω(n)为零均值且方差为的平稳白噪声;
步骤4:运用现代谱估计理论进行精确功率谱密度估计,实现国际道路不平度指数IRI的提取:路面不平度位移功率谱密度可采用下式拟合:
式中,n0为空间参考频率n0=0.1m-1;Gd(n0)为路面不平度系数,其值为在空间频率为n0时的路面功率谱密度,与路面等级相对应;ω为频率指数,决定了路面谱的频率结构,一般取2;
由参考文献可知,IRI和Gd(n0)如下关系式:
通过上述公式,可以得出IRI值。
除上述实施例外,本发明还可以有其他实施方式,凡采用等同替换或等效变换形成的技术方案,均落在本发明权利要求的保护范围内。
Claims (4)
1.一种基于加速度传感器实现IRI值软测量的方法,其特征在于:具体包括以下步骤:
步骤1:通过加速度传感器采集路面加速度a(t)值;将加速度传感器安装在车辆靠近左后轮的悬架平面下方,检测行驶时悬架垂直振动的加速度,每隔Δt时间,加速度传感器采集一个路面加速度值,形成a(t)数组;
步骤2:设计卡尔曼滤波器,对采集到的加速度数组进行数据处理;
步骤3:对处理后的加速度数据进行基于时间序列的自回归AR建模,验证其符合现代谱估计理论:
步骤4:运用现代谱估计理论进行精确功率谱密度估计,实现国际道路不平度指数IRI的提取。
2.按照权利要求1所述的基于加速度传感器实现IRI值软测量的方法,其特征在于:所述步骤2的方法具体包括:
建立卡尔曼滤波状态空间模型,其中:
状态方程:
X(n)=B(n)X(n-1)+w(n)
观测方程:
Z(n)=J(n)X(n)+v(n)
式中,X(n)为状态向量,且X(n)={x(n),x(n-1),…,x(n-k+1)}T;系统的观测方程的输出项Z(n)为采集到的加速度a(t)值;B(n)为状态转移矩阵,w(n)为零均值、方差为Ψw的白噪声;J(n)为测量矩阵v(n)为零均值、方差为Ψv且与Ψw相互独立的白噪声;
由状态空间模型得到如下递推公式:
状态的一步预测方程(基于系统的上一个状态):
X(n|n-1)=B(n)X(n-1|n-1)
协方差的一步预测方程:
P(n|n-1)=B(n)P(n-1|n-1)B(n)T+Ψw
滤波增益:
A(n)=P(n|n-1)J(n)T[J(n)P(n|n-1)J(n)T+Ψv]
滤波估计方程:
X(n|n)=X(n|n-1)+A(n)[Z(n)-J(n)X(n|n-1)]
滤波协方差更新方程:
P(n|n)=[I-A(n)J(n)]P(n|n-1)
其中,X(n|n)为n时刻滤波器的状态;X(n|n-1)为滤波器状态的单步预测估计;A(n)为n时刻滤波器的增益矩阵;P(n|n-1)为单步预测误差的协方差矩阵;P(n|n)为滤波误差的协方差矩阵;J(n)为测量矩阵;Ψυ为观测噪声方差矩阵;Ψω为系统噪声方差矩阵;I为单位矩阵;
由以上递推公式可知,通过截取路面加速度a(t)的初始部分样本,通过最小二乘法计算统计模型,计算得到X(0)和P(0);确定初始X(0)和P(0)之后,可通过式(3)、(4)、(5)、(6)、(7)、(8)递推得到X(1|0)、X(2|1)……X(n|n-1);
根据插值公式,在任意有限多个点插值情况下,可以用一个连续函数去拟合离散的测量结果,所以根据滤波后得到的离散的加速度值得到一个a(t)函数;
X(n|n)为滤波后的加速度值,作为滤波后的a(t)代入下式得到路面不平度g(t):
a4g(4)(t)+a3g(3)(t)+a2g″(t)=b3a(3)(t)+b2a″(t)+b1a′(t)+b0a(t)
其中a4=MKt,a3=XKt,a2=KKt;
b3=mM+XM,b2=MK+MKt+Xm,b1=XKt+mK,b0=KKt;M为悬架(车身)质量,m为非悬架(车轮)质量,K为车身刚度系数;X为阻尼器阻尼系数,Kt为轮胎刚度系数。
3.按照权利要求1所述的基于加速度传感器实现IRI值软测量的方法,其特征在于:所述步骤3的方法具体包括:
根据预处理后的数据,利用AR模型来计算功率谱密度;
因为路面不平度是实平稳过程,功率谱密度也为实函数,所以路面在时间域的自相关函数为:
其中,Gd(n)为路面不平度功率谱密度,n取值范围为0.011~2.83m-1;
将路面在时间域的自相关函数Rd(τ)带入AR模型的Yule-Walker方程,得:
通过上式,可得AR模型的参数bM(M=1,2,…,p)和
由步骤2得时域上路面不平度g(t),经过傅里叶变换,得到频域上的路面不平度d(k),在频域上路面不平度d(k)满足AR模型公式:
d(k)=–b1d(k-1)-b2d(k-2)-…-bMd(k-M)+h(n)
式中,h(n)为零均值且方差为的平稳白噪声;
把AR建模后得到的k个路面不平度d(k)视为一能量有限的序列,直接计算d(k)的离散傅立叶变换,然后再取其幅值的平方,并除以k,得到路面不平度功率谱密度Gd(n)。
4.按照权利要求1所述的基于加速度传感器实现IRI值软测量的方法,其特征在于:所述步骤4的方法具体包括:
路面不平度功率谱密度可采用下式拟合:
式中,n0为空间参考频率n0=0.1m-1;Gd(n0)为路面不平度系数,其值为在空间频率为n0时的路面功率谱密度,与路面等级相对应;ω为频率指数,决定了路面谱的频率结构;
由参考文献可知,IRI和Gd(n0)如下关系式:
通过上述公式,可以得出IRI值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510129886.4A CN104699980A (zh) | 2015-03-24 | 2015-03-24 | 基于加速度传感器实现iri值软测量的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510129886.4A CN104699980A (zh) | 2015-03-24 | 2015-03-24 | 基于加速度传感器实现iri值软测量的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104699980A true CN104699980A (zh) | 2015-06-10 |
Family
ID=53347092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510129886.4A Pending CN104699980A (zh) | 2015-03-24 | 2015-03-24 | 基于加速度传感器实现iri值软测量的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104699980A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105973516A (zh) * | 2015-12-11 | 2016-09-28 | 北京强度环境研究所 | 一种用于识别固体火箭发动机的脉动推力的方法 |
CN106404159A (zh) * | 2016-06-14 | 2017-02-15 | 北京航天控制仪器研究所 | 一种火箭橇试验连续振动传递谱确定方法 |
CN108180983A (zh) * | 2017-12-29 | 2018-06-19 | 燕山大学 | 自适应时频域混合滤波的应急救援车辆振动位移重构方法 |
CN108804814A (zh) * | 2018-06-08 | 2018-11-13 | 吉林大学 | 一种提取路面谱参数的方法 |
CN110780091A (zh) * | 2019-07-31 | 2020-02-11 | 中国第一汽车股份有限公司 | 一种车辆加速度的获取方法 |
CN111323106A (zh) * | 2018-12-14 | 2020-06-23 | 精工爱普生株式会社 | 计量装置以及计量系统 |
CN113866455A (zh) * | 2021-09-30 | 2021-12-31 | 中铁桥隧技术有限公司 | 基于深度学习的桥梁加速度监测数据异常检测方法、系统和装置 |
CN114996654A (zh) * | 2022-04-28 | 2022-09-02 | 中国公路工程咨询集团有限公司 | 一种路面平整度检测方法、装置、电子设备及介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110119041A1 (en) * | 2008-07-07 | 2011-05-19 | AIRBUS OPERATIONS (inc as a Societe par Act Simpl) | Method and device for frequency analysis of data |
CN102721397A (zh) * | 2012-06-07 | 2012-10-10 | 江苏科技大学 | 基于垂直动载荷的现代时间序列提取路面特征参数的方法 |
-
2015
- 2015-03-24 CN CN201510129886.4A patent/CN104699980A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110119041A1 (en) * | 2008-07-07 | 2011-05-19 | AIRBUS OPERATIONS (inc as a Societe par Act Simpl) | Method and device for frequency analysis of data |
CN102721397A (zh) * | 2012-06-07 | 2012-10-10 | 江苏科技大学 | 基于垂直动载荷的现代时间序列提取路面特征参数的方法 |
Non-Patent Citations (3)
Title |
---|
刘庆华,等: "路面不平度采集系统设计", 《测控技术》 * |
刘庆华: "基于WFT的路面识别及主动悬架控制研究", 《中国学位论文全文数据库》 * |
汪铸,等: "利用汽车垂直振动加速度判别路面等级的方法", 《南京师范大学学报(工程技术版)》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105973516A (zh) * | 2015-12-11 | 2016-09-28 | 北京强度环境研究所 | 一种用于识别固体火箭发动机的脉动推力的方法 |
CN105973516B (zh) * | 2015-12-11 | 2019-04-05 | 北京强度环境研究所 | 一种用于识别固体火箭发动机的脉动推力的方法 |
CN106404159A (zh) * | 2016-06-14 | 2017-02-15 | 北京航天控制仪器研究所 | 一种火箭橇试验连续振动传递谱确定方法 |
CN106404159B (zh) * | 2016-06-14 | 2019-03-12 | 北京航天控制仪器研究所 | 一种火箭橇试验连续振动传递谱确定方法 |
CN108180983A (zh) * | 2017-12-29 | 2018-06-19 | 燕山大学 | 自适应时频域混合滤波的应急救援车辆振动位移重构方法 |
CN108804814A (zh) * | 2018-06-08 | 2018-11-13 | 吉林大学 | 一种提取路面谱参数的方法 |
CN108804814B (zh) * | 2018-06-08 | 2020-05-15 | 吉林大学 | 一种提取路面谱参数的方法 |
CN111323106A (zh) * | 2018-12-14 | 2020-06-23 | 精工爱普生株式会社 | 计量装置以及计量系统 |
CN110780091A (zh) * | 2019-07-31 | 2020-02-11 | 中国第一汽车股份有限公司 | 一种车辆加速度的获取方法 |
CN113866455A (zh) * | 2021-09-30 | 2021-12-31 | 中铁桥隧技术有限公司 | 基于深度学习的桥梁加速度监测数据异常检测方法、系统和装置 |
CN114996654A (zh) * | 2022-04-28 | 2022-09-02 | 中国公路工程咨询集团有限公司 | 一种路面平整度检测方法、装置、电子设备及介质 |
CN114996654B (zh) * | 2022-04-28 | 2023-05-09 | 中国公路工程咨询集团有限公司 | 一种路面平整度检测方法、装置、电子设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104699980A (zh) | 基于加速度传感器实现iri值软测量的方法 | |
CN105275833B (zh) | 一种基于CEEMD-STFT时频信息熵和multi-SVM的离心泵故障诊断方法 | |
Yan et al. | Improved Hilbert–Huang transform based weak signal detection methodology and its application on incipient fault diagnosis and ECG signal analysis | |
RU2607917C2 (ru) | Способ и устройство для определения состояния поверхности дороги | |
JP6408854B2 (ja) | 路面状態予測方法 | |
CN101275900A (zh) | 基于车轮振动的路面类型识别方法 | |
CN102519582A (zh) | 航空发动机振动信号的盲源分离方法 | |
JP2016075575A (ja) | 路面状態判別システム | |
CN105411565A (zh) | 基于广义尺度小波熵的心率变异性特征分类方法 | |
CN101995437B (zh) | 一种拉深件裂纹声发射信号的特征提取方法 | |
CN106092600A (zh) | 一种针对汽车试验场强化道路的路面识别方法 | |
CN107560599B (zh) | 一种基于特征点采样和曲线拟合的道路坡度数据处理方法 | |
CN101949895B (zh) | 一种金属拉深件微小裂纹冲击性信号的识别方法 | |
CN105320969A (zh) | 基于多尺度Renyi熵的心率变异性特征分类方法 | |
CN108444696A (zh) | 一种齿轮箱故障分析方法 | |
CN104008644A (zh) | 一种基于梯度下降的城市道路交通噪声测量方法 | |
CN109655267B (zh) | 一种汽车轮毂轴承故障特征提取方法 | |
CN103876736B (zh) | 一种基于功率谱划分的复杂度谱脑电信号分类识别方法 | |
CN102721397A (zh) | 基于垂直动载荷的现代时间序列提取路面特征参数的方法 | |
CN104408288A (zh) | 基于小波和参数补偿的多稳态随机共振微弱信号检测方法 | |
CN105403915A (zh) | 基于谱模拟提取地层瞬时吸收衰减参数的方法 | |
CN116304751B (zh) | 用于动车组部件检修的运行数据处理方法 | |
CN102519577B (zh) | 道路中路面的识别方法及系统 | |
CN103743470A (zh) | 一种汽车噪声频谱分析方法 | |
CN106548031A (zh) | 一种结构模态参数识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150610 |
|
WD01 | Invention patent application deemed withdrawn after publication |