CN114034492A - 基于希尔伯特-黄变换的汽车零部件载荷谱快速压缩方法 - Google Patents
基于希尔伯特-黄变换的汽车零部件载荷谱快速压缩方法 Download PDFInfo
- Publication number
- CN114034492A CN114034492A CN202111294060.5A CN202111294060A CN114034492A CN 114034492 A CN114034492 A CN 114034492A CN 202111294060 A CN202111294060 A CN 202111294060A CN 114034492 A CN114034492 A CN 114034492A
- Authority
- CN
- China
- Prior art keywords
- signal
- load
- spectrum
- original
- hilbert
- 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.)
- Granted
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000006835 compression Effects 0.000 title claims abstract description 23
- 238000007906 compression Methods 0.000 title claims abstract description 23
- 230000014759 maintenance of location Effects 0.000 claims abstract description 17
- 230000003595 spectral effect Effects 0.000 claims abstract description 12
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 11
- 230000009466 transformation Effects 0.000 claims abstract description 11
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 8
- 230000002068 genetic effect Effects 0.000 claims abstract description 8
- 230000009191 jumping Effects 0.000 claims abstract description 4
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000009826 distribution Methods 0.000 claims description 10
- 238000013461 design Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012952 Resampling Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000035515 penetration Effects 0.000 description 5
- 238000004321 preservation Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Molecular Biology (AREA)
- Genetics & Genomics (AREA)
- Physiology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
本发明涉及一种基于希尔伯特‑黄变换的汽车零部件载荷谱快速压缩方法,包括:1)获取并输入原始载荷信号;2)对载荷谱进行预处理;3)对原始载荷信号进行经验模态分解,获得多个固有模态函数;4)对每个固有模态函数进行希尔伯特‑黄变换,得到载荷信号的瞬时能量谱;5)利用遗传算法对瞬时能量谱设置阈值并定位低于最优阈值的瞬时能量谱片段,删除载荷信号中对应时间片段;6)对保留信号片段进行拼接,得到最优压缩信号;7)计算压缩载荷信号与原始载荷信号的疲劳损伤保留量等,检验功率谱密度及穿级计数,当疲劳损伤保留量等的误差大于15%时,则循环步骤5)重新求取阈值,反之,则跳出循环;8)完成汽车零部件载荷谱的压缩工作。
Description
技术领域
本发明涉及汽车零部件室内道路模拟试验领域,特别是涉及一种基于希尔伯特-黄变换的汽车零部件载荷谱快速而有效的压缩方法。
背景技术
汽车零部件的可靠性是影响汽车运行安全性的重要因素之一,而试验是对汽车零部件设计与制造的重要评价手段。室内道路模拟试验无需涉及到试验场地的租赁、驾驶员的聘用等问题,并可通过对试验载荷谱进行编辑处理来提高试验效率,缩短试验时间,因此被广泛使用。汽车零部件载荷谱编辑技术是进行室内道路模拟试验研究的重要环节之一,对采集的零件载荷谱进行加速编辑,在保证载荷谱加载效果相同的前提下,得到时间更短的载荷谱,用于零件疲劳耐久性试验研究,可以显著提高研究效率。要保证缩减载荷谱与原始载荷谱对零件的加载效果相同,必须要使缩减载荷谱在损伤量、统计参数(均值、均方根值和峰值系数)、功率谱密度以及穿级计数等方面与原始信号基本一致。
目前零部件载荷谱编辑的方法有多种,大致分为基于时域以及基于频域的编辑等,基本的原理都是删除信号中对损伤贡献量不大的循环以缩短试验时间,且保证压缩信号的损伤保留量与原始信号基本一致。编辑方法之间的差异主要体现在损伤量识别与删除的方法上,可通过设定损伤、应变、载荷谱等指标的阈值来剔除无效信号片段,实现载荷谱加速。对于汽车耐久试验中的载荷信号,利用希尔伯特-黄变换方法可以进行有效的时频分析,获取瞬时能量谱并以此为据识别并提取信号中损伤贡献量大的片段,以实现载荷谱的缩减。
对于原始载荷谱进行加速编制的方法,现有常用技术为:利用Ncode等软件,设置相应损伤保留量,基于时域进行载荷谱的缩减。但该方法的缩减效果有限,且所得的压缩信号在统计参数、功率谱密度分析、边际谱分析以及穿级计数等方面与原始信号相比发生了较大变化,存在差异。因此,提出一种基于希尔伯特-黄变换的用于汽车零部件载荷谱快速压缩的有效方法,充分结合信号的时-频域进行分析,使压缩信号不仅压缩效果显著,并且在统计参数(均值、均方根值和峰值系数)、功率谱密度分析以及穿级计数等方面与原始信号保持基本一致,实现与原始信号相同的加载效果。
发明内容
本发明主要解决的技术问题是提供一种基于希尔伯特-黄变换的汽车零部件载荷谱快速压缩方法,该方法结合时-频域对原始载荷信号进行分析,能最大限度的压缩原始载荷信号,并保证压缩信号与原始信号在疲劳损伤保留量、统计参数(均值、均方根值和峰值系数)、功率谱密度分布以及穿级计数等方面基本保持一致,从而实现相同的加载效果。
本发明所述的基于希尔伯特-黄变换的汽车零部件载荷谱快速压缩方法,其具体包括如下步骤:
1)获取并输入原始载荷信号;
2)对载荷谱进行预处理,包括滤波、去毛刺、漂移修正处理以及重采样;
3)对原始载荷信号进行经验模态分解,获得多个固有模态函数;
4)对每个固有模态函数进行希尔伯特-黄变换,得到载荷信号的瞬时能量谱;
5)利用遗传算法对瞬时能量谱设置阈值,根据所求阈值,定位低于阈值的瞬时能量谱片段,并定位对应数据的时间点,将时间点对应到原始载荷信号中,删除该损伤贡献小的信号片段;
6)对保留信号片段进行拼接,得到相应压缩信号;
7)计算压缩载荷信号与原始载荷信号的疲劳损伤保留量、统计参数,检验功率谱密度以及穿级计数,当疲劳损伤保留量过低、统计参数的误差大于15%时,则循环步骤5)重新求取阈值,直到压缩信号与原始信号的误差值小于15%,并且二者的频率域功率谱密度分布以及幅值域穿级计数具有一致性,则跳出循环;
8)完成汽车零部件载荷谱的压缩工作。
进一步地,希尔伯特-黄变换包括:经验模态分解和Hilbert变换;经验模态分解即可把复杂信号分解为有限个固有模态函数;对每个固有模态函数进行Hilbert变换,可分析信号时频特性。
进一步地,所述步骤5)中对瞬时能量谱设置阈值的步骤具体包括:利用遗传算法,以瞬时能量谱阈值为设计变量,以载荷信号编辑前后的信号压缩比最小为目标函数,以压缩信号与原始信号的损伤比误差为约束条件,进行阈值寻优计算,找到给定区间内最优阈值;截止阈值与压缩载荷谱信号的时间历程长度以及疲劳损伤保留量有密切联系。
进一步地,所述步骤6)中对保留信号片段进行拼接的步骤具体包括:瞬时能量谱对应到原始信号中的时间不存在交集,即可对原始信号中保留片段直接进行拼接,拼接方法采用半正弦信号进行连接。
进一步地,所述步骤7)中所述统计参数包括:均值、均方根值和峰度系数。
本发明的积极效果:
本发明所述的基于希尔伯特-黄变换的汽车零部件载荷谱快速压缩方法,其具备如下优点:
基于希尔伯特-黄变换的汽车零部件载荷谱快速压缩的有效方法,可针对随机非平稳信号从时-频域上进行分析,与传统的基于损伤保留的编辑方法有根本区别,不仅能在时域上保证信号压缩前后的一致性,更使其在频域特征上分布一致;
基于希尔伯特-黄变换的汽车零部件载荷谱快速压缩的有效方法,在相同的损伤保留量的情况下,与基于时域损伤保留编辑方法以及基于短时傅里叶变换的辑方法相比,信号的压缩效果更好;
基于希尔伯特-黄变换的汽车零部件载荷谱快速压缩的有效方法,与基于时域损伤保留的编辑方法相比,前者的统计参数(均值、均方根值以及峰度系数)的误差大,但能保持在15%以下;
基于希尔伯特-黄变换的汽车零部件载荷谱快速压缩的有效方法,与基于时域损伤保留的编辑方法相比,前者的幅值域穿级计数分析与原始载荷更接近;
基于希尔伯特-黄变换的汽车零部件载荷谱快速压缩的有效方法,与基于时域损伤保留的编辑方法相比,前者的频域功率谱密度分布与原始载荷更接近;
基于希尔伯特-黄变换的汽车零部件载荷谱快速压缩的有效方法,与基于时域损伤保留的编辑方法相比,前者的边际谱分布、变化趋势与原始载荷信号更接近;
本发明基于希尔伯特-黄的时频分析方法,能准确辨识提取高疲劳损伤部分,快速压缩形成加速载荷谱,并且最大程度地压缩原始载荷信号且保证所得压缩信号与原始信号保持基本一致,实现与原始信号相同的加载效果。
附图说明
图1是本发明的方法流程图;
图2是表示信号能量在时频域分布情况的希尔伯特谱图;
图3是实测数据的瞬时能量谱;
图4是基于瞬时能量谱的阈值设置提取信号时间片段示意图;
图5是大损伤贡献量的时域信号片段提取示意图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为基于希尔伯特-黄变换的汽车零部件载荷谱快速压缩方法的流程框图,其具体流程如下:
1)获取并输入原始载荷信号;
2)对载荷谱进行预处理,包括滤波、去毛刺、漂移修正处理以及重采样;
3)对原始载荷信号进行经验模态分解,获得多个固有模态函数;
4)对每个固有模态函数进行希尔伯特-黄变换,得到载荷信号的瞬时能量谱;
5)利用遗传算法对瞬时能量谱设置阈值,根据所求阈值,定位低于阈值的瞬时能量谱片段,并定位对应数据的时间点,将时间点对应到原始载荷信号中,删除该损伤贡献小的信号片段;
6)对保留信号片段进行拼接,得到相应压缩信号;
7)计算压缩载荷信号与原始载荷信号的疲劳损伤保留量、统计参数,检验功率谱密度以及穿级计数,当疲劳损伤保留量过低、统计参数的误差大于15%时,则循环步骤5)重新求取阈值,直到压缩信号与原始信号的误差值小于15%,并且二者的频率域功率谱密度分布以及幅值域穿级计数具有一致性,则跳出循环;
8)完成汽车零部件载荷谱的压缩工作。
进一步地,希尔伯特-黄变换包括:经验模态分解和Hilbert变换。经验模态分解即可把复杂信号分解为有限个固有模态函数;对每个固有模态函数进行Hilbert变换,可分析信号时频特性。
进一步地,所述步骤5)中对瞬时能量谱设置阈值的步骤具体包括:利用遗传算法,以瞬时能量谱阈值为设计变量,以载荷信号编辑前后的信号压缩比最小为目标函数,以压缩信号与原始信号的损伤比误差为约束条件,进行阈值寻优计算,找到给定区间内最优阈值;截止阈值与压缩载荷谱信号的时间历程长度以及疲劳损伤保留量有密切联系。
进一步地,所述步骤6)中对保留信号片段进行拼接的步骤具体包括:瞬时能量谱对应到原始信号中的时间不存在交集,即可对原始信号中保留片段直接进行拼接,拼接方法采用半正弦信号进行连接。
进一步地,所述步骤7)中所述统计参数包括:均值、均方根值和峰度系数。
图2是载荷信号的希尔伯特谱示意图,其具体解释如下:
对实测载荷信号进行经验模态分解,获得有限个固有模态函数(IMF),再对每个固有模态函数作Hilbert变换,即可获取信号的希尔伯特谱,表示了信号能量在时频域的分布情况。
图3是实测数据的瞬时能量谱,图4是基于瞬时能量谱的阈值设置提取信号时间片段示意图,对于附图的具体解释如下:
对实测数据经希尔伯特-黄变换得到的有限个固有模态函数(IMF)所对应的瞬时频率(imfinsf)和瞬时能量(imfinse),将其各瞬时能量(imfinse)进行叠加即可得到信号的瞬时能量谱,表征了信号能量在时域的分布情况。
瞬时能量谱图表征了信号能量在时域的分布情况,通过对瞬时能量设定阈值,定位低于阈值的瞬时能量谱时间片段,删除原始载荷信号中相应时间片段,对保留下来的信号片段进行拼接,即可得到与原始载荷信号作用效果基本相同的压缩信号。其阈值的设定主要利用遗传算法,以瞬时能量谱阈值为设计变量,以载荷信号编辑前后的信号压缩比最小为目标函数,以压缩信号与原始信号的损伤比误差为约束条件,进行阈值寻优计算,找到给定区间内最优阈值;截止阈值与压缩载荷谱信号的时间历程长度以及疲劳损伤保留量有密切联系。
图5是定位低于阈值的瞬时能量谱片段对应原数据信号的时间片段删减示意图,其具体解释如下:
通过定位低于阈值的瞬时能量谱时间片段(图4中灰色部分),对应到原始载荷信号中相同位置的时间片段上,如图中灰色片段部分所示,对该区域数据片段进行删除,将剩余时间片段通过半正弦信号组合拼接即获得相应压缩信号。
本说明书中未作详细描述的内容部分属于本领域专业技术人员公知的现有技术。
本发明的上述实例仅是为清楚地说明本发明所作的举例,而并非是对本发明实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的改变。在此无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (5)
1.基于希尔伯特-黄变换的汽车零部件载荷谱快速压缩方法,其特征在于:包括如下步骤:
1)获取并输入原始载荷信号;
2)对载荷谱进行预处理,包括滤波、去毛刺、漂移修正处理以及重采样;
3)对原始载荷信号进行经验模态分解,获得多个固有模态函数;
4)对每个固有模态函数进行希尔伯特-黄变换,得到载荷信号的瞬时能量谱;
5)利用遗传算法对瞬时能量谱设置阈值,根据所求阈值,定位低于阈值的瞬时能量谱片段,并定位对应数据的时间点,将时间点对应到原始载荷信号中,删除该损伤贡献小的信号片段;
6)对保留信号片段进行拼接,得到相应压缩信号;
7)计算压缩载荷信号与原始载荷信号的疲劳损伤保留量、统计参数,检验功率谱密度以及穿级计数,当疲劳损伤保留量过低、统计参数的误差大于15%时,则循环步骤5)重新求取阈值,直到压缩信号与原始信号的误差值小于15%,并且二者的频率域功率谱密度分布以及幅值域穿级计数具有一致性,则跳出循环;
8)完成汽车零部件载荷谱的压缩工作。
2.根据权利要求1所述的基于希尔伯特-黄变换的汽车零部件载荷谱快速压缩方法,其特征在于:希尔伯特-黄变换包括:经验模态分解和Hilbert变换;经验模态分解即可把复杂信号分解为有限个固有模态函数;对每个固有模态函数进行Hilbert变换,可分析信号时频特性。
3.根据权利要求1所述的基于希尔伯特-黄变换的汽车零部件载荷谱快速压缩方法,其特征在于:所述步骤5)中对瞬时能量谱设置阈值的步骤具体包括:利用遗传算法,以瞬时能量谱阈值为设计变量,以载荷信号编辑前后的信号压缩比最小为目标函数,以压缩信号与原始信号的损伤比误差为约束条件,进行阈值寻优计算,找到给定区间内最优阈值;截止阈值与压缩载荷谱信号的时间历程长度以及疲劳损伤保留量有密切联系。
4.根据权利要求1所述的基于希尔伯特-黄变换的汽车零部件载荷谱快速压缩方法,其特征在于:所述步骤6)中对保留信号片段进行拼接的步骤具体包括:瞬时能量谱对应到原始信号中的时间不存在交集,即可对原始信号中保留片段直接进行拼接,拼接方法采用半正弦信号进行连接。
5.根据权利要求1所述的基于希尔伯特-黄变换的汽车零部件载荷谱快速压缩方法,其特征在于:所述步骤7)中所述统计参数包括:均值、均方根值和峰度系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111294060.5A CN114034492B (zh) | 2021-11-03 | 2021-11-03 | 基于希尔伯特-黄变换的汽车零部件载荷谱快速压缩方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111294060.5A CN114034492B (zh) | 2021-11-03 | 2021-11-03 | 基于希尔伯特-黄变换的汽车零部件载荷谱快速压缩方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114034492A true CN114034492A (zh) | 2022-02-11 |
CN114034492B CN114034492B (zh) | 2024-04-05 |
Family
ID=80136178
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111294060.5A Active CN114034492B (zh) | 2021-11-03 | 2021-11-03 | 基于希尔伯特-黄变换的汽车零部件载荷谱快速压缩方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114034492B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114878121A (zh) * | 2022-07-11 | 2022-08-09 | 中国飞机强度研究所 | 一种空天飞机结构振动环境模拟试验方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040078160A1 (en) * | 2002-10-11 | 2004-04-22 | Frei Mark G. | Method, computer program, and system for intrinsic timescale decomposition, filtering, and automated analysis of signals of arbitrary origin or timescale |
CN106546436A (zh) * | 2016-10-19 | 2017-03-29 | 华南理工大学 | 一种汽车零部件载荷谱有效压缩方法 |
CN107389478A (zh) * | 2017-06-22 | 2017-11-24 | 上海工程技术大学 | 一种基于小波包分析的材料疲劳寿命的预测方法 |
CN107480340A (zh) * | 2017-07-20 | 2017-12-15 | 华中科技大学 | 一种基于emd时频分析法的多尺度载荷谱建立方法 |
-
2021
- 2021-11-03 CN CN202111294060.5A patent/CN114034492B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040078160A1 (en) * | 2002-10-11 | 2004-04-22 | Frei Mark G. | Method, computer program, and system for intrinsic timescale decomposition, filtering, and automated analysis of signals of arbitrary origin or timescale |
CN106546436A (zh) * | 2016-10-19 | 2017-03-29 | 华南理工大学 | 一种汽车零部件载荷谱有效压缩方法 |
CN107389478A (zh) * | 2017-06-22 | 2017-11-24 | 上海工程技术大学 | 一种基于小波包分析的材料疲劳寿命的预测方法 |
CN107480340A (zh) * | 2017-07-20 | 2017-12-15 | 华中科技大学 | 一种基于emd时频分析法的多尺度载荷谱建立方法 |
Non-Patent Citations (4)
Title |
---|
张佳云: "自卸车耐久性试验载荷谱编辑与外推", 《中国优秀硕士论文库》 * |
晋杰等: "基于希尔伯特-黄变换的汽车耐久性 载荷谱编辑", 《公路交通学报》 * |
李建康: "车辆道路载荷谱的Hilbert边际谱分析方法及应用", 《汽车技术》, pages 55 - 59 * |
赖威: "橡胶隔振器疲劳寿命预测与试验方法研究", 《中国优秀硕士论文全文数据库》, 15 October 2022 (2022-10-15) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114878121A (zh) * | 2022-07-11 | 2022-08-09 | 中国飞机强度研究所 | 一种空天飞机结构振动环境模拟试验方法 |
CN114878121B (zh) * | 2022-07-11 | 2022-09-23 | 中国飞机强度研究所 | 一种空天飞机结构振动环境模拟试验方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114034492B (zh) | 2024-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111306008B (zh) | 风机叶片的检测方法、装置、设备及存储介质 | |
CN110031226A (zh) | 一种轴承故障的诊断方法及装置 | |
CN111581715B (zh) | 一种拖拉机零部件加速载荷谱快速压缩方法 | |
CN101995437B (zh) | 一种拉深件裂纹声发射信号的特征提取方法 | |
CN105834835A (zh) | 一种基于多尺度主元分析的刀具磨损在线监测方法 | |
CN103558029A (zh) | 一种发动机异响故障在线诊断系统和诊断方法 | |
CN106546436B (zh) | 一种汽车零部件载荷谱有效压缩方法 | |
CN110653661A (zh) | 基于信号融合和多重分形谱算法的刀具状态监测识别方法 | |
CN110927535A (zh) | 基于极限学习机的电力设备局部放电严重程度评估方法 | |
CN114034492A (zh) | 基于希尔伯特-黄变换的汽车零部件载荷谱快速压缩方法 | |
CN112364296B (zh) | 一种基于深度学习的p波到时自动拾取方法 | |
CN110322368A (zh) | 一种谐波数据异常检测方法、终端设备及存储介质 | |
CN109781245B (zh) | 一种柴油发动机脉冲噪声的客观评价方法 | |
CN116776284A (zh) | 用于机电设备的故障诊断方法、计算机设备及存储介质 | |
CN116502155A (zh) | 一种用于数控电动螺旋压力机的安全监管系统 | |
CN116340812A (zh) | 一种变压器局部放电故障模式识别方法及系统 | |
CN116150652A (zh) | 一种雷电辐射波形分类系统及方法 | |
CN112539942B (zh) | 一种特征载荷识别及加速试验载荷谱编制方法 | |
CN114462127A (zh) | 基于深度极限学习机的结构损伤识别方法及系统 | |
CN112698405B (zh) | 基于地震动信号的滑坡事件识别、预警、评估方法 | |
CN110031198B (zh) | 一种考虑能量的应变载荷谱编制方法 | |
CN114936419A (zh) | 载荷谱的编制方法、系统、可读存储介质及计算机设备 | |
CN111595939B (zh) | 一种基于超声能量谱的收割机损伤识别方法 | |
CN114235445A (zh) | 一种基于s变换的隔振器道路载荷谱的时间压缩方法 | |
CN116108335A (zh) | 基于Wigner-Ville变换的汽车零部件载荷谱高效压缩编辑方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |