CN114235445A - 一种基于s变换的隔振器道路载荷谱的时间压缩方法 - Google Patents
一种基于s变换的隔振器道路载荷谱的时间压缩方法 Download PDFInfo
- Publication number
- CN114235445A CN114235445A CN202111424921.7A CN202111424921A CN114235445A CN 114235445 A CN114235445 A CN 114235445A CN 202111424921 A CN202111424921 A CN 202111424921A CN 114235445 A CN114235445 A CN 114235445A
- Authority
- CN
- China
- Prior art keywords
- signal
- time
- load spectrum
- spectrum
- power spectral
- 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
- 238000001228 spectrum Methods 0.000 title claims abstract description 119
- 238000000034 method Methods 0.000 title claims abstract description 67
- 230000006835 compression Effects 0.000 title claims abstract description 30
- 238000007906 compression Methods 0.000 title claims abstract description 30
- 230000009466 transformation Effects 0.000 title claims abstract description 26
- 230000003595 spectral effect Effects 0.000 claims abstract description 49
- 239000011159 matrix material Substances 0.000 claims abstract description 42
- 239000000463 material Substances 0.000 claims abstract description 7
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 230000014759 maintenance of location Effects 0.000 claims description 20
- 125000004122 cyclic group Chemical group 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 230000002068 genetic effect Effects 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 7
- 230000009191 jumping Effects 0.000 claims description 6
- 239000000725 suspension Substances 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 5
- 230000035515 penetration Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 abstract description 13
- 230000001186 cumulative effect Effects 0.000 description 9
- 230000009467 reduction Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012952 Resampling Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009661 fatigue test Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000005236 sound signal 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
- G01M17/04—Suspension or damping
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/32—Investigating strength properties of solid materials by application of mechanical stress by applying repeated or pulsating forces
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Complex Calculations (AREA)
Abstract
本发明公开的一种基于S变换的隔振器道路载荷谱的时间压缩方法，包括：步骤1、对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；步骤3、进行离散S变换，得到时频域中二维时频复数矩阵；步骤4、得到累积功率谱密度；步骤5、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，得到压缩后信号；步骤7、进行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。本方法能更好地识别信号中的小损伤片段，能有效提高橡胶材料疲劳耐久性测试效率。
Description
技术领域
本发明属于汽车零部件领域，涉及汽车橡胶零部件进行室内模拟实际路面的台架试验时实采道路载荷谱的时间压缩方法，尤其涉及一种基于S变换的隔振器道路载荷谱的时间压缩方法。
背景技术
基于道路载荷谱(以下简称路谱)的台架试验具有试验周期短，装置简单，可重复性高等优点，适用于零部件疲劳耐久性测试。在试验过程中使用实际采集的路谱作为输入相比于经验载荷谱更能复现实际道路上的情况，也更能准确地反映零部件的寿命。然而，实采路谱中包含了大量对疲劳耐久性测试影响较小的低幅值高循环分量，低幅值高循环分量的存在会增加台架试验的周期，降低疲劳耐久性测试效率。路谱加速编辑通过删除低载荷高循环分量，可以有效缩短台架试验周期。
目前对橡胶材料路谱加速编辑的方法主要是通过不同的手段识别并删除信号中损伤贡献量小的载荷片段，从而获得与原始载荷谱加载效果相同的加速谱，不同方法的差异主要体现在识别方法和片段提取方法的不同上。信号片段对零部件的造成的损伤量通常与其所包含的能量有关，S变换也可以通过得到其累积功率谱密度来来反映信号片段所包含的能量。基于S变换的道路载荷谱时频域编辑方法，主要通过获取信号的累积功率谱密度来识别其中损伤贡献量较大的片段，并且通过对比压缩前后的统计参数(均值、均方根值和峰值系数等)来确定最优的累积功率谱密度阈值及其对应的压缩信号。
现有技术主要是利用疲劳分析软件的时域缩减方法，如朱连峰等在《整车道路模拟试验载荷谱编制的最佳加速限值方法研究》中提出的方法，在模块中设置一个损伤保留量，软件再将信号分成若干等长的窗分别计算其损伤量，再根据需要保留的损伤量删除片段。该方法受窗长的影响较大，过大的窗长会使得时域分辨率较低，过小的窗长则使得频域分辨率较低，难以同时获得较高的时域分辨率以及频域分辨率。这通常会造成压缩路谱与原始载荷谱两者的统计参数(均值、均方根值和峰值系数等)有较大区别。
发明内容
本发明所要解决的技术问题是：提出一种基于S变换的车辆橡胶隔振器道路载荷谱的时间压缩方法，可以缩短橡胶隔振器的台架疲劳试验时间。该方法使用S变换得到原始载荷谱的累积功率谱密度，根据所得到累积功率谱密度结合遗传算法更好地识别原始信号中的小损伤片段并将其删除得到压缩信号。该方法由于使用尺度变化的窗长划分时域信号，能够更好地识别信号中的小损伤片段，使得压缩编辑前后的信号在统计参数(均值、均方根值和峰值系数等)、伪损伤保留量以及穿级计数等方面的误差控制在一定范围内，以保证压缩信号与原始信号具有相同的加载效果，最终使得零部件疲劳台架实验的实验效率大大提高，为零部件的疲劳设计提高效率。
为解决上述技术问题，本发明提供的一种基于S变换的隔振器道路载荷谱的时间压缩方法，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。
进一步地，在步骤1之前还包括步骤：输入橡胶悬置的原始载荷谱。
进一步地，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。
进一步地，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。
进一步地，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。
进一步地，步骤7中循环寻优时，使用遗传算法进行寻优。
进一步地，步骤7中将预设误差阈值设定为15％。
进一步地，步骤7中所述统计参数包括均值、均方根和峰度系数。
进一步地，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。
进一步地，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。
本发明与现有技术相比，至少具有以下有益效果：
1)本发明方法使用尺度变化的窗长划分时域信号，通过变化的分辨率可以更好地识别信号中的小损伤片段，因此对小损伤片段的识别精度更高。通过本方法得到的压缩信号其伪损伤保留量相较于现有的基于损伤保留的时域编辑方法得到的压缩信号的大，并且能够保持在99％以上；
2)本发明方法得到的压缩信号其统计参数(均值、均方根和峰度系数)相较于现有的基于损伤保留的时域编辑方法得到的压缩信号的更接近于原始信号，并且能够将误差控制在15％以内；
3)本发明方法得到的压缩信号其穿级计数曲线相较于现有的基于损伤保留的时域编辑方法得到的压缩信号的更接近于原始信号；
4)本发明方法得到的压缩信号其功率谱密度曲线相较于现有的基于损伤保留的时域编辑方法得到的压缩信号的更接近于原始信号；
5)本发明方法得到的压缩信号在保留相同的损伤量的情况下，其所能压缩的时长相对于现有的基于损伤保留编辑方法得到的压缩信号要更长；
6)本发明方法相对于现有的基于短时傅里叶变换的缩减编辑方法对小损伤载荷片段识别的准确性更高；
7)本发明方法相对于现有的基于小波变换的缩减编辑方法在操作上的自适应性更高；
8)本发明方法由于可以在保证较高的伪损伤保留量的情况下更好地识别、删去信号中的小损伤片段，因此对不同的路面工况的路谱都能够保持较高的伪损伤保留量。所以本发明提供的基于S变换的时间压缩方法相较于现有的基于损伤保留的时域编辑方法更能够保持原始信号的所有路面工况。
9)本发明方法可以分别对单轴和多轴的零件载荷谱进行缩减处理，对小损伤载荷片段识别的准确性更高，并且所得到的缩减信号在损伤保持量、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保持基本一致，可以实现与原始信号相同的加载效果。
附图说明
图1是本发明实施例提供的一种基于S变换的汽车橡胶隔振器道路载荷谱时频域编辑方法的流程示意图。
图2是本发明实施例中使用的仿真模拟信号示意图。
图3是本发明实施例中二维时频谱图。
图4是本发明实施例中累积功率谱密度阈值划分图。
图5是本发明实施例中实例的缩减后的信号示意图。
图6是本发明实施例中多轴信号拼接图。
图7是本发明实施例中原始载荷谱与压缩后载荷谱的穿级计数图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都是本发明保护的范围。
为了提高橡胶材料疲劳耐久性测试效率，本发明提供一种基于S变换的隔振器道路载荷谱的时间压缩方法，使得压缩后的路谱与原始路谱具有相同的加载效果的同时，能够压缩路谱的时间长度。还可以保证缩减后的路谱与原始路谱在统计参数(均值、均方根值和峰值系数)、伪损伤量以及穿级计数等方面具有一致性。
如图1所示，本发明提供的一种基于S变换的隔振器道路载荷谱的时间压缩方法，包括以下步骤：
步骤1、输入橡胶隔振器的原始载荷谱。
通常实采路谱在汽车试验场内强化路面采集获得，在本发明的其中一些实施例中，在橡胶隔振器的约束端处安装三分力传感器，采集车辆在路面行驶过程中作用于橡胶隔振器上的三向分力信号。本实施例使用的是三分力传感器采集的左悬置x向力载荷Fx信号作为橡胶隔振器的原始载荷谱，如图2所示，其信号长度为466s。
步骤2、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。
在本发明的其中一些实施例中，所述前处理包括降重采样、低通滤波和去毛刺。其中，由于原始采集的信号采样频率过高，会导致后续需要处理的数据量庞大，因此对原始载荷谱进行降重采样处理，从而减少数据量；由于原始实采的路谱在采集的过程当中由于一些偶然因素使得信号中有一些高频的噪声，因此对原始载荷谱进行低通滤波和去毛刺的前处理来去除高频噪声，得到处理后的时域信号。
步骤3、使用高斯窗对时域信号进行划分：过去短时傅里叶变换使用的窗函数为固定长度的矩形窗，难以同时获得较好的时间分辨率和频率分辨率，因此改良使用如公式(1)-(2)所示的高斯窗进行时域划分；
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。
本步骤中，可选择的窗函数类型较多，如固定窗长的矩形窗等。传统使用的固定窗长的矩形窗难以同时获得高的时间分辨率和频率分辨率，而本发明改良使用的高斯窗的窗长尺度与频率成反比。当频率增加时，高斯窗函数尺度变小，高频段频率分辨率提高；反之，高斯窗函数尺度变大，低频段时间分辨率提高。
本步骤通过使用尺度变化的窗长划分时域信号，能够更好地识别信号中的小损伤片段，使得路谱在压缩前后的统计参数(均值、均方根值和峰值系数等)误差能够控制在一定范围内。
步骤4、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。
式(3)为连续信号的S变换，其中S(τ，f)为变换得到的时频谱矩阵。但在本发明的其中一些实施例中，由于采集到的信号通常都是离散信号，所以需要对采集到的原始信号进行如公式(4)-(6)离散的S变换，变换得到时频域中的一个如公式(7)所示的二维时频复数矩阵，二维时频复数矩阵，二维时频复数矩阵中的每个元素包含了对应时刻和对应频率的幅值和相位信息，其行向量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，其中的分量bmn可表示为如公式(8)；
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。
步骤5、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PSDm×n。后续可以通过获取信号的累积功率谱密度来识别其中损伤贡献量较大的片段。
在本发明的其中一些实施例中，得到累积功率谱密度的方式如下：
由二维时频复数矩阵获得如公式(9)所示的功率谱密度估计值；
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，如图3所示；
其中，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。
本步骤中的累积功率谱密度求取：功率谱密度描述了信号能量在整个频率范围的分布情况，将各频率下的功率谱密度累加获得某一时刻的累积功率谱密度，累积功率谱密度越大，表示信号能量越高，即造成的损伤越大。
步骤6、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实采载荷谱中，得到若干损伤贡献量大的信号片段。
在本发明的其中一些实施例中，如图4所示，使用累积功率谱密度的峰值的1％作为初始阈值。
步骤7、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。
在本发明的其中一些实施例中，如果是单轴载荷谱，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。如果是多轴载荷谱，对多轴的汽车橡胶隔振器载荷谱而言，请参阅图6，其根据累积功率谱密度提取出来的信号片段是不相同，且之间可能在时间上存在着交集的部分。为了保证各通道之间的相位关系与删减前相同，需要对各通道进行同步删减与保留。因此，对多轴载荷谱提取出的信号进行拼接的时候，应当对各通道的信号片段取并集处理，得到最终的缩减信号。
步骤8、计算缩减信号的统计参数(均值、均方根和峰度系数)、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之间的误差大于预设误差阈值时，则跳回第步骤6步重新设置阈值再次循环，使用遗传算法进行寻优，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。
在本发明的其中一些实施例中，通过对比压缩前后的统计参数(均值、均方根值和峰值系数等)来确定最优的累积功率谱密度阈值及其对应的压缩信号。
在本发明的其中一些实施例中，对于不同的累积功率谱密度阈值得到的压缩信号的统计参数也不同。按照具体的实际应用设定预设误差阈值，在实际工程应用当中，通常规定压缩信号与原始载荷谱的统计参数和伪损伤保留量误差不大于15％。因此当缩减信号与原始载荷谱的统计参数和伪损伤保留量误差大于15％时，则跳回步骤6重新设置密度阈值再次循环，使用遗传算法进行寻优。只有当两者误差小于15％时，则跳出循环得到最终的压缩谱。
在本发明的其中一些实施例中，采用疲劳分析软件计算缩减信号的统计参数(均值、均方根和峰度系数)、穿级计数和损伤保留量。
本步骤中使用遗传算法来提高搜索效率。以累积功率谱密度作为设计变量，以压缩信号与原始载荷谱的统计参数(均值、均方根和峰度系数的误差均要小于预设误差阈值)的误差小于预设误差阈值为约束条件(通过在遗传算法中设置多个约束条件)，确定最优的密度阈值。而对于穿级计数，则通过压缩前后的图谱进行比较，如图7所示，压缩前后的图谱重合，即保证了缩减后的路谱与原始载荷谱在穿级计数上具有一致性。
在本发明的其中一些实施例中，伪损伤保留量是一个相对量，如公式(9)所示，伪损伤与真实损伤成比例，将力和扭矩参数直接与疲劳寿命联系起来，减少了通过有限元计算将力信号转变为应力和应变的过程，使得计算过程得到了简化。
其中，u为循环载荷的总量，
为第l个循环载荷造成的伪损伤，
为传感器采集到的力信号或扭矩信号等原始载荷谱，zl为第l个循环载荷的循环次数，B为材料参数。
步骤9、根据所述压缩谱完成信号缩减工作。
在本发明的其中一些实施例中，如图5所示，压缩后的信号相比于原始荷载谱信号的时间长度缩短了15.4％。而传统使用疲劳分析软件的时域缩减方法对于同一路谱的编辑结果其时间长度仅缩短11.59％。在保留相同的损伤量的情况下，本发明方法所能压缩的时长相对于现有的基于损伤保留编辑方法得到的压缩信号要更长。
本发明提供的一种基于S变换的隔振器道路载荷谱的时间压缩方法，使得压缩后的路谱与原始载荷谱具有相同的加载效果的同时，能够压缩路谱的时间长度，具有重要的理论研究及工程应用价值。此外，还保证了缩减后的路谱与原始载荷谱在统计参数(均值、均方根值和峰值系数)、伪损伤量以及穿级计数等方面具有一致性，能够有效提高橡胶材料疲劳耐久性测试效率。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
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。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111424921.7A CN114235445A (zh) | 2021-11-26 | 2021-11-26 | 一种基于s变换的隔振器道路载荷谱的时间压缩方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111424921.7A CN114235445A (zh) | 2021-11-26 | 2021-11-26 | 一种基于s变换的隔振器道路载荷谱的时间压缩方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114235445A true CN114235445A (zh) | 2022-03-25 |
Family
ID=80751549
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111424921.7A Pending CN114235445A (zh) | 2021-11-26 | 2021-11-26 | 一种基于s变换的隔振器道路载荷谱的时间压缩方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114235445A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN110646216A (zh) * | 2019-09-11 | 2020-01-03 | 湖南猎豹汽车股份有限公司 | 一种由路谱载荷生成台架试验载荷的方法 |
| CN111504640A (zh) * | 2020-04-30 | 2020-08-07 | 电子科技大学 | 一种加权滑动窗二阶同步压缩s变换轴承故障诊断方法 |
-
2021
- 2021-11-26 CN CN202111424921.7A patent/CN114235445A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN110646216A (zh) * | 2019-09-11 | 2020-01-03 | 湖南猎豹汽车股份有限公司 | 一种由路谱载荷生成台架试验载荷的方法 |
| CN111504640A (zh) * | 2020-04-30 | 2020-08-07 | 电子科技大学 | 一种加权滑动窗二阶同步压缩s变换轴承故障诊断方法 |
Non-Patent Citations (3)
| Title |
|---|
| 朱茂桃: ""基于短时傅里叶变换的汽车零部件耐久性载荷信号编辑方法"", 《机械工程学报》 * |
| 王睿等编著, 北京航空航天大学出版社 * |
| 董国疆: ""基于S变换的汽车零部件疲劳载荷谱编辑法研究"", 《中国公路学报》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113010964B (zh) | 一种基于虚拟试验场的车辆台架试验载荷谱分析方法 | |
| CN111581715B (zh) | 一种拖拉机零部件加速载荷谱快速压缩方法 | |
| CN104932017B (zh) | 一种异常振幅压制方法及装置 | |
| CN112395940A (zh) | 一种基于密度峰值机器学习算法的道路载荷谱制取方法 | |
| CN107274915A (zh) | 一种基于特征融合的数字音频篡改自动检测方法 | |
| CN107123432A (zh) | 一种自匹配Top‑N音频事件识别信道自适应方法 | |
| CN114818815B (zh) | 用于叶片振动测量的叶尖定时到达时刻的获取方法及系统 | |
| CN106548031A (zh) | 一种结构模态参数识别方法 | |
| CN112539942B (zh) | 一种特征载荷识别及加速试验载荷谱编制方法 | |
| CN117648557A (zh) | 一种基于soh联合降噪的soh预测方法及设备 | |
| CN117686774A (zh) | 一种宽频电压信号监测方法、系统、设备及存储介质 | |
| CN104111109B (zh) | 一种基于不同阶次统计量及支持向量机的机械振动状态识别方法 | |
| 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 | |
| CN114034492B (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 | |
| CN116046968A (zh) | 一种液相色谱工作站数据处理方法、系统及可存储介质 | |
| CN114969994B (zh) | 基于单测点多向数据融合的rv减速器故障诊断方法及系统 | |
| CN114674572A (zh) | 一种汽车耐久性试验的数据编辑方法 | |
| CN115563480A (zh) | 基于峭度比系数筛选辛几何模态分解的齿轮故障辨识方法 | |
| CN114565033A (zh) | 储能运行工况特征参数体系构建方法、系统及存储介质 | |
| CN114993671A (zh) | 一种基于q因子小波变换的振动故障诊断方法及其系统 | |
| CN114547887A (zh) | 一种多通道载荷谱的编制方法 | |
| CN115980607A (zh) | 基于增量容量曲线特征点的电池健康状态soh估算方法 | |
| CN118135525B (zh) | 网约车车载行道树点云分类与特征信息提取方法 | |
| CN114239364B (zh) | 基于改进小波包能量曲率的斜拉桥损伤识别方法及装置 | |
| 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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220325 |
|
| RJ01 | Rejection of invention patent application after publication |