CN116805125A - 一种高速变速器的性能参数优化方法 - Google Patents

Abstract

本发明涉及电子数字数据处理技术领域，具体涉及一种高速变速器的性能参数优化方法，包括：通过分析对小波分解后子带系数对应分布直方图，获取硬阈值，根据转速周期曲线以及子带系数的数据特征获得有效信息残留比，通过软阈值迭代，根据有效信息残留比和子带系数构建最优软阈值目标函数，获取最优软阈值，最后根据最优软阈值和硬阈值处理后的数据获得去噪平滑后的传动数据。本发明获得的去噪平滑后的传动数据中，实际传动数据的保留更加完整，去噪效果更理想，避免了利用常规小波变换进行去噪时，去噪效果不够理想的问题，使得利用去噪平滑后的传动数据获得传动比，以调节高速变速器的性能参数时的结果可信度更高。

Description

一种高速变速器的性能参数优化方法

技术领域

本发明涉及电子数字数据处理技术领域，具体涉及一种高速变速器的性能参数优化方法。

背景技术

高速变速器是一种用于传动高转速和大功率的机械设备，主要由输入轴、输出轴、齿轮、轴承等组成，高速变速器中齿轮的相关参数直接影响了高速变速器中输入轴和输出轴之间所对应的传动比，因此为了获得更好的传动比，专业人员通常获取高速变速器的输出轴和输出轴对应的传动数据，对其进行分析，获取更加合适的齿轮大小，优化高速变速器的性能参数。

而传动数据在获取过程中由于机械震动、电磁干扰等原因，获得的数据中存在复杂且较密集的噪声，严重影响传动比的计算精度，导致高速变速器的性能参数优化效果不理想，为了对获得的传动数据进行去噪处理，通常利用现有的小波变换算法去除噪声，去噪效果较好，但是小波变换在去噪过程中硬阈值和软阈值的选取，通常需要不断地调节，耗费人力物力，本发明提出了一种高速变速器的性能参数优化方法，对小波变换算法中硬阈值和软阈值的选取方法进行了改进，使得小波变换能够更好的实现对高速变速器中，传动数据的去噪平滑处理，以进一步实现对高速变速器的性能参数进行智能优化。

发明内容

本发明提供一种高速变速器的性能参数优化方法，以解决现有的问题。

本发明的一种高速变速器的性能参数优化方法采用如下技术方案：

本发明提供了一种高速变速器的性能参数优化方法，该方法包括以下步骤：

获取传动数据；

分解传动数据获得若干个子带系数，并获取各类子带系数的分布概率，根据子带系数的数值以及分布概率之间的差异，获得硬阈值；

获取并拟合传动数据的所有极值点，获得转速周期曲线，对转速周期曲线中的单峰信号进行采样，根据采样点的数值差异获得转速周期曲线的分布特征，记为第一特征；根据传动数据的所有子带系数获得所形成子带系数序列的分布特征，记为第二特征；根据第一特征与第二特征之间的差异获得有效信息残留比；

将小于硬阈值的数值记为软阈值，利用任意软阈值对传动数据进行处理，获取软阈值处理后放入传动数据所对应的若干个子带系数，记为软阈值-子带系数；根据有效信息残留比、软阈值-子带系数构建最优软阈值目标函数，根据最优软阈值目标函数获得最优软阈值；

利用硬阈值和软阈值对传动数据进行处理，获得第一传动数据和第二传动数据，根据传动数据与转速周期曲线的差异获得残余数据；对第一传动数据、第二传动数据以及残余数据进行采样，分别获得若干个采样点；构建滑动窗口遍历残余数据，获得残余数据中采样点的噪声干扰程度；根据第一传动数据和第二传动数据之间的差异，以及噪声干扰程度获得去噪后对应采样点，对去噪后对应采样点进行拟合，根据拟合结果实现高速变速器的性能参数智能优化。

进一步的，所述分解传动数据获得若干个子带系数，并获取各类子带系数的分布概率，根据子带系数的数值以及分布概率之间的差异，获得硬阈值，包括的具体步骤如下：

步骤（1），利用Morlet函数作为小波变换的基函数，对传动数据进行小波变换，传动数据在频域上被分成若干个子带后，获得对应的若干个子带系数；

步骤（2），统计所有子带系数，获取对应的分布直方图，记为子带系数直方图，子带系数直方图表示了各类子带系数对应的分布概率，则获取各类子带系数对应的分布概率；

步骤（3），获取子带系数直方图中所有相邻子带系数之间，由子带系数的数值和分布概率所形成数组的欧氏距离，将最大欧式距离记为硬阈值。

进一步的，所述获取并拟合传动数据的所有极值点，获得转速周期曲线，对转速周期曲线中的单峰信号进行采样，根据采样点的数值差异获得转速周期曲线的分布特征，记为第一特征，包括的具体步骤如下：

步骤（1），首先获取传动数据中的所有极值点，利用最小二乘法拟合所有极值点，将拟合获得的曲线记为转速周期曲线；

然后，将转速周期曲线中每两个零点之间的信号，记为单峰信号；获取转速周期曲线中的所有单峰信号，预设采样频率对任意单峰信号进行系统采样，获得若干个采样点；

最后，获取所有单峰信号的均方误差；

步骤（2），将转速周期曲线中所有单峰信号的均方误差对应的标准差，记为转速周期曲线的分布特征。

进一步的，所述根据传动数据的所有子带系数获得所形成子带系数序列的分布特征，记为第二特征，包括的具体步骤如下：

将传动数据对应的所有子带系数所形成的序列记为子带系数序列；将子带系数序列对应的标准差记为子带系数序列的分布特征，也称为第二特征。

进一步的，所述有效信息残留比，获取方法如下：

将转速周期曲线的分布特征，与子带系数序列的分布特征的差值记为第一差值；将第一差值与转速周期曲线的分布特征之间比值的绝对值，记为有效信息残留比。

进一步的，所述根据有效信息残留比、软阈值-子带系数构建最优软阈值目标函数，根据最优软阈值目标函数获得最优软阈值，包括的具体步骤如下：

首先，获取经过软阈值处理的传动数据中，任意单峰信号的均方误差；获取所有软阈值-子带系数的标准差；

然后，根据有效信息残留比、软阈值-子带系数的标准差，以及经过软阈值处理的传动数据中单峰信号的均方误差，构建最优软阈值目标函数：

其中，E表示软阈值目标函数，代表有效信息残留比，/>表示所有软阈值-子带系数的标准差，/>表示经过软阈值处理的传动数据中，第/>个单峰信号的均方误差，/>表示获取最小值；

最后，将最优软阈值目标函数E所对应的软阈值，记为最优软阈值。

进一步的，所述利用硬阈值和软阈值对传动数据进行处理，获得第一传动数据和第二传动数据，根据传动数据与转速周期曲线的差异获得残余数据，包括的具体步骤如下：

首先，分别利用最优软阈值和硬阈值处理传动数据，将最优软阈值处理后的传动数据记为第一传动数据，将硬阈值处理后的传动数据记为第二传动数据；

然后，利用传动数据减去转速周期曲线，得到残余数据。

进一步的，所述构建滑动窗口遍历残余数据，获得残余数据中采样点的噪声干扰程度，包括的具体步骤如下：

首先，利用预设的采样频率对残余数据进行系统采样，并构建预设长度大小的滑动窗口，对残余数据进行遍历；

然后，获取在遍历过程中，滑动窗口中残余数据的方差，记为局部残余方差；

最后，利用线性归一化将所有局部残余方差进行归一化处理，将归一化处理结果记为噪声干扰程度。

进一步的，所述根据第一传动数据和第二传动数据之间的差异，以及噪声干扰程度获得去噪后对应采样点，包括的具体步骤如下：

传动数据去噪后对应采样点的获取方法为：

其中，表示传动数据去噪后第/>个采样点的数值，/>表示利用硬阈值/>获得的第二传动数据中，第/>个采样点的数值；/>表示利用最优软阈值/>获得的第一传动数据中，第/>个采样点的数值；/>表示残余数据中第/>个采样点的噪声干扰程度。

进一步的，所述对去噪后对应采样点进行拟合，根据拟合结果实现高速变速器的性能参数智能优化，包括的具体步骤如下：

首先，利用最小二乘法拟合所有去噪后的采样点，获得去噪平滑后的传动数据；

然后，获取去噪平滑后的传动数据，所对应的去噪平滑后的输入轴和输出轴的转速数据，利用输入轴和输出轴的转速数据中，同一时间下对应数据点数据的比值作为传动比，当传动比低于传动比阈值时，通过增加高速变速器的齿数提高传动比，以优化高速变速器性能，实现对高速变速器的性能参数智能优化。

本发明的技术方案的有益效果是：针对小波变换去除高速变速器传动试验中转速信号噪声的问题，提出阈值优化方法，我们通过对小波分解后子带系数统计直方图的分析获取硬阈值，然后根据信号周期曲线以及子带系数数据特征构建模型，评估子带系数中由于此前尺度不当导致的有效信息残留比，然后通过软阈值迭代，根据有效信息残留比和剩余子带系数构建目标函数获取软阈值，使有效信息残留比与剩余子带系数均方差相互约束，限制软阈值较高导致有效信息丢失。最后根据软、硬阈值处理后信号，以及局部噪声干扰，自适应最终平滑信号幅值，然后拟合得到最终转速信号，本发明既解决了小波变换中尺度不当导致有效信息无法集中在小波域的问题，又对软、硬阈值的获取方法以及两者存在的不连续问题提出平滑幅值点来进行改进，相比于传统小波变换，本发明所选阈值以及最终平滑结果中，有效信息的保留更加完整，去噪效果更优，进而使转速信息可以准确获取，根据传动比调节高速变速器参数可信度更高。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一种高速变速器的性能参数优化方法的步骤流程图；

图2为传动数据示意图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种高速变速器的性能参数优化方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种高速变速器的性能参数优化方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种高速变速器的性能参数优化方法的步骤流程图，该方法包括以下步骤：

步骤S001，根据传动实验，获取相关实验数据；

将速度传感器安装在高速变速器内，以实时监测传动部件的运转状态，将计算机作为监测设备与速度传感器连接，收集速度传感器在传动实验中所获取的传动数据，如图2所示；

需要说明的是，由于传动数据中存在噪声信号，因此获取的传动数据由实际传动数据和噪声数据组成。

传动数据反映了高速变速器中齿轮传动过程中输入轴或输出轴的转速。

步骤S002，分解传动数据获得子带系数，根据子带系数之间的差异获取硬阈值。

由于高速变速器中齿轮之间啮合时，产生的冲击和振动会产生高频的瞬态噪声，同时齿轮之间摩擦或润滑不良也会产生随机噪声，另外齿轮之间的啮合频率变化同样会产生脉冲噪声，因此齿轮传动过程中速度传感器获取的传动数据中存在大量的噪声信号。

由于传动数据中不同类型的噪声，存在不同的特征，若同时去除传动数据中类型复杂的噪声，利用小波算法进行去噪的效果更为理想；根据小波变换理论，传动数据由若干个周期信号组成，因此本实施例采用连续小波变换对传动数据进行去噪处理。

由于小波变换的思想是利用尺度函数来表示信号数据，随着尺度级的下降，尺度逐渐增大，对信号数据的表示也逐渐粗糙模糊，使得与信号数据之间的差异越来越大，因此引入小波函数对尺度函数表示信号数据与其部分数据之间的差异，实现通过尺度函数和小波函数精确表示信号数据。

另外，利用小波变换对传动数据进行去噪，是在传动数据的基础上，将传动数据中的噪声集中在小波函数中，经小波分解后的数据对应的小波系数幅值大于噪声的系数幅值，幅值比较大的小波系数一般以传动数据中的实际数据为主，而幅值比较小的小波系数在很大程度上属于噪声数据。

因此采用阈值的办法，使大部分噪声系数减小至0，使得将小于阈值部分的系数作为干扰噪声去除，然后再进行小波重构，从而实现降噪，具体包括的步骤如下：

步骤（1），利用Morlet函数作为小波变换的基函数，对传动数据进行小波变换，传动数据在频域上被分成若干个子带后，获得对应的若干个子带系数；

步骤（2），统计所有子带系数，获取对应的分布直方图，记为子带系数直方图，子带系数直方图表示了各类子带系数对应的分布概率，则获取各类子带系数对应的分布概率；根据子带系数的数值差异以及分布概率的差异获得硬阈值：

其中，表示硬阈值，/>表示第/>类子带系数的分布概率；/>表示第/>类子带系数的分布概率；/>表示第/>类子带系数的数值；/>表示第/>类子带系数的数值；/>表示获取最大值。

表示第/>类子带系数与第/>类子带系数之间分布概率的差异，表示第/>类子带系数与第、/>类子带系数之间数值的差异，当两个差异均最大时，表示对应的第i类子带系数为硬阈值，记为/>。

需要说明的是，由于转速信号的基信号为稳定的周期信号，因此需要在利用阈值去除子带系数信号时，先计算子带系数是否仍会由于尺度不当导致部分低频信息残留，然后归零处理后信号的周期性最大程度保留，来评估最优软阈值。

步骤S003，根据传动数据获取转速周期曲线，根据转速周期曲线的分布特征获取有效信息残留比。

利用Morlet函数对传动数据进行小波变换时，同一尺度下分解的基函数是相等的，根据所有子带系数的分布情况计算是否存在有效信息残留，具体包括的步骤为：

步骤（1），首先获取传动数据中的所有极值点，利用最小二乘法拟合所有极值点，将拟合获得的曲线记为转速周期曲线；

然后，转速周期曲线中每两个零点之间的信号为一个单峰信号，则获取转速周期曲线中的所有单峰信号，预设采样频率对任意单峰信号进行系统采样，获得若干个采样点；

最后，获取单峰信号的均方误差以及转速周期曲线的分布特征：

单峰信号的均方误差，获取方法为：

其中，表示转速周期曲线中第/>个单峰信号的均方误差；/>表示转速周期曲线中，第/>个单峰信号的第/>个采样点的数值；/>表示转速周期曲线中共有/>个单峰信号；/>表示单峰曲线中共有/>个采样点。

单峰信号的均方误差反映了转速周期曲线中，对应单峰信号的失真程度，表现在输入轴的转速经过传动后得到输出轴的转速时，假设输入轴和输出轴为均速转动，则存在一个尺度下的Morlet函数将传动数据进行分解后，单峰信号的失真程度表征传动数据在受到噪声影响下，对应转速周期曲线的形变程度。

获取转速周期曲线中所有单峰信号的平均均方误差，记为；根据单峰信号的均方误差以及平均均方误差获得转速周期曲线的分布特征，具体获取方法为：

其中，表示根据单峰信号的均方误差/>，获得的转速周期曲线的分布特征；表示转速周期曲线中第/>个单峰信号的均方误差；/>表示平均均方误差；/>表示转速周期曲线中共有/>个单峰信号；

另外，将转速周期曲线的分布特征也称为第一特征；

平均均方误差为转速周期曲线中所有单峰信号的平均失真程度，然后由于子带系数描述的就是信号高频部分信息，因此计算子带系数的整体均方差，与周期曲线失真程度均方差进行对比，存在差异部分即认为当前子带系数中仍存在部分特征未集中在小波域中。

另外，根据转速周期曲线的分布特征的获取方法，获得所有子带系数所形成序列的分布特征，记为子带系数序列的分布特征，同样的，将子带系数序列的分布特征记为第二特征；

步骤（2），根据转速周期曲线的分布特征以及子带系数序列的分布特征，获得有效信息残留比，具体方法为：

其中，表示有效信息残留比，/>表示转速周期曲线的分布特征；/>表示子带系数序列的分布特征；/>表示绝对值符号。

第一差值表示转速周期曲线的分布特征，与子带系数序列的分布特征的差值，通过除以转速周期曲线的分布特征实现归一化，差值越接近0，有效信息残留比越接近0，表示子带系数中含有的有效信息越多。

步骤S004，根据有效信息残留比以及子带系数的离散特征获取最优软阈值。

步骤（1），在硬阈值的数值基础上，将小于硬阈值的所有数值均记为软阈值；

需要说明的是，有效信息残留比反映了小波变换分解传动数据时，获取的残余数据与传动数据对应的转速周期曲线之间失真程度的一致性，若不一致，在软阈值减小的过程中需要将软阈值调高，因为有效信息残留代表部分真实信号会出现在较小的子带系数中，软阈值较高时，这部分信息会被连带一起归零，导致信号失真，通过干预使其阈值不会设定在较高处；

步骤（2），在若干个软阈值中任意选取一个，利用硬阈值和所选取的软阈值对传动数据分别进行去噪处理，并获取软阈值处理传动数据后，对应的若干个子带系数，记为软阈值-子带系数，获取所有软阈值-子带系数的标准差，记为；

步骤（3），另外，获取经过软阈值处理的传动数据中，任意单峰信号的均方误差，记为，表示经过软阈值处理的传动数据中，第/>个单峰信号的均方误差；

步骤（4），根据有效信息残留比、软阈值-子带系数的标准差，以及经过软阈值处理的传动数据中单峰信号的均方误差，构建最优软阈值目标函数：

其中，E表示软阈值目标函数，代表有效信息残留比，/>表示所有软阈值-子带系数的标准差，/>表示经过软阈值处理的传动数据中，第/>个单峰信号的均方误差，/>表示获取最小值；

软阈值-子带系数的标准差越小，表示小波变换后的传动数据中，对应的小波部分均为实际传动数据的小波部分，同时表示对应的软阈值数值大小越恰当；另外，由于有效信息残留比表示小波变换后的传动数据中，代表实际传动数据的有效信息是否残留，若残留的数据越多，则有效信息残留比的数值会越大，反之，越小；

因此，所有软阈值-子带系数的标准差和有效信息残留比必须同时变小；否则，仅变小，就将部分存在有效信息残留的子带系数去除，会造成去噪后的传动数据存在失真，引入有效信息残留比使去噪后的传动数据存在失真的问题得到改善；

另外经过软阈值处理的传动数据中，第个单峰信号的均方误差作为惩罚项，数值需要越小越好，当软阈值较高时，一旦将部分有效信息视为噪声去除后，去噪后的局部信号幅值丢失对转速信号周期性产生影响，则均方误差会增大对目标函数进行惩罚。

当最优软阈值目标函数收敛时，最终获得的最优软阈值目标函数E所对应的软阈值，记为最优软阈值。

步骤S005，利用硬阈值和最优软阈值分别处理传动数据，根据处理后的传动数据的幅值获得去噪后的传动数据，根据去噪后的传动数据实现对高速变速器性能参数的智能优化。

步骤（1），分别利用最优软阈值和硬阈值处理传动数据，获得两个去噪后的传动数据，将最优软阈值处理后的传动数据记为第一传动数据，将硬阈值处理后的传动数据记为第二传动数据，预设采样频率利用系统采样分别获取第一传动数据和第二传动数据中的采样点，将第一传动数据中的采样点记为，表示利用最优软阈值/>获得的第一传动数据中，第/>个采样点的数值；将第二传动数据中的采样点记为/>，表示利用硬阈值获得的第二传动数据中，第/>个采样点的数值；

需要说明的是，由于小波变换的软、硬阈值在处理传动数据后，获得的第一传动数据均存在较强的不连续性，现有方法为通过改进阈值函数解决这一问题，但失真问题严重。

步骤（2），预设长度为11的滑动窗口，利用传动数据减去转速周期曲线，得到残余数据，同样利用预设的采样频率对残余数据进行系统采样，并利用滑动窗口对采样后的残余数据进行遍历，获取在遍历过程中，滑动窗口中残余数据的方差，记为局部残余方差，获得遍历过程中残余数据的所有局部区域对应的局部残余方差，并利用线性归一化将所有局部残余方差进行归一化处理，将归一化处理结果记为噪声干扰程度，表示残余数据中第个采样点的噪声干扰程度；

需要说明的是，残余数据虽然不代表传动数据中真实的噪声信号，但是一定程度上可以表征噪声干扰程度。

步骤（3），由于经过最优软阈值和硬阈值分别处理传动数据后，获得的第一传动数据和第二传动数据均存在较大的不连续性，若传动信号中的噪声程度较大，则选择更偏向软阈值，反之则取中值；

则根据第一传动数据和第二传动数据中采样点之间的差异，获取传动数据去噪后对应采样点的数值：

其中，表示传动数据去噪后第/>个采样点的数值，/>表示利用硬阈值/>获得的第二传动数据中，第/>个采样点的数值；/>表示利用最优软阈值/>获得的第一传动数据中，第/>个采样点的数值；/>表示残余数据中第/>个采样点的噪声干扰程度。

需要说明的是，第一传动数据中数据点的数值，必然大于等于第二传动数据中同一个位置处对应数据点的数值，代表最优软阈值和硬阈值处理传动数据后，在第/>个采样点处上下所得中值，/>为x所在局部的噪声干扰程度，当干扰越大时，信号容易失真，硬阈值处理后也冗余出现较大失真，那么此时即便牺牲一部分去噪强度，也需要尽可能保留有效信息，因此实际平滑值应偏向软阈值，默认设置平滑幅值在硬阈值和软阈值中点处，即/>；那么/>表示根据局部噪声干扰强弱，将平滑值从硬阈值和软阈值中点处向软阈值平移。

步骤（4），获得平滑去噪后的传动数据，并根据平滑去噪后的传动数据对高速变速器的性能参数进行智能优化，具体包括的步骤为：

首先，传动数据去噪后对应采样点的数值获取方法，获取传动数据中所有去噪后采样点的数值，并利用最小二乘法拟合所有去噪后的采样点，获得去噪平滑后的传动数据；

需要说明的是，本实施例中所述的传动数据表示高速变速器在运转时，输入轴的转速数据或输出轴的转速数据；

然后，根据去噪平滑后的传动数据，获得去噪平滑后的输入轴和输出轴的转速数据，利用输入轴和输出轴的转速数据中，同一时间下对应数据点数据的比值作为传动比，预设传动比阈值为0.95，当传动比低于传动比阈值时，通过增加高速变速器的齿数提高传动比，以优化高速变速器性能，实现对高速变速器的性能参数智能优化。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种高速变速器的性能参数优化方法，其特征在于，该方法包括以下步骤：

获取传动数据；

分解传动数据获得若干个子带系数，并获取各类子带系数的分布概率，根据子带系数的数值以及分布概率之间的差异，获得硬阈值；

获取并拟合传动数据的所有极值点，获得转速周期曲线，对转速周期曲线中的单峰信号进行采样，根据采样点的数值差异获得转速周期曲线的分布特征，记为第一特征；根据传动数据的所有子带系数获得所形成子带系数序列的分布特征，记为第二特征；根据第一特征与第二特征之间的差异获得有效信息残留比；

将小于硬阈值的数值记为软阈值，利用任意软阈值对传动数据进行处理，获取软阈值处理后放入传动数据所对应的若干个子带系数，记为软阈值-子带系数；根据有效信息残留比、软阈值-子带系数构建最优软阈值目标函数，根据最优软阈值目标函数获得最优软阈值；

利用硬阈值和软阈值对传动数据进行处理，获得第一传动数据和第二传动数据，根据传动数据与转速周期曲线的差异获得残余数据；对第一传动数据、第二传动数据以及残余数据进行采样，分别获得若干个采样点；构建滑动窗口遍历残余数据，获得残余数据中采样点的噪声干扰程度；根据第一传动数据和第二传动数据之间的差异，以及噪声干扰程度获得去噪后对应采样点，对去噪后对应采样点进行拟合，根据拟合结果实现高速变速器的性能参数智能优化。

2.根据权利要求1所述一种高速变速器的性能参数优化方法，其特征在于，所述分解传动数据获得若干个子带系数，并获取各类子带系数的分布概率，根据子带系数的数值以及分布概率之间的差异，获得硬阈值，包括的具体步骤如下：

步骤（1），利用Morlet函数作为小波变换的基函数，对传动数据进行小波变换，传动数据在频域上被分成若干个子带后，获得对应的若干个子带系数；

步骤（2），统计所有子带系数，获取对应的分布直方图，记为子带系数直方图，子带系数直方图表示了各类子带系数对应的分布概率，则获取各类子带系数对应的分布概率；

步骤（3），获取子带系数直方图中所有相邻子带系数之间，由子带系数的数值和分布概率所形成数组的欧氏距离，将最大欧式距离记为硬阈值。

3.根据权利要求1所述一种高速变速器的性能参数优化方法，其特征在于，所述获取并拟合传动数据的所有极值点，获得转速周期曲线，对转速周期曲线中的单峰信号进行采样，根据采样点的数值差异获得转速周期曲线的分布特征，记为第一特征，包括的具体步骤如下：

步骤（1），首先获取传动数据中的所有极值点，利用最小二乘法拟合所有极值点，将拟合获得的曲线记为转速周期曲线；

然后，将转速周期曲线中每两个零点之间的信号，记为单峰信号；获取转速周期曲线中的所有单峰信号，预设采样频率对任意单峰信号进行系统采样，获得若干个采样点；

最后，获取所有单峰信号的均方误差；

步骤（2），将转速周期曲线中所有单峰信号的均方误差对应的标准差，记为转速周期曲线的分布特征。

4.根据权利要求1所述一种高速变速器的性能参数优化方法，其特征在于，所述根据传动数据的所有子带系数获得所形成子带系数序列的分布特征，记为第二特征，包括的具体步骤如下：

将传动数据对应的所有子带系数所形成的序列记为子带系数序列；将子带系数序列对应的标准差记为子带系数序列的分布特征，也称为第二特征。

5.根据权利要求1所述一种高速变速器的性能参数优化方法，其特征在于，所述有效信息残留比，获取方法如下：

将转速周期曲线的分布特征，与子带系数序列的分布特征的差值记为第一差值；将第一差值与转速周期曲线的分布特征之间比值的绝对值，记为有效信息残留比。

6.根据权利要求1所述一种高速变速器的性能参数优化方法，其特征在于，所述根据有效信息残留比、软阈值-子带系数构建最优软阈值目标函数，根据最优软阈值目标函数获得最优软阈值，包括的具体步骤如下：

首先，获取经过软阈值处理的传动数据中，任意单峰信号的均方误差；获取所有软阈值-子带系数的标准差；

然后，根据有效信息残留比、软阈值-子带系数的标准差，以及经过软阈值处理的传动数据中单峰信号的均方误差，构建最优软阈值目标函数：

其中，E表示软阈值目标函数，/>代表有效信息残留比，/>表示所有软阈值-子带系数的标准差，/>表示经过软阈值处理的传动数据中，第/>个单峰信号的均方误差，/>表示获取最小值；

最后，将最优软阈值目标函数E所对应的软阈值，记为最优软阈值。

7.根据权利要求1所述一种高速变速器的性能参数优化方法，其特征在于，所述利用硬阈值和软阈值对传动数据进行处理，获得第一传动数据和第二传动数据，根据传动数据与转速周期曲线的差异获得残余数据，包括的具体步骤如下：

首先，分别利用最优软阈值和硬阈值处理传动数据，将最优软阈值处理后的传动数据记为第一传动数据，将硬阈值处理后的传动数据记为第二传动数据；

然后，利用传动数据减去转速周期曲线，得到残余数据。

8.根据权利要求1所述一种高速变速器的性能参数优化方法，其特征在于，所述构建滑动窗口遍历残余数据，获得残余数据中采样点的噪声干扰程度，包括的具体步骤如下：

首先，利用预设的采样频率对残余数据进行系统采样，并构建预设长度大小的滑动窗口，对残余数据进行遍历；

然后，获取在遍历过程中，滑动窗口中残余数据的方差，记为局部残余方差；

最后，利用线性归一化将所有局部残余方差进行归一化处理，将归一化处理结果记为噪声干扰程度。

9.根据权利要求1所述一种高速变速器的性能参数优化方法，其特征在于，所述根据第一传动数据和第二传动数据之间的差异，以及噪声干扰程度获得去噪后对应采样点，包括的具体步骤如下：

传动数据去噪后对应采样点的获取方法为：

其中，/>表示传动数据去噪后第/>个采样点的数值，/>表示利用硬阈值/>获得的第二传动数据中，第/>个采样点的数值；/>表示利用最优软阈值/>获得的第一传动数据中，第/>个采样点的数值；/>表示残余数据中第/>个采样点的噪声干扰程度。

10.根据权利要求1所述一种高速变速器的性能参数优化方法，其特征在于，所述对去噪后对应采样点进行拟合，根据拟合结果实现高速变速器的性能参数智能优化，包括的具体步骤如下：

首先，利用最小二乘法拟合所有去噪后的采样点，获得去噪平滑后的传动数据；

然后，获取去噪平滑后的传动数据，所对应的去噪平滑后的输入轴和输出轴的转速数据，利用输入轴和输出轴的转速数据中，同一时间下对应数据点数据的比值作为传动比，当传动比低于传动比阈值时，通过增加高速变速器的齿数提高传动比，以优化高速变速器性能，实现对高速变速器的性能参数智能优化。