路面激励载荷时频域分析报告研究.doc

路面激励载荷时频域分析报告研究.doc

ID:55916714

大小:975.00 KB

页数:42页

时间:2020-06-14

路面激励载荷时频域分析报告研究.doc_第1页
路面激励载荷时频域分析报告研究.doc_第2页
路面激励载荷时频域分析报告研究.doc_第3页
路面激励载荷时频域分析报告研究.doc_第4页
路面激励载荷时频域分析报告研究.doc_第5页
资源描述:

《路面激励载荷时频域分析报告研究.doc》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、毕业论文说明书路面激励载荷时频域分析研究1引言1.1本课题研究的背景及意义随着经济的发展,高等级公路里程的增加,长途客流已成为我国公路运输的主要特征,长距离、长时间的驾驶作业已是平常。这样使得隔振装置在汽车上发挥着越来越重要的作用,如轮胎、弹簧钢板、减振器、座椅、气囊等等。这些装置缓和了路面不平传给人体的冲击,衰减了由此引起的振动,给驾驶员和乘员提供了舒适、安全的乘座条件及工作条件,车辆运输路面激励载荷的分析对隔振装置的设计起着关键性的作用。此外,一些产品在运输过程中,由于包装不当而遭到破坏,这方面的损失是很大的。产品在运输过程中遭到破坏的主要原因是包装方法、包装

2、材料及包装结构不合理所致,其根本原因就是包装缺乏科学性。车辆运输路面激励载荷的分析举证了包装产品在振动与冲击作用下的动力学规律。同时,有助于商家在减振包装的设计方法与设计步骤中做到最好。本文以汽车运输过程中路面的激励数据为对象,进行随机路面振动激励载荷特性的时频域分析和研究。实际生活中路面对车辆的激励载荷在垂直、前进、左右三个方向上都存在,由于三个方向上激励载荷的相关性不是很大,且垂直方向上的激励载荷影响最为明显,故我们仅对这一方向上的数据进行分析。1.2振动信号的研究及现状车辆在行驶状态下的振动信号是不平稳的,用Fourier分析法和通常的时域分析方法是不能反映

3、出车辆振动的本质特征的,这样也就是车辆的减震降噪相对变得困难。因为非平稳动态信号的统计特性与时间有关,对非平稳信号的处理需进行时频分析,希望得到时域和频域中非平稳信号的全貌和局化结果[1]。非平稳振动信号的处理方法中有短时傅立叶分析、Winger-vile分析、小波分析、Hilbert-huang变换和神经网络技术[6]。短时傅立叶变换(STFT)[15]:通过一个窗口观察信号,将整个信号转化为若干个局部“平稳”的信号,再进而施行傅立叶变换,从而将一维信号映射为时间一频率面的二维函数。然而,根据短时傅立叶变换的基本理论,时间和频率的分辨率将直接影响分析的结果,而高

4、的时间分辨率要求分析窗尽量窄,高的频率分辨率则要求分析窗尽量宽。在实际应用中,只能牺牲时间分辨率以换取更高的频率分辨率,或反过来用频率分辨率的牺牲换取时间分辨率的提高。Winger-vile分布的重要特点之一是具有明确的物理意义,它可被看作信号能量在时域和频域中的分布,根据卷积定理和多分量信号的Winger-vile分布会出现交叉项,这是Winger-vile分布应用中的主要困难,交叉项通常是振荡的,而且幅度可以达到自项的两倍,造成信号的时频特征模糊不清,因此如何有效抑制交叉项,对时频分析非常重要,对多分量信号的干扰项虽是无法避免的,但国外学者已经研究了多种可抑制

5、或削弱它们的方法主要有:预滤波法、多分量分离法与辅助函数法,并且都采用解析信号以消除由负频率成分产生的交叉干扰项。小波分析方法[3,5]是一种窗口大小固定但其形状可改变、时间窗和频率窗都可改变的时一频局部分析方法。即在低频部分具有较高的频率分辨率和较低的时间分辨率,在高频部分具有较高的时间分辨率和较低的频率分辨率,很适合于探测正常信号中夹带的瞬态反常现象,所以被誉为信号分析的显微镜。小波分析本质上是窗可调的傅立叶变换,由于小波基函数的长度有限,在对信号作小波变换时会产生能量泄露,从而要对信号在时域和频域作精确分析会有较大的困难;另一方面,一旦选择了小波基和分解尺度

6、,所得到的结果将是某一固定频段的信号,这一频段只与信号的采样频率有关而不能随信号本身的变化而变化,也就是说不具有自适应性。希尔波特一黄(Hilbert—Huang)变换[17]是指先进行一种称为经验模式(EmpiricalModeDecomposition,简称EMD)的信号分解,再对所得分量进行希尔伯特变换的方法。经验模式分解(EMD)提出了本征模函数的新概念以及将任意信号进行经验模式分解的方法,初步建立了以瞬时频率为表征信号交变的基本量,以本征模函数为基本时域信号的新时频分析方法体系,Hilbert—Huang变换局部性能良好而且是自适应的,对稳态信号和非平稳

7、信号都能进行分析。Hilbert—Huang变换得到的瞬时频率具有清晰的物理意义能够表征信号的局部特征。自回归滑动平均(ARMA)模型是一类根据实测数据建立的,在系统辨识、预测、控制中广泛采用的线性动态模型,但ARMA模型仅适用于平稳随机信号,故在建立模型之前必须对信号进行平稳化处理。E.Norden等提出的经验模态分解(EMD),为建立ARMA模型提供了一种实现途径,即基于EMD和ARMA模型振动信号降噪的处理方法[9]。基于PED(偏微分方程)的去噪方法可以有效的消除振动信号中的噪声干扰,同时保留信号本身的边缘特性和部连续性,对信号的特征破坏少,而且还具有平滑

8、特性。因此

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。