2023年全國(guó)碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩161頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、車輛的振動(dòng)與噪聲是衡量其使用舒適性的重要方面,同時(shí)也是運(yùn)行機(jī)構(gòu)狀態(tài)檢測(cè)的重要指標(biāo)。試驗(yàn)測(cè)試一般在車輛行駛或運(yùn)動(dòng)過程中進(jìn)行,傳感器受到不同激勵(lì)源的影響,測(cè)試信號(hào)并不能完全反映所對(duì)應(yīng)位置的源信息,它受到測(cè)試系統(tǒng)或環(huán)境噪聲的影響和不同源對(duì)該位置干涉影響,從而造成測(cè)量信號(hào)之間彼此的相關(guān)性。基于直接測(cè)量得到的信號(hào)進(jìn)行響應(yīng)貢獻(xiàn)度的分析,會(huì)夸大或縮小真實(shí)源的貢獻(xiàn)。針對(duì)多相關(guān)激勵(lì)背景下的振動(dòng)故障診斷、源和路徑識(shí)別問題,本文研究的主要內(nèi)容歸納如下:

2、>  (1)探討了經(jīng)驗(yàn)?zāi)J椒纸夥椒?EMD),改善了其虛假分量和模式混疊的分解缺陷,以其作為車輛測(cè)試信號(hào)的前期去噪和特征提取手段。將相干分析應(yīng)用于判定分解中的虛假分量,以避免虛假分量和微弱信號(hào)的誤判;其次研究了信號(hào)各頻率能量比例對(duì)EMD分解時(shí)虛假分量的影響,提出了抑制低頻分量或加入高頻分量幅值以減小虛假分量引入的分解誤差;基于白噪聲的EMD分解特性,提出了有色噪聲頻段累加方法以改善EMD分解的模式混疊(MH-EMD),同時(shí)仿真分析了其優(yōu)

3、越性,最后將改進(jìn)的EMD系統(tǒng)方法應(yīng)用于轉(zhuǎn)子模擬試驗(yàn)臺(tái)聲學(xué)信號(hào)和排氣系統(tǒng)振動(dòng)信號(hào)的特征提取,驗(yàn)證了新方法的可行性。
  (2)聯(lián)合集合經(jīng)驗(yàn)?zāi)J椒纸?MH-EMD)和最小均方算法(LMS)發(fā)展了一種自適應(yīng)特征提取方法。以自適應(yīng)均方算法為對(duì)象,研究了其固定步長(zhǎng)、固定階數(shù)、變步長(zhǎng)(VS)和變階數(shù)(VT)的算法性能,提出了在迭代過程中以比較階數(shù)和步長(zhǎng)變化時(shí)的最小均方誤差期望為收斂方向,發(fā)展了一種聯(lián)合變步長(zhǎng)變階數(shù)最小均方算法(VSVT-LMS

4、)的去噪方法;結(jié)合對(duì)原信號(hào)的MH-EMD分解,使各模式分量窄帶化,進(jìn)而通過VSVT-LMS對(duì)每個(gè)IMF分量進(jìn)行去噪,避免LMS算法對(duì)寬頻信號(hào)的不穩(wěn)定性,同時(shí)也避免了EMD分解的不唯一性和去噪中閾值的選擇問題。最后通過對(duì)仿真和實(shí)際車輛振動(dòng)信號(hào)去噪,驗(yàn)證了方法在工程上的可行性。
  (3)針對(duì)車輛振動(dòng)噪聲具有相關(guān)特征的測(cè)試信號(hào),發(fā)展和完善了多種多相關(guān)分離方法。對(duì)于瞬態(tài)混合模型,探討了一般盲源分離方法,提出了基于幅值密度比較的盲信號(hào)分離

5、方法,在針對(duì)頻率信號(hào)量較少時(shí),可以識(shí)別單頻和共頻信號(hào);改進(jìn)了聯(lián)合近似對(duì)角化方法,提出了均衡化的分段聯(lián)合近似對(duì)角化和最優(yōu)距離矩陣的聯(lián)合近似對(duì)角化方法,改進(jìn)方法精度高于經(jīng)典方法;基于高階累積量,取其高階切片,結(jié)合近似對(duì)角化和聯(lián)合分段對(duì)角矩陣,提出可以應(yīng)用于傳感器數(shù)量少于源數(shù)的分離方法,該方法較經(jīng)典方法具有更好的穩(wěn)定性和更高的分離精度;針對(duì)具有同頻信號(hào)或相關(guān)性較大的源信號(hào),改善小波包子帶的盲分離,可以解決具有統(tǒng)計(jì)相關(guān)源混合觀測(cè)信號(hào)的分離,以簡(jiǎn)

6、支梁振動(dòng)試驗(yàn)驗(yàn)證了方法的有效性。針對(duì)具有卷積特性的混合模型,比較了時(shí)域和頻域的卷積盲分離算法,提出了一種基于互信息向量獨(dú)立判斷的頻域算法,在算法迭代過程中,非線性函數(shù)考慮全頻段的分離矩陣,避免了頻域解卷積的“擾動(dòng)不確定性”。基于建立的車架系統(tǒng)動(dòng)力學(xué)模型,探討了瞬態(tài)模型和卷積模型的應(yīng)用范圍,并驗(yàn)證了提出的新方法。
  (4)從理論上建立和推導(dǎo)了適合多子系統(tǒng)多輸入單輸出模型,建立了以比較真實(shí)和計(jì)算傳遞函數(shù)作為判斷輸入干涉方向的依據(jù),基

7、于理論和試驗(yàn)推導(dǎo)了加速度/力傳遞函數(shù)與加速度/加速度傳遞函數(shù)的關(guān)系;搭建了車輛局部結(jié)構(gòu)的車架系統(tǒng),基于相干分析進(jìn)行了單向干涉模型的驗(yàn)證;針對(duì)某商用車的振動(dòng)異常問題,測(cè)試分析了其傳遞路徑中的激勵(lì)和響應(yīng)振動(dòng)特征,基于雙向干涉的平均方法,識(shí)別了激勵(lì)源、路徑的影響和貢獻(xiàn),從而驗(yàn)證了模型和方法的可行性,該方法有效提高了異常振動(dòng)中的識(shí)別率和精度;對(duì)具有同樣相關(guān)特征的某農(nóng)用車輛噪聲源進(jìn)行了識(shí)別,結(jié)合一般傳遞路徑分析方法,識(shí)別聲源矛盾,并解決了該機(jī)械的

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論