基于S变换的汽车零部件疲劳载荷谱编辑法研究

小波变换和短时傅里叶变换为频域载荷谱编辑方法的主要分析工具,小波变换法分解函数及分解层数难确定和短时傅里叶变换法窗宽固定的缺陷,导致对随机载荷的分析结果存在偏差,影响载荷编辑质量。为解决此问题,基于S变换基本理论,探索S变换在载荷加速编辑领域的应用,对试验场采集的应变信号进行S变换分析提取最大幅值谱,并以此为依据提取轮心六分力信号中的损伤载荷获取加速谱。将S变换、损伤保留、小波变换和短时傅里叶变换加速谱从载荷压缩量、损伤保留比例、功率谱密度、统计参数、穿级计数和疲劳仿真等方面进行对比分析。研究结果表明：基于S变换最大幅值谱可准确识别原始信号中的小损伤载荷;保留相同损伤保留量前提下,S变换加速谱的压缩效率最高且统计参数误差最小;S变换编辑法可将原始载荷时间压缩46.67%,同时加速谱的疲劳分析误差仅为2.2%,可获得与原始载荷相同的分析结果;S变换编辑法在疲劳分析效率和分析精度方面优于损伤保留、小波变换和短时傅里叶变换编辑法;该方法适用于汽车零部件疲劳耐久性分析。     

雷达探测桥头搭板脱空方法研究

高速公路桥头搭板脱空痛害影响汽车行驶安全,利用地质雷达探测数据,如何提取此类病害信息,是探测研究的关键.采用常规的反射能量的观点来解释脱空病害存在一定难度,而ARMA谱对弱小信号的频谱变化具有较高敏感性,根据雷达波信号穿过脱空区域产生的谱变化和具有时间局部性特征,提出ARMA谱密度期望值的观点和相应的短时窗滚动谱算法,通过对脱空区模型进行数字模拟计算,给出了短时窗口关键参数的选取和脱空区谱密度期望值的响应特征.利用雷达波短时窗谱密度期望值响应参数的变化在许禹高速公路桥梁搭板脱空探测中得到了应用,验证了技术方法的可行性.     

对声波透射法在桩基检测中的应用的几点探讨

对声波透射法的的几个问题进行了详细的探讨,即判断混凝土质量的声学参数、声波测试值的影响因素、现场常见问题或故障等,目的在于为桩基检测人员提供参考,提高桩基的检测水平,推进该项技术的发展和应用.     

钻孔灌注桩缺陷声波动态响应特征分析与研究

声波透射法是一种有效的桩基质量检测方法，但检测时存在盲区，易出现漏检现象，且对声波信号进行解释时，存在主观性、随意性较大等问题。基于声波透射法原理，采取有效方法减小检测盲区，对含有不同浅部缺陷的模型桩进行检测，获得声波时域信号。同时，利用快速傅立叶变换（FFT）对测试结果进行频谱分析，获得声波信号频域特征。     

低噪声沥青混凝土路面声学分析

分析了低噪声沥青混凝土路面降低轮胎噪声的机理，建立低噪声沥青混凝土路面的声学模型，用亥姆霍兹共振器模型分析计算了声波的共振频率。     

基于声学信号的柴油机燃烧始点观测方法研究

鉴于燃烧相位观测的重要性和基于缸压信号的传统燃烧相位观测方法成本高、寿命短,实际应用受到限制,本文中对采集到的高压共轨柴油机声学信号进行时频联合分析,研究声学信号与缸内燃烧始点之间的关系。将未燃烧阶段的声学信号抽象为高斯噪声,分析了声学信号特征量与缸内燃烧始点之间的相关性,采用多项式回归建模的方法,建立了基于声学信号的高压共轨柴油机燃烧始点观测模型。测试结果表明,该模型能比较准确地观测到燃烧始点,其均方根误差为1°CA左右。     

车用发动机串并联分支结构进排气系统消声特性的研究

本文描述车用发动机进排气系统的声学模拟和分析过程,尤其对串并联分支管道系统和消声器进行了较为系统的声学研究。使用声学传递矩阵分析方法和声波有限元分析方法,将多输入输出的分支管道系统表示为相互连接的离散声学单元组合形式,离散声学单元两端的声压和声体积速度由传递矩阵唯一地联系起来。实际车用发动机复杂的串并联分支结构进排气系统都能用此方法进行模拟和分析,理论计算和实测结果表明:试验和理论具有良好的相关性和一致性。     

路面非周期一维温度场的傅里叶级数解

首先把路面温度场简化为非周期一维温度场,用分离变量法得到齐次边界条件下与温度场基本方程相容的傅里叶级数;然后用格林公式在边界展开热传导方程,得到傅里叶级数系数的常微分方程组,并用拉普拉斯变换求解;最后用实测数据标定的材料参数预测路面温度场。分析结果表明：傅里叶级数第4项仅在-0.1℃～0.1℃范围内波动;初始温度扰动对温度场有短时影响,如果扰动深度增大则影响时间变长;用实测数据标定模型后,模型可以较准确地预测路面温度场,标准差为1.88℃。     

超声波检测技术在某高速公路基桩检测中的运用

基桩超声波检测,主要是根据超声波透射原理,对实测超声波信号波速、波幅、主频、波形及PSD值的变化来综合分析判断桩身完整性。为分析超声波在基桩缺陷处各声学参数的变化,本文结合实际案例分析各项声学参数指标,从波形及波速的变化情况,真实反应出基桩混凝土是否存在缺陷段内的情况。     

受损岩体声波特性分析与研究

通过对预制裂隙岩样进行声波测试，采用小波分析及频谱分析处理声波数据资料，获得了声波探测的各种影响因素，并将该研究方法应用于凝灰岩体质量检测与评价工作，获得了凝灰岩声波的相关参数，为分析和评价凝灰岩的质量和结构特征提供了依据。     

汽车急加速噪声信号分析

汽车急加速噪声信号属于短时非平稳信号，在探讨各种时频分析方法的基础上，找到了一种适合于急加速噪声信号的处理方法——短时最大熵谱方法，这将有利于急加速噪声问题的进一步深入研究。     

基于S变换的柴油机燃烧差异的诊断研究

分析了传统的基于平稳过程的傅里叶变换存在的局限性,采用了S变换时频分析法对振动信号进行分析。对比不同燃烧状况时的缸内压力曲线、压升率曲线及振动信号S变换的结果,表明振动信号S变换得到的时频图像同缸内燃烧过程有密切的关系。为了便于对各缸的燃烧状况进行定量分析,提出了利用时频域内各点的幅值和表征各缸燃烧差异的新方法。在4缸柴油机上进行模拟试验对该方法进行验证,结果验证了该方法的有效性。     

提高锚杆质量无损检测分析精度的探讨

锚杆质量无损检测和评价是岩土工程中亟需解决的重难点技术问题。从锚杆无损检测的基本分析方法比较入手,对Hilbert变换在信号分析中如何提高分析精度等问题进行讨论。以实际工程为例,说明锚杆无损检测的影响因素及利用Hilbert变换高精度时频特性对锚杆动测数据进行时频分布分析,进一步找出频率衰减与锚杆锚固状态的关系和精确定位出锚杆的长度、饱满度的分析方法。     

基于多尺度核独立元分析与核极限学习机的柴油机故障诊断

为提高柴油机故障诊断速度和精度,提出了基于改进多尺度核独立元分析与量子粒子群优化核极限学习机的故障诊断方法。首先利用固有时间尺度分解对缸盖振动信号进行多尺度时频分解,并根据故障敏感度参数筛选有效分量以实现振动冲击特征增强;然后利用核独立元分析消除有效分量间的频带混叠,分离故障敏感频带,并提取各频带的AR模型参数、多尺度模糊熵和标准化能量矩构造联合故障特征向量;最后建立基于量子粒子群优化的核极限学习分类器实现柴油机故障诊断。试验结果表明,该方法有效增强了缸盖振动信号中的故障敏感特征,提高了柴油机故障诊断速度和精度,故障分类准确率达到98.45%。     

复合地层下盾构施工模态系统刀盘荷载及振动特性研究

基于苏埃通道盾构工程和盾构及掘进技术国家重点实验室的盾构施工模态系统的刀盘实体,利用JHC本构模型对岩体进行仿真,通过显示动力学软件LS-DYNA对不同模式下的滚刀群切削复合地层进行数值模拟,并结合滚刀、刀盘的力学分析及傅立叶变换函数,得到滚刀和刀盘的三向荷载-时间历程曲线及荷载的频谱图。通过分析荷载曲线及频谱图可知:1)在荷载特性方面,切削过程中滚刀和刀盘荷载均具有突变性、随机性和冲击性;当滚刀运动经过软硬岩层交界面时,滚刀切点荷载发生突变,有可能发生剧烈震荡。2)在振动特性方面,刀盘荷载的频率主要集中在0~5 Hz,属于典型的低频振动,并与滚刀的频率分布一致;软岩及硬岩仅对滚刀荷载的幅值产生影响,对其频率分布影响有限。结合刀盘在软硬不均地层条件下静力学的分析结果,确定刀盘在不均匀受力状态下的最大应力、应变位置,为苏埃通道滚刀破岩物理模型试验刀盘测试系统的构建提供了依据。     

客车车内噪声控制中的有限元模态分析方法

车内噪声中的结构噪声是由车身结构振动与车内空腔声场的耦合产生的,传统的振动模态分析方法在针对车内噪声控制时由于没有考虑这种耦合特性而存在很大的局限性。在介绍结构—声场耦合模态分析方法的原理基础上,计算出了客车的结构、空腔和声固耦合的各阶模态频率和振型,据此分析了产生车内低频噪声的原因,并提出了具体的车身结构修改意见。     

基于多分辨率近似熵的发动机声信号特征提取

介绍了近似熵的概念、主要特点及其快速算法,在分析了小波包与近似熵原理的基础上,提出了一种多分辨率近似熵的特征提取方法,并且讨论了近似熵值计算中3个参数的选择原则,其后对发动机声信号进行了分析处理,通过对比正常状态与故障状态共8种工况下的小波包3层分解后各节点的近似熵值,确定出了故障的特征频带,根据近似熵在敏感频带内的变化有效提取出发动机故障特征,从而实现了对发动机状态的监测与诊断。试验结果也证明了近似熵在分析复杂信号特征方面具有很强的能力,在判别机械设备运行状况方面具有很好的效果。     

无人驾驶汽车行车环境下鲁棒性声学特征提取算法（双语出版）

无人驾驶汽车在行车过程中，需要通过视觉感知和听觉感知来构建当前周围环境模型，声学事件检测是听觉感知系统构建模型的核心所在。行车环境下声学事件检测系统面临着复杂而强烈的噪声挑战，尤其是行车过程中的风噪。声学事件检测中，常用的声学特征梅尔频率倒谱系数（MFCC）对噪声干扰十分敏感，为了解决这一问题，提出一种谐波梅尔频率倒谱系数（HMFCC）的鲁棒性声学特征提取算法，用于声学事件的目标分类。该算法通过声学信号的谐波模型与MFCC算法相结合，提取目标声学信号中的共振峰频率，改进传统Mel滤波器组，从而增强HMFCC中目标声学信号的中高频分量。研究结果表明：在不同的风噪环境下，基于HMFCC声学特征的检测结果具有较高的精准率和召回率，且在低噪和强噪环境下HMFCC和MFCC之间分类效果差异明显；低噪环境下，几种声学事件的HMFCC特征分类的平均精准率和召回率分别达到82.66%、84.15%，而基于MFCC特征分类检测的平均精准率和召回率只有73.93%、74.61%；随着风噪增强，MFCC特征分类精度严重下降，平均精准率和召回率仅为54.15%、44.95%，HMFCC特征在强噪环境下的平均精准率和召回率为72.16%、69.87%。行车环境下，HMFCC特征不仅可以提高分类的准确率，而且表现出对噪声不敏感的特性。