共查询到19条相似文献,搜索用时 656 毫秒
1.
《机械设计与制造》2018,(11)
车辆碰撞自动呼救(Automatic Crash Notification,ACN)系统触发算法以加速度信号为基础触发紧急呼救,合理的加速度信号采集位置能够提高ACN系统的可靠性和抗干扰性。首先进行不同车速正面100%刚性壁障碰撞试验,采集得到B柱和ECU处车辆加速度信号;然后采用可靠性较高、碰撞识别能力较强的比功率算法和移动窗算法分别对采集到的加速度信号进行处理比较;最后分别计算出了两种触发算法对于B柱和ECU处采集到的不同车速下的加速度信号的分辨率值。结果表明:两种触发算法对于ECU处采集到的加速度信号具有较高的分辨率,因此中央通道ECU处采集到的加速度信号可以作为ACN系统可靠的信号源。 相似文献
2.
3.
4.
5.
座椅头枕在汽车碰撞时对乘员头部起到保护作用,其结构及性能直接影响汽车座椅的碰撞安全性。通过研究座椅头枕关键结构参数对碰撞时头枕吸能性的影响规律,为座椅头枕优化设计与改进提供指导。根据GB11550-2009的相关标准,利用LS-DYNA对座椅头枕结构进行碰撞仿真分析,分析头枕的密度、厚度、包裹度等参数对碰撞时头部的最大加速度和高加速度持续时间的影响规律。研究结果表明:随着头枕厚度和包裹度的增加,头部的最大加速度值与高加速度持续时间逐渐减小;随着头枕密度增加,头部的最大加速度值与高加速度持续时间先减小后增大。根据头枕碰撞时的运动受力变化规律,对某车型座椅头枕进行改进,进一步提高头枕的吸能性。 相似文献
6.
基于变窗移傅里叶变换实现旋转机械振动信号转速谱阵的算法研究 总被引:1,自引:0,他引:1
提出了一种用于计算旋转机械转速谱阵的算法——变窗移傅里叶变换,其窗移的变化规律与转速相关。详细介绍了变窗移傅里叶变换算法的原理及其实现过程,为旋转机械阶比分析中计算转速谱阵提供了理论依据。试验结果表明,变窗移傅里叶变换算法正确可行,可有效提取旋转机械振动信号转速谱阵的特征信息。 相似文献
7.
针对工业炉温度控制系统被控参数通常具有时变性、非线性、不确定性等特点,常规PID控制难以满足高精度控制的现状,提出了智能PID算法与PIC1684单片机的温度控制系统。系统利用热电偶检测温度,经温度变送器变换为标准电压信号后送A/D0809转换成数字信号,PIC1684单片机与设定值比较,单片机执行智能PID算法并输出控制量去调节可控硅的触发脉冲,从而实现了温度的实时控制。研究结果表明:该控制器具有静态精度高、自适应能力强、可靠性高、抗干扰性强的特点,炉温控制效果良好。 相似文献
8.
针对汽车控制系统CAN总线在处理周期性信号和随机性信号时具有不确定性和信息易死锁等缺陷问题,把服务于时间触发的均匀装载(AL)算法和服务于事件触发的动态优先级提升(DPP)算法相结合,提出了一种基于时间触发的控制器局域网(TTCAN)协议的混合调度策略,介绍了混合调度算法原理及实时性分析方法,构建了基于混合算法的汽车TTCAN系统矩阵,通过应用实例分析,验证了该方案满足汽车控制系统的实时性要求. 相似文献
9.
10.
针对移动荷载作用下桥梁结构振动响应信号呈现非平稳性的特点,构建新的一阶本征函数自功率谱最大值变化比和一阶本征函数小波能量变化率两个指标来识别时变结构的损伤。首先,采用小波阀值去噪法对时变结构响应信号进行去噪处理;其次,运用解析模态分解定理提取响应信号的一阶本征函数并构建一阶本征函数自功率谱最大值变化比指标来识别结构的损伤位置,在识别结构损伤位置的基础上,将损伤位置处的加速度响应信号的一阶和二阶本征函数进行线性混叠后,采用快速独立成分分析进行分离,得到更有效的一阶本征函数;最后,基于连续小波变换和时间窗思想,提出一阶本征函数小波能量变化率指标来预测结构的时变损伤。通过移动荷载作用下的时变简支钢桥试验验证所提出的损伤指标,研究结果表明,提出的两个指标能够有效识别结构的损伤位置和时变损伤。 相似文献
11.
12.
针对缸盖振动信号中燃烧信号和活塞敲击信号在时频域混叠严重难以分离的问题,用基于VMD和RobustICA的方法分离各独立源信号。通过试验测量内燃机单通道缸盖振动信号,首先对测得的信号进行消除趋势项及滑动平均等预处理,用VMD算法对预处理后的信号进行分解;然后用RobustICA算法提取独立成分,并用组合模态函数法对时域和频域相似性较高的分量成分进行组合;最后结合频谱分析、连续小波变换、相干函数法及倒拖试验对分离得到的结果进行识别验证。研究结果表明:在不同的试验工况下,该方法可以有效地从缸盖振动信号中分离出燃烧信号和活塞敲击信号。 相似文献
13.
谐波存在时的改进电能计量方法及应用 总被引:6,自引:0,他引:6
为减少谐波存在时的电能计量误差,本文提出一种基于三角自卷积窗的改进谐波电能频域计量算法.首先,采用三角自卷积窗对电压、电流信号进行加权处理,以抑制频谱泄漏和谐波间相互干扰;其次,运用插值FFT算法从频域实现电压、电流信号参数(频率、幅值和相位)的高精度估计值;最后,根据Budeanu给出的谐波电能定义,结合电压、电流信号参数实现谐波电能计量.非同步采样情况下,分别采用典型余弦组合窗(Hanning窗、Blackman-Harris窗与Rife-Vincent窗)和4阶三角自卷积窗进行谐波电能计量的仿真实验结果表明:采用三角自卷积窗函数可克服白噪声和基波频率波动影响,提高了谐波电能计量准确度.本文算法在三相多功能谐波电能表中的应用证明了其有效性和准确性. 相似文献
14.
Hidden Markov model (HMM) is well known for sequence modeling and has been used for condition monitoring. However, HMM-based clustering methods are developed only recently. This article proposes a HMM-based clustering method for monitoring the condition of grinding wheel used in grinding operations. The proposed method first extract features from signals based on discrete wavelet decomposition using a moving window approach. It then generates a distance (dissimilarity) matrix using HMM. Based on this distance matrix several hierarchical and partitioning-based clustering algorithms are applied to obtain clustering results. The proposed methodology was tested with feature sequences extracted from acoustic emission signals. The results show that clustering accuracy is dependent upon cutting condition. Higher material removal rate seems to produce more discriminatory signals/features than lower material removal rate. The effect of window size, wavelet decomposition level, wavelet basis, clustering algorithm, and data normalization were also studied. 相似文献
15.
GRINDING WHEEL CONDITION MONITORING WITH HIDDEN MARKOV MODEL-BASED CLUSTERING METHODS 总被引:2,自引:0,他引:2
Hidden Markov model (HMM) is well known for sequence modeling and has been used for condition monitoring. However, HMM-based clustering methods are developed only recently. This article proposes a HMM-based clustering method for monitoring the condition of grinding wheel used in grinding operations. The proposed method first extract features from signals based on discrete wavelet decomposition using a moving window approach. It then generates a distance (dissimilarity) matrix using HMM. Based on this distance matrix several hierarchical and partitioning-based clustering algorithms are applied to obtain clustering results. The proposed methodology was tested with feature sequences extracted from acoustic emission signals. The results show that clustering accuracy is dependent upon cutting condition. Higher material removal rate seems to produce more discriminatory signals/features than lower material removal rate. The effect of window size, wavelet decomposition level, wavelet basis, clustering algorithm, and data normalization were also studied. 相似文献
16.
17.
振动试验过程中削波会引起信号的功率谱密度下降,局部频率点对应的功率谱密度误差过大将导致试验结果的可信度降低,尤其对于模态试验,输入信号削波可能导致信号谱型局部"下凹",甚至产生错误的试验结果。从偏斜度、峭度、概率分布和功率谱密度等方面分析了高斯信号及非高斯信号的特性,介绍了功率谱密度补偿的频谱均衡及比例-积分-微分(proportion-integration-differentiation,简称PID)两种算法,并对比了这两种算法的补偿效果。结果表明:对于高斯信号,两种算法从迭代次数及最小误差对比区别不大,且均能满足均衡要求;对于非高斯信号,PID算法实现较小误差的同时,迭代次数少,具有一定优势。 相似文献
18.
针对车辆在近似平面上运动时,退化的传感器数据难以标定外参的问题,提出了一种高鲁棒性两阶段激光雷达-惯性测量单元(LiDAR-IMU)外参在线标定算法。标定算法包括剔除外点的解析解初值计算和非线性滑窗在线迭代优化两个阶段。第一阶段剔除预数据集中的外点,以滑动窗口的形式多次求解只包含旋转分量的手眼标定模型,并改进解析解筛选的条件,求解出多解加权旋转外参的SVD解析解。第二阶段最小化包含外参的残差函数,以旋转解析解为初值滑动窗口迭代优化六自由度外参,使外参快速收敛,并在退化运动和错误历史约束过大时固定外参,避免外参退化。与原始算法对比,该算法对退化的传感器数据具有鲁棒性,可在无外参初值的情况下实现精准鲁棒地在线标定外参。 相似文献
19.
本文提出利用进气压力传感器及摩托车磁电机触发信号为电控燃油喷射系统提供相位基准的新方法。磁电机每个工作循环产生两个触发信号,仅根据该信号不可能精确控制喷油及点火时刻。进气过程中进气压力传感器输出信号先减小,后升高,而这一变化过程正好位于两次触发信号之间,根据这一特征可以区分两次触发信号。在低转速工况,将当前采集的进气压力值同预设的参考值进行比较,通过判断进气过程是否到来,区分两个触发信号;高转速时在进气冲程只是保存进气压力数据,根据上一循环确定的触发信号进行喷油和点火控制,为防止电磁干扰带来的判断失误,在每个循环的“空闲时间”将采样的压力值进行校验,保证最多只有一个循环系统工作异常。利用该方法进行电控系统MAP图标定试验,整个过程中,系统工作正常,表明该方法是可行的。 相似文献