电动汽车混沌振动信号的小波神经网络预测EI北大核心CSCD

对某款电动汽车进行了实车试验,研究电动汽车的混沌动力学特性,并建立了小波神经网络预测模型对混沌时间序列进行预测。在中等比利时路面上对电动汽车进行实车试验,得到右前轮心垂向和电池底部中心垂向的振动加速度信号。对采集到的信号进行时频分析,计算得到三维相图和庞加莱截面,利用互信息法计算时间延迟,Cao法计算嵌入维,并利用Wolf方法计算得到最大李雅普诺夫指数,发现振动加速度信号存在混沌运动。利用小波神经网络对右前轮心垂向的混沌时间序列进行预测,表明利用小波神经网络对混沌时间序列进行预测能取得较好的预测效果。     

基于小波变换的场道脱空BP神经网络预测法研究

场道脱空是影响机场运行安全的重要因素之一,为研究场道脱空的无损测试,提出了基于小波变换的场道脱空BP神经网络预测法。通过室内模型试验,对缩尺模拟场道施加冲击荷载并利用小波变换法对采集到的道面竖向加速度时程信号进行功率谱分析、能量谱分析及时间-尺度分析,提取了1 500组表征场道不同脱空状况的特征向量用于进行BP神经网络训练和提升预测功能,并在某机场进行了实地测试和现场取芯以验证分析方法的可靠性;结果表明,道面振动信号经小波变换处理后反映了脱空对能量信号传递的耗散作用,在脱空和半脱空区域出现了较明显的结果差异且具有一定规律性。通过室内试验训练的BP神经网络较好地预测了现场试验结果,并能识别轻微脱空引起的信号差异,验证了该方法在评价场道脱空方面的可行性和可靠性。     

Volterra小波变换最优阈值的混沌去噪方法

针对混沌信号小波去噪中难以确定最优阈值的问题,提出一种Volterra小波变换最优阈值的判定方法。利用小波变换将混沌信号分解,对不同尺度下的小波信号设定浮动因子以调节阈值大小,最后根据混沌序列Volterra自适应预测的相对误差选取最优阈值。利用该方法对不同维度的Lorenz混沌时间序列进行了去噪研究,结果表明所提方法是有效的。     

基于遗传神经网络的履带行驶系统载荷识别方法

针对煤矿掘进机器人履带行驶系统工作环境恶劣,载荷无法直接有效获取这一工程实际问题,提出了基于遗传神经网络的振动信号载荷识别方法。构建了遗传算法(GA)优化BP(back propagation)神经网络载荷识别模型,采用路试法试验采集了履带小车的5组振动加速度数据和单组应力载荷数据,探讨路面不平度频率和驱动轮啮频等对履带车振动和应力载荷的影响规律;借助快速傅里叶变换(FFT)对原始应力载荷数据进行去噪处理,依据履带小车行驶平顺性指标,利用sym8小波函数对振动加速度信号进行5层特征提取以提高载荷识别的精度,然后将5组小波变换分解的加速度数据和滤波后的应力载荷数据分别作为GA-BP神经网络的输入和输出进行训练及验证,揭示了履带行驶系统运动过程中振动与应力载荷之间的关系。研究结果表明,路面不平度频率、驱动轮啮频及转频为小车振动的主要频率成分,路面不平度引起的振动频率为13.765 Hz,驱动轮啮频为68.25 Hz,转频为3.25 Hz。多组试验得到的BP神经网络最佳隐含层神经元数为63,GA-BP神经网络识别的应力载荷与期望应力载荷具有较高吻合度,相对误差为4.5%,验证了该方法的有效性...     

特种平车线路试验加速度异常分析与仿真

在对特种平车(如双层集装箱凹底平车)进行120 km/h线路动力学试验中,多次出现重车下心盘处垂向加速度过大,甚至高于车辆空载时的异常现象,而同时试验的其他敞车或棚车等却没有此问题.在对试验取得的垂向加速度频谱分析后,发现车体振动的主要频率高于车体的低阶弹性自振频率,并且响应主频会随着车速的提高而线性增大,这与之前一些研究认为加速度过大是由线路不平顺激起车体的弹性振动结果不一致.为了解其机理,建立具有刚柔耦合车体的凹底平车整车非线性动力学模型进行仿真,并与C70敞车的仿真结果进行了对比,仿真结果与试验基本一致.结果表明,加速度超标的主要因是:在线路不平顺激扰下,重车时转向架减振斜楔产生较大冲击力作用于凹底平车心盘,而此处的等效被冲击质量偏小,从而在车体心盘处产生较大的垂向加速度.     

车-线-隧垂向环境振动预测辛模型及其应用

结合随机振动虚拟激励法、无穷周期链式结构的辛数学方法及有限元谐响应分析法,提出了考虑扣件胶垫刚度频变特性的车-线-隧垂向环境振动预测的辛模型。以南京地铁1号线为研究对象,利用等效线性动黏弹性模型之一的Martin-Davidenkov模型来描述土体加卸载对应的应力-应变非线性关系,将地表土层垂向振动加速度级的理论计算结果与实测数据进行对比,二者在整个频域内的吻合度较高,在中心频率为50 Hz位置处两者的最大峰值结果仅相差0.6 dB,表明实测线路上的轨道不平顺水平和计算条件较为接近,验证了车-线-隧垂向环境振动预测的辛模型及其参数选取方法合理,在频域范围内有较好的预测精度及效率。     

关于上海地铁一号线轨道高低不平顺问题的探讨

对上海地铁一号线地铁车辆的车箱振动进行现场实测,得到不同区间段的地铁车厢振动加速度;采用上海地铁一号线车辆参数,建立整车模型,通过时域数值计算,分析得到了不同轨道谱输入下的地铁车厢垂向振动加速度和轮轨垂向力,并同实测的地铁车厢垂向振动加速度进行比较,初步探讨了上海地铁一号线的轨道高低不平顺问题。     

基于小波变换的磁流变悬架模糊控制算法

运用小波变换的方法将汽车行驶时车身振动信号分解成若干频率成分,分解结果经模糊化处理后作为模糊控制器的输入,根据振动能量的频域分布和车辆悬架阻尼匹配原理制订模糊控制规则,实时调节磁流变阻尼器的阻尼力.实车道路试验表明,基于小波变换的模糊控制算法无论对车身振动还是车轴振动都取得了良好的抑制效果(共振峰值下降了5dB),并且比天棚阻尼控制更具优势.由于该算法只需要一个传感器测量车身加速度,不需要预测路面,是一种非常有应用前景的算法.     

基于有限元与多体动力学仿真的发动机失火故障特征提取研究

提出基于多体动力学和有限元计算的故障仿真方法,通过分析比较振动信号变化来提取故障特征。利用AVL EXCITE平台,建立一个高质量带悬置的四缸发动机动力总成有限元多体动力学仿真模型,以发动机失火故障为例,设置相关参数模拟失火状态运行,求解发动机稳态转速和加速工况的缸体和缸盖位置振动加速度响应信号,经频谱、阶次和小波等分析,对比正常状态和故障状态的差异,提取故障特征。通过实车失火故障试验进行对比,发现仿真结果与试验结果有较好的一致性。利用多体动力学有限元模型进行故障仿真分析的结果,可用于指导实际发动机故障诊断。     

基于梁段单元法轨道连续箱梁的车桥耦合动力响应分析

城市轨道交通可能会引起桥梁振动安全性问题和列车运行平稳性问题。建立精确、快速及通用性较好的车桥耦合计算程序,可对新兴的轨道交通进行振动预测提供借鉴。目前车桥耦合研究中,基于有限元软件建立的桥梁模型,通用性不高;而直接利用空间梁单元建模则无法考虑桥梁面板横向振动差异。采用梁段单元建立桥梁模型,并在MATLAB中建立整个车桥计算程序;以宁波轨道交通一号线为数值模拟对象,将计算结果与实测数据对比验证,最后考虑了不同车速对列车运行平稳性的影响。研究得到,直线运行的状态下,车桥响应都有竖向振动比横向振动受车速影响更大的趋势,且底板垂向加速度幅值最大,比腹板横向及悬臂板垂向振动加速度要显著的多;基于平稳性指标的评价结果比加速度指标更加合理。     

随机不平顺激励下地铁整体道床式轨道振动特性研究

对地铁钢轨振动特性和支座反力的探究是研究地铁引起环境振动的关键。为研究整体道床式轨道的振动特性,基于二维车辆–轨道耦合动力学数值分析法和三维有限元法对不同车速、不同轨道不平顺激励工况下的钢轨垂向振动加速度、振动速度、钢轨位移、支座反力和时域轮轨力进行仿真计算。结果表明：车速一定时,由同种方法计算得到的不同轨道不平顺激励下钢轨最大的垂向位移、支座反力在数值上的差异在5 %以内;同种轨道不平顺谱激励下,钢轨最大的垂向振动加速度、振动速度、垂向位移、支座反力以及时域轮轨力波动范围随车速增大而增大;在钢轨最大垂向振动速度、垂向位移和支座反力方面,基于二维数值分析模型的计算结果大于三维有限元模型的计算结果。根据两种方法计算所得的最大支座反力分别占单个车轮静载的40.46 %和37.44 %;同一车速工况下,钢轨最大的垂向振动加速度、垂向速度、垂向位移、最大支座反力以及时域轮轨力的最大变化范围均在美国五级谱激励条件下取得。     

随机不平顺激励下地铁整体道床式轨道振动特性研究

对地铁钢轨振动特性和支座反力的探究是研究地铁引起环境振动的关键。为研究整体道床式轨道的振动特性,基于二维车辆–轨道耦合动力学数值分析法和三维有限元法对不同车速、不同轨道不平顺激励工况下的钢轨垂向振动加速度、振动速度、钢轨位移、支座反力和时域轮轨力进行仿真计算。结果表明：车速一定时,由同种方法计算得到的不同轨道不平顺激励下钢轨最大的垂向位移、支座反力在数值上的差异在5 %以内;同种轨道不平顺谱激励下,钢轨最大的垂向振动加速度、振动速度、垂向位移、支座反力以及时域轮轨力波动范围随车速增大而增大;在钢轨最大垂向振动速度、垂向位移和支座反力方面,基于二维数值分析模型的计算结果大于三维有限元模型的计算结果。根据两种方法计算所得的最大支座反力分别占单个车轮静载的40.46 %和37.44 %;同一车速工况下,钢轨最大的垂向振动加速度、垂向速度、垂向位移、最大支座反力以及时域轮轨力的最大变化范围均在美国五级谱激励条件下取得。     

基于小波-BP神经网络的发动机轴承故障诊断

本文针对发动机滚动轴承故障振动信号的非平稳特征,提出了一种基于小波包变换与神经网络的滚动轴承故障诊断方法。由于滚动轴承发生故障时,加速度振动信号各频带的能量会发生变化,以振动信号小波分解后的能量信息作为特征,以神经网络作为分类器对滚动轴承故障进行识别、诊断。通过对滚动轴承的正常状态、滚珠故障、内圈故障和外圈故障信号的分析,表明以小波包分解为预处理器的神经网络故障诊断方法可以准确、有效地识别滚动轴承的工作状态和故障类型。     

基于模糊神经网络与主成分分析的磨削表面粗糙度在线预测

基于声发射和振动信号提出了一种模糊神经网络和主成分分析的表面粗糙度预测方法,以提高磨削过程中工件表面粗糙度识别的准确性。首先,采集磨削程中声发射与振动信号,提取相关时域特征、频域特征和小波包特征参数,利用主成分分析对特征量进行降维优化;然后,构建表面粗糙度模糊神经网络预测模型,将信号特征量与表面粗糙度作为模糊神经网络的输入和输出;最后,对模型进行训练,并对表面粗糙度预测精度进行验证。实验结果表明:通过主成分分析(PCA)方法对声发射和振动信号特征量进行降维得到5个主成分,以此建立的模糊神经网络表面粗糙度预测模型的效果精度可达到91%以上,与局部线性嵌入和多维标度法降维方法相比,PCA方法降维后的特征所含信息更优,预测准确度更高。     

基于灰箱模型的垂向车-桥系统响应极值分布研究

针对垂向车-桥系统时域计算效率不高的问题,结合灰箱模型,提出了一种垂向车-桥系统动力响应计算的代理模型方法。通过对车桥系统进行分析,得到输入和输出样本进行灰箱模型参数训练,使车体加速度响应误差最小化,得到代理模型。通过蒙特卡罗模拟,验证了该方法的准确性和效率。结果表明,相比蒙特卡罗模拟方法,该方法计算效率明显提高,计算时间减少了约7倍,且计算误差小。     

福州地铁运行引起的环境振动加速度预测分析

建立了车轨垂向耦合振动数值模型和隧道-土体有限元模型,总结了地铁沿线典型场地土分布,利用车轨垂向耦合模型获得振源加速度,通过隧道-土体有限元模型对福州地铁运行引起的环境振动加速度进行了预测分析。结果表明,福州市场地类别以II类和III类为主,环境振动加速度振级随着距离的增加呈减小的趋势,且III类场地低频成分更加丰富,可能引发频率相近的建筑物和精密仪器的共振;两种场地类型均存在一个振动放大区,且III类场地的振动放大区的幅度更大,范围更广;在一定的距离范围内,环境振动加速度主频体现了扣件轨道共振频率,对于加速度主频和2 Hz以下的低频振动,距离的影响不明显;环境振动加速度振级随着车速的增加而增大;载客量的增加仅有限的增大40 m范围内的环境振动;列车单线运行时引起的环境振动加速度振级比双线运行时有较明显的降低,且III类场地的降幅大于II类场地。     

基于混沌时间序列的GPS单点定位误差预测方法

对由不同型号GPS-OEM板和不同型号天线所组成的GPS单点定位系统的定位误差时间序列进行了混沌特性分析,通过计算最大Lyapunov指数确定了其为混沌时间序列.在此基础上提出了基于混沌时间序列的GPS单点定位误差预测方法,分别将RBF神经网络和Volterra滤波器应用于预测模型,实现了对定位误差的一步预测.通过对比预测结果,发现Volterra滤波器比RBF神经网络具有更高的预测精度,且算法实时性强,可以有效地降低预测模型的复杂程度.     

混凝土边坡模型微差爆破地震波反应谱分析

为了研究不同爆破间隔时间对反应谱特征的影响,利用地震工程中广泛采用的反应谱理论对收集到的室内混凝土边坡爆破振动信号进行研究。首先,对实测的爆破振动信号进行微分得到加速度信号,并用小波包降噪法对加速度信号进行去噪处理。然后,采用Fourier变换方法求得了不同间隔时间下爆破振动信号的加速度反应谱和标准加速度反应谱。分析结果表明:不同间隔时间的爆破质点峰值速度与加速度反应谱的峰值并不存在对应关系;多段微差爆破在起到干扰降振的同时,也使得结构体出现共振的几率增加。     

基于混沌理论的海底混响中目标回波提取

提出了基于混沌理论的混响中目标回波提取新方法。该方法主要得益于一种新的预测模型,该模型基于径向基函数神经网络,综合利用了时间序列的前向和后向预测,解释了该模型用于混沌信号分离的基本原理,用几种混沌时间序列分析了该模型用于混沌信号建模和谐波信号提取的性能。该方法用于湖试混响中目标回波提取的结果表明:该模型可以用于提取信混比不小于1dB的目标回波。     

装甲车辆传动系统故障信号处理方法研究

利用振动信号的分析处理方法对装甲车辆传动系统进行状态航测及故障诊断已有许多成功应用,但在实车检测时,由于受随机强噪声的干扰,使得在提取振动信号特征值时存在较大困难.本文利用振动加速度传感器对传动系统进行测试,并利用高阶统计量估计算法对信号进行处理,有效提高信噪比,提高了装甲车辆状态监测和故障诊断的准确度.