行业动态

精密仪器运输车辆隔振器的减振性能分析
作者:聚星官网 发布时间:2020-12-01 23:11

  精密仪器运输车辆隔振器的减振性能分析。精密仪器运输车辆隔振器的减振性能分析 赵 玲 1,唐 岚 1,向春生 2 【摘 要】摘 要:对精密仪器运输车辆隔振器的减振性能进行分析,提出一种改 进的基于奇异值分解(SVD)的小波变换降噪方法,采用

  精密仪器运输车辆隔振器的减振性能分析 赵 玲 1,唐 岚 1,向春生 2 【摘 要】摘 要:对精密仪器运输车辆隔振器的减振性能进行分析,提出一种改 进的基于奇异值分解(SVD)的小波变换降噪方法,采用该方法对隔振装置测试 数据进行降噪,得到了优于传统小波阈值降噪方法的隔振器幅频特性。通过幅 频特性分析,表明钢丝绳隔振器对于 20 Hz 以下信号有着很好的减振能力,但 对于高频信号,特别是运输车的发动机转速和给精密仪器供电的发电机信号引 起的振动却有着较大的放大作用。本文的分析结果对隔振器减振性能的进一步 分析与改进奠定了基础。 【期刊名称】西华大学学报(自然科学版) 【年(卷),期】2011(030)004 【总页数】4 【关键词】关键词:SVD 分解;小波变换;降噪;钢丝绳隔振器 精密仪器在车辆运输中由于路面的振动、冲击、颠簸等极易受到损坏,或由于 运输过程的影响,其系统关键部位参数发生变化,导致测量结果不准确或无法 正常使用,因而,需要在车厢上加装隔振装置进行减振。在道路试验过程中, 隔振装置的输入输出信号不可避免地会加入噪声,如果采用未降噪的数据进行 隔振装置的减振性能分析,得出的结论将与实际状况不相符,因而无法正确评 价运输过程对精密仪器的影响。 为此,作者提出一种基于奇异值分解的小波降噪方法,采用该方法对隔振装置 测试数据进行降噪,可得到较好的效果,从而有助于对隔振装置减振性能进行 正确评价。 小波变换是一种信号的时-频分析方法,它具有多分辨率的特点,可以方便地从 混有强噪声的信号中提取原始信号,被誉为分析信号的显微镜。有许多学者对 小波理论及其应用进行了研究,早期的 Weavevr 等[1],后来 Donoho 等 [2]提出了硬阈值和软阈值方法,其中软阈值方法由于具有很好的降噪效果, 应用比较广泛。但对于强噪声背景下的微弱信号的提取,常用的小波阈值降噪 方法可能将有用的高频成分作为噪声误滤掉[3]。 1 道路试验系统简介 1.1 系统结构及传感器布置 为减少运输过程对精密仪器性能的影响,在运输车辆车厢的地板上安装一个隔 振器平台。该平台采用 GJG 型重型钢丝绳隔振器。精密仪器包含仪器柜及仪器 主体 2 个组成部分,其中仪器柜里面装有对调校器和给仪器主体供电的发电机 等。 为了更好地减少对精密仪器性能的影响,缩短进行相关参数调校的工作量,需 要对隔振器进行一些改进,但前提是必须了解隔振器的实际隔振性能,为此, 需进行精密仪器运输试验。 试验时,在隔振器的上方与下方关键部位分别安装若干压电式加速度传感器, 用于测量隔振器的输入输出振动信号。 1.2 钢丝绳隔振器结构及工作原理 钢丝绳隔振器结构如图 2 所示。它用 1 根不锈钢钢丝绳绕制,加上上下 2 块夹 板组成。其刚度和阻尼取决于钢丝绳直径、股数、长度、圈数、缠绕方式及松 紧程度,而其阻尼特性则与隔振器变形有关。 当隔振器振幅足够大时,钢丝绳各股之间发生干摩擦,此时干摩擦阻尼大。在 小振幅时,各股钢丝绳靠摩擦力拧在一起,不发生滑移,所以不产生干摩擦阻 尼。钢丝绳隔振器是一种非线性隔振器,对于抑制低频宽带激励具有十分理想 的效果[4]。 2 试验数据降噪处理方法 在道路试验中,传感器信号不可避免地会加入噪声信号,为此,需要对其传感 器输出信号进行降噪处理。由于小波变换具有多分辨率的特点,可以方便地从 混有噪声的信号中提取原始信号。本文在小波阈值降噪的基础上,提出了一种 基于奇异值分解的改进降噪方法。 2.1 基于奇异值分解的小波变换降噪方法 2.1.1 小波阈值降噪 小波阈值降噪的基本原理是先对含噪信号进行 n 层小波分解,得到每层的小波 分解系数。根据信号与噪声在各频率带上的频谱特性不同,将各分解层次上由 噪声产生的分量去掉,保留有用信号分量。 传统的小波软阈值降噪方法是对各尺度上的小波细节系数建立相应的阈值,根 据该系数超出阈值与否对其采取不同的处理方法。 如令 W 为小波分解细节系数,Ts 为阈值,0≤α≤1,sgn()为符号函数,则降噪 算法为 最后再进行小波重构,得到降噪后的信号。 该方法的缺点在于:当信号中幅值较小的有用成分进行小波分解后,由于其小波 系数相对较小而被视为噪声加以剔除,使信号的完整性受到了破坏。 2.1.2 奇异值分解(SVD)[5-6] 在奇异值理论中,任何 m×n 阶的矩阵 A(其中 m>n)的奇异值分解表示为 式中:U 和 V 分别是 m×m 阶和 n×n 阶正交矩阵,Λ=diag(α1,α2…αn)对角 矩阵,其对角元素为 A 的奇异值,并按降序排列。 由于 Λ 是一对角矩阵,因此 SVD 可以将 1 个秩为 k 的 m×n 阶矩阵 A 表示为 A 个秩为 1 的 m×n 阶子矩阵的和。其中,每个子矩阵由 2 个特征矢量(分别来 自于 U 和 V)和权值相乘得到,如下式所示 式中:k 为 A 的秩;ui,vi(i=1,2,3…)分别为 U 和 V 的第 i 列奇异值矢量;αi 是 A 的第 i 个奇异值。在实际应用中,若 A 表示为时频信息,则对应的 ui,vi 分 别表示频率和时间信息。 实际应用中,一般保留矩阵 A 奇异值分解后较大的奇异值项,来得到 A 的估计 值,从而实现信号的降噪。 2.1.3 基于 SVD 的小波变换降噪方法 该方法先对含噪信号进行 n 层小波分解,得到每层的小波分解系数,对各层的 小波细节系数的降噪不是采取统一的阈值处理,而是对每层细节系数,分别采 用 SVD 分解进行降噪得到新的各层细节系数,最后再通过小波重构得到降噪后 的信号。 该方法与小波阈值降噪方法相比,在信噪比较低的情况下,仍然可以获得更好 的降噪效果。 具体 Matlab 实现算法如下: 1)[c,l]=wavedec(x,n,w);对含噪信号进行 n 层小波分解,得到小波系数。 2)由每层小波细节系数 cdi 构造延拓矩阵 A,一般 A 为对称矩阵,m=n。 5)对 A 进行 SVD 分解,保留几个较大

聚星官网