车辆振动信号的特征提取方法比较

车辆振动信号的特征提取方法比较第37卷第4期吉林大学学报(工学版)Vol.37No.42007年7月JournalofJilinUniversity(EngineeringandTechnologyEdition)July2007车辆振动信号的特征提取方法比较廖庆斌1,李舜酩1,覃小攀2(1.南京航空航天大学能源与动力学院,南京210116;2.吉林大学汽车工程学院,长春130022)摘要:针对用于车辆振动信号分析的常用方法:小波分析方法和HilbertHuang变换方法,以及作者新近提出的时序多相关经验模式分解方法,通过仿真对比分析了它们各自的特点以及它们在振动信号特征提取中的适用性。非线性信号的仿真分析表明,在没有噪声或分析对象背景噪声较小的情况下,后两种方法能提取到特征信号,小波分析不适合非线性信号的分析;在强背景噪声下,前两种方法均不能得到满意的特征信息,而时序多相关经验模式分解方法能提取到所需的目标信息。最后将时序多相关经验模式分解方法用于某特种车辆特征信号的提取,得到了满意的结果,验证了该方法在车辆振动信号特征提取中的有效性。关键词:信息处理技术;振动信号;特征提取;小波分析;HilbertHuang变换;时间序列多相关;经验模式分解中图分类号:TN911;U270文献标识码:A文章编号:16715497(2007)04091006ComparisonoffeatureextractionmethodsofvehiclevibrationsignalLiaoQingbin1,LiShunming1,QinXiaopan2(1.CollegeofEnergyandPowerEngineering,NanjingUniversityofAeronauticsandAstronautics,Nanjing210116,China;2.CollegeofAutomotiveEngineering,JilinUniversity,Changchun130022,China)Abstract:Thevibrationsignalsofavehiclealwayscarrythedynamicinformationofthevehicle.Thesesignalsareveryusefulforthehealthmonitoringandfaultdiagnosis.However,inmanycases,becausethesesignalshaveverylowsignaltonoiseratio(SNR),toextractfeaturecomponentsbecomesdifficultandtheapplicabilityofinformationdropsdown.Thecharactersoffeatureextractionofvibrationsignalwerecompared,amongthetwopopularmethodsnamedwaveletanalysis(WA)andHilbertHuangtranslation(HHT)andthemulticorrelationoftimeseriesandempiricalmodedecomposition(MCTSEMD),viasimulation.Andtheapplicabilityofthemwasanalyzedusingthesimulationsignal.TheHHTandMCTSEMDcanextractthefeaturesignalinnointerferenceofnoiseortheSNRisalargenumber,whiletheWAisnotsuitforthefeatureextractionofnonlinearsignal.Inthestrongbackgroundnoise,theWAandHHTcannotworkwell,contrastingthem;theMCTSEMDcanextractthewantedobjectinformation.Atlast,TheMCTSEMDmethodwasusedtoextractthefeaturesignalofsomespecialvehicle,asatisfactoryresultcanbeget,thisvalidityofMCTSEMDwasvalidatedinthefeatureextractionofvehiclevibrationsignal.Keywords:informationprocessing;vibrationsignal;featureextraction;waveletanalysis;HilbertHuang收稿日期:20060622.基金项目:航空科学基金资助项目(04I52066);国家自然科学基金资助项目(506750101).作者简介:廖庆斌(1979),男,博士研究生.研究方向:振动、噪声的分析与控制.Email:qb_liao@https://www.sodocs.net/doc/a52270660.html通讯联系人:李舜酩(1962),---本文来源于网络,仅供参考,勿照抄,如有侵权请联系删除---男,教授,博士生导师.研究方向:振动噪声分析与控制,现代信号处理,转子振动监测与诊断.Email:lishunming69@https://www.sodocs.net/doc/a52270660.html本文来源:网络收集与整理,如有侵权,请联系作者删除,谢谢!---本文来源于网络,仅供参考,勿照抄,如有侵权请联系删除---

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供参考,付费前请自行鉴别。
3、如文档内容存在侵犯商业秘密、侵犯著作权等,请点击“举报”。

常见问题具体如下:

1、问:已经付过费的文档可以多次下载吗?

      答:可以。登陆您已经付过费的账号,付过费的文档可以免费进行多次下载。

2、问:已经付过费的文档不知下载到什么地方去了?

     答:电脑端-浏览器下载列表里可以找到;手机端-文件管理或下载里可以找到。

            如以上两种方式都没有找到,请提供您的交易单号或截图及接收文档的邮箱等有效信息,发送到客服邮箱,客服经核实后,会将您已经付过费的文档即时发到您邮箱。

注:微信交易号是以“420000”开头的28位数字;

       支付宝交易号是以“2024XXXX”交易日期开头的28位数字。

客服邮箱:

biganzikefu@outlook.com

所有的文档都被视为“模板”,用于写作参考,下载前须认真查看,确认无误后再购买;

文档大部份都是可以预览的,笔杆子文库无法对文档的真实性、完整性、准确性以及专业性等问题提供审核和保证,请慎重购买;

文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为依据;

如果您还有什么不清楚的或需要我们协助,可以联系客服邮箱:

biganzikefu@outlook.com

常见问题具体如下:

1、问:已经付过费的文档可以多次下载吗?

      答:可以。登陆您已经付过费的账号,付过费的文档可以免费进行多次下载。

2、问:已经付过费的文档不知下载到什么地方去了?

     答:电脑端-浏览器下载列表里可以找到;手机端-文件管理或下载里可以找到。

            如以上两种方式都没有找到,请提供您的交易单号或截图及接收文档的邮箱等有效信息,发送到客服邮箱,客服经核实后,会将您已经付过费的文档即时发到您邮箱。

注:微信交易号是以“420000”开头的28位数字;

       支付宝交易号是以“2024XXXX”交易日期开头的28位数字。

笔杆子文秘
机构认证
内容提供者

为您提供优质文档,供您参考!

确认删除?