基于小波变换的车辆振动平顺性试验研究

基于小波分析的车载激光雷达振动响应误差处理算法研究
激光雷达具有测量距离远、反应速度快、工作可靠等优点,且不受电磁干扰,不仅在军事上应用广泛,同时在民品领域发展迅速,具有良好的应用前景和较高
的商业价值。

车载激光雷达安装在车辆平台上,采用脉冲式激光测距原理,根据扫描系统探测到的信息,实现汽车自动驾驶、自动导航、障碍物距离报警等功能。

由于车载三维扫描激光雷达中包含光学扫描机构等运动部件,在面对冲击振动等外界因素干扰时,可能导致成像误差或测距精度不稳定等问题。

为了保证车载激光雷达在振动环境和动态使用条件下可靠工作,提高其产品性能,需对其冲击振
动响应误差进行研究。

本文首先对车载激光雷达扫描结构及振动特性进行了研究,分析了车载激光雷达的工作原理和典型车载激光雷达的扫描原理,选择了具有突出优点的旋转多面镜扫描结构进行了扫描轨迹分析,并从理论的角度研究了车载激光雷达在机械、光学两个方面受振动的响应情况,同时对其光电系统进行了振动噪声响应分析。

其次,针对车载激光雷达输出信号受冲击振动噪声影响的问题,建立了冲击振动
激励与电路振动噪声响应之间的数学模型,提出了一种基于小波分析的噪声消除方法。

该方法通过对车载激光雷达输入冲击激励信号进行小波分析,对输出振动噪声响应信号进行高斯函数拟合,建立了二者间的关联函数,在此基础上设计了
输出噪声处理算法。

最后对该算法进行了仿真与实验,结果表明,该算法对冲击振动引起的车载激光雷达输出噪声有较好的消噪效果。

基于小波的列车加速度和轨道不平顺关系分析曲铭;许玉德【摘要】轨道不平顺是引起车辆系统振动的重要激振源.为适应现代铁路的发展,提高旅客乘车的舒适性,研究轨道高低不平顺与列车垂向加速度间的关系变得越来越重要.本文利用小波分析的方法,对综合检测车采集到的轨道高低不平顺信号和垂向加速度信号进行处理,将分析的重点集中在具体的某一频段上,并对其进行了相关性分析,确定了轨道高低不平顺和列车垂向加速度间的关系.【期刊名称】《华东交通大学学报》【年(卷),期】2008(025)005【总页数】6页(P36-41)【关键词】小波分析;垂向加速度;高低不平顺;相关性分析【作者】曲铭;许玉德【作者单位】同济大学,道路与交通工程教育部重点实验室,上海,201804;同济大学,道路与交通工程教育部重点实验室,上海,201804【正文语种】中文【中图分类】U213.313无论是普速列车还是提速列车，轨道不平顺都是引起车辆系统振动的重要激振源.轨道的平顺性直接影响着列车运行的安全性和旅客乘坐的舒适性.随着社会的进步，人民物质生活水平的提高，旅客更注重乘车的舒适性，所以，现代铁路的发展对轨道几何形位的管理提出了新的要求.目前，对轨道几何不平顺的评价方法主要有峰值管理和均值管理.峰值管理是通过设定一系列的限制值对轨道几何状态进行评价，按超限级别进行维修管理，如我国采用的5级管理限值等;均值管理包括对轨道局部不平顺的评价方法，如扣分法，对单元轨道区段整体不平顺幅值特征进行统计的方法，如P值、TQI法等，对不平顺幅值和波长结构的统计分析方法，如不平顺功率谱(PSD)法［1］.现有的方法虽然能满足目前的需要，但也有其局限性.而小波分析的方法，因其具有良好的时频域关联特性，不仅能找出较大的不平顺幅值、分析轨道不平顺的波长结构，而且能够在某一频段上对不平顺波长进行分析，并且能确定其具体的位置，对指导轨道的养修工作具有重大的意义.自1986年Y.Meyer，S.Mallat及I.Daubechies等人的奠基性工作以来，小波分析作为一门新兴学科，发展迅速，无论是理论体系的建立还是应用的广泛深入，都已经达到了一个新的水平.相对于经典的傅里叶分析，小波分析作为新的时频分析方法，具有显著的优点.它的基本思想是用一族小波基函数去逼近一信号，来解决时间和频率分辨力的矛盾.不同于短时傅里叶变换，它可以根据实际分析的需要，自适应地调节时频窗口，聚焦到信号时域和频域的任何细节，即在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率［2］.1.1 小波分析的概念［3］设ψ(t)∈L2(R)，其傅里叶变换为(ω)，当(ω)满足容许性条件称ψ(t)为基本小波或母小波.将基本小波ψ(t)按式(2)伸缩和平移后得到的函数族{ψa，b}称为分析小波或连续小波.式中:a为伸缩因子;b为平移因子.对于任意的函数f(t)∈L2的连续小波变换为:其中:“＜＞”表示内积;(Wψf)(a，b)称为小波系数.小波变换后的重构公式为对于连续小波变换来说，伸缩因子a、时间t和与时间有关的平移因子b都是连续的.如果把尺度因子a和偏移因子b按幂级数的形式离散化处理，就得到离散小波变换.即这里，a0≠1是固定值，假定a0＞1，对应的离散小波为信号f(t)的离散小波变换系数为重构公式为取a0=2，b0=1对尺度因子a和偏移因子b进行离散化，得如下的二进小波1.2 多分辨分析和Mallat算法［3］1986年Meyer创造性地构造出具有一定衰减性的光滑函数，使得小波得到真正的发展.1988年，S.Mallat在构造正交小波基时提出了多分辨分析(multi－resolution analysis)的概念，从空间的概念上说明了小波的多分辨频率特性，并在1989年给出了正交小波基的构造方法以及正交小波变换的快速方法，即Mallat算法.多分辨分析实际上将信号分成低频部分A1和高频部分D1，再对低频部分A1进行再次分解，高频部分D1不予考虑，逐层分解，以达到获得信号特性的目的.待分析信号S进行n层分解后得到如下关系Mallat算法又称塔式算法，它在小波分析中的地位相当于快速傅里叶变换(FFT)在傅里叶分析中的地位.它是通过小波滤波器H、G和h、g对信号进行分解和重构，以获得所需要的信号特征.2.1 原始信号来源及处理方法采用2008年1月京沪线上行线里程k1449+043至k1449+775的综合检测车数据，点号与里程的关系为4个点为1 m，综合检测车的速度为230 km/h.应用小波分析方法分别对垂向加速度和左高低进行处理，采用db6小波进行6层分解.小波变换的方法是在MATLAB6.5环境下自编程序实现.对轨道不平顺的分析主要集中在其低频部分，虽然小波分解的层数越多，低频部分的区分就越细致，但也并不是层数越多分析效果就越好.所以，分解的层数应该由采样频率和所关注的重点频率共同确定.针对本文采用的数据，并结合采样定理以及MALLAT算法在各子带上的频率范围，最终确定小波分解的层数.2.2 垂向加速度信号的小波分析垂向加速度的小波分析结果见图1.(A)图为垂向加速度原始信号;(B)图为6层近似信号，从图上可以看出:6层小波分解可以满足对加速度分析的要求;(C)图为6层细节信号及其对应的频谱.可以看出:D1可以看作为高频噪声，而能量主要集中在D4和D6上，其对应的频率范围在100～160和15～30，波长范围为0.4～0.6和2.1～4.2;(D)图为D4和原始信号的关系，比较后发现D4可以具体的确定产生较大垂向加速度的位置，如在第400个点左右(k1449+143左右)、第1 000～1 200个点间(k1449+293～k1449+343间)都产生了较大的垂向加速度.2.3 高低不平顺信号的小波分析左高低不平顺信号的小波分析见图2.(A)图为左高低不平顺的原始信号;(B)图为6层近似信号，从图上可以看出:6层小波分解可以满足对高低不平顺信号分析的要求;(C)图为6层细节信号及其对应的频谱，D1和D2可以看作为噪声，分析发现能量主要集中在D4和D6上，其对应的频率范围在90～150和20～30，波长范围为0.4～0.7和2.1～3.2; (D)图为D4、D6和原始信号的关系，比较后发现可以通过D4、D6确定产生较大高低不平顺的具体的位置，如在第400个点左右、第1 000～1 200个点间都产生了较大的高低不平顺，较大高低不平顺的里程确定为k1449+143和k1449+293～k1449+343;(E)图为分析细节信号D6时发现的周期波不平顺.2.4 垂向加速度信号和高低不平顺信号的比较分析对比垂向加速度信号以及相应的高低不平顺信号，可以发现两者存在着一定的相互关系，即当高低不平顺出现较大变化时会引起较大的垂向加速度.对垂向加速度和左高低中能量集中的D4信号(见图3)进行相关性分析，采样点数为2 400，得到它们的相关系数为0.526 3，以显著性水平α=0.01判断，相关性较显著.同时发现加速度信号相对于左高低不平顺信号滞后48个采样点，即垂向加速度相对于高低不平顺滞后12 m，以列车运行速度为230 km/h计算，垂向加速度的滞后时间为0.19 s.本文应用小波分析的理论对列车垂向加速度信号和轨道左高低不平顺信号进行分析处理，得到以下结论:(1)通过小波分析的方法可以确定不平顺波形中幅值较大处的位置，对于指导轨道几何形位的养修具有重大意义;(2)通过小波分析的方法，可以辨识轨道随机不平顺中隐含的比较有规律的典型波形，很好的解决了轨道不平顺波形的辨识问题;(3)应用小波分析的方法可以具体分析某一频段轨道高低不平顺与列车垂向加速度间的关系，得到当列车以230 km/h的速度运行时，垂向加速度相对于高低不平顺0.19 s，并证明了它们之间存在线性相关性，为分析列车－轨道相互关系提供了可行的方法.【相关文献】［1］许玉德，李海锋，戴月辉.轨道交通工务管理［M］.上海:同济大学出版社，2007.［2］刘涛，曾祥利，曾军.实用小波分析入门［M］.北京:国防工业出版社，2006.［3］杨建国，等.小波分析及其工程应用［M］.北京:机械工业出版社，2005.［4］刘秀波.基于经验模式分解的钢轨波浪弯曲不平顺提取方法［J］.中国铁道科学，2006，27(2):26－29.［5］植木基晴，上浦正树，竹泽晋一.利用小波模型分析轨道不平顺和列车摇晃的关系［J］.铁道总研，2006，62(1):113－120.。

基于小波变换的汽车振动信号去噪分析,姜永胜.王其东设计-研究基于小波变换的汽车振动信号去噪分析姜永胜・-一.王其东1(1.合肥工业大学机械与汽车工程学院,合肥230009;2.安徽江淮汽车有限公司,合肥230022摘要:从小波变换的理论背景出发。

介绍了利用小波变换对信号进行分解的原理。

并针对汽车振动信号的非平稳性特点.对驾驶员座椅振动信号用dB4小波进行了多分辨分析和小波包分析。

并运用Madab中的Wavelet 7I钿Uox对其进行去噪处理,取得了明显的效果。

通过与FouIie珐噪的比较,可以看出小波变换在汽车振动信号去噪中有着Fourier分析无可比拟的优点。

关键词:汽车振动;多分辨分析;小波包分析;去噪中图分类号:U461.4文献标识码:A 文章编号:1005—2550(200604-0023-03汽车在实际行驶过程中.其振动信号的激振源主要有发动机振动、汽车各总成所产生的振动、车轮滚动产生的周期振动以及路面不平度产生的随机激励。

显然此信号是一个含噪声的非平稳振动信号[¨。

对汽车振动信号的处理以往采用的方法是基于 Fourier变换的谱分析法。

但F0urier变换是一种基于整个时域或频域的全局变换.无法表述信号的时频局域性质.不适用于非平稳信号的处理。

尽管窗口FouIier变换有了一定的改进.但由于窗口的形状和大小固定不变.与频率无关。

无法实现频率分辨率随频率变化进行自动调节的要求。

目前流行的小波分析具有多分辨率分析的特点.且在时频两域都具有表征信号局部特征的能力.可以聚焦到信号的任意细节进行频域处理.频率分辨率可随信号的频率变化进行自动调节.非常适用于非平稳振动信号的处理c2]。

所以小波分析又称为“数学显微镜”。

是振动信号分析与处理的得力工具。

本文针对汽车振动信号的特征.采用小波变化对其进行去噪,取得了比 Fourier变换优越的去噪效果。

1小波变换理论1.1小波变换【¨】对于任意函数t∈L2(R的连续小波变换定义为:聊(Ⅱ,6=叭t,钆.6(f]=l妒硝(t狄t山 (1 式中,‰础=了音妒(气}口,6∈噩,口≠o;口为频率参数, 称为尺度因子;6为时移参数,称为平移因子。

汽车平顺性实验实验目的研究车身与车轮双质量系统的振动。

实验内容模拟分析车身与车轮双质量系统在路面输入下汽车悬架动挠度21z z -和车身加速度a 的变化趋势。

双质量系统振动的运动方程：....221221....1121121()()0()()()0t m z C z z K z z m z C z z K z z K z q +-+-=+-+-+-= 设..1212[]T x z z z z =则.......1212[]T x z z z z =设..221[]T y z z z =-其中21z z -为动挠度，..2z 为车身加速度列出状态方程如.x Ax Bu y Cx Du⎧⎪=+⎨=+⎪⎩12..111111.2222200100000100t t z z K K K C C x q K m m m m z m K K C C z m m m m ⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥+⎢--⎥=+⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥--⎥⎢⎢⎦⎥⎣⎦⎣⎢⎦⎣ 11100201022222z z y q K K C C z m m m m z ⎡⎤⎡-⎢⎤⎥⎡⎤⎢⎢⎥⎥=+⎢⎥⎢⎢⎥⎥--⎦⎣⎢⎦⎢⎣⎥⎢⎦⎣在matlab 中建立m 文件，输入如下程序：m1=24;m2=240;K=9475;Kt=85270;C=754;A1=[0 0 1 00 0 0 1-(K+Kt)/m1 K/m1 -C/m1 C/m1K/m2 -K/m2 C/m2 -C/m2];B1=[0 0 Kt/m1 0]';C1=[-1 1 0 0K/m2 -K/m2 C/m2 -C/m2];D1=[0 0]';保存并运行。

打开simulink建立如下模型：在state-space中对应A B C D输入A1 B1 C1 D1 点击运行实验结果打开scope1 scope2 scope3查看仿真结果如图：scope1scope2scope汽车行驶平顺性实验报告学院：专业班级：姓名：学号：THANKS !!!致力为企业和个人提供合同协议，策划案计划书，学习课件等等打造全网一站式需求欢迎您的下载，资料仅供参考。

汽车平顺性试验数据处理系统的研究及实现随着汽车工业的不断发展和创新，越来越多的汽车平顺性试验在研发过程中被广泛应用。

为了保证汽车的平稳性能和乘坐舒适感，汽车制造商需要对汽车平顺性能进行评价和测试。

而汽车平顺性试验数据处理系统的研究和实现，能够有效减少人工处理数据并提高测试数据精度和质量，是目前汽车工业中不可或缺的重要环节之一。

汽车平顺性试验数据处理系统主要应用于对汽车的运动学和动力学特性进行评估。

其基本工作流程是：先对汽车在各种路况下的试验进行实际测试，测试数据采集后，对数据进行处理和分析，最终得出汽车在各种路况下的平顺性能指标。

在这个过程中，数据处理系统起到了至关重要的作用。

首先，数据处理系统需要对采集的测试数据进行清洗和规范化处理。

这涉及到对数据的去噪、滤波、校准、对齐等，以保障测试数据的质量和精度。

其次，数据处理系统需要根据不同的测试参数和指标来计算和分析测试数据。

例如，对于汽车运动学参数的评价，需要计算动态系数、加速度、速度、位移等指标。

而对于汽车动力学参数的评价，则需要计算油耗、发动机功率、车速等指标。

数据处理系统需要具有多种数据分析算法和模型，并能通过界面友好的软件（如Matlab、Python等）对数据进行统一处理和分析。

最后，数据处理系统需要将计算得出的结果进行可视化展示和输出。

例如，将处理后的数据绘制成图表和报表，以便汽车制造商和用户更清晰地了解汽车的平顺性能。

总之，汽车平顺性试验数据处理系统研究和实现，有利于提高汽车制造商的研发能力，提升汽车品牌的市场竞争力，并在用户体验方面有所突破。

随着汽车工业的快速发展，汽车设计和制造需要依赖大量的测试数据和分析结果，以实现不断提升汽车的品质和性能。

其中，汽车的平顺性是影响乘坐舒适度和安全性的关键因素之一，并且与其他汽车参数是密切相关的。

因此，开发一种高效的汽车平顺性试验数据处理系统是十分必要的。

在对汽车平顺性试验进行数据处理的过程中，需要对测试数据进行整体清洗处理。

第37卷第16期振动与冲击JOURNAL OF VIBRATION AND SHOCK Vol.37No. 16 2018基于更新提升形态小波变换的车辆目标震动信号特征提取杜锴，方向，张胜，王怀玺，黄俊逸(解放军理工大学野战工程学院，南京210007)主商要！针对传统线性小波变换在处理地面目标震动信号上的局限性，提出了一种更新提升形态小波来提取车辆目标震动信号的特征信息。

利用仿真信号和实测的两类车辆目标震动信号进行对比分析，分析结果表明与传统线性小波和极大形态提升小波相比，更新提升形态小波不仅能在强噪声环境下有效提取目标信号的特征信息，同时不受低频信号干扰，为基于震动信号的地面目标精确识别提供了一条新的途径。

关键词：车辆目标;特征提取;更新提升;形态小波中图分类号：TJ81;TN911.7文献标志码：A DOI： 10. 13465/ki.jvs. 2018.16.020Feature extraction of vehicle vibration signals based on update liftingmorphological wavelet transformD U K ai，FANG Xiang，ZHANGSheng，WANGHuaixi，HUANG Junyi(College of Field Engineering，PL A U niversity of Science and Technology，Nanjing 210007，China) Abstract:To overcome the limitations of the traditional linear wavelet transform when dealing wi t l i a ground target’s vibration signals，the update l i f t i n g morphological wavelet was employed to extract the target signals’feature information.The simulated signals and vibration s ignals measured fromtwo kinds of vehicle target results show that，compared with the traditional wavelet and max-lifting scheme，the update l i f t i n g extract the target signals’feature i nformation in strong noise environments.I t can also eliminate the interference of lowfrequency signals，thereby providing a new method for the precise identification of ground targets based on seismic signals.Key words：vehicle target;feature extraction；update lifting;morj^hological wavelet随着时频分析理论的发展和成熟，小波变换因其灵 活性以及优秀的探测瞬态信号能力而被广泛的应用于处 理目标震动信号[1_5]。

汽车行驶平顺性试验姓名：XXX专业：车辆工程指导教师：XXX2013/6/12第1章绪论在全球经济高速发展的今天，汽车已经成为人们日常生活中不可或缺的交通工具。

随着人们生活水平的提高和汽车工业的迅速发展，汽车在行驶过程中的操纵性能和乘坐舒适性已越来越受到人们的重视。

为了满足人们对汽车性能日益苛刻的要求，优异的操纵稳定性和平顺性已经成为各汽车制造者共同追求的目标。

本文主要研究目前国内外汽车平顺性的主要评价方法。

1．2汽车行驶平顺性的国内外研究概况汽车的行驶平顺性研究已有几十年的历史，许许多多的专家学者为此付出了大量的努力，取得了很大进展。

目前，汽车平顺性研究的主要方法可分为试验方法与理论方法如图(1．2)所示。

试验方法包括室外道路试验、试验场试验和室内模拟试验，而理论研究是力求建立能完全反映客观实际的动力学仿真模型，通过计算得到振动的基本规律，求解出行驶平顺性分析所需要的振动响应量，并将其进行数据处理，与相应的行驶平顺性评价指标相比较，从而预测和分析汽车行驶平顺性。

与试验相比，理论研究不受试验条件的限制，在缩短研究周期，节约研究开发费用，指导产品的优化设计和预测新产品的性能等方面具有明显的优势，各国的工程技术人员在理论方法方面做了大量的研究。

1．3．1汽车行驶平顺性评价方法研究评价汽车平顺性的优劣，离不开评价方法。

汽车行驶平顺性的评价方法，通常根据人体对振动的生理反应及对保持货物完整性的影响制订，并用振动的物理量，如频率、振幅、加速度、加速度变化率等作为行驶平顺性的评价指标。

31。

国际标准化组织在综合大量有关人体全身振动的研究工作和文献资料的基础上，颁布出国际标准IS02631《人承受振动的评价指南》，它所使用的1／3倍频带评价方法、总加权值评价方法等被普遍采用，国际标准化组织也在不断地进行修改和完善评价标准。

我国等效地采用IS02631，制定了相应的国家标准，如GB／T13442《人体全身振动暴露的舒适性降低界限和评价标准》，GB4970《汽车平顺性随机输入行驶试验方法》等。

基于小波变换的目标机动检测的开题报告一、研究背景与意义目标机动是指在机动飞行中的目标，常常是敌方战斗机或无人机等，具有高速、大角度、不规律突发性等特征。

在现代军事作战中，对目标机动的准确探测与追踪是识别、预测、拦截等战术决策的重要基础，也是提高实战能力的重要手段。

传统目标检测方法主要依赖于简单的像素级阈值、边缘检测等手段，已经难以适应现代高速、随机机动的目标检测需求，因此需要寻求更高效的检测算法。

小波变换是一种用于多尺度分析的数学工具，对于多尺度目标检测具有很好的效果，因此可以通过小波变换来实现目标机动的检测。

本研究旨在基于小波变换技术实现高效目标机动检测算法，提高目标机动检测的准确率与实时性，为现代战争决策提供更好的技术支持。

二、研究内容与方案本研究主要内容包括以下几方面：1. 小波变换原理与特点分析小波变换是一种用于多尺度分析的数学工具，通过对信号进行小波分解和重构，得到不同频率、不同尺度的信号分量，能够有效地提取目标的特征信息。

本研究将分析小波变换的基本原理、基本特点，并探讨小波变换在目标机动检测中的应用。

2. 目标机动检测算法设计在小波变换的基础上，本研究将设计一种高效的目标机动检测算法。

主要包括以下步骤：首先对输入图像进行小波分解，得到不同频率的信号分量；然后采用多尺度分析方法，提取目标的特征信息，包括目标的速度、方向、大小等；最后根据目标的特征信息，通过机器学习等方法，实现目标机动的检测。

3. 算法实现与实验验证针对所设计的目标机动检测算法，本研究将进行实现，并进行实验验证。

实验将采用一些典型数据集进行测试，比较所设计算法与传统算法的性能差异，包括准确率、实时性等指标。

三、研究进度安排第一年：1. 小波变换原理与特点分析2. 目标机动检测算法设计第二年：1. 算法实现与性能测试2. 论文撰写与投稿四、预期成果1. 实现基于小波变换的目标机动检测算法，提高目标机动检测的准确率与实时性。

小波分形技术在车用柴油机振动诊断中的应
用
小波分形技术是一种全新的信号处理技术，该技术不仅可以对信号进行精确的分解和重构，还可以利用分形维数特征实现信号的特征提取和识别。

在车用柴油机振动诊断中，小波分形技术可以应用于发动机振动信号的分析和诊断。

发动机振动信号是指发动机在运行过程中产生的振动信号，这种信号包含了丰富的信息，可以用来检测发动机的运行状态和故障情况。

利用小波分形技术对发动机振动信号进行处理，可以有效地提取信号的特征信息，并根据信号的分形维数特征进行发动机故障的诊断。

此外，小波分形技术还可以通过对不同频段的振动信号进行分析，实现对发动机故障的更加准确的诊断。

总之，小波分形技术在车用柴油机振动诊断中具有广泛的应用前景，可以为发动机故障的快速诊断和维修提供有力的支持。