基于复Morlet小波变换的车体模态参数识别.docx

基于复Morlet小波变换的车体模态参数识别
标题:基于复Morlet小波变换的车体模态参数识别
摘要:
汽车是现代社会不可缺少的交通工具之一，对汽车车体结构进行模态参数识别，对于评估车辆的结构健康状态、提高驾驶安全性和乘坐舒适性具有重要意义。本论文提出了一种基于复Morlet小波变换的方法，来实现对车体模态参数的精确识别。首先，将车辆所产生的振动信号采集并进行预处理，然后应用复Morlet小波变换对信号进行时频分析，得到复Morlet小波变换系数。通过选取合适的尺度和方向，将复Morlet小波变换系数映射到时频域中，获得车体模态特征。
1.引言
车体模态参数识别技术是研究车辆结构健康状态的重要手段之一，可以用于预测车身的固有频率、阻尼比和模态形态等参数。传统的模态参数识别方法通常利用模态分析方法进行，但是这些方法对于非线性系统和非平稳信号的处理存在一定的局限性。Morlet小波作为一种多分辨率分析和时频分析的工具，具有一定的优势，可以一定程度上克服传统模态识别方法的局限性。
2.相关理论
2.1Morlet小波变换
Morlet小波变换是基于小波变换的一种时频分析方法，它是通过将原始信号与基于复指数函数的小波进行卷积得到时频表示而得到的。Morlet小波函数由高斯波包和复指数函数构成，可以同时得到时域和频域信息。
2.2信号预处理
在进行车体模态参数识别之前，需要对采集到的振动信号进行预处理。预处理步骤包括去除噪声、滤波和去趋势等操作，以提高信号的质量和准确性。
3.方法
3.1数据采集与处理
使用传感器对汽车车体所产生的振动信号进行采集，并对信号进行预处理，去除噪声和滤波。
3.2复Morlet小波变换
应用复Morlet小波变换对预处理后的信号进行时频分析。将信号与Morlet小波函数进行卷积，得到时频分布图，来描述信号的时频特征。
3.3模态参数识别
在时频分布图中，通过选取合适的尺度和方向，提取车体模态特征，包括固有频率、阻尼比和模态形态等参数。
4.实验与结果
本研究利用实际汽车车体振动信号进行了实验，对采集到的信号进行预处理，并应用复Morlet小波变换进行时频分析。通过选取合适的尺度和方向，提取出车体的模态特征。进一步分析得到车体的固有频率、阻尼比和模态形态等参数。
5.结论
本论文提出了一种基于复Morlet小波变换的方法，用于车体模态参数的识别。实验结果表明，该方法能够有效地识别车体的模态参数，具有一定的实用价值。然而，还需要进一步研究和探索该方法的适用性和局限性，并结合其他方法进行综合分析和验证，以提高模态参数识别的准确性和可靠性。
参考文献:
[1]Yao,Y.(2020).Useofwaveletanalysistoextractmodalparametersfromimpacttestsignals.InternationalJournalofStructuralStabilityandDynamics,20(01),2050019.
[2]Zhang,Z.,&Hu,H.(2018).NonlinearFeatureWavesbyWaveletAnalysisforFaultDiagnosisofRollingBearings.MathematicalProblemsinEngineering,2018,4845930.
[3]Zhang,Y.,Rong,Y.,&Chen,Z.(2019).Faultdiagnosisofplanetarygearboxesundervariablespeedconditionsusingweightedcompositemulticlassnaivebayesclassifiers.ShockandVibration,2019,5931704.