关键词:
工程机械
司机室振动噪声
源数估计
独立成分分析
MEEMD
盲源分离
摘要:
目前我国工业化建设进展迅速,工程机械设备在基础设施建设及工农业生产中发挥着突出作用。工程机械行业已发展成为我国机械工业中的第四大行业,国产工程机械设备技术水平获得了很大提升。随着工程机械行业的快速发展以及各国环保政策的大力推行,人们对于工程机械的综合性能提出了更高的要求,对于工程机械的舒适性和噪声控制的要求也越来越严格。工程机械司机室内噪声作为NVH(Noise、Vibration、Harshness)重要指标之一,越来越受到广泛的关注。为增强我国的工程机械产品国际竞争力,推动我国向着工程机械制造强国转变,对司机室内噪声问题进行研究具有重大的现实意义。
推土机司机室受到多种振动和噪声激励影响,各噪声源具有各自的时频特征。当在多个噪声源共存的情况下,降低司机室噪声,需要抑制最主要噪声源,才能取得明显的降噪效果。因此,确定噪声源是降低噪声限值的首要工作。由于多个噪声源的同时作用,测试采集得到的噪声信号包含多种复杂的瞬变非稳态信号和少数稳态信号的叠加,研究司机室振动噪声源及特性,是实现噪声源定位的重要基础。
研究发现司机室内噪声、振动信号是含有一定噪声的非平稳信号,采用小波等时频分析方法能够其进行详细的研究,但需依据信号特征反复调整参数才能取得较好的分析效果,而EEMD能够将非线性、非平稳信号自适应分解成为一族固有模态函数IMF,这将有效的提高振动、噪声信号分析效率。但EEMD方法也存在着参与运算的白噪声信号影响分解效果的问题。改进的EEMD方法即MEEMD方法,在保持EEMD分解的优点的同时,减小了参与辅助计算的白噪声残留,对IMF分量的模态分裂也有较好的抑制作用。本研究将MEEMD方法应用到推土机司机室内振动噪声信号特征分析上,可改进现司机室内振动噪声源特征分析效果。
推土机司机室内振动噪声源众多,且传入路径复杂,由于工程实际测试时相关测量使用的传感器数量限制,如何利用有限的观测信号识别多个源信号,是欠定盲识别的难题。研究表明,单通道信号经MEEMD分解,拓展为多个带有源信号的特征信息的IMF分量,从而实现欠定问题到正定问题的转换。本文将采集的振动、噪声信号的MEEMD分解结果作为冗余的观测分量,分别利用协方差矩阵特征值分析方法和信号稀疏性特征分析方法,探讨司机室内振动噪声源的数目估计,为实现司机室内振动噪声源准确识别提供研究基础。
利用IMF分量进行振动噪声源识别时,由于MEEMD方法分解得到的IMF分量之间总存在一定的耦合信息,需要对IMF信号进行解耦,即去除各IMF信号间的相关性。IMF分量组合的观测阵代表了多个源信号的线性混合,采用独立成分分析(ICA)从混合矩阵分离出若干相互独立的成分,但现有方法受数值计算迭代初值的影响具有不确定性,且基于负熵的固定点算法(Fixed-Point Algorithm-FICA)的稳定性需要改进,本研究将MEEMD和ICA方法相整合改进,将其应用于司机室内噪声源的分离和识别,并通过相干分析与时频分析相结合的技术对噪声源进行定位,最后从隔声和减振两方面入手对司机室内噪声的进行了综合治理。
综合以上问题的分析,本研究展开了以下内容的研究:
结合推土机的结构和司机室的特点,对司机室内噪声来源、噪声传播途径和产生机理进行了分析,对多个型号推土机司机室内振动、噪声信号进行初步分析,确定司机室内振动噪声信号大致特征。采用四种不同的小波函数对多个型号推土机司机室内振动、噪声信号进行了时频分析,确定最优的复Morlet小波参数,并与STFT时频分析比较分析效果,研究发现复Morlet小波和STFT变换各有优点,可根据信号的特点选择合适的时频分析工具。
将MEEMD方法引入推土机司机室振动噪声源特征识别研究中,结合相关系数分析筛选有效IMF分量组合。结合IMF分量时频特征分析,研究了型号I司机室内底板振动信号、耳旁噪声信号,分析与司机室内振动噪声信号密切相关的各IMF分量。采用IMF分量的能量变化指标研究了运行工况变化对IMF分量能量特征的影响情况,根据能量变化的情况确定转速工况对耳旁噪声各IMF分量的影响,对敏感的IMF分量进行追踪和定位,为进一步实现驾驶室内噪声治理提供分析基础。
利用MEEMD将单个观测信号拓展为带有多个源信号特征信息的IMF分量组合,将欠定盲分析问题转化为正定问题。采用两种不同的分析方法分别利用单通道观测信号进行了源数估计:(1)根据观测阵信号子空间维数估计原理,将特征值方法应用于IMF分量构成的观测信号的分析中,对源信号的个数进行估计;(2)根据观测信号在时频域的稀疏性原理,将IMF分量构成的观测信号进行时频域转换,提取信号的稀疏特征向量进行源数估计。采用两种分析方法对型号Ⅱ推土机司机室内耳旁噪声和底板振动信号进行了