車輛振動信號的去相關分離以及主要激勵源識別研究.pdf

1、隨著人們生活質量的不斷提高，消費者對汽車NVH性能重視程度也越來越高。汽車作為一個復雜的機械結構系統(tǒng)，往往存在著多個激勵源。工程中，在主要激勵源位置采集的信號一般是該點的響應信號，即各個激勵源共同作用的結果。在主激勵源識別的過程中，沒有考慮信號之間的相關性，會在一定程度上影響主激勵源的識別。因此，在對采集的激勵源信號去相關的基礎上分析系統(tǒng)的主要激勵源具有重要的理論意義以及工程價值。
　　本文針對激勵源的采集信號具有相關性這一問題，

2、對去相關方法進行了研究，并在此基礎上，進行主要激勵源的識別，本文研究的主要內容歸納如下：
　　(1)對信號去相關方法以及汽車振動激勵源識別常用方法進行了綜述，指出了其中存在的問題與不足。
　　(2)系統(tǒng)地介紹了相關以及譜分析的基本概念；解釋了主激勵源識別的基本問題，對激勵源進行相關性分類，并分析了去相關分析的重要性。
　　(3)在總結盲分離白化的基礎上，引入聚類分析的思想，對主要激勵源個數(shù)進行判斷；并提出時延平均白化的

3、去相關方法，該方法借鑒了聯(lián)合對角化思想，對白化信號的多個非零延時相關矩陣進行了平均，提取了正交解相關分離矩陣，完成了信號的去相關分離。在闡述理論依據(jù)的基礎上，給出了去相關方法的詳細分析流程，并通過仿真信號以及實車信號驗證了該方法的正確性和有效性。
　　(4)系統(tǒng)地分析了激勵源采集信號相關性的來源，并從頻響函數(shù)角度給出了激勵源采集信號的構成關系，在此基礎上提出了基于頻響函數(shù)的去相關方法。該方法通過模態(tài)實驗方法獲得激勵源位置之間的頻響

4、函數(shù)矩陣后，應用該頻響函數(shù)完成信號的去相關分離。理論分析說明了該方法可以恢復信號的幅值。仿真信號以及試驗信號驗證了該方法的有效性。
　　(5)在激勵源采集信號去相關的基礎上，引入了層次分析法識別系統(tǒng)的主要激勵源；同時對傳統(tǒng)的層次判斷矩陣進行了改進，通過去相關后的激勵源信號與輸出響應信號之間的常相干函數(shù)值，并結合1~9標度法，給出了層次判斷矩陣的構成新方法，實現(xiàn)了判斷矩陣的定量分析，仿真分析驗證了該方法的有效性；最后，應用該方法分析