小型挖掘機噪聲信號小波分析
采用與沖擊信號接近的小波基,對聲相儀在制造車間環境下采集到的挖掘機各轉速下噪聲信號進行小波分析。由于聲相儀采集頻率設置為,遠遠超出我們要分析的頻率段,同時為減少小波分析的計算量,我們對采集的信號進行截取和抽樣。從采集的信號中截取個點,并每隔點抽取出一個點作為代表,這樣得到采樣頻率為的個信號數據,對應時間長度為。對其進行連續小波變換得到其時頻特性圖到圖。
每個周期信號的頻率都有所變化,表明小型挖掘機噪聲信號是非平穩信號。但這些圖形中高能量的頻率區間基本相同,主要集中之間,而這正是傳動零件和結構件振動峰值頻率的集中區間。這是因為測得的噪聲信號雖然是非平穩周期信號,但由于小型挖掘機表面主要零部件固有頻率屬于中高頻,內部結構振動在向機體表面傳遞的過程中低頻部分迅速衰減,而中高頻得到保留,輻射噪聲主要表現為表面零部件振動噪聲。而小型挖掘機零部件的固有頻率并不隨時間和激勵的變化而改變。
小型挖掘機燃燒過程的好壞直接影響著小型挖掘機的工作性能,目前分析小型挖掘機燃燒過程最簡便、應用最廣泛的方法是研究氣紅壓力曲線。燃燒噪聲的根源是氣紅內氣體壓力的變化,氣紅的壓力一時間曲線決定了氣紅的功率輸出,而對于一臺自然換氣的小型挖掘機,在燃燒中壓力上升率表示出氣社內的燃燒過程,這一特征對發動機而言是一個很好的診斷信號。
但對于未裝預熱塞的小型挖掘機,直接獲得其紅內壓力信號很困難,需要在虹頭上加工取壓通道,如此將對小型挖掘機結構產生破壞,在非試驗機上并不適用。因此,在實際工作過程中需要有一種間接方法來對氣虹壓力進行評估。文獻提出了利用機體振動信號倒頻譜進行氣虹壓力重構的方法,但釆用倒頻譜開窗的方法進行分離時會引起信號的損失,重構的信號會遺失部分高頻特性。而通過神經網絡直接建立機體振動或噪聲信號與虹內壓力的映射,由于數據量大計算緩慢、遷移性較差。本文提出了基于小波神經網