基于Wigner-Ville变换的汽车零部件载荷谱高效压缩编辑方法

本发明涉及汽车零部件室内道路模拟加速试验领域，具体是一种基于wigner-ville变换的汽车零部件载荷谱高效压缩编辑方法。

背景技术：

1、汽车零部件耐久性分析是车企进行产品研发过程的重要环节，作用于零部件的载荷信息则是分析疲劳耐久问题的关键。对于实测道路载荷谱加载而言，采取合理有效的载荷谱编制方法进行加速编辑，在保证载荷谱加载效果一致的基础上，获得加载时间更短的载荷谱，以显著提高零件疲劳耐久性试验的研究效率。为保证缩减载荷谱与原始载荷谱对零件的加载效果相同，必须要使缩减载荷谱在损伤贡献量、统计参数(均值、均方根值和峰值系数)、功率谱密度以及穿级计数等方面与原始信号基本一致。

2、目前载荷谱加速编辑主要分时域编辑法和频域编辑法两类，其基本的原理都是通过删除信号中对损伤贡献量不大的载荷循环以缩短数据长度，且保证对零部件的损伤贡献与原始信号基本一致。编辑方法之间的差异主要体现在小损伤贡献数据的识别与删除上，包括设定应变幅值、swt门限阈值、损伤保留量等指标来识别并剔除无效信号片段，实现载荷谱压缩编辑。

3、对于汽车零部件载荷谱进行加速编制的方法，现有技术包括：利用ncode等疲劳分析软件，设置损伤保留量，基于时域损伤保留进行载荷谱的压缩。但该方法的压缩效果有限，且易导致压缩信号在统计特征参数、频域及幅值域分布等方面相较原始信号发生较大改变，差异过大。

技术实现思路

1、本发明的目的是提出一种基于wigner-ville变换的汽车零部件载荷谱压缩编辑方法。该方法使用wigner-ville时频处理技术对原始载荷信号的时频域特征进行联合分析，能获取载荷信号各时间点对应的瞬时能量信息，根据所得到瞬时能量谱结合遗传算法优化最优阈值，可以清晰明确地对原始载荷信号的无效损伤贡献数据进行识别与删除，最大限度的压缩原始载荷信号时间长度，并保证压缩信号与原始信号在损伤保留量、统计参数(均值、均方根值和峰值系数)、功率谱密度分布以及穿级计数等方面基本保持一致，实现与原始信号一致的加载效果。

2、为实现本发明目的而采用的技术方案是这样的，基于wigner-ville变换的汽车零部件载荷谱高效压缩编辑方法，包括以下步骤：

3、1)获取原始载荷信号。

4、2)对原始载荷信号进行预处理，得到预处理后的载荷信号。

5、3)对预处理后的载荷信号进行希尔伯特变换，得到解析信号。

6、4)对解析信号进行wigner-ville变换，获取能量随时间-频率分布的信息，得到二维时频实数矩阵与wigner-ville谱。

7、5)在二维时频实数矩阵的各个时间点处，沿频率轴对wigner-ville谱进行积分，得到原始载荷信号的瞬时能量谱。

8、6)设定遗传算法参数，利用遗传算法确定瞬时能量谱的最优阈值，并根据最优阈值，定位低于阈值的瞬时能量谱片段及对应数据的时间点，将时间点对应到原始载荷信号的时间序列中，删除这些时间点对应的原始载荷信号片段，得到保留信号片段。

9、7)对保留信号片段进行拼接，得到压缩载荷信号。

10、8)计算压缩载荷信号与原始载荷信号的相对损伤保留量和统计参数的误差，确定压缩载荷信号与原始载荷信号的频率域功率谱密度和幅值域穿级计数曲线分布。

11、9)确定相对损伤保留量和统计参数的误差是否满足阈值要求。

12、判断压缩前后的载荷信号的频率域功率谱密度主体分布是否具有一致性。

13、判断压缩前后的载荷信号的幅值域穿级计数分布是否具有一致性。

14、若相对损伤保留量低于阈值、统计参数的误差超过阈值、压缩前后的载荷信号的频率域功率谱密度不具备一致性或压缩前后的载荷信号的幅值域穿级计数分布曲线趋势不具备一致性，则返回步骤6)，否则，进入步骤10)。

15、10)输出压缩载荷信号。

16、进一步，所述对原始载荷信号进行的预处理包括：滤波、去毛刺、漂移修正和重采样处理。

17、进一步，所述希尔伯特变换后的解析信号z(t)如下所示：

18、z(t)＝x(t)+jh[x(t)]        (1)

19、式中，t表示时间向量，x(t)是原始载荷信号，z(t)是x(t)的解析信号。

20、希尔伯特变换h[x(t)]，如下所示：

21、

22、式中，pv代表柯西主值，τ为积分变量。

23、进一步，所述wigner-ville变换后的wigner-ville分布wz(nt，ω)如下所示：

24、

25、式中，wz(nt，ω)是wigner-ville分布，nt，ω分别表示时间向量和频率向量的索引。l为用于wigner-ville变换的时间数据长度，z*(t)为解析信号z(t)的复数共轭，z(nt+it)z*(nt-it)为解析信号z(t)的瞬时相关函数。i表示时间数据序号。

26、所述二维时频实数矩阵如下所示：

27、

28、式中，tfr(t，f)为二维时频实数矩阵，t为时间向量，f为频率，行向量am＝[am1，am2，...，amn]对应不同的时间点，列向量an＝[a1n，a2n，...，amn]t表示不同的频率值。m、n为行、列数。二维时频实数矩阵的元素表示信号的幅值和相位角信息。

29、进一步，所述原始载荷信号的瞬时能量谱如下所示：

30、

31、式中，|z(t)|2为瞬时能量谱。wz(t，f)是wigner-ville谱。

32、进一步，利用遗传算法确定瞬时能量谱的最优阈值的步骤包括：

33、以瞬时能量谱中阈值为设计变量，以载荷压缩编辑前后的长度压缩比最小值min(l(y))为目标函数，以压缩信号与原始信号的损伤比不低于a、统计参数误差小于b为约束条件，建立阈值寻优数学模型。a、b为预设误差阈值。

34、利用阈值寻优数学模型进行阈值寻优计算，找到在瞬时能量谱数值区间[0，max p(n)]内的最优阈值。

35、其中，阈值寻优数学模型如下所示：

36、

37、式中，δavr、δku、δrms分别为均值、峰度系数和均方根值变化量。l(y)为载荷压缩编辑前后的长度压缩比。ly为载荷压缩编辑后的长度，l0为载荷压缩编辑前的长度。为编辑前后信号的相对损伤保留量。d(x0(t))、d(xy(t))分别为编辑前后信号的伪损伤值。

38、其中，编辑前后信号的伪损伤d(x0(t))、d(xy(t))为理论数值，不做平均应力修正，计算得到的各应力循环的损伤值，载荷数据的总伪损伤计算如下所示：

39、

40、式中，d表示总伪损伤，nj为第j种应力水平的循环次数。nj为该应力水平下循环到破坏的次数。

41、进一步，步骤7)中，当所述瞬时能量谱片段对应到原始信号中的时间序列不存在交集时，即可对原始信号中保留片段直接进行拼接，得到压缩信号。

42、进一步，所述统计参数包括：均值、均方根值和峰度系数。

43、进一步，所述载荷信号的频率域特征表示为功率谱密度曲线，幅值域特征表示为穿级计数分布。

44、本发明的技术效果是毋庸置疑的，本发明所述的基于wigner-ville变换的汽车零部件载荷谱压缩编辑方法，具有以下有益效果：

45、基于wigner-ville变换的汽车零部件载荷谱压缩编辑方法，可针对随机非平稳信号，从时-频域分布上联合分析，可获得每个时间点对应的能量信息，与传统基于时域损伤保留的编辑方法有根本区别，不仅能在时域上保证信号压缩前后特征参数的一致性，更能在频域、幅值域特征分布上保持一致；

46、基于wigner-ville变换的汽车零部件载荷谱压缩编辑方法，在相同的损伤保留量的情况下，与基于时域损伤保留编辑方法、基于短时傅里叶变换以及基于s变换的编辑方法相比，本发明信号的时间压缩效果更好；

47、基于wigner-ville变换的汽车零部件载荷谱压缩编辑方法，与基于时域损伤保留的编辑方法相比，在合理约束条件内时间数据压缩更多，数据量更小，更能有效提升疲劳仿真试验或台架试验的效率；

48、基于wigner-ville变换的汽车零部件载荷谱压缩编辑方法，与基于时域损伤保留的编辑方法相比，本发明的频域功率谱密度曲线与原始载荷的功率谱密度分布趋势在低频区域保持一致，本发明由于更多小载荷幅值的删除，功率谱密度分布曲线在高频区域较后者上移更多；

49、基于wigner-ville变换的汽车零部件载荷谱压缩编辑方法，与基于时域损伤保留的编辑方法相比，两者的幅值域穿级计数曲线与原始载荷的穿级计数曲线分布趋势均保持一致，本发明在均值附近的小幅值循环删减更多，即压缩效果更好；

50、基于wigner-ville变换的汽车零部件载荷谱压缩编辑方法，与基于短时傅里叶变换和基于小波变换的编辑方法相比，本发明在保证数据精度的情况下，简化了编辑操作，避免了对窗函数或小波函数的选择与设置等步骤；

51、本发明基于wigner-ville分布的时频分析方法，能准确辨识并提取高疲劳损伤贡献数据部分，快速压缩形成加速载荷谱，并且最大程度地压缩原始载荷信号且保证所得压缩信号与原始信号保持基本一致，实现与原始信号相同的加载效果。