作者：方松, 曾京

作者单位：西南交通大学牵引动力国家重点实验室, 四川 成都 610031

关键词：车辆工程; 时频分析; 希尔伯特黄变换分析; 短时傅里叶变换; 小波分析

摘要：

对于高速铁路车辆的振动试验,为克服传统傅里叶分析方法不具备时域信息的不足,引入分析非平稳数据的时频分析方法。针对轴箱和车体的垂向振动信号数据,分别采用传统的快速傅里叶变换(FFT)、短时傅里叶变换(STFT)、小波变换(WT)和希尔伯特黄变换(HHT)进行数据分析处理,并对比各种分析方法的优缺点。对比发现,HHT方法是应用于车辆振动信号处理中的最佳时频分析方法。

Time-frequency analysis of vibration characteristic for high-speed railway passenger cars

FANG Song, ZENG Jing

Traction Power State Key Laboratory, Southwest Jiaotong University, Chengdu 610031, China

Abstract: In the vibration test of high-speed railway vehicles, time-frequency analysis method of non-stationary data was introduced to overcome the disadvantage of the traditional Fourier analysis method, i.e., it has no time domain information. For the vertical vibration signal data of the axle box and the car body, traditional fast Fourier transform (FFT), short-time Fourier transform (STFT), wavelet transform (WT) and Hilbert transform (HHT) were used to process the data respectively, and their advantages and disadvantages for data analyses were analyzed and compared. HHT is the best method to be applied to vehicle vibration signal processing.

Keywords: vehicle engineering; time-frequency analysis; HHT analysis; short-time fourier analysis; wavelet analysis

2013, 39(1): 88-92  收稿日期: 2012-1-6;收到修改稿日期: 2012-3-22

基金项目: 国家自然科学基金项目(51005189)铁道部科技研究发展计划项目(2010J001-A)

作者简介: 方松(1989-),男,江苏淮安市人,硕士研究生,专业方向为车辆振动传递规律及减震设计。

参考文献

[1] 李成武,刘纪坤,王翠霞,等. 煤岩破裂微震信号层理间传播频谱特征研究[J]. 矿业工程研究学报,2010,25(4):1674-5876.
[2] 董建华,顾汉明,张星. 几种时频分析方法的比较及应用[J].工程地球物理学报,2007,4(4):312-316.
[3] 杨世锡,胡劲松,吴昭同. 旋转机械振动信号基于EMD的希尔伯特变换和小波变换时频分析比较[J]. 中国电机工程学报,2003,23(6):102-107.
[4] 葛哲学,陈仲生. Matlab时频分析技术及其应用[M]. 北京:人民邮电出版社,2006:145.
[5] 赵淑红. 时频分析方法及其在地震数据处理中的应用[D].西安:长安大学,2006.
[6] 周安. 时频分析在地震资料处理中的应用[D]. 长沙:中南大学,2010.
[7] 张义平. 爆破震动信号的HHT分析与应用研究[D]. 长沙:中南大学,2006.
[8] 张世杰. 煤岩破坏电磁辐射特征及信号分析处理技术研究[M]. 北京:中国矿业大学出版社,2009.
[9] Butral Schreing Lonisl Reeharf. Higer-order spectral analysis of comlex signals[J]. Signal Proeessing,2006, 86(11):3321-3333.
[10] Huang N E. The empirical mode decomposition and the hilbert spectrum for nonlinear and nonstationary time series analysis[J]. Proeeedings of the Royal Society,1996, 7(11):903-952.