基于DBNs 的車輛懸架減振器異響鑒別方法

黃海波， 李人憲， 楊 琪， 丁渭平， 楊明亮

(1. 西南交通大學機械工程學院，四川 成都610031;2. 西南交通大學信息科學與技術學院，四川 成都610031)

國內外對減振器異常噪聲的鑒別方法研究較少，還處于起步階段.文獻［1-2］將臺架試驗減振器活塞桿頂端相鄰加速度峰值衰減量作為減振器異響的鑒別指標，取得了一定的效果，但該方法的鑒別準確率不高.文獻［3-4］將臺架試驗減振器活塞桿頂端加速度信號做了功率譜變換，找到減振器異響的主要頻率范圍，以此范圍內的功率譜均方根值作為異響鑒別指標，提高了辨識的準確度，但異響頻段的截取難以準確界定.文獻［5-6］根據減振器工作的特點，將活塞桿頂端加速度信號經過小波變換求出換向沖擊瞬間的特征能量，聚合了減振器異響的信息，鑒別準確度較高，但該方法前期的數據預處理與計算十分復雜，影響了其廣泛應用.

以上減振器異響鑒別方法都是依靠人工經驗提取異響的主要特征，要求工程師對減振器的構造及原理要有深層次的認識，往往需要長時間積累和反復摸索，這是一個不可擴展的途徑［7］. 基于統計模型的BP(back propagtion)神經網絡、邏輯回歸與支持向量機等［8-11］可從訓練樣本中學習獲得統計規律，這些模型雖然可以將原始信號數據作為輸入，但是模型本質上是屬于無隱含層或單隱含層的淺層結構，對數據富含的內在信息提取有限，并且在樣本特征維數較高或者含有大量噪聲的情況下應用……