一种基于SAEMD的疲劳分析方法、装置、终端和介质制造方法及图纸

本申请提供一种基于SAEMD的疲劳分析方法、装置、终端和介质，其中所述方法包括：采集结构件受到的载荷信号，记为x(t)；对x(t)进行SAEMD分解；计算得到的各阶IMF分量与x

【技术实现步骤摘要】
一种基于SAEMD的疲劳分析方法、装置、终端和介质


[0001]本申请属于结构件疲劳仿真分析
，具体涉及一种基于SAEMD的疲劳分析方法、装置、终端和介质。

技术介绍

[0002]一般采集的原始载荷信号都为含噪信号，存在模态混叠现象，不能直接应用，需要进行降噪处理，而目前普遍采用的降噪方案往往需要根据实际情况人为指定一些参数，没有自适应性。
[0003]信号EMD分解是在时域中进行，具有局部性和自适应性，利用EMD进行处理能保证原始信号不失真，可以避免传统傅里叶变换造成的频谱泄漏，但EMD产生的若干阶IMF分量往往含有虚假分量，使得疲劳损伤情况判断不准确。
[0004]因此，如何提供一种能够自适应性降噪，且能够有效剔除EMD分解后的虚假分量的结构件疲劳分析方法是目前亟待解决的技术问题。

技术实现思路
：
[0005]有鉴于此，本申请提出一种基于SAEMD的疲劳分析方法、装置、终端和介质，以提高结构件疲劳损伤的计算精度。
[0006]为实现上述目的，本申请采用的技术方案如下：
>[0007]第一方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于SAEMD的疲劳分析方法，其特征在于，包括：步骤S1：采集结构件受到的载荷信号，记为x(t)；步骤S2：对x(t)进行SAEMD分解，得到载荷信号x
′
(t)及其若干阶IMF(特征模态函数)分量，将各阶IMF分量的集合记为集合B；步骤S3：计算步骤S2得到的各阶IMF分量与x
′
(t)的相干函数，根据相干函数值对IMF分量进行筛选，剔除虚假分量，并将筛选出的有效分量的集合记为集合B1；以及计算步骤S2得到的各阶IMF分量的样本熵值，根据样本熵值对IMF分量进行筛选，并将筛选出的有效分量集合记为集合B2；步骤S4：取集合B1、B2的交集，记为集合B'，将IMF分量对应的频率与结构件模态频率重合的IMF分量归为第一类，剩余的IMF分量归为第二类，并将第一类IMF分量叠加后记为x1′
(t)，将第二类IMF分量叠加后记为x2′
(t)；步骤S5：采用PSD(功率谱密度)法计算x1′
(t)对结构件造成的疲劳损伤，采用准静态法计算x2′
(t)对结构件造成的疲劳损伤；步骤S6：将步骤S5得到的两个疲劳损伤进行累加，得到结构件的总疲劳损伤。2.如权利要求1所述的一种基于SAEMD的疲劳分析方法，其特征在于，所述步骤S2中对x(t)进行SAEMD分解的具体方法包括：S2
‑
1：确定原始载荷信号x(t)的所有极值点，记为t
extr
；S2
‑
2：根据t
extr
生成B样条节点t
knot
，并对x(t)进行B样条拟合，拟合结果记为d(t)；S2
‑
3：重新确定d(t)的所有极值点，并更新t
extr
，重复步骤S2
‑
2，直至d(t)满足式(1)，则d
i+1
(t)为原始载荷信号x(t)经过B样条拟合滤波后的信号，记x
′
(t)＝d
i+1
(t)；式中，L为极值点数量，δ为迭代终止参数；S2
‑
4：确定x
′
(t)所有的极值点，对所有极大值点和极小值点用三次样条函数插值分别形成数据的上包络曲线u1(t)和下包络曲线u2(t)，并取u1(t)和u2(t)的平均值m1(t)，即m1(t)＝(u1(t)+u2(t))/2
ꢀꢀꢀꢀ
(2)S2
‑
5：令h1(t)＝x
′
(t)
‑
m1(t)，若h1(t)同时满足IMF的两个条件：
①
整个时间历程内，穿越零点的次数和极值点数相等或者相差1；
②
关于时间轴局部对称，即由局部极大值定义的上包络线和由局部极小值定义的下包络线的均值为0，则h1(t)为第一阶IMF分量，若不满足，则将h1(t)看作新的x
′
(t)，m
11
(t)为其上、下包络线的均值，有h
11
(t)＝h1(t)
‑
m
11
(t)，若h
11
(t)还不满足，重复该过程k次，得h
1k
(t)＝h
1(k
‑
1)
(t)
‑
m
1k
(t)
ꢀꢀꢀꢀꢀꢀ
(3)若h
1k
(t)与h
1(k
‑
1)
(t)的标准差SD在预定范围之间，则停止重复该过程，此时h
1k
(t)为信号x
′
(t)的第一阶IMF分量，记c1(t)＝h
1k
(t)，其中标准差SD计算公式为：式中，T为信号的总时间长度；S2
‑
6：令r1(t)＝x
′
(t)
‑
c1(t)，将r1(t)看作新的x
′
(t)，重复执行步骤S2
‑
5，得到第二阶
IMF分量，记作c2(t)，然后依此类推得到其他各阶IMF分量，分别记为c3(t)
……
c
i
(t)，直到r
i
(t)为一个单调函数而不能再分出IMF为止，将所有各阶IMF分量的集合记为集合B。3.如权利要求1所述的一种基于SAEMD的疲劳分析方法，其特征在于，所述步骤S3中计算步骤S2得到的各阶IMF分量与x
′
(t)的相干函数，根据相干函数值对IMF分量进行筛选，剔除虚假分量，并将筛选出的有效分量的集合记为集合B1的具体方法为：S3
‑
1：分别求取载荷信号x
′
(t)的自功率谱密度函数G
x
′
x
′
(f)和每一阶IMF分量的自功率谱密度函数G
cc
(f)，G
x
′
x
′
(f)按式(5)和(6)求取，将式(6)中的x
′
(t)替换成IMF分量c
i
(t)，再代入式(5)即可求得G
cc
(f)；(f)；式中，N为时间序列的数据个数，R
x
′
x
′
(τ)为x
′
(t)的自相关函数；S3
‑
2：计算每一阶IMF分量和载荷信号x
′
(t)的互功率谱密度函数G
x
′
c
(f)，计算公式为(f)，计算公式为式中，R
x
′
c
(τ)为x
′
(t)与c
i
(t)的互相关函数；S3
‑
3：计算每一阶IMF分量和载荷信号x
′
(t)的相干函数ρ
x
′
c
(f)，计算公式为S3
‑
4：根据相干函数对所有IMF分量进行筛选，若某阶IMF与x
′
(t)的相干函数在某个频率点处的值大于第一预定值，则该IMF为有效分量，若在所有频率点处的值均小于第一预定值，则为虚假分量，将有效分量的集合记为集合B1。4.如权利要求1所述的一种基于SAEMD的疲劳分析方法，其特征在于，所述步骤S3中计算步骤S2得到的各阶IMF分量的样本熵值，根据样本熵值对IMF分量进行筛选，并将筛选出的有效分量集合记为集合B2具体方法为：S4
‑
1：分别计算集合B中每一阶IMF分量的样本熵值，计算方法如下：a.设某个时间序列为{c(1),c(2),
…
,c(N)}，将该时间序列按照m维向量的顺序排列得到如下向量：C
m
(i)＝[c(i),c(i+1),
…
,c(i+m
‑
1)](1≤i≤N
‑
m+1)
ꢀꢀꢀ
(10)该向量表示从i点开始的m个连续的c的值；b.定义C
m
(i)与C
m
(j)之间的距离为两者包含元素中最大差值的绝对值，则其中，k＝0，1，2，
…
，m
‑
1；
c.统计C
m
(i)与C
m
(j)之间距离小于等于R的个数A
i
，则式中，R表示一个设定的阈值；d.求取A
i
的均值计算公式为e.当计算到m+1维时，重复步骤a
‑
c，则则样本熵SE为而在实际条件下N不可能为无穷，所以S4
‑
2：根据S4
‑
1计算得到的样本熵值对IMF分量进行筛选，剔除样本熵值小于第二预定值的IMF分量，保留其余IMF分量并将其集合记为集合B2。5.一种基于SAEMD的疲劳分析装置，其特征在于，包括：采集模块，用于采集结构件受到的载荷信...

【专利技术属性】
技术研发人员：郭宁，黄森，王淼，高东阳，
申请(专利权)人：陕西汽车集团有限责任公司，
类型：发明
国别省市：