[发明专利]一种基于Welch法的冲床噪声功率谱估计改进方法

摘要

一种基于Welch法的冲床噪声功率谱估计改进方法，步骤如下：初始化功率谱检测设备；将冲床冲裁控制信号作为开始采样触发信号；将冲床收回液压锤控制信号作为结束采样触发信号；对采集得到的噪声样本加窗处理；用迭代方法计算有效噪声的平均值序列存储有效噪声平均值序列，迭代计数器加1，i=i+1；重复上述步骤直到迭代计数器i=R；将有效噪声的平均值序列分S段，每段长度为M，相邻两段重叠部分长度为M/2；选择平滑窗为长度为M的布莱克曼窗W(n)，对所以分段平滑后求各段的L点离散傅里叶变换；求所有分段的离散傅里叶变换平方的加权平均值，得到冲裁噪声的功率谱估计值

主权项

1.一种基于Welch法的冲床噪声功率谱估计改进方法，步骤如下：(1)初始化功率谱检测设备；设定传感器采样频率、离散傅里叶变换参数、截断窗函数形状、截断窗函数长度、平滑窗函数形状、平滑窗函数长度、含重叠分段的重叠长度、迭代次数计数器i初始值、总迭代次数R；(2)将冲床冲裁控制信号作为开始采样触发信号；等待触发信号，触发传感器开始采集冲裁噪声x(t)的样本序列；(3)将冲床收回液压锤控制信号作为结束采样触发信号；等待触发信号，触发传感器结束采集冲裁噪声样本；(4)对采集得到的噪声样本加窗处理；默认选择长度为N的矩形窗，也可选择改变窗的长度和形状；比较有效的窗还有汉明窗和布莱克曼窗；加窗的具体做法是对步骤(3)中得到的噪声样本进行截取或补零，样本长度大于N则截取长度为N的样本序列，样本长度小于N则在样本序列末尾补零；然后将样本序列与窗函数序列做点乘，得到一次冲裁噪声样本(5)用迭代方法计算有效噪声的平均值序列迭代更新公式如下：x^(n)‾=x^(1)(n)i=1(i-1)x^(n)‾+x^(i)(n)ii>1]]>其中，i表示当前迭代计数器次数；(6)存储有效噪声平均值序列，迭代计数器加1，i=i+1；(7)重复步骤(2)到(6)直到迭代计数器i=R；(8)将有效噪声的平均值序列分S段，每段长度为M，相邻两段重叠部分长度为M/2；S与M关系式如下：S=2N-MM]]>(9)选择平滑窗为长度为M的布莱克曼窗W(n)，对所以分段平滑后求各段的L点离散傅里叶变换；计算公式如下：X(j)(k)=Σn=0M-1x^(j)(n)W(n)e-j2πkn/L]]>其中，j=1,2,...,R，k表示频率；(10)求所有分段的离散傅里叶变换平方的加权平均值，得到冲裁噪声的功率谱估计值公式如下：P^xx(k)=1SΣj=1s1MU|X(j)(k)|2U=1MΣn=0M-1W2(n)]]>