基于特征熵奇异值分解的振动传递路径分析方法

doi:10.19562/j.chinasae.qcgc.2025.09.010

摘要/Abstract

摘要：

工况传递路径分析（OTPA）是识别复杂机械系统关键振动传递路径的重要手段，但是结构间的信号串扰严重影响了OTPA的分析精度。本文基于特征熵理论改进了传统截断奇异值分解（TSVD）方法，构建了基于特征熵奇异值分解理论的工况传递路径分析（OTPA-ESVD）模型，该模型首先利用奇异值熵对该特征值包含的信息进行量化评价，再遵循高贡献配对原则设计了更为全面的奇异值选取方法，克服了传统TSVD过于依赖工程经验的问题。本文设计了以某款电动汽车为对象的实车试验，并以基于中值奇异值分解的工况传递路径分析模型（OTPA-MSVD）为对比，对OTPA-ESVD模型的有效性开展验证。结果表明，在不同工况下，OTPA-ESVD模型分析效果均优于OTPA-MSVD模型，OTPA-ESVD模型的重构目标信号更加接近真实测量信号，在误差均方根值和关键频率幅值对比方面分别有不低于13.8%和8.1%的优化效果。

关键词: 电动汽车, 工况传递路径分析, 串扰消除, 特征熵

Abstract:

Operational transfer path analysis （OTPA） is an important way to identify the key transfer paths of complex mechanical systems， but the signal crosstalk between structures seriously affects the analysis accuracy of OTPA. In this paper， the traditional truncated singular value decomposition （TSVD） method is improved based on the entropy theory， and the operational transfer path analysis model based on the entropy singular value decomposition method （OTPA-ESVD） is constructed. In the proposed model， the singular value entropy is used to evaluate the information of eigenvalues， and then the principle of high-contribution pairing is used to design a more comprehensive singular value selection method， which overcomes the dependence on engineering experience of conventional TSVD. In this paper， an actual electric vehicle test is designed to verify the OTPA-ESVD model by comparing it with the operational transfer path analysis model based on the median singular value decomposition （OTPA-MSVD）. The results show that the performance of the OTPA-ESVD model is better than the OTPA-MSVD model under different driving conditions， and the reconstructed target signal of the OTPA-ESVD model is closer to the actual measured signal， with optimization of no less than 13.8% and 8.1% in the comparison of the error root mean square value and the amplitude of the key frequency， respectively.

Key words: electric vehicle, operational transfer path analysis, crosstalk elimination, entropy

孔令琛,袁晓磊,赵轩,余强,周辰雨,黄榕. 基于特征熵奇异值分解的振动传递路径分析方法[J]. 汽车工程, 2025, 47(9): 1742-1751.

Lingchen Kong,Xiaolei Yuan,Xuan Zhao,Qiang Yu,Chenyu Zhou,Rong Huang. A Vibration Transfer Path Analysis Method Based on Entropy Singular Value Decomposition[J]. Automotive Engineering, 2025, 47(9): 1742-1751.

图/表 15

图1

图2

图3

表1

图4

表2

图5

图6

图7

图8

表3

表4

表5

图9

表6

参考文献 23

[1]	VAN DER SEIJS M V， DE KLERK D， RIXEN D J. General framework for transfer path analysis： history， theory and classification of techniques ［J］. Mechanical Systems and Signal Processing， 2016， 68-69： 217-244.
[2]	高煜，娄小宝，周禾清，等. 车内轮胎空腔噪声的传递路径识别与优化［J］. 汽车工程， 2019， 41（10）： 1215-1220.
	GAO Y， LOU X B， ZHOU H Q， et al. Transfer path identification and optimization of tire cavity noise in vehicle ［J］. Automotive Engineering， 2019， 41（10）： 1215-1220.
[3]	鲁媛，金鹏，王玉雷，等. 车内噪声品质的时域传递路径分析［J］. 汽车工程， 2019， 41（12）： 1435-1441.
	LU Y， JIN P， WANG Y L， et al. Time-domain transmission path analysis of vehicle interior noise quality ［J］. Automotive Engineering， 2019， 41（12）： 1435-1441.
[4]	唐中华，张志飞，陈钊，等. 车内低频振动噪声的虚拟传递路径分析［J］. 汽车工程， 2020， 42（4）： 531-536，566.
	TANG Z H， ZHANG Z F， CHEN Z， et al. Virtual transfer path analysis of vehicle interior noise and vibration in low frequency ［J］. Automotive Engineering， 2020， 42（4）： 531-536，566.
[5]	DE SITTER G， DEVRIENDT C， GUILLAUME P， et al. Operational transfer path analysis ［J］. Mechanical Systems and Signal Processing， 2010， 24（2）： 416-431.
[6]	TAN J J， CHAIGNE A， ACRI A. Operational transfer path analysis of a piano ［J］. Applied Acoustics， 2018， 140： 39-47.
[7]	VAITKUS D， TCHERNIAK D， BRUNSKOG J. Application of vibro-acoustic operational transfer path analysis ［J］. Applied Acoustics， 2019， 154： 201-212.
[8]	廖旭晖，戴旭东，陈乐乐，等. 改进的工况传递路径分析［J］. 振动与冲击， 2021， 40（12）： 196-202，218.
	LIAO X H， DAI X D， CHEN L L， et al. Improved operational transfer path analysis ［J］. Journal of Vibration and Shock， 2021， 40（12）： 196-202，218.
[9]	DE KLERK D， OSSIPOV A. Operational transfer path analysis： theory， guidelines and tire noise application ［J］. Mechanical Systems and Signal Processing， 2010， 24（7）： 1950-1962.
[10]	CHENG W， BLAMAUD D， CHU Y P， et al. Transfer path analysis and contribution evaluation using SVD- and PCA-based operational transfer path analysis ［J］. Shock and Vibration， 2020， 2020.
[11]	TANG Z H， ZAN M， ZHANG Z F， et al. Operational transfer path analysis with regularized total least-squares method ［J］. Journal of Sound and Vibration， 2022， 535.
[12]	CHENG W， CHU Y P， CHEN X F， et al. A combined crosstalk cancellation method based on wavelet packet denoising and Welch's method for operational transfer path analysis ［J］. Measurement Science and Technology， 2019， 30（6）.
[13]	范贤光，吴腾达，支瑜亮，等. 基于奇异值分解和中位数绝对偏差的拉曼成像数据去噪方法［J］. 光谱学与光谱分析， 2020， 40（2）： 436-440.
	FAN X G， WU T D， ZHI Y L， et al. A denoising method for Raman imaging data based on singular value decomposition and median absolute deviation ［J］. Spectroscopy and Spectral Analysis， 2020， 40（2）： 436-440.
[14]	刘红梅，干彬，刘金华，等. 基于奇异值分解和条件异方差的数字水印算法［J］. 计算机应用与软件， 2018， 35（5）： 253-257，268.
	LIU H M， GAN B， LIU J H， et al. Digital watermarking algorithm based on singular value decomposition and conditional heteroskedasticity ［J］. Computer Applications and Software， 2018， 35（5）： 253-257，268.
[15]	BANERJEE M， PAL N R. Feature selection with SVD entropy： some modification and extension ［J］. Information Sciences， 2014， 264： 118-134.
[16]	PARHI K K， AYINALA M. Low-Complexity welch power spectral density computation ［J］. IEEE Transactions on Circuits and Systems I-Regular Papers， 2014， 61（1）： 172-182.
[17]	SAME M H， GANDUBERT G， GLEETON G， et al. Simplified welch algorithm for spectrum monitoring ［J］. Appl Sci-Basel， 2021， 11（1）.
[18]	KALAVSKY A， NIESLONY A， HUNADY R. Influence of PSD estimation parameters on fatigue life prediction in spectral method ［J］. Materials， 2023， 16（3）.
[19]	CHENG W， CHU Y P， CHEN X F， et al. Operational transfer path analysis with crosstalk cancellation using independent component analysis ［J］. Journal of Sound and Vibration， 2020， 473.
[20]	PARK U， KANG Y J. Operational transfer path analysis based on neural network ［J］. Journal of Sound and Vibration， 2024， 579.
[21]	徐锋，刘云飞. 基于中值滤波-奇异值分解的胶合板拉伸声发射信号降噪方法研究［J］. 振动与冲击， 2011， 30（12）： 135-140.
[22]	VARSHAVSKY R， GOTTLIEB A， LINIAL M， et al. Novel unsupervised feature filtering of biological data ［J］. Bioinformatics， 2006， 22（14）： E507-E513.
[23]	CHENG W， ZHU Y， CHEN X F， et al. AR model-based crosstalk cancellation method for operational transfer path analysis ［J］. Journal of Mechanical Science and Technology， 2022， 36（3）： 1131-1144.

参数	数值	参数	数值
尺寸/mm	4700×1930×1625	最小离地间隙/mm	181
轴距/mm	2 875	整备质量/kg	2 230
轮距/mm	1 655/1 650	满载质量/kg	2 605

传感器	产地	量程/g	采样频率/Hz	安装位置	类型	数量
加速度传感器	PCB 美国	0-50	1 000	蓄电池下表面	目标点	1
加速度传感器	PCB 美国	0-50	1 000	悬架上支撑	参考点	4
加速度传感器	PCB 美国	0-100	1 000	车轮轮心	参考点	4
数据采集仪	Dewetron 奥地利		1 000	前排副驾驶		1

速度	名称	误差均方根值/g
80 km/h	OTPA-ESVD	0.000 74
	OPTA-MSVD	0.000 99
	优化	25.2%
50 km/h	OTPA-ESVD	0.000 25
	OPTA-MSVD	0.000 29
	优化	13.8%

频率/Hz	OTPA-MSVD/g	OTPA-ESVD/g	真实值/g	降低/%
1	0.017 1	0.014 1	0.011 0	27.2
13	0.016 7	0.013 5	0.012 1	25.6
33	0.009 8	0.009 1	0.008 0	8.7

频率/Hz	OTPA-MSVD/g	OTPA-ESVD/g	真实值/g	降低 /%
1	0.008 4	0.007 8	0.007 5	8.1
13	0.006 5	0.006 0	0.005 5	9.1
33	0.004 3	0.003 3	0.003 2	31.2