黄海波， 李人宪， 杨 琪， 丁渭平， 杨明亮

(1. 西南交通大学机械工程学院，四川 成都610031;2. 西南交通大学信息科学与技术学院，四川 成都610031)

国内外对减振器异常噪声的鉴别方法研究较少，还处于起步阶段.文献［1-2］将台架试验减振器活塞杆顶端相邻加速度峰值衰减量作为减振器异响的鉴别指标，取得了一定的效果，但该方法的鉴别准确率不高.文献［3-4］将台架试验减振器活塞杆顶端加速度信号做了功率谱变换，找到减振器异响的主要频率范围，以此范围内的功率谱均方根值作为异响鉴别指标，提高了辨识的准确度，但异响频段的截取难以准确界定.文献［5-6］根据减振器工作的特点，将活塞杆顶端加速度信号经过小波变换求出换向冲击瞬间的特征能量，聚合了减振器异响的信息，鉴别准确度较高，但该方法前期的数据预处理与计算十分复杂，影响了其广泛应用.

以上减振器异响鉴别方法都是依靠人工经验提取异响的主要特征，要求工程师对减振器的构造及原理要有深层次的认识，往往需要长时间积累和反复摸索，这是一个不可扩展的途径［7］. 基于统计模型的BP(back propagtion)神经网络、逻辑回归与支持向量机等［8-11］可从训练样本中学习获得统计规律，这些模型虽然可以将原始信号数据作为输入，但是模型本质上是属于无隐含层或单隐含层的浅层结构，对数据富含的内在信息提取有限，并且在样本特征维数较高或者含有大量噪声的情况下应用……