本技术公开了基于互相关和寻优算法的质量线法数据优选方法及装置,涉及测试与分析技术领域,方法包括:S1,获取频响数据并进行预处理,确定质量线频段并进行切分得到子频段;S2,以子频段为寻优算法的候选解,以子频段的互相关系数作为寻优算法的目标值对候选解进行更新,迭代至满足迭代结束条件,得到最优子频段;S3,将最优子频段的互相关系数值与预设阈值进行比较,如果大于预设阈值则执行S4,否则执行重新S2;S4,根据最优子频段计算质心位置,并与实际测量质心位置进行误差计算,误差在预设误差范围内则数据有效,否则重新执行S2。本发明基于信号间互相关系数利用寻优算法动态选择频段,能够快速并准确地筛选出符合要求的质量线法数据。
背景技术
在汽车行业中,噪声、振动与声振粗糙度(NVH;Noise,Vibration and Harshness)的控制对于提升车辆整体性能和用户体验至关重要。敲击模态实验是用于评估和优化车辆结构振动特性的重要方法之一,通过分析车辆在不同条件下的振动响应,工程师可以识别和解决潜在的NVH问题。然而,敲击模态实验通常会产生大量频响数据,而传统的人工筛选方法在实际应用中存在以下不足:
效率低下:传统的人工筛选方法依赖于操作人员的经验和手动分析,这不仅耗时且难以保证筛选过程的一致性。在测试现场,特别是在时间紧迫的情况下,手动筛选方法难以快速完成大量数据的筛选和评估,影响测试效率。
难以实时评估测试质量:由于手动筛选的过程复杂且费时,在测试现场通常难以及时评估测试质量。如果测试质量不佳,往往需要在数据分析后才能发现问题,导致必须重新进行实验,这增加了时间成本和资源浪费。
数据处理的一致性和精确性难以保证:人工筛选在处理大量复杂数据时容易产生人为误差,难以确保筛选的精确性和一致性,可能影响最终的分析结果和决策。
实现思路