基于主成分分析(Principal Component Analysis,PCA)及独立分量分析(Independent Component Analysis,ICA)方法,利用PCA降维功能及ICA独立盲源信号分离挖掘技术,对PCA/ICA计算方法进行改进,并应用于车辆中心区转向试验数据处理环节,有效排除了测试中各种干扰因素,实现了原始信号降噪,从统计学意义上保证了所提取数据指标的一致性。20Hz采样）。b.按峰峰周期截取，图2中数据为几类不良数据，若出现则应予以舍去。（a）数据不完整（b）数据跃变（c）峰值偏差（d）峰值不达标图2不良数据段为有效剔除不良数据，增加了如下有效性判断条件：判据3：SWA时间周期±5%；判据4：不良数据段时间-电动数控滚圆机滚弧机张家港数控钢管滚圆机滚弧机SWA峰值偏差为±10%；判据5：SWA与标准正弦一致性>90%；判据6：Velocity车速波动为±3km/h；判据7：Y_Accel对应峰值偏离目标（0.2g）±10%。按以上设置的判据进行数据处理，从而得到有效数据段本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name。对于因试验场地路面膨胀接缝造成的干扰（图3中圆圈所示）数据，可通过PCA/ICA方法处理并作为有效数据使用。应用Matlab设计的3Hz低通FIR滤波器[7]（滤波器的参数可手动设置），可以有效减少各种信号噪声，但过度滤波也会导致分辨率和清晰度的降低。可在数据截取前对整个试验历程进行滤波操作，避免相位偏移。横摆角速度通道滤波结果见图4。图3路面接缝干扰数据图4数据滤波结果由于测试时会因人为操作因素导致波形周期不一致，并且采集系统的采样频率为20Hz，所以数据点较少，故需要对数据进行插值处理，插值目标点数量为1001。插值后数据段满足了计算精度要求。序号信号通道变量序号信号通道变量序号信号通道变量1time时间7RollRate侧倾率13L_SWA大量程转角2velocity车速8Z_Accel垂向加速度14dSWA转向盘回转速度3YawRate横摆角速度9Yaw_Comp横摆角速度15Left_H左侧高度4X_Accel纵向加速度10Lat_Acc_Cal侧向加速度16Right_H右侧高度5Y_Accel侧向加速度11SWT转向盘转矩6PitchRate俯仰率12S_SWA小量程转角表1中心区试验数据采集通道00.51.01.52.0时间/s2520151050-5-10转向盘转角/（°）46.046.547.047.548.048.549.0时间/s30不良数据段时间-电动数控滚圆机滚弧机张家港数控钢管滚圆机滚弧机本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name