小波降噪法在自动变速器换挡控制中的应用

高鲜萍，王祥鑫

（天津职业技术师范大学汽车与交通学院，天津300222）

小波降噪法在自动变速器换挡控制中的应用

高鲜萍，王祥鑫

（天津职业技术师范大学汽车与交通学院，天津300222）

针对传统信号处理方法很难处理自动变速器内的振动和强电磁干扰的问题，本文应用小波变换原理，对换挡信号进行采集和建模，根据小波分解的紧支撑正交小波系Daubechies进行信号分解，基于Matlab对Daubechies分解的1～7层高频系数进行软阈值量化处理，重构小波并检测出精确的信号。实验结果表明：小波变换可以有效提升自动变速器换挡品质。

小波变换；自动变速器；降噪；换挡信号

换挡规律是汽车自动变速器实现自动换挡控制的主要依据，以两参数换挡规律为例，车速信号和节气门开度信号匹配控制自动变速器的最佳升挡点和降挡点。在采集换挡信号时，由于一般只有5 V的幅值，很容易受到汽车内部强电磁与振动的影响，使信号失真而影响换挡控制。传统信号处理方法采取傅里叶变换，将信号用正弦和余弦函数展开，这种处理适用于变化平稳的信号，而对于非平稳变化信号，其效果不十分理想［1］。小波变换能清晰地检测自动变速器非平稳变化的换挡信号，因此本文应用小波原理对换挡信号进行采集，并将检测信号通过分解与量化处理后应用于自动变速器换挡控制，以达到有效提升换挡品质的目的。

1　小波变换及算法实现

小波变换是一种关于信号时间和尺度的分析方法，可以把数据、函数或算子等按不同频率分割，然后通过不同方法分解，进而研究对应尺度下的信号成分。因此，小波变换在分析信号时可以用变频率的方法对高、低频信号分别进行分析。

一般有用信号信息多包含在低频信号内，而噪声多以高频信号显示。运用小波分析进行信号降噪处理时，首先对含噪声的信号进行小波分解，分解时选择特定的小波基并确定分解层次i；然后对分解后的高频系数采用阈值法处理，即找到一个最佳值a作为阈值，当分解系数小于a时，信号舍弃，反之则直接保留；最后把最低层低频系数和经过量化后的1～i层高频系数重构，获得去噪后的信号。小波变换分解流程如图1所示。

对任意连续函数f（t）∈L2（R）的连续小波变换为：式中：a为尺度参数；b为平移参数；a，b∈R，a≠0。小波变换的时频窗可由这2个参数进行调节，平移参数b可改变窗口在相平面时间轴上的位置；而伸缩参数a的大小不仅能影响窗口在频率轴上的位置，还能改变窗口的形状。

图1　小波变换分解流程

其重构模型为：

小波变换算法实现过程如下。

（1）根据采集卡采集原始换挡信号的特点，选择小波基并确定分解的层数。将信号分解成低频信号cA1、cA2、cA3、cA4…和高频信号cd1、cd2、cd3、cd4……。噪声一般包含在cd1、cd2、cd3、…、cdi中，而cA1、cA2、cA3、…、cAi是信号的近似部分。

（2）对分解后的含噪信号cd1、cd2、cd3、…、cdi进行高频系数分析，即通过选择最佳阈值对分层处理后的信号作出置零或收缩处理。

（3）对前2步处理后的高、低频信号进行小波重构，形成信号波形。小波重构过程如图2所示。重构时系数处理分4种状态，即state0、state1、state2、state3。state0从RAM中读取小波分解的数据；state1接收滤波处理完毕的数据，并通过阈值处理并写入RAM；state3将处理后的数据相加后写入RAM，完成重构［2］。Cur_level为当前分解或重构层数，level为变换层数。

图2　小波重构过程流程图

2　自动变速器换挡信号去噪分析

2.1实验过程

采用装有6挡辛普森齿轮系电控液压自动变速器的某家用轿车进行实验，以PC机做为上位机用于采集和分析数据，采集挡位、车速、发动机转速和节气门位置信号。在平直良好的城市道路中连续加速和减速，以采集到的节气门位置信号为对象，取4 000个采样点作分析，采集波形如图3所示。根据小波变换原理构造信号分析模型为：

di=fi+βei

式中：di为噪信号；fi为真实信号；β为噪声水平系数；ej为噪声。

图3　换挡信号TPS采集波形

2.2选择小波基分解波形

由于汽车在急加速和急减速工况下节气门信号有突变特征，因此小波变换时需要考虑高阶变化及其导数的奇异性，用以分辨突变点信息。本研究采用在时域上具有高阶消失矩的紧支撑Daubechies正交小波系。Daubechies不同层数分解信号对比如图4所示。由图4（a）可知，当分解层数为level1时，重构后形成的波形噪声干扰依然较大，不能很好地呈现实际形状。由图4（b）可知，当分解层数为level8时，波形过于平滑，导致信号失真。当分解层数为level7时，波形与原始的信号（见图3）信息吻合，波形平稳，且有清晰的波峰和波谷，此时信号分布相对集中。本文采用Daubechies小波db10系列的7层分解进行分析，不同尺度下的高频部分cd1～cd7如图5所示。

2.3阈值量化处理与小波重构

图4　Daubechies不同层数分解信号对比

图5　Daubechies 7层分解高频细节图

由于噪声是一种随机信号，去噪过程必须先对阈值进行估计。小波变化对高频系数进行阈值量化处理时，有4种可选择的阈值估计方法，分别为固定阈值法、自适应阈值法、启发式阈值法和最大最小阈值法［3］。Sqtwolog固定阈值法首先确定一个固定阈值λ=2ln（M），其中M为信号的长度，然后保留超出λ值的系数，截掉小于λ值的系数。自适应阈值法是根据史坦无偏似然估计原理，对一个给定的阈值t，得到它的似然估计，再将非似然t最小化，得到所选阈值。启发式阈值法是固定阈值和自适应阈值方法的综合，选择最优预测变量阈值。Minimaxi最大最小阈值法则采用固定的阈值，使均方误差最小［4-5］。根据节气门位置信号的波形特点，以Matlab为平台，选用自适应阈值对TPS分层后的信号进行处理。根据图3流程对换挡信号（节气门位置信号）分解后的信号重构小波，得到去噪后信号，如图6所示。

图6　去噪后信号

用处理后的换挡信号控制实验车的6速自动变速器，检测小、中、大节气门开度下各挡位的换挡冲击度，改善后的换挡冲击度在0.19～0.3 g/s之间，与原始采集的换挡冲击度数据0.5～4g/s相比，明显改善了换挡品质。

3　结束语

本文运用Daubechies系列小波分析方法对自动变速器主要换挡信号节气门位置信号进行降噪和分解处理，选取db10系列小波进行7层分解的方式对采集信息进行处理，呈现了换挡信息，为自动变速器换挡点的选择提供精确依据，使换挡更加平顺。

［1］黄雪梅，廖瑞金，赖志达，等．汽车电子电气设备的传导干扰试验方法的研究［J］．汽车工程，2011，33（4）：357-360.

［2］HAN Z G，YAN X，JIANG S X.Fault diagnosis of electronic ignition system of automobile engine based on wavelet transform［J］.Advances in Mechanical and Electronic Engineering，2012，176：51-55.

［3］段永刚，马立元，李永军，等.基于小波分析的改进软阈值去噪算法［J］.科学技术与工程，2010，10（23）：5756-5758.

［4］肖云魁，程广涛，孙东江，等.基于小波分形技术提取变速器轴承故障特征［J］.科学技术与工程，2007（20）：5282-5285.

［5］KONG F，CHEN R．A combined method for triplex pump fault diagnosis based on wavelet transform，fuzzy logic and neuronetworks［J］．Mechanical Systems and Signal Processing，2004，18（1）：161－168．

Application of wavelet de-noising method in the automatic transmission shift signal processing

GAO Xian-ping，WANG Xiang-xin
（School of Automotion and Transportation，Tianjin University of Technology and Education，Tianjin 300222，China）

Effective extraction of signal is very important for shift points control in automatic transmission.In the paper，with principle of wavelet transform，the signal is acquiesced and modeled，and decomposed based on wavelet decomposition tight supported orthogonal wavelet Daubechies.The experimental result shows that wavelet transform in lifting automatic transmission has certain research value.

wavelet transform；automatic transmission；de-noising；shift signal

U463.212

A

2095－0926（2016）02－0019－03

2015-12-25

国家级大学生创新创业训练计划项目（201510066036）；天津职业技术师范大学科研发展基金项目（KJ15-10）.

高鲜萍（1982—），女，讲师，硕士，研究方向为汽车智能与安全.