轨道检测噪声数据剔除方法的研究

为了消除铁路轨道检测数据中夹杂的噪声数据对轨道状态评定的影响,利用小波算法对原始数据信息进行分解.通过对分解后得到的高频信息进行分析,即可以找出轨道检测数据中噪声数据出现的规律.然后利用小波消噪方法对检测数据进行处理,得到消噪之后的数据,从而实现数据的恢复.使用Matlab中的小波算法对兰新线某段数据进行分析,实践表明小波算法具有较好的消噪功能.     

小波消噪在电力电子装置故障检测中的应用

考虑电力电子装置中噪声因素对故障检测和识别的影响,用多尺度小波变换和小波包变换对信号进行消噪.小波变换是将信号分解成高频和低频成分,低频成分包含信号的主要性能,高频含较多的噪声,将高频平滑后再重建即可消噪.然后利用Matlab对电力电子装置故障暂态信号进行消噪处理,比较各种消噪方法的优缺点,并结合理论分析和模拟结果讨论了阈值的选取方法和原则.仿真结果表明,基于小波变换的消噪方法是一种提取有用信号、展示噪声和突变信号的实用方法.     

基于运营期地铁轨行区监测数据的去噪小波基函数选取

基于在用小波方法去除监测数据噪声时对于小波基选取尚无理论依据的现状,以运营期南京地铁2号线某区间的轨行区连续监测数据为例,提出采用小波阈值去噪法对连续长期轨行区监测数据进行处理。结合小波基选取的一般原则,选取3种常用小波基系结合实例数据进行研究,分析小波基去噪后残差余量,并基于均方根误差和信噪比指标分析不同基函数的去噪效果。计算实例表明,选用sym4小波基函数进行去噪,可获得更小的均方根误差,从而提高监测数据的信噪比,值得在地铁及相关变形监测数据处理中推广。     

基于集合经验模态分解和小波变换的轮轨力应变信号降噪

为解决轮轨力应变信号中的噪声干扰问题,提出了基于集合经验模态分解与小波变换相结合的去噪方法。该方法能够判断出含有基线漂移和高频噪声的模态分量。对含有基线漂移的分量通过小波变换进行分解,将代表基线漂移的趋势项置零达到去除基线漂移的目的。对于高频噪声,则是采用小波阈值法进行去除。实测轮轨力应变信号的去噪处理表明了该方法的有效性。     

驼峰测速雷达信号的小波滤波分析

针对卡尔曼滤波方法存在的缺点,研究采用小波滤波方法进行驼峰测速雷达信号滤波。小波滤波的基本原理是对信号小波变换后的小波系数进行非线性处理,然后重构信号,滤除信号中的噪声。根据雷达信号的特点,初步选用Haar小波和二阶Dauhechies(db2)小波、3层分解、通用阈值和半软阈值算法,进行离线试验及分析。根据离线试验的滤波效果,确定选用二阶Daubechies(db2)小波、3层分解和半软阈值算法进行雷达信号滤波。利用离线试验选定的小波和算法,对采集的雷达信号进行实时滤波仿真,仿真结果与离线试验结果基本一致。将小波滤波方法与卡尔曼滤波方法对比可知,小波滤波能有效地滤除噪声、提高信噪比、减少均方差,滤波效果比较理想。因此,采用小波滤波方法进行驼峰测速雷达信号滤波,可以获得更准确的车速。     

基于小波包分析的城轨车辆受电弓实测动应力研究

为研究受电弓应力变化并预估受电弓实际寿命,在上海地铁1号线和11号线实际运营线路上,开展受电弓动应力实测研究。通过受电弓动应力实测数据归纳和剪裁,获得动应力环境试验谱,采用雨流计数法分析评估了受电弓疲劳寿命。为避免传统去噪算法易将部分真实动应力信号视为噪声,从而导致动应力信号能量损失,采用小波包分析(Wavelet Packet Analysis)法对获取的受电弓动应力信号进行多层次高频和低频分解,并对分解所得系数进行阈值处理,有效地去除动应力信号中的真实噪声,结果表明:小波包法能明显改善受电弓动应力去噪性能-信噪比SNR和根均方误差RMSE,且在不同噪声水平下的去噪性能均优于传统去噪算法;既能有效去除受电弓动应力谱中的噪声成分,亦能保留动应力信号细节特征。     

基于经验模态分解的惯性测量单元加速度信号处理

对惯性测量单元(IMU)输出的加速度信号进行频域分析,采用基于连续均方根误差准则的经验模态分解(EMD)去噪方法,将加速度信号低频成分滤除,以降低轨道状态检测中噪声信号对测量精度的影响.对去噪后的加速度信号进行连续两次积分处理,可获得载体的空间运动轨迹.     

基于小波去噪的车牌定位系统

如何避免外界环境的变换对车牌定位的影响是一个有待研究的问题,介绍基于小波去噪的车牌定位系统及其在车牌定位流程中采用小波去噪法去除外界噪声对车牌定位影响的方法,通过边缘加强、中值滤波,最后通过垂直投影和水平投影对车牌精确位置进行检测,取得了较好的定位效果.     

钢轨超声相控阵检测中的信号去噪研究

针对钢轨缺陷超声相控阵法检测应用中所存在的信噪比不高的问题,选用db4小波和阈值法对噪声图像进行小波变换,得到小波系数矩阵,再通过阈值化对小波系数矩阵做逆变换,抑制噪声对检测效果的不利影响,并重构钢轨缺陷的全聚焦图像。选用含人工缺陷的60钢轨试块开展超声相控阵检测实验,对比去噪前后的PSNR和MSE验证本方法的去噪性能,为钢轨缺陷相控阵C扫描成像提供有效保障。     

基于小波分析的自适应噪声识别

图像噪声类型直接影响去噪方法的去噪效果.因此,研究图像噪声类型的识别,对于数字图像去噪方法效果的提高具有重要意义.利用小波分解的高频系数,分析直方图和曲线拟合图的跳变出现概率特征以及黄金分割点处的窗口宽度特征,提出一种数字图象噪声类型自适应识别方法.针对图像噪声识别类型,采用相适用去噪方法提高图像去噪效果.通过大量实验表明,该方法是切实有效的.     

基于小波包能量熵的钢轨波磨检测方法

针对目前轨道波浪型磨损检测效率慢、成功率低等问题,提出一种基于小波包能量熵的轨道波磨检测技术。首先建立轨道波磨简化模型及车辆集总化参数模型并搭建SIMPACK仿真动力学模型,其次创新性地将小波包和能量熵相结合应用在轨道波磨检测领域,再通过仿真模型得到不同波磨分组下的轴箱振动响应,然后对振动加速度信号进行4层小波包分解并计算各节点的小波包能量和小波包能量熵,最后通过对比分析仿真结果确定轨道波磨故障类型。     

小波包方法在车载FSK信号中的应用

FSK信号作为保障铁路安全运行的主要信号制式，在国内铁路上现在有两种，是法国引进的UT信号和国内自主开发的YP信号，小波变换是继傅里叶变换之后的重大突破，而小波包则是小波变换的进一步发展，克服了小波变换的一些不足，本文首先研究了车载FSK信号的特征，再利用小波包对车载FSK信号进行滤波处理，文中，给出了如何确定给定频率的信号在小波包分解树各个分解层中对应节点的算法，在滤波处理过程中，为了处理带内的噪声，也给出了采用阈值的方法来减少带内白噪声，阈值的选取充分应用到FSK信号的小波包分解的特点，最，我们给出了计算机产生的仿真FSK信号和现场采集的FSK信号的两种仿真，仿真结果表明，根据车载FSK信号的特性，小波包方法是处理车载FSK信号的有效方法。     

列车车轮踏面擦伤信号处理算法研究

车轮踏面的擦伤、磨损等缺陷严重影响车辆与轨道设施的安全和使用寿命。使用小波分析,对列车运行中踏面与轨道产生的振动检测数据进行算法研究处理,数据处理中采用小波包分解重构的方法对信号滤波,利用直方图的特性得到擦伤信号的阈值。     

一种融合小波变换和数学形态学的图像边缘检测算法

针对传统图像边缘检测方法中出现噪边、边缘定位不精确等缺点,提出一种融合小波变换和数学形态学的图像边缘检测算法。先将图像进行小波分解,高频部分利用小波模极大值噪声抑制和尺度相关子带关联算法进行边缘检测,可以很好地减弱噪声;低频部分利用修正的形态算子进行形态学边缘检测,能够检测出弱边且定位准确;最后对两种方法得到的边缘图像进行融合。实验结果表明,该算法能有效抑制噪声,提高边缘精度并且定位准确.     

基于优化递归小波与改进型ART2网络的内燃机故障诊断

曲轴角振动信号是内燃机故障诊断的有效依据。针对传统小波变换存在数据窗长、实时性差的局限性,构造出一类用递推公式进行小波变换的小波基。基于该类小波基的小波变换不受分析窗的制约,能够实时地提取暂态特征。同时提出此类小波时频特性的优化方法,对内燃机曲轴角振动信号进行递归小波分解,并提取特征。针对传统ART2网络只利用模式的相位信息而丢失幅度信息和网络性能依赖于样本顺序等不足,在网络权值更新时引入平均滤波和关联函数,以便提高网络稳定性和收敛速度,同时降低其对样本输入顺序的敏感性。最后,将改进型ART2网络应用于内燃机故障诊断。实验结果表明,递归小波能反映内燃机状态信号的特征;改进型ART2网络训练耗时小于传统ART2网络的3%,识别率为100%。     

一种基于正交小波包技术的机车信号记录器数据快速压缩方法

根据铁路机车信号设备自身的信号译码需求,提出一种基于正交小波包技术的轨道电路信号的快速压缩方法,以改善目前机车信号记录器直接存储方式给波形数据存储造成的局限性.该方法利用截频性能出色的dmey小波的正交镜像小波滤波器组对机车信号记录器的记录波形信号进行3级小波包分解,按照记录信号制式的不同,在考虑dmey小波滤波器截频特性的前提下,根据小波包分解后的信号频带对应关系,只保留当前轨道电路信号所在频带的波形数据,以达到信号压缩的目的.实验表明,该方法可以对目前铁路现场主要使用的国产移频信号、UM71信号和ZPW-2000信号进行有效压缩和精确重构,且具有算法简单和方案灵活等特点,能够满足铁路现场实际运用的需要.     

基于EMD和ARMA模型桥梁振动信号降噪的处理方法

在桥梁振动信号的采集和传输过程中,针对外界环境的影响可能会在信号中形成局部强噪声干扰,从而造成分析结果的失真以及由于桥梁振动信号通常具有较宽的频谱成分,致使传统的滤波降噪方法存在很大的局限性等问题,基于经验模态分解(EMD)和自回归滑动平均(ARMA)模型提出了一种信号降噪方法。首先,利用EMD把有强噪声干扰的信号分解成不同时间尺度的本征模函数(IMF)和残余项;然后,分别对每个IMF无干扰区段建立ARMA模型,利用各个模型对有干扰区段进行滤波,用滤波后的数据代替原来的数据,对于残余项,拟合为多项式;最后,将所有的IMF及拟合后的残余项叠加,即得到降噪后的信号。通过对实测南京长江大桥有对讲机干扰的应变信号进行分析,结果表明了该方法的可行性及有效性。