小波分析与Hilbert变换在25T型客车故障诊断中的应用

小波具有多分辨特性,可以对信号进行多尺度变换,从而更精细地分析信号。Hilbert变换可以提取信号的包络。使用小波分析与Hilbert变换结合的方法,对采集的25T型客车轮对擦伤和动不平衡数据进行分析,小波分析可以滤去其噪声,得到近似和细节数据,Hilbert变换可以提取小波分解信号的包络。对处理后的数据计算功率谱和能量分布。通过对轮对擦伤数据、动不平衡和正常数据进行处理,处理结果显示了此方法可以有效地进行25T型客车的故障诊断。     

基于小波脊的轨道电路FSK瞬时特征提取

小波脊线技术能对信号特征进行有效的提取.利用连续Morlet小波变换后的相位进行迭代计算,对轨道电路移频信号的脊进行提取;利用该变换算法,对实际FSK信号的瞬时特征进行提取,验证了该算法能有效地提取瞬时频率和低频控制信号.文中同时给出了算法详细的计算步骤,提供了一种有效、简单的分析和判断轨道电路移频信号的方法.     

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EEMD和单通道盲源分离的齿轮箱复合故障诊断研究

针对齿轮箱复合故障诊断中,多级传动相互干扰,微弱的轴承故障会被强烈的齿轮故障和噪声湮没而难以提取的问题,提出了基于EEMD和单通道盲源分离的齿轮箱复合故障诊断方法。首先利用单个加速度传感器采集齿轮箱振动信号,对采集的信号进行EEMD分解,根据峭度准则和相关系数重构IMF分量;然后应用盲源分离方法对重构的IMF分量进行求解,对分离的信号进行包络解调分析,确定出齿轮故障通道,轴承故障通道和噪声通道;最后对齿轮故障通道进行傅里叶变换,轴承故障通道进行基于谱峭度的共振解调分析,提取出信号的特征频率,完成齿轮箱的复合故障诊断。通过实验验证了该方法的有效性和可行性。     

基于小波阈值和约束独立分量分析的齿轮故障诊断研究

为在强噪声下准确利用振动信号进行齿轮故障诊断,提出了基于小波阈值和约束独立成分分析(CICA)相结合的算法。该算法首先对输入信号进行小波阈值降噪预处理,提高了输入信号的信噪比,然后基于齿轮特征频率建立参考信号,将降噪后的信号作为CICA的输入信号,利用CICA算法有效分离出齿轮故障信号,识别了故障特征。为了验证该算法的有效性,进行了仿真和实验测试信号分析,结果表明,该算法可以有效提取齿轮故障信号,实现齿轮的故障诊断。     

冲击干扰下高压不对称脉冲特征频率提取算法

电气化铁路中的不平衡电流,尤其是电网冲击干扰电流,已经成为轨道电路系统主要的干扰源,如何减少冲击干扰的影响成为越来越紧迫的课题。FFT是在轨道电路信号特征参数提取中普遍使用的解调算法,只是FFT有其自身的局限性,不能对非平稳信号进行分析,而小波分析方法是一种时频分析方法,可以将高频信号和低频信号分离,在处理非平稳瞬时信号时有明显的优势。本文以高压不对称脉冲轨道电路为例,提出一种基于小波分析提取高压不对称脉冲信号特征频率的算法。通过计算机仿真,此算法不仅具有一定的抗干扰能力,而且具有较高的精度。     

基于人工鱼优化的MP超声微弱信号提取方法研究

强噪声背景下微弱信号的提取一直是超声信号处理领域研究的一个难题,传统的信号处理方法难以准确提取弱缺陷信号,稀疏分解方法为提高超声弱缺陷的检出率开辟一条新途径,但计算量大是困扰其应用的一个主要因素。本文提出一种人工鱼群优化匹配追踪的快速算法。人工鱼是一种新型智能优化算法,具有并行寻优、全局收敛性好,对初值不敏感的特点。利用本文算法在重建信号质量不变的情况下,提高稀疏分解在冗余字典中原子匹配的速度和精度,满足信号处理实时性要求。采用与超声信号最优匹配的Gabor函数,经伸缩和平移生成过完备原子库,提高对超声信号的表达能力。通过仿真分析和实际检测铸钢试件,表明该方法能够有效地检测出强噪声背景下的弱信号。     

强噪声水平下的变形信息特征提取

对含有强噪声水平的变形观测数据序列,采用小渡分析的方法对数据进行处理,研究从含有噪声的观测数据中提取实际变形信号的可行性.在一个长期在线监测点10年的变形观测数据处理中,经过小渡分解、小波消噪、小波重构等操作后,有效地提取出了平滑的实际变形曲线.并且经过对消噪信号和原始信号的比较以及对残差的统计分析,认为小波分析用于强噪声水平下的变形信息特征提取,能够取得较理想的效果.     

铁路机车信号分析系统中的信号处理算法研究

现阶段我国铁路存在着各种不同制式的区间自动闭塞和与之相配套的机车信号.对这些信号进行分析以提取信号特征值对系统设计和维护具有实际意义.在铁路机车信号分析系统中,针对移频信号,首先运用小波的多分辨率分析和自适应的阈值选取方案对实际的采样数据进行去噪处理,有效地去除随机噪声突出信号特征,然后借助快速傅立叶变换(FFT)得到了信号特征参数.实际应用表明,对于不同的移频机车信号制式,该算法通用性强,计算精度高.     

电磁超声系统强噪声干扰抑制算法研究

在采用电磁超声技术(EMAT)进行车轮踏面探伤时,针对检测数据中存在的噪声问题提出一种结合小波算法和相位差算法的综合算法.根据噪声及有用的电磁超声信号的特征,得出小波软阈值去噪方法;结合布莱克曼窗函数及信号的频谱特征,提出一种利用简单三角函数来实现信号相位计算的方法;算法在改善电磁超声系统数据波形质量、提高系统的检测准...     

基于Kalman滤波和变时间窗测频的转速测量FPGA实现

利用信号与噪声状态模型的Kalman滤波,对频率进行无偏估计,适合对机车运行速度的精确测量.利用变时间窗采集脉冲信号的方法克服了常规算法中刷新时间和测量精度不稳定的缺点,同时也保证了对不同频率的测量精度.通过基于FPGA平台的算法设计与仿真,表明了上述方法对机车转速测量的实时有效性和准确性.     

小波分析在机车振动信号分析中的应用

通常从机车上采集的振动信号混有大量的噪声,现利用小波变换进行降噪,仿真结果表明小波变换能够有效地去除信号中的噪声,特别适应于信号中混有白噪声。提出利用小波包技术构造机车振动信息的特征向量,对检测机车的走行品质有一定的应用价值和现实意义。     

基于改进LMD和MED的滚动轴承故障诊断研究

针对轨边声学轴承信号有用特征微弱、易被强噪声掩盖的问题,设计实现了一种将最小熵解卷积与改进局域均值分解相结合的方法,达到信号降噪与故障诊断目的。利用三次Hermite插值改善LMD并提高LMD分解精度。将采集到的强噪信号进行MED降噪,再利用改进LMD算法进行分解,使多分量信号分解成单分量信号,并计算各分量的峭度值,挑选出峭度值最大的分量,最后利用包络谱分析,提取滚动轴承的故障特征。计算信号的峰值信噪比(PSNR,Peak Signal to Noise Ratio),将其作为降噪指标,体现方法的降噪性能。实验结果表明,设计的方法应用于轴承故障诊断,能将信号信噪比提高5.13 dB,能精准定位并提取轴承缺陷位置和信号特征,具有较好降噪和信息分辨能力。     

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.     

小波变换用于列车振动信号消噪的研究

小波变换的重要应用之一就是用于信号的消噪。通常从列车上采集的振动信号都混有大量的噪声 ,现采用非线性小波阈值法对信号进行消噪 ,并利用阈值处理后的小波系数重建信号 ,从而得到有用的信号波形。实验结果表明该方法能有效的去除噪声 ,可靠性高 ,特别适用于信号中混有白噪声的情况     

非平稳机械振动噪声中瞬态故障信号的检测

结合非平稳机械运行状态,分析了非平稳振动信号中瞬态故障信号和平稳振动信号的特点,介绍了应用小波包理论进行故障信号检测的基本原理.通过小波包变换后,平稳振动信号和瞬态故障信号的小波包-能量谱表现出不同的特性.本文运用统计信号处理的理论,构造了相应统计量进行假设检验判决,判断平稳振动信号中是否存在瞬态故障信号。针对变速箱故障声压信号的非平稳时变特点,给出了小波包分析处理变速箱故障声压信号的原理和方法,并分析了一个变速箱齿根裂纹故障的诊断实例.实验结果表明,该方法可以有效地提取淹没在平稳振动噪声信号中的瞬态故障信号的特征,准确判断出故障,验证了该方法对机械设备进行故障诊断的有效性,对其它类型的机械故障诊断也具有一定的参考价值。     

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。     

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。     

基于小波域谱相减算法的语音增强研究

谱相减算法是目前常用的语音增强算法，它常在处理宽带噪声中使用，具有运算量小、效果明显等特点，但该算法是基于短时傅立叶变换（STFT）基础上的，是一种单分辨率的信号分析方法。与STFT本质不同的小波变换是一种变分辨率的时频联合分析方法，当分析低频信号时，其时间窗口很大，而当分析高频时，其时间窗口减小，这恰恰符合实际中对非平稳信号进行分析的自然规律。基于小波域的谱相减算法，是将带噪语音信号进行Mallat多尺度分解，然后分别对各尺度下的信号进行谱相减运算，再逐一进行小波重构，得到去噪后的语音信号。仿真结果表明。该方法不但有效地提高了语音信号的信噪比，而且也在很大程度上改善了语音的失真程度，不失为一种有效的语音增强算法。     

压装车轴镶入部裂纹缺陷信息提取

针对轨道车辆压装车轴镶入部在定期超声波检测时噪声信号幅值较大、缺陷信号被淹没在噪声信号中无法直接识别的状况,基于超声波检测信号采集数据分析信号典型特征,结果表明有较高辨识度的缺陷信号具有能量集中、信噪比高且快速收敛的特性.采用小包波变换对采集的压装后的车轴镶入部超声波检测信号进行分解,提取区别于噪声信息的缺陷特征系数和...