小波奇异熵改进SOM神经网络在道岔故障诊断中的应用

随着轨道交通技术的快速发展和智能算法的应用,用微机监测和人工处理的方法对道岔进行故障诊断存在效率低、及时性不够、准确性不足等问题,文章用Meyer小波分解原始数据,实现特征数据的选择和提取,再计算出相应的小波奇异熵作为神经网络的输入向量,加入训练数据到改进型的SOM神经网络中,从而实现对S700K型转辙机的道岔故障诊断...     

基于小波包分解与GG模糊聚类的转辙机退化阶段划分研究

针对道岔转换设备退化特征提取以及性能退化阶段准确划分的问题,提出一种基于小波包分解与GG聚类的退化阶段划分方法.首先对采集的ZYJ7转辙机工作功率曲线进行小波包分解,获得表征道岔转辙机状态的特征向量,构建退化性能指标;其次采用GG模糊聚类方法对道岔转辙机性能退化状态进行阶段划分,识别不同的退化状态;最后选用分类系数、平...     

交流电动转辙机的功率监测

2006型微机监测系统增加了提速道岔转辙机功率监测项目,实现了对S700K等三相交流道岔转辙机有功功率的监测。分析交流转辙机动作功率曲线,就能准确判断转辙机的工作状态,一旦发现超负荷运转的转辙机可立即进行整治。     

基于改进WNN分析功率曲线的S700K转辙机故障诊断

基于S700K转辙机常见故障下的功率曲线提出一种将小波变换、改进型遗传算法与神经网络相结合的故障诊断方法。用相应故障模式下的功率信号进行正交小波分解,把结果作为神经网络的输入特征向量,利用改进的遗传算法优化BP神经网络的参数,用训练好的BP神经网络进行故障诊断。研究结果表明:该方法可以有效的运用到S700K转辙机的故障诊断中,并提高转辙机故障诊断的精度与速度。     

基于概率神经网络的S700K转辙机故障诊断方法

转辙机故障对铁路运输安全影响重大。针对转辙机故障原因与现象之间的复杂不确定性关系，提出一种基于概率神经网络的S700K转辙机故障诊断方法。在对转辙机各个状态功率曲线动作原理进行分析的基础上，根据信号不同时域特征参数，对各工作区段的特征进行提取；依据故障现象与故障类型的关系建立概率神经网络模型，以F1-Score作为诊断准确性评价指标，通过测试不同平滑因子对F1-Score值的影响，确定0.019为概率神经网络进行故障诊断最优的平滑因子；最后选择来自某电务段的81组S700K转辙机故障数据作为测试数据，验证了该智能故障诊断方法的可靠性。     

简谈S700K道岔控制电路故障的处理方法

S700K型电动转辙机是目前铁路运输采用的常用道岔设备之一,对铁路生产运输的提速增效起到重要作用。在日常运用中,经常会发生S700K道岔五线故障造成道岔不能正常转换或失去表示,因电路比较复杂,处理起来比较麻烦。结合现场经验,对因五线故障造成的故障类型逐一列举分析,以期尽快缩短故障延时,恢复运输秩序。     

基于功率曲线时域特征和变分模态分解的S700K转辙机运行状态诊断算法

根据S700K转辙机动作功率曲线非线性、非平稳、能充分反映转辙机不同状态信息的特点,提出基于功率曲线时域特征和变分模态分解、排列熵和模糊聚类分析的S700K转辙机全周期状态诊断算法。获取典型功率曲线,计算其有效值、峰值因子和峭度因子作为时域特征值,用于描述功率曲线能量特征、冲击特性及概率密度;为弥补曲线类型中时域特征值差异不明显的特征表征,采用变分模态分解将功率曲线分解成具有不同频率特性的模态函数,计算不同模态函数的排列熵得到4个频域特征值;将时、频域共计7个特征值作为运行状态特征集,使用模糊聚类算法对特征集进行运行状态诊断,得到S700K转辙机的运行状态（正常、亚健康、故障和严重故障）。实例应用结果表明：对选取的60组曲线,本文算法诊断正确率为98.33%;故障库为30条曲线时,程序运行时间不超过1.3 s;采用该算法,无须对模型进行训练,便能准确有效地诊断S700K转辙机运行状态,适合S700K转辙机样本少的特点。     

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。     

基于小波包和RBF神经网络的轨道车辆滚动轴承故障诊断

针对轨道车辆的滚动轴承故障诊断问题,提出了一种小波包与RBF神经网络相结合的故障诊断方法.首先对采集到的振动数据进行小波消噪,然后利用小波包分解提取故障信号的能量特征向量,最后利用提取的能量特征训练RBF神经网络,进行故障诊断.诊断结果表明,基于小波包和RBF神经网络的轨道车辆滚动轴承故障诊断方法能够较好的诊断出轨道车辆的轴承故障类型,具有一定的实际应用价值.     

运用微机监测道岔电流曲线分析提速道岔故障

S700K电动转辙机正常道岔动作电流曲线与故障情况下动作电流曲线的对比观察,能及时发现道岔存在的隐患,以便查明原因,有针对性地采取消除措施,有效地提高现场设备的运用质量。     

利用小波分析技术提取移频信号信息特征

针对铁路移频信号的信息特点,提出了利用小波脊线技术分析移频信号信息特征的具体方法。该方法可以快速、准确地计算出移频信号的瞬时频率和信号包络,并根据所得出的瞬时频率推算出相应的调制低频信息,为铁路移频和UM71信号的分析和译码提供了一个新的方案。     

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.     

小波变换在电力机车主整流器故障检测中的应用研究

提出了一种基于小波变换的小波信息熵,并利用其构造设备状态检测指标计算方法,将这种状态检测方法应用到电力机车主整流器故障检测中。通过各种不同故障状态仿真实验分析,表明这种方法是有效的,同时具有较强的抗干扰性。     

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.     

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.     

基于小波的轨道不平顺和车体振动响应分析

通过选择合适的小波基函数,对轨道不平顺和车体振动加速度信号进行连续小波变换,以小波系数作为平顺状态评价指标进行轨道不平顺时频分析;同时,将小波尺度系数与车体振动加速度时程曲线进行相关性分析,可以提取对车体振动影响较大的特征频率(段)。研究结果表明:以上方法直观有效,可以很好地提取及定位轨道不平顺时频特征,并对车体振动加速度响应进行分析。     

医学图像自适应阈值边缘检测的研究

介绍一种基于小波变换的自适应医学图像边缘检测方法.实验结果表明:该方法可对图像边界进行敏锐检测,从而得到图像的细微特征.这些特点使得它特别适合于医学图像边缘的检测.     

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     

考虑波长因素的提速线路捣固作业质量评价方法研究

捣固作业质量直接关系到线路轨道服役状态,多维度研究捣固作业后轨道几何形位的变化规律是有效提升线路捣固作业效率的关键。以某160 km/h提速干线改造工程为例,提出考虑波长因素的捣固方案,针对捣固作业后的轨道几何形位的变化,分析轨道静态不平顺数据及动态不平顺数据,研究70 m弦矢高、轨道质量指数、功率谱密度、小波变换、小波能量谱等时频分布特征,确定捣固作业前后轨道不平顺波长及幅值的变化规律。研究结果表明:考虑波长因素的捣固作业方法可以有效地改善线路的长波不平顺状态,高低不平顺的改善效果优于轨向不平顺;曲线区段改善率大于直线区段且曲线轨道质量改善率随圆曲线半径的增大而降低;线路线形得到基本控制后不能通过盲目地增加捣固作业次数来达到改善轨道质量的目的。     

小波变换在机车振动信号分析中的应用研究

介绍了小波变换的理论背景和在振动信号处理方面的两种应用。文中对机车转向架振动信号用db4小波进行了分解,并运用本文所介绍的算法进行了降噪处理,取得了明显的效果;运用小波包技术建立了机车转向架的振动状态特征向量,较好地表征了机车振动的故障状态。