基于小波变换的轨道检测数据滤波方法

为了尽量减小轨道检测数据中夹杂的粗大噪声干扰对轨道检测结果的影响,利用小波算法对轨道检测数据滤波处理是一种可行方法。分析了dbl,db2,db3和db4小波基对轨道检测数据中高频突变脉冲信号的敏感性,选用较为敏感的db1小波基对轨道检测数据进行小波分解。通过3σ准则识别出粗大误差点并加以剔除,对轨道检测数据的高频和低频部分进行小波重构,从而达到较好的轨道检测数据去噪滤波效果。分别采用均方误差值、信噪比和平滑度指标对几种小波的去噪滤波效果进行了分析比较,进一步验证了db1小波能在轨道检测数据的处理中达到较好的去噪滤波效果。实例表明,论文提出的方法对能够敏感地识别轨道检测数据中的噪声信号,有效地剔除检测数据中的粗大误差,达到较为理想的轨道检测数据滤波效果。     

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.     

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.     

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.     

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。     

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     

基于小波分析的机车转向架振动信号的降噪和故障诊断

从小波变换的理论背景出发，介绍了利用小波变换对信号进行分解的原理。并重点对小波分析在信号消噪和故障诊断两方面的工程应用做了一些有益的探讨。首先对机车转向架振动信号用db4小波进行了分解，并运用所介绍的算法进行了消噪处理，取得了明显的效果。其次是运用小波包频分技术建立了机车转向架的振动状态特征向量，能较好地表征机车振动的故障状态。     

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...     

公路边坡变形监测数据的小波阈值消噪方法

基于小波分析理论,介绍小波阈值消噪中阈值函数的选取和阈值的具体估计方法,并对阈值函数的选取进行比较分析.以工程实例为背景,就公路边坡变形监测数据消噪前后的信噪比和均方根误差2个指标对各种阈值方法进行对比分析.理论分析和应用实例的结果表明,几乎硬阈值方法比Garrote阈值方法能更好地恢复被噪声湮没的公路边坡局部变形信息...     

基于Burg法的城市轨道交通快速线路轨道不平顺谱研究

基于多尺度小波分析方法与异常值处理算法进行轨检数据的预处理,比较小波基的选取差异,通过最优小波基获得满足轨道谱估计要求的基础数据。使用现代谱估计中的Burg法进行谱估计方法上的优化,结果表明,与直接法与Welch法相比,Burg法在方差性能与分辨率上均有优势。根据大量拟合公式的比选,结合非线性最小二乘法对估计的轨道谱进行拟合,得到城市轨道交通快速线路不平顺谱表达式与相关参数。将地铁快速线路谱与国内外其他轨道谱进行比较,结果表明地铁快速线路谱与上海地铁轨道谱差异较小,与高速铁路谱及干线谱等差异明显。     

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.     

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。     

铁路工务检测数据综合信息平台的设计与实现

在分析工务检测数据管理现状的基础上,提出构建检测数据综合信息平台的方案,并详细阐述各种检测数据的采集、存储、管理的方法,从而为铁路运输安全生产和维修计划的科学制定提供依据.     

青藏铁路无缝线路试验段轨道不平顺功率谱分析

以青藏铁路静态轨检车实测轨道不平顺数据为统计样本,基于样本平稳性检验,采用快速傅里叶变换方法进行样本空间的谱估计,并由MATLAB编程得到轨道不平顺谱密度。通过对比分析,发现青藏铁路无缝线路试验段建成1年多并通车近4个月以后,轨道高低、方向和轨距不平顺特征未发生明显改变,轨道状态基本稳定;试验段轨道状态良好,与我国一级干线轨道具有相似的平顺性特征;无缝线路轨道高低和方向2~4 m短波不平顺优于有缝线路轨道。     

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.     

铁路轨道电路数据处理系统的研究

为客观科学地评估铁路轨道电路设备的状态信息,同时为满足铁路干线轨道电路日常维护的需要,结合软件工程、数据库技术等设计了一种新一代轨道电路测试数据处理系统.该系统能够实现对轨道电路数据进行分析处理、波形数据历史回放、轨道状态统计评估.通过对实际测试数据的分析表明:该系统能够准确客观地反映轨道电路的真实状况,为轨道电路故障检测与诊断提供科学依据.     

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。     

基于数据挖掘的铁路车站信号平面布置图信息提取

针对铁路车站信号平面布置图因数据格式不同而导致其数据无法二次利用的问题,提出基于数据挖掘的车站信号平面布置图信息提取方法。文章构建铁路信号工程图例模型与编码,基于RVDBSCAN算法,将图形数据聚类为图形组;通过C4.5决策树构建模型,以识别铁路信号图例。试验结果表明,聚类方法 FMI评分0.986 0,分类算法准确率95.64%,能够准确识别布置图中的图例符号数据,为布置图信息的二次利用提供了数据通用接口。     

主成分分析与奇异值分解技术在铁路数据预处理中的应用

数据预处理是在数据建模之前对采集到的原始数据进行的一些前期处理工作，能够滤除原始数据存在的噪声干扰、降低数据维度进而提取数据的时域特征。铁路运输行业在生产过程中累积的大量数据往往包含着噪声干扰，并且经常是海量高维的，无法直接用于数据建模、分析和挖掘。主成分分析与奇异值分解作为线性代数中一种重要的矩阵分解技术，已经成为近年来常用的数据时域预处理方法，本文主要论述主成分分析与奇异值分解技术在铁路数据预处理中的应用。