振噪融合的地铁钢轨波磨快速测量方法

为实现数据驱动的钢轨波磨状态修，提出一种时-空密集型的钢轨波磨测量方法.首先，采用智能终端检测列车编组车体振动和车厢噪声，对列车编组不同车体三向加速度进行波形匹配，得到延时估计值，修正列车运行速度和里程估计误差；其次，基于声纹谱能量法分析车厢声纹数据，并定义“波噪比”指标，量化钢轨波磨噪声能量及其高阶谐波能量占噪声总能量的比值，作为钢轨波磨自动识别的依据；最后，建立列车响应到钢轨波磨状态的反向映射关系，获取波噪比超限时的钢轨波磨波长和里程信息，以地铁某区间实测为例，采用钢轨波磨仪测量1.6 km范围的轨面短波不平顺，将测量结果 [0,50] mm波长范围的波深峰峰值与车厢声纹波噪比进行对比.结果表明：当波噪比阈值取为0.2时，基于声纹数据识别的钢轨波磨与线路分布一致，验证了该方法可为钢轨波磨状态评估提供数据支撑.     

路面冲击输入下车内噪声主动控制

针对基于LMS算法道路噪声主动控制在面对冲击性噪声时性能骤降的问题，建立了基于滤波-x最小平均绝对偏差（FxLMAD）算法的道路噪声主动控制系统，以控制路面冲击输入下的车内噪声。首先对路面冲击输入下车内噪声特性进行了分析，发现其噪声是非高斯的，且更符合α稳定分布。接着对基于FxLMAD算法的噪声主动控制进行仿真，结果表明该算法在达到良好降噪效果的前提下还拥有结构简单、计算量小的优点。最后，搭建了车内噪声主动控制系统并在某燃油车上完成了冲击路面的实车道路试验。结果显示，基于FxLMAD算法的车内道路噪声主动控制系统在50～500 Hz范围内的总声压级降噪量可达约2 dB(A)，明显优于普通的LMS算法。