高速铁路轨道路基模型及动力加载研究

针对目前高速铁路路基模型存在尺寸小、受边界影响大、采用单点正弦函数加载等不足,建立高速铁路无砟轨道路基实尺模型试验系统。该系统由轨道路基模型、路基动力响应测试系统以及动力加载系统组成。参照试验模型,建立三维有限元数值模型。基于高速铁路无砟轨道列车动力荷载传递特性,以列车运行速度为350km/h的CRH3/CRH380型动车组、CRTSⅡ型无砟轨道结构为例,采用数值模拟得到相邻车厢相邻转向架不同轮对经过轨道时扣件点的反力时程曲线,结合MTS加载装置对输入时程曲线的要求,通过对扣件点的反力时程曲线进行傅里叶变换和叠加,得到模型试验中作动器连接2对扣件点时的加载输入时程曲线。     

基于快速S变换的电能质量主成分分析方法

针对电能质量分析中S变换计算量大,及支持向量机分类识别需要设定特征参数的问题,文章将一种新的s变换的快速算法（FST）与主成分分析（PCA）相结合,并应用于电能质量分类识别。首先从FST域提取几种电压扰动的模系数;进而利用PCA进行降维处理并提取主要特征成分;然后获得投影矩阵;最后待识别电压信号投影后,根据最近邻分类器进行分类识别。仿真结果表明,电压扰动FST域模系数的特征成分主要在低频段,因此识别结果准确率高、计算时间短,并且算法本身有一定的抗噪声能力,能较好地实时处理电能质量扰动。     

改进的EWT方法在高速列车轴承故障诊断中的应用

高速列车轴承的故障特征提取较为困难,针对这一问题,在经验小波变换(Empirical Wavelet Transform,EWT)的基础上,提出了一种基于频谱趋势与频带合并的改进EWT方法,并将其应用于高速列车轴承的故障诊断。该方法首先利用经验模态分解,根据IMF分量判断准则,提取故障信号的频谱趋势,从而得到初始的频谱分界点;然后计算各初始频带的故障信息判断指标,得到自适应阈值,判断初始频带的有效性,通过对无效频带的合并完成频谱的重新划分;最后进行经验小波变换,将各频带通过正交滤波器组,对得到的各分量信号进行Hilbert变换,得到轴承的故障特征频率。通过仿真和试验验证,改进后的EWT方法可以准确地提取出轴承故障特征频率的基频和倍频成分,有效地确定轴承故障。     

基于尺度不变特征变换的钢轨蠕变检测研究

针对钢轨现有定点蠕变检测技术的不足,提出一种基于尺度不变特征变换及图像配准的非接触式实时观测方法。通过安装于轨侧观测桩上的相机对待检钢轨进行拍摄,提取图像中轨腰附近预定义的感兴趣区域,而后基于尺度不变特征变换,与同一视场中钢轨未蠕变图像的对应感兴趣区域进行配准,得到定场环境下多关键点在像素坐标系中的轨向及高低位移集。根据相机的内外及畸变参数将像素位移集映射到世界坐标系,对轨向及高低位移集分别求均值,得出钢轨的轨向及高低蠕变量。为验证方法的有效性,搭建试验平台并采用OpenCV开发了仿真系统。研究结果表明:高低和轨向蠕变的相对测量误差均值分别低于0.606%和1.170%。     

小波变换在牵引供电系统谐波检测中的应用

采用一种基于小波包分解系数重构算法的谐波分析方法完成谐波有效值测量和信号畸变定位,实现牵引供电系统的各次谐波跟踪,对谐波的实时补偿提供理论依据。通过利用小波变换将某一信号分解到某一频带上,根据采样频率及其小波包分解尺度确定频带范围,实现该频带所包含的谐波含量分析,获得频带内所有整数次和非整数次谐波量值,克服谐波测量因频谱泄漏、栅栏效应造成的误差。仿真结果表明,基于小波包分解系数重构算法的谐波含量测量方法得出的结果具有较高的准确性,为谐波检测和滤波补偿提供了可靠的理论基础。     

双选择衰落信道下OFDM系统基于梳状导频的变换域频率分集式信道估计

由于高速铁路无线信道表现出频率选择性和时间选择性衰落(双选择性衰落),正交频分复用(OFDM)在该信道上传输,需要实时跟踪估计信道变化,降低估计噪声。由于离散傅里叶变换具有快速算法IFFT/FFT,基于变换域的信道估计技术逐渐受到关注。通常,OFDM系统的梳状导频数多于信道冲击响应长度,导致变换域信道估计方法降噪比较困难。本文提出一种梳状导频变换域频率分集式信道估计方法,它通过联合若干分组的变换域信道估计,明显降低估计噪声,从而降低信道估计的均方误差(MSE)和系统的误码率(BER)。理论分析和仿真结果表明,在时不变信道中,当分集数为L,该方法对MSE的增益是10lg(L);在时变信道中,该方法出现"错误平底",但相对于传统变换域信道估计方法,性能仍有改善。     

基于视频监控的铁路客运站人群密度分析算法

如何通过视频监控系统实时分析诸如广场、候车室等公共场所的人流密度变化,检测局部和整体人群是否过分拥挤,预防群体伤害事故,是目前研究的热点问题。为此,提出一种新算法进行人数估计,该算法具有较好的鲁棒性,可以适应复杂的背景和光照条件。     

基于稀疏模型的Bandelet图像去噪方法

提出一种基于Bandelet变换的图像去噪方法,以提高高噪声方差的图像去噪效果。Bandelet变换的核心是Lagrangian函数代价项的准确选取,本文从图像基追踪稀疏模型表示原理和图像阈值去噪方法的内在关系入手,重新定义Lagrangian函数,从而使图像稀疏去噪模型含义更明确,计算更简单。在去噪过程中,首先采用二维平移不变小波变换把图像分解为高频子带;然后用局部Bandelet块估计Bayes阈值确定Lagrangian函数的代价因子,从而对各个高频实施Bandelet化;最后对高频图像系数Bayes软阈值收缩实现图像去噪。国际标准中几何特征明显图像测试表明:在高斯白噪声的方差低于502时,本文方法的去噪效果和目前最好方法的效果相当;当噪声的方差等于或者高于502时,本文去噪方法效果更好。     

基于小波变换与分形相结合的图像压缩

研究小波变换与分形压缩相结合的图像压缩方法,即对小波变换的低频系数编码运用分形图像压缩算法,对高频系数进行零树编码,这样可以解决零树编码没有考虑最低频子带图像能量高特点的问题,同时减少分形压缩在图像恢复时方块效应带来的影响.     

Multi-band Image Registration Method Based on Fourier Transform

This paper presented a registration method based on Fourier transform for multi-band images which is involved in translation and small rotation. Although different band images differ a lot in the intensity and features,they contain certain common information which we can exploit. A model was given that the multi-band images have linear correlations under the least-square sense. It is proved that the coefficients have no effect on the registration progress if two images have linear correlations. Finally, the steps of the registration method were proposed. The experiments show that the model is reasonable and the results are satisfying.