A signal-based fault detection and classification method for heavy haul wagons

This paper proposes a signal-based fault detection and isolation (FDI) system for heavy haul wagons considering the special requirements of low cost and robustness. The sensor network of the proposed system consists of just two accelerometers mounted on the front left and rear right of the carbody. Seven fault indicators (FIs) are proposed based on the cross-correlation analyses of the sensor-collected acceleration signals. Bolster spring fault conditions are focused on in this paper, including two different levels (small faults and moderate faults) and two locations (faults in the left and right bolster springs of the first bogie). A fully detailed dynamic model of a typical 40t axle load heavy haul wagon is developed to evaluate the deterioration of dynamic behaviour under proposed fault conditions and demonstrate the detectability of the proposed FDI method. Even though the fault conditions considered in this paper did not deteriorate the wagon dynamic behaviour dramatically, the proposed FIs show great sensitivity to the bolster spring faults. The most effective and efficient FIs are chosen for fault detection and classification. Analysis results indicate that it is possible to detect changes in bolster stiffness of ±25% and identify the fault location.     

轨道交通信号设备实训课程体系的研究

高职院校以"服务为宗旨、就业为导向",与地方经济发展相结合,积极探索实践教学的方法,搭建技能型人才培养实践教学体系推动行业与自身的可持续发展。以此为出发点,建立一个完整而完善的信号设备实训课程体系,不仅有利于专业自身的发展,同时也对其他院校有着一定的借鉴意义。从而减少一些重复的工作,推动省内院校轨道信号相关专业整体水平的提升。     

基于多模式弱分类器的AdaBoost-Bagging车辆检测算法

针对现有车辆检测算法在实际复杂道路情况下对车辆有效检测率不高的问题,提出了融合多模式弱分类器,并以AdaBoost-Bagging集成为强分类器的车辆检测算法。结合判别式模型善于利用较多的特征形成较好决策边界和生成式模型善于利用较少的特征排除大量负样本的优点,以Haar特征训练判别式弱分类器,以HOG特征训练生成式弱分类器,以AdaBoost算法为桥梁,采用泛化能力强的Bagging学习器集成算法得到AdaBoost-Bagging强分类器,利用Caltech1999数据库和实际道路图像对检测算法进行了验证。验证结果表明:相比于单模式弱分类器,AdaBoostBagging强分类器在分类能力和处理时间上均具有优越性,表现为较高的检测率与较低的误检率,分别为95.7%、0.000 27%,每帧图像的检测时间较少,为25ms;与传统级联AdaBoost分类器相比,AdaBoost-Bagging强分类器虽然增加了12%的检测时间和30%的训练时间,但检测率提升了1.8%,误检率降低了0.000 06%;本文算法的检测性能显著优于基于Haar特征的AdaBoost分类器算法、基于HOG特征的SVM分类器算法、基于HOG特征的DPM分类器算法,具有较佳的车辆检测效果。     

定距桨直联稳频型轴带发电机系统

定距桨直联稳频型轴带发电机系统是在定距桨船舶上,通过双速比或多速比齿轮箱与自励无刷同步发电机相联接而成。其通过在主机遥控系统、主机控制与安保系统、电站管理系统、齿轮箱控制系统之间建立起复杂的逻辑关系,使相关控制、报警信号在不同系统中有序合理传递和反馈,从而达到建立一套低成本、硬件结构简单、电源品质高、能满足CCS、DNVGL等各大船级社无人机舱要求的新型定距桨直联稳频型轴带发电机系统FPP-DL-FSSG。文章介绍了该系统的作用、软硬件的构成和特点,分析了其优缺点并提出使用时的注意事项。对航运企业实行低成本运营以及节能减排具有重要意义。     

海上水声信号处理算法中的物理特性仿真研究

通过研究海上水声信号的产生和海上水声信号定位系统的构成,设计水声信号处理系统流程,指出陆地上的主控中心与水中的基站如何进行信号数据传递,以及环境噪声、传输损耗、多径传输、多普勒效应等物理特性对信号偏移产生何种影响。最后通过实验验证加入消除滤波器后可以有效地控制多普勒效应产生的频率偏移。     

一种基于MUSIC改进算法的宽带水声信号DOA估计

提出一种适用于水声宽带信号的DOA估计算法。该方法首先将时域宽带信号变换到频域,然后划分子带,在每个子带上进行不同的加权得到信号的DOA估计。同时子带算法采用改进的MUSIC算法,降低了DOA高分辨力估计所需要的信噪比。计算机仿真对比了MUSIC算法和改进后算法的空域分辨力,同时也对比了不同信噪比下2种算法的性能。仿真结果表明,改进后的算法无论在适用信噪比条件还是分辨能力上均有较大提高。最后采用某型水下航行器的实航数据对算法进行验证,验证结果表明该算法可在实际应用环境中获得良好的DOA估计。     

电子信息技术在智能交通信号控制系统中的运用研究

当前电子信息技术的发展水平已经达到了一定的高度,并且在智能交通信号的控制系统之中应用的频率非常高,对于系统的稳定运行起到了保障作用.本文主要针对智能交通信号控制系统与信息技术之间的关系进行研究,希望能够推动智能交通信号控制系统运行水平的提升,从而为广大群众的日常出行提供便利.     

The receiving of chirp signals with frequency invariant beam response

1 Introduction1 The sensor array and the correlative signal processing methods have been adopted for the ability improvement of detection and orientation in modern sonar systems, and beamforming is a widely used tool in sensor array signal processing for …     

基于MATLAB的舰船辐射噪声信号小波消噪处理

针对舰船辐射噪声信号的特点提出了小波消噪的方法,对小波消噪理论作了简要的阐述,并设计了一种消噪方案,最后利用MATLAB,在计算机上选用不同的小波基和阈值进行了实船信号的消噪处理试验,并对结果进行了简单的分析比较。试验结果表明,在选择了合适的小波基和阈值的情况下,利用小波变换的方法对舰船辐射噪声进行消噪处理可以取得良好的效果。