CN106441895B - 一种列车轴承轨边信号冲击成分提取方法 - Google Patents
一种列车轴承轨边信号冲击成分提取方法 Download PDFInfo
- Publication number
- CN106441895B CN106441895B CN201610880487.6A CN201610880487A CN106441895B CN 106441895 B CN106441895 B CN 106441895B CN 201610880487 A CN201610880487 A CN 201610880487A CN 106441895 B CN106441895 B CN 106441895B
- Authority
- CN
- China
- Prior art keywords
- rail side
- small echo
- train
- transient state
- doppler
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000605 extraction Methods 0.000 title abstract description 11
- 230000001052 transient effect Effects 0.000 claims abstract description 50
- 238000000034 method Methods 0.000 claims abstract description 14
- 239000004615 ingredient Substances 0.000 claims description 22
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 6
- 238000012952 Resampling Methods 0.000 claims description 3
- 230000010355 oscillation Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000008570 general process Effects 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 10
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000036541 health Effects 0.000 abstract description 4
- 230000000737 periodic effect Effects 0.000 abstract description 2
- 230000005236 sound signal Effects 0.000 abstract 3
- 230000009977 dual effect Effects 0.000 abstract 1
- 238000012544 monitoring process Methods 0.000 abstract 1
- 238000004458 analytical method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 239000000470 constituent Substances 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 208000037656 Respiratory Sounds Diseases 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/04—Bearings
- G01M13/045—Acoustic or vibration analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明涉及一种列车轴承轨边信号冲击成分提取方法，其使用单瞬态多普勒小波从列车故障轴承轨边声音信号中提取冲击成分，可用于列车轴承轨边声学检测；列车轴承轨边声学检测技术使用安装在轨道旁边的麦克风采集列车通过时转向架上的轮对轴承产生的声音信号，经过信号处理实现轴承健康状态监测。由于多普勒调制和滚子相对滑动的双重作用，冲击成分呈现非周期性，传统周期瞬态小波无法正确匹配和识别。本发明可用于列车轴承轨边声音信号故障特征提取和故障严重程度的精确判断，为列车轴承轨边声学检测提供一种新的技术方案。
Description
技术领域
本发明涉及设备状态检测与故障诊断领域，具体的说是一种列车轴承轨边信号冲击成分提取方法。
背景技术
作为列车的关键部件，列车轴承长时间处于高速、重载的工作状态，各部件表面接触应力反复作用，极易引起疲劳、裂纹、压痕以致断裂、胶着、磨损等问题，会带来振动增加、噪声和转动阻力等问题，严重时会出现卡滞，使得整个轮轴系统失效，甚至造成重大安全事故。在线检测技术可以对其进行健康检测，实现故障预警，有效防止严重故障的发生。
轨边声学检测技术是列车轮对轴承健康检测与故障诊断的有效手段之一，具有代表性的是美国的TADS系统和澳大利亚的RailBAM系统，通过安装在列车轨道两侧的麦克风阵列采集列车高速通过时轮对轴承发出的声音信号，从采集到的声音信号中提取能够反映轴承运行状况的有效特征，实现健康检测与故障诊断。但由于列车与麦克风的高速相对运动，麦克风采集的声音信号具有多普勒畸变，使得信号产生时域和频域上的调制。轴承部件发生局部缺陷时，在缺陷的周期性激励下产生冲击成分信号，从信号中提取冲击成分可用于故障类型与故障程度的判断。利用与冲击信号形态结构相类似的小波进行匹配提取是实现途径之一。但由于受到多普勒调制的影响，冲击成分产生了多普勒畸变，而传统的小波是针对静态情况下采集的信号而设计的，与轨边信号冲击成分存在波形结构上的差异，给冲击成分的有效提取带来了新的挑战。此外，轴承运转时其滚子的相对位置并不是绝对固定的，存在相对滑动，列车匀速运动时其声音信号的冲击成分并非呈现严格周期性。总之，轨边信号的冲击成分呈现非周期性，传统的周期瞬态小波无法正确匹配和识别，需要提出新的解决方法。
发明内容
本发明技术解决的问题：针对轨边信号多普勒畸变特点和现有技术的不足，提供一种列车轴承轨边信号冲击成分提取方法，实现列车轴承轨边声信号冲击成分的精确提取，为列车轴承轨边声学诊断提供新的技术方案。
本发明技术解决方案：一种列车轴承轨边信号冲击成分提取方法，包括步骤如下：
(1)采用麦克风采集列车通过时轴承产生的轨边信号，构建单瞬态多普勒小波；
(2)利用构建的单瞬态多普勒小波，基于最大相关系数准则，对轨边信号进行匹配识别，从而提取冲击成分进行重构。
所述步骤(1)中，构建单瞬态多普勒小波的步骤如下：
(11)计算发声幅值序列se(n)，假设轨边信号的采样频率为fs，根据小波函数表达成该采样频率fs下离散的与轨边信号长度一致的发声幅值序列se(n)，其中N为采集到的轨边信号的长度，n＝0,1,...,(N-1)；
(12)收声时间序列tr(n)计算，通过时序映射函数：
由步骤(11)的发声幅值序列对应的发声时间序列te(n)计算出收声时间序列tr(n)；式中X0为信号的初始时刻列车位置与采集装置位置的横向距离，Vs(t)为列车速度，r为采集装置与轨道的纵向距离，c为声速；
(13)延迟时间序列td(n)计算，延迟时间序列td(n)为最终得到时间序列，其值td(n)＝te(n)+R(0)/c，其中R(0)表示声源在起始点与麦克风的距离；
(14)收声幅值序列sr(n)计算，通过幅值映射函数：
由步骤(11)发声幅值序列se(n)计算出收声幅值序列sr(n)，其中R表示声源与麦克风的距离，θ为声源到麦克风的向量与声源运动方向向量之间的夹角，n＝0,1,...,(N-1)；
(15)插值拟合采样，以步骤(2)得到的收声时间序列tr(n)为x变量，以步骤(4)得到的收声幅值序列sr(n)为y变量，以步骤(3)中的延迟时间序列td(n)为插值x变量，执行三次样条插值重采样处理，得到多普勒调制后的Laplace小波即单瞬态多普勒小波。
所述步骤(11)中的小波函数表达式为Morlet小波、谐波小波、Laplace小波、单边Morlet小波、单边谐波小波或单边Laplace小波。
所述步骤(13)中的R(0)值通过几何关系计算，具体如下：
所述利用构建的单瞬态多普勒小波从轨边信号中提取冲击成分的过程如下：
(21)假设采集的轨边信号为x(t)，初始化轨边信号迭代次数k＝1；
(22)根据工况、几何参数和轴承参数设定单瞬态多普勒小波振荡频率f、阻尼比ζ、时间参数τ的模型参数范围，即参数集γ＝{f,ζ,τ}，对参数集γ中的每一组参数利用构成构建单瞬态多普勒小波库Ψdop(t)γ；
(23)按以下公式计算单瞬态多普勒小波库中的每个小波与轨边信号x(t)的相关系数，确定最大相关系数对应的小波Ψdop(t)γ,k；
代表x(t)与Ψdop(t)γ的相关系数，其中N为采集到的轨边信号的长度，n＝0,1,...,(N-1)；
(24)用x(t)减去Ψdop(t)γ,k得到新的x(t)，令k＝k+1；
(25)重复步骤(23)和(24)直至有至少以下条件之一得到满足：
其中NMSE为算法中止指标，σ1和σ2为设定的指标阈值；
(26)将得到的所有Ψdop(t)γ,k相加，完成重构冲击成分。
所述(22)中，构建单瞬态多普勒小波库Ψdop(t)γ的方法与步骤(1)中的构建单瞬态多普勒小波的过程相同。
所述(25)中，NMSE采用以下公式计算：
本发明与现有技术相比的优点在于：本发明一种列车轴承轨边信号冲击成分提取方法，使用单瞬态多普勒小波从列车故障轴承轨边声音信号中提取冲击成分，可用于列车轴承轨边声学检测；由于多普勒调制和滚子相对滑动的双重作用，冲击成分呈现非周期性，传统周期瞬态小波无法正确匹配和识别。针对上述问题，本发明提出了基于插值算法的单瞬态多普勒小波构建算法，使传统小波产生多普勒调制，并基于最大相关系数准则进行列车故障轴承轨边声音信号冲击成分的逐个剥离，可用于列车轴承轨边声音信号故障特征提取和故障严重程度的精确判断，为列车轴承轨边声学检测提供一种新的技术方案。
附图说明
图1为本发明中的单瞬态多普勒小波构建流程图；
图2为本发明中的冲击成分提取与重构流程图；
图3为本发明实施例1使用的轨边仿真信号(上图)及其频谱(下图)；
图4为使用传统的无多普勒调制的小波对仿真信号进行冲击成分提取的结果(上图)及局部放大图(下图)；
图5为使用本发明提出的多普勒调制单瞬态小波对仿真信号进行冲击成分提取的结果(上图)及局部放大图(下图)；
图6为本发明实施例2使用本发明提出的多普勒调制单瞬态小波对真实列车轴承外圈单点故障轨边声音信号的处理结果，其中(a)轨边信号，(b)轨边信号与单瞬态多普勒小波相关系数，(c)最大相关系数对应的单瞬态小波模型，(d)最大相关系数对应的单瞬态多普勒小波模型，(e)NMSE指标随算法循环次数的变化曲线，(f)重构信号；
图7为本发明实施例2使用本发明提出的多普勒调制单瞬态小波对真实列车轴承内圈单点故障轨边声音信号的处理结果，其中(a)轨边信号，(b)轨边信号与单瞬态多普勒小波相关系数，(c)最大相关系数对应的单瞬态小波模型，(d)最大相关系数对应的单瞬态多普勒小波模型，(e)NMSE指标随算法循环次数的变化曲线，(f)重构信号。
具体实施方式
本发明采用的技术方案为：利用麦克风采集列车通过时轴承产生的轨边信号，构建单瞬态多普勒小波，基于最大相关系数准则对该信号进行匹配识别，提取冲击成分进行重构。本发明的核心内容包含两方面：其一是单瞬态多普勒小波的构建，其二是利用构建的单瞬态多普勒小波从轨边信号中提取冲击成分。
一、单瞬态多普勒小波构建的具体步骤如图1所示，如下：
(1)发声幅值序列sr(n)计算。假设轨边信号的采样频率为fs，根据小波函数表达式(例如Morlet小波、谐波小波、Laplace小波、单边Morlet小波、单边谐波小波、单边Laplace小波)生成该采样频率下的离散的与轨边信号长度一致的发声幅值序列se(n),n＝0,1,...,(N-1)，其中N为采集到的轨边信号的长度。
(2)收声时间序列tr(n)计算。通过时序映射函数：
由步骤(1)的发声幅值序列对应的发声时间序列te(n),n＝0,1,...,(N-1)计算出收声时间序列tr(n),n＝0,1,...,(N-1)；式中X0为信号的初始时刻列车位置与采集装置位置的横向距离，Vs(t)为列车速度，r为采集装置与轨道的纵向距离，c为声速；
(3)延迟时间序列td(n)计算。延迟时间序列td(n)为最终得到时间序列，其值等于te(n)+R(0)/c，其中R(0)表示声源在起始点与麦克风的距离，通过几何关系可以计算出其值为：
(4)收声幅值序列sr(n)计算。通过幅值映射函数：
由发声幅值序列se(n),n＝0,1,...,(N-1)计算出收声幅值序列sr(n),n＝0,1,...,(N-1)其中R表示声源与麦克风的距离，θ为声源到麦克风的向量与声源运动方向向量之间的夹角。
(5)插值拟合采样。以步骤(2)得到的收声时间序列tr(n)为x变量，步骤(4)得到的收声幅值序列sr(n)为y变量，以步骤(3)中的延迟时间序列td(n)为插值x变量，执行三次样条插值重采样处理，得到多普勒调制后的小波。
二、冲击成分提取的具体步骤如国2所示：
(1)假设采集的轨边信号为x(t)，初始化轨边信号迭代次数k＝1。
(2)根据工况、几何参数和轴承参数设定单瞬态多普勒小波振荡频率f、阻尼比ζ、时间参数τ的模型参数范围，即参数集γ＝{f,ζ,τ}，对参数集γ中的每一组参数利用构成构建单瞬态多普勒小波库Ψdop(t)γ。
(3)按以下公式计算步骤2单瞬态多普勒小波库中的每个小波与轨边信号x(t)的相关系数，确定最大相关系数对应的小波Ψdop(t)γ,k。
(4)用x(t)减去Ψdop(t)γ,k得到新的x(t)，令k＝k+1。
(5)重复步骤(3)和(4)直至有至少以下条件之一得到满足：
其中NMSE为算法中止指标，σ1和σ2为设定的指标阈值。NMSE可用以下公式计算：
(6)将得到的所有Ψdop(t)γ,k相加，重构冲击成分。
下面通过三个具体实施例分析验证本发明方法的有效性，实施例1为仿真分析，实施例例2为真实列车外圈故障轴承的轨边试验信号分析，实施例3为真实列车内圈故障轴承的轨边试验信号分析，下面分别说明：
实施例1：
仿真轨边信号x(t)的时域波形及其频谱如图3所示，采样频率20KHZ。利用提出的算法从信号中逐个剥离冲击成分，具体步骤为：
(1)设定五种小波模型(Morlet小波、谐波小波、Laplace小波、单边Morlet小波、单边谐波小波、单边Laplace小波)参数范围和步长，生成参数集，根据本发明提出的单瞬态多普勒小波构建步骤遍历参数集中每个参数，生成单瞬态多普勒小波库Ψdop(t)(ζ,τ,f)。
(2)将仿真信号x(t)与步骤1得到的多普勒小波库中的每个小波做相关分析，取相关系数最大值最大的小波Ψdop(t)γ,k。
(3)计算NMSE，当NMSE(L)<σ1或0≤(NMSE(L-1)-NMSE(L))<σ2或NMSE(L-1)<NMSE(L)有任意一个条件成立时，直接执行步骤5，否则继续执行步骤(4)。
(4)用x(t)减去步骤(2)中的Ψdop(t)γ,k得到新的x(t)，重复步骤(2)。
(5)叠加生成的所有Ψdop(t)γ,k，得到重构信号。
经过以上步骤得到的重构信号如图5所示(上图为信号全段的分析结果，下图为局部放大图)，可以看出波形得到了很好的匹配。图4为用传统的单边Laplace小波进行处理得到的结果(上图为信号全段的分析结果，下图为局部放大图)，从图4、5中可以看出由于多普勒调制引起的结构畸变，传统的小波已无法实现精确匹配和提取。
实施例2：
采用实际的列车轮对轴承外圈单点故障轨边声音信号进行处理。信号波形如图6中的(a)所示，采样频率50KHz。利用本发明提出的算法进行处理，图6中的(b)为轨边信号与单瞬态多普勒小波作相关计算得到的相关系数走势，图6中的(c)为最大相关系数对应的单瞬态小波模型，图6中的(d)为最大相关系数对应的单瞬态多普勒小波模型，图6中的(e)为NMSE指标随算法执行循环次数的变化曲线，图6中的(f)为轨边信号与重构信号对比图，从该图6可以看出信号得到了较好的匹配与重构，冲击成分得到了精确提取。
实施例3：
采用实际的列车轮对轴承内圈单点故障轨边声音信号进行处理。信号波形如图7中的(a)所示，采样频率50KHz。利用本发明提出的算法进行处理，图7中的(b)为轨边信号与单瞬态多普勒小波作相关计算得到的相关系数走势，图7中的(c)为最大相关系数对应的单瞬态小波模型，图7中的(d)为最大相关系数对应的单瞬态多普勒小波模型，图7中的(e)为NMSE指标随算法执行循环次数的变化曲线，图7中的(f)为轨边信号与重构信号对比图，从该图7可以看出信号得到了较好的匹配与重构，冲击成分得到了精确提取。
提供以上实施例仅仅是为了描述本发明的目的，而并非要限制本发明的范围。本发明的范围由所附权利要求限定。不脱离本发明的精神和原理而做出的各种等同替换和修改，均应涵盖在本发明的范围之内。
Claims (1)
1.一种列车轴承轨边信号冲击成分提取方法，其特征在于步骤如下：
(1)采用麦克风采集列车通过时轴承产生的轨边信号，构建单瞬态多普勒小波；
(2)利用构建的单瞬态多普勒小波，基于最大相关系数准则，对轨边信号进行匹配识别，从而提取冲击成分进行重构；
所述步骤(2)中利用构建的单瞬态多普勒小波从轨边信号中提取冲击成分的过程如下：
(21)假设采集的轨边信号为x(t)，初始化轨边信号迭代次数k＝1；
(22)根据工况、几何参数和轴承参数设定单瞬态多普勒小波振荡频率f、阻尼比ζ、时间参数τ的模型参数范围，得到参数集γ＝{f,ζ,τ}，利用参数集γ中的每一组参数构建单瞬态多普勒小波，构成单瞬态多普勒小波库Ψdop(t)γ；
(23)按以下公式计算单瞬态多普勒小波库中的每个小波与轨边信号x(t)的相关系数，确定最大相关系数对应的小波Ψdop(t)γ,k；
代表x(t)与Ψdop(t)γ的相关系数，其中N为采集到的轨边信号的长度，n＝0,1,...,(N-1)；
(24)用x(t)减去Ψdop(t)γ,k得到新的x(t)，令k＝k+1；
(25)重复步骤(23)和(24)直至有至少以下条件之一得到满足：
其中NMSE为算法中止指标，σ1和σ2为设定的指标阈值；
(26)将得到的所有Ψdop(t)γ,k相加，完成重构冲击成分；
所述(22)中，构建单瞬态多普勒小波库Ψdop(t)γ的方法与步骤(1)中的构建单瞬态多普勒小波的过程相同；
所述步骤(1)中，构建单瞬态多普勒小波的步骤如下：
(11)计算发声幅值序列Se(n)，假设轨边信号的采样频率为fs，根据小波函数表达成该采样频率fs下离散的与轨边信号长度一致的发声幅值序列Se(n)，其中N为采集到的轨边信号的长度，n＝0,1,...,(N-1)；
(12)收声时间序列tr(n)计算，通过时序映射函数：
由步骤(11)的发声幅值序列对应的发声时间序列te(n)计算出收声时间序列tr(n)；式中X0为信号的初始时刻列车位置与采集装置位置的横向距离，Vs(t)为列车速度，r为采集装置与轨道的纵向距离，c为声速；
(13)延迟时间序列td(n)计算，延迟时间序列td(n)为最终得到时间序列，其值td(n)＝te(n)+R(0)/c，其中R(0)表示声源在起始点与麦克风的距离；R(0)值通过几何关系计算，具体如下：
(14)收声幅值序列Sr(n)计算，通过幅值映射函数：
由步骤(11)发声幅值序列Se(n)计算出收声幅值序列Sr(n)，其中R表示声源与麦克风的距离，θ为声源到麦克风的向量与声源运动方向向量之间的夹角，n＝0,1,...,(N-1)；
(15)插值拟合采样，以步骤(12)得到的收声时间序列tr(n)为x变量，以步骤(14)得到的收声幅值序列Sr(n)为y变量，以步骤(13)中的延迟时间序列td(n)为插值x变量，执行三次样条插值重采样处理，得到多普勒调制后的Laplace小波即单瞬态多普勒小波；
所述(25)中，NMSE采用以下公式计算：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610880487.6A CN106441895B (zh) | 2016-10-09 | 2016-10-09 | 一种列车轴承轨边信号冲击成分提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610880487.6A CN106441895B (zh) | 2016-10-09 | 2016-10-09 | 一种列车轴承轨边信号冲击成分提取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106441895A CN106441895A (zh) | 2017-02-22 |
| CN106441895B true CN106441895B (zh) | 2019-03-22 |
Family
ID=58173192
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610880487.6A Active CN106441895B (zh) | 2016-10-09 | 2016-10-09 | 一种列车轴承轨边信号冲击成分提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106441895B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107345858B (zh) * | 2017-07-25 | 2018-08-14 | 安徽大学 | 一种列车轴承轨边信号冲击成分快速提取方法 |
| CN107402131B (zh) * | 2017-08-03 | 2018-05-25 | 安徽大学 | 一种基于轨边声学信号时频脊线的高速列车运动参数识别方法 |
| CN108061653B (zh) * | 2017-12-05 | 2019-11-05 | 安徽大学 | 基于谐波-冲击多普勒调制复合字典的列车轮对轴承轨边声信号分离方法 |
| CN110740407B (zh) * | 2019-10-24 | 2020-11-24 | 安徽大学 | 一种基于双麦克风的列车轴承轨边声学信号主动降噪方法 |
| CN111044140B (zh) * | 2019-12-31 | 2021-05-25 | 神州高铁技术股份有限公司 | 信号的获取方法、系统及存储介质、诊断方法、检测系统 |
| CN112881744B (zh) * | 2021-02-08 | 2023-04-07 | 中科(湖南)先进轨道交通研究院有限公司 | 一种基于火车声音的火车测速与测向装置及其工作方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105241666B (zh) * | 2015-09-21 | 2017-10-20 | 华南理工大学 | 一种基于信号稀疏表示理论的滚动轴承故障特征提取方法 |
| CN105424388B (zh) * | 2015-11-17 | 2018-11-02 | 苏州大学 | 一种基于参数化多普勒瞬态模型的列车轮对轴承故障瞬态特征检测方法 |
-
2016
- 2016-10-09 CN CN201610880487.6A patent/CN106441895B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN106441895A (zh) | 2017-02-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106441895B (zh) | 一种列车轴承轨边信号冲击成分提取方法 | |
| CN108168891B (zh) | 滚动轴承微弱故障信号特征的提取方法及设备 | |
| CN105424388B (zh) | 一种基于参数化多普勒瞬态模型的列车轮对轴承故障瞬态特征检测方法 | |
| Liu et al. | Adaptive spectral kurtosis filtering based on Morlet wavelet and its application for signal transients detection | |
| CN106872171B (zh) | 一种多普勒声学信号的自适应学习校正方法 | |
| Yang | Interpretation of mechanical signals using an improved Hilbert–Huang transform | |
| Li et al. | Railway wheel flat detection based on improved empirical mode decomposition | |
| Li et al. | Research on test bench bearing fault diagnosis of improved EEMD based on improved adaptive resonance technology | |
| Chen et al. | Generalized dispersive mode decomposition: Algorithm and applications | |
| CN103018044B (zh) | 一种改进冲击字典匹配追踪算法的轴承复合故障诊断方法 | |
| CN106546892A (zh) | 基于深度学习的局部放电超声音频识别方法及系统 | |
| CN107345858B (zh) | 一种列车轴承轨边信号冲击成分快速提取方法 | |
| CN101982943B (zh) | 基于时域重排的超声导波频散补偿与多模式分离方法 | |
| Liu et al. | Doppler effect reduction based on time-domain interpolation resampling for wayside acoustic defective bearing detector system | |
| CN103776903B (zh) | 一种风电叶片脱层检测方法及检测系统 | |
| Wang et al. | Doppler Effect removal based on instantaneous frequency estimation and time domain re-sampling for wayside acoustic defective bearing detector system | |
| CN105510066B (zh) | 基于自适应降噪算法的一类旋转机械系统故障诊断方法 | |
| CN105674065A (zh) | 一种基于变模式分解的声发射管道漏点定位方法 | |
| Diwu et al. | Collaborative double sparse period-group lasso for bearing fault diagnosis | |
| CN105092711B (zh) | 一种基于卡尔曼滤波的钢轨裂纹声发射信号检测与去噪方法 | |
| CN104568132A (zh) | 一种基于参考信号约束的机械特征声信号频域半盲提取方法 | |
| CN117009744A (zh) | 一种超长距离铁路声波数据快速处理方法 | |
| CN205262744U (zh) | 基于参数化多普勒瞬态模型的列车轮对轴承故障瞬态特征检测装置 | |
| CN105021702A (zh) | 一种基于复倒谱的水声材料声反射系数自由场宽带测量方法 | |
| CN108398267A (zh) | 一种高速列车轨边运动参数自适应识别方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Liu Fang Inventor after: Fu Yangyang Inventor after: Xiao Yangyang Inventor after: Feng Wenqiang Inventor after: Chen Jing Inventor after: Liu Yongbin Inventor after: Lu Siliang Inventor after: Li Guoli Inventor after: Qian Qiang Inventor before: Liu Fang Inventor before: Fu Yangyang Inventor before: Liu Yongbin Inventor before: Lu Siliang Inventor before: Li Guoli Inventor before: Qian Qiang |