CN108009305A - 一种基于小波变换的轨检仪采集数据处理方法 - Google Patents

一种基于小波变换的轨检仪采集数据处理方法 Download PDF

Info

Publication number
CN108009305A
CN108009305A CN201610927086.1A CN201610927086A CN108009305A CN 108009305 A CN108009305 A CN 108009305A CN 201610927086 A CN201610927086 A CN 201610927086A CN 108009305 A CN108009305 A CN 108009305A
Authority
CN
China
Prior art keywords
data
rail
wavelet
processing method
inspection instrument
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.)
Pending
Application number
CN201610927086.1A
Other languages
English (en)
Inventor
张航
吴永健
林海昕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Central South University
Original Assignee
Central South University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Central South University filed Critical Central South University
Priority to CN201610927086.1A priority Critical patent/CN108009305A/zh
Publication of CN108009305A publication Critical patent/CN108009305A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明公开了一种基于小波变换的轨检仪采集数据处理方法，包括以下步骤：步骤1：输入一组原始基本弦轨向数据；步骤2：应用db3小波对该原始组基本弦轨向数据进行三层小波分解，分别得到各层的高频信号和低频信号；步骤3：识别小波分解的第一层的高频信号中的含有粗大误差的检测数据并进行剔除；步骤4：在剔除含有粗大误差的检测数据后，进行小波重构，得到滤波后的基本弦轨向数据。本发明的数据处理方法，在消除噪声的同时能保护边缘信息，且不会引入更多的信号失真和特征丢失。

Description

一种基于小波变换的轨检仪采集数据处理方法
技术领域
本发明属于数字信号处理领域，尤其涉及一种基于小波变换对应用于铁路工务安全检测方面的轨检仪采集数据的信号滤波方法。
背景技术
轨道是铁路线路的重要组成部分，是铁路运输的基础设备，其性能直接关系到行车的舒适性和安全性，关系到铁路线路以及机车车辆的使用寿命。通过轨道检测仪可以了解线路设备的技术状态和变化规律，及时发现问题，从而科学合理地安排线路的养护和维修，保证铁路运输的安全性。使用轨检仪进行检测是在没有列车荷载作用时，通过传感器采集数据并对数据进行处理得出结果，检测内容主要包括轨距、水平、高低和轨向等轨道几何尺寸。
由轨检仪采集出的原始数据通过“以小推大”原理可以推算出十米弦轨向和二十米弦正矢。但是原始信号夹杂着由于环境等各种因素产生的噪声信号，所以推算得出的其他数据不准确，这严重影响着铁路工务部门了解线路设备的技术状态和变化规律，增加了安全隐患。
因此有必要设计一种信号处理方法，将原始信号中的噪声污染去除，提高数据的准确性，保障检测出的轨道几何尺寸能如实反映铁轨状态。
发明内容
本发明所解决的技术问题是，针对现有技术的不足，提出一种基于小波变换的轨检仪采集数据处理方法，利用小波变换理论对轨检仪采集的基本弦轨向数据进行预处理，去除其中的尖噪声，从而得到更加精确的十米弦轨向和二十米弦正矢数据。
本发明的技术方案为：
一种基于小波变换的轨检仪采集数据处理方法，包括以下步骤：
步骤1：输入一组原始基本弦轨向数据；
步骤2：对该原始组基本弦轨向数据进行小波分解，分别得到各层的高频信号和低频信号；
步骤3：识别小波分解的第一层的高频信号中的含有粗大误差的检测数据并进行剔除；
对于轨道检测离散信号，高频部分影响的是小波分解的第一层的高频信号，低频部分所影响的是小波分解的最深层(最后一层的高频信号)和低频层(各层的低频信号)。所以，本发明使用第一层的细节信号来反映粗大误差的位置。
步骤4：在剔除含有粗大误差的检测数据后，进行小波重构【重构即由分解后的信号重建原来的信号】，得到滤波后的基本弦轨向数据。
所述步骤1中，原始基本弦轨向数据从保存有轨检仪采集数据的“.csv”文件中读取。
所述步骤2中，对该原始组基本弦轨向数据进行三层小波分解。使用三层小波能更加清晰地显示高频区粗大误差位置，而随着层数的增加，粗大误差振幅越来越小，越来越不清晰，因此本发明将分解层数设置为3。
所述步骤2中，应用db3小波对该原始组基本弦轨向数据进行三层小波分解。
所述步骤3中，应用3σ准则识别小波分解的第一层的高频信号中的含有粗大误差的检测数据并进行剔除；3σ准则即对于一个任一检测数据xd，若
则认为xd含有粗大误差，进行剔除，否则予以保留；式中，n为检测数据的个数，为检测数据的平均值，σ为标准差，
将滤波后的基本弦轨向数据，以“.csv”文件格式输出并放至D盘根目录下；使用eclipse编制好的“以小推大”程序对输出的“.csv”文件进行处理，可以在D盘根目录下得到处理后的“.csv”文件，该文件不仅包括基本弦轨向数据，也包括十米弦轨向数据和二十米弦正矢数据；
根据处理后的“.csv”文件中包括的数据画图，直观地显示检测及推算数据，指导铁路工务部门对该段线路技术状态进行评定。
有益效果：
由于环境等因素轨检仪采集数据中包含有较多的尖噪声污染，如果不对这些数据进行处理，则通过这些数据推算出的其他数据将不准确。传统的去噪方法如递归中值滤波法，虽然能在消除噪声，但是特殊情况下的信号会引入更多的特征丢失和信号失真，而且计算速度较慢，不利于轨检仪采集数据的处理和保存。本发明针对轨检仪采集的数据为非线性非平稳信号，且噪声信号和有用信号的频率有所混叠的问题，基于小波变换在时域和频域都有较好的局部特性，能对时间(空间)频率进行局部化分析，能自动适应时频信号分析的要求，具有多分辨率分析的特点，基于小波变换进行信号去噪，不仅有效地去除了基本弦轨向数据中的粗大误差(尖噪声)，同时也在一定程度上减小了误差对数据的影响，有利于轨检仪采集数据的处理和后续分析。
附图说明
图1为本发明流程示意图；
图2为本发明所使用的三层小波分解示意图；
图3为本发明对滤波后的基本弦轨向数据进行“以小推大”推算出十米弦轨向和二十米弦正矢的流程示意图；
图4为本发明中原始的基本弦轨向数据波形示意图；
图5为本发明中基本弦轨向数据三层小波分解波形示意图；
图6为本发明中日铁公式推算出的十米弦轨向和二十米弦正矢波形示意图；图6(a)为十米弦轨向示意图，图6(b)二十米弦正矢波形示意图
图7为本发明中日铁公式推算模型；
图8为本发明方法与递归中值滤波法所得结果图；图8(a)为本发明方法所得结果图，图8(b)为递归中值滤波法所得结果图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不限定本发明。
图1示出了本发明提供的流程示意图，本实施例通过MATLAB工具实现。步骤如下：
步骤1：轨检仪采集的原始基本弦轨向数据以“.csv”文件存放在计算机中，代表着这段线路里程通过轨检仪采集的原始基本弦轨向数据，用MATLAB读入该文件到工作空间中，所示图4位本发明中原始基本弦轨向原始数据波形示意图；
步骤2：在MATLAB命令符下键入“wavemenu”后按回车键，即会出现小波工具箱主菜单窗口，选定“一维小波分析”中的“一维小波离散变换”子功能打开，将所述步骤1中读入的数据导入到所述步骤2中的子功能模块中；
步骤3：设置“Wavelet”为db3小波，“Level”为3，使用三层小波能更加清晰地显示高频区粗大误差位置，而随着层数的增加，粗大误差振幅越来越小，越来越不清晰，因此将“Level”设置为3，表示使用3层db3小波对数据进行处理，点击“analyze”对所述步骤2中输入的原始数据进行分析，得到如图5所示波形，图5中a3所示为图2中的第三层低频信号cA3，d3所示为图2中的第三层高频信号cD3，d2所示为图2中的第二层高频信号cD2，d1所示为图2中的第一层高频信号cD1，随着分解层数的递增，信号的发展趋势也愈加明显，分辨率降低。对于轨道检测离散信号，高频部分影响的是小波分解的第一层的高频信号(即图2所示cD1)，低频部分所影响的是小波分解的最深层(第三层的高频信号，即图2所示cD3)和低频层(三层的低频信号，图2所示cA1、cA2和cA3)。这里使用第1层的细节信号来反映粗大误差的位置，即所示d1波形图；
步骤4：应用3σ准则识别d1中的粗大误差，将其剔除，3σ准则即对于一个可以数据xd，若
则认为xd含有粗大误差，可以剔除，否则予以保留；
步骤5：步骤5：在剔除d1中的粗大误差之后，对小波进行重构，重构即分解的逆过程，可以使用MATLAB工具箱完成，具体方法参考《小波分析理论与MATLAB7实现》中第13章第1节对小波进行降噪和压缩；重构之后可以得到去除尖噪声后的轨道基本弦轨向数据。
本实施例利用MATLAB小波工具箱一维离散小波中的三层db3小波对轨检仪采集的基本弦轨向数据就行分析，对第一层高频信号运用3σ准则去除粗大误差，对小波低频部分重构得到去除噪声后的信号。本发明利用小波变换在时域和频域都有较好的局部性质，在消除噪声的同时能保护边缘信息，且不会引入更多的信号失真和特征丢失。
步骤6：以“.csv”文件形式利用MATLAB输出去噪后的基本弦轨向数据。
图3示出了本发明经过小波变换得到基本弦轨向数据进行日铁公式计算出十米弦轨向和二十米弦正矢的流程示意图，日铁公式是由日本铁路提出的，根据轨检仪采集的基本弦轨向数据经过推算可以求出轨道参数中的十米弦轨向和二十米弦正矢数据【日铁公式参见朱洪涛发表于铁道学报的《轨检仪弦测法“以小推大”检测轨道轨向不平顺的理论研究》】，具体方法为：设AD为一段弧，其半径为R，圆心O，弧的中点为P；以长为l的弦分割这段弧，步距为l/2，可得点0(A),1,2,…,2n-1,2n(D)，点0至点2n各点的x轴坐标分别为为x(0),x(l),…,x(2nl)，正矢值为v1,…vn,…,v2n-2,v2n-1，其与OP的夹角依次为θ1,…,θn,…,θ2n-2,θ2n-1，且R远大于l；设所计算的弦长L为点0至点2n的弦线，R亦远大于L。结合图7可知：
由求解可得
式中,l为基本弦轨向弦长，L＝nl为长弦弦长；V(L)为以长为L的弦测得的正矢值,vi为以长为l的弦测得的第i点正矢值，其中i＝1,2,…,n,…2n-1；vi为本发明经过小波变换得到的(去除尖噪声后的)基本弦轨向数据；
令L＝10，即可得到十米弦正矢(轨向)数据；令L＝20，即可得到二十米弦正矢数据。
由图3结合日铁公式推算出十米弦轨向和二十米弦正矢的所述实施方式的步骤如下：
步骤1：将基本弦轨向处理后产生的“.csv”文件放置到计算机D盘根目录下；
步骤2：根据日铁公式对所述步骤1中的“.csv”文件进行数据处理，由基本弦轨向数据得出十米弦轨向数据和二十米弦正矢数据，得到新的输出的“.csv”文件；
步骤3：利用MATLAB读入该文件并分别作图：十米弦轨向图和二十米弦正矢图，如图6所示，根据图像和数据可以指导铁路工务部门了解铁轨技术状态。
为验证本发明的有效性，针对本发明的数据处理方法和传统的递归中值滤波法进行对比实验，得到如图8所示的仿真结果图。从图8可以看出，本发明方法较采用递归中值滤波法所得的波形更加平滑，能有效地保护信号的细节特征。
上面描述中的实施例仅仅是本发明的一部分实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，得到的与本发明实质相同的替换方案，均属于本发明的保护范围。

Claims (5)

1.一种基于小波变换的轨检仪采集数据处理方法，其特征在于，包括以下步骤：
步骤1：输入一组原始基本弦轨向数据；
步骤2：对该原始组基本弦轨向数据进行小波分解，分别得到各层的高频信号和低频信号；
步骤3：识别小波分解的第一层的高频信号中的含有粗大误差的检测数据并进行剔除；
步骤4：在剔除含有粗大误差的检测数据后，进行小波重构，得到滤波后的基本弦轨向数据。
2.根据权利要求1所述的基于小波变换的轨检仪采集数据处理方法，其特征在于，所述步骤1中，原始基本弦轨向数据从保存有轨检仪采集数据的“.csv”文件中读取。
3.根据权利要求1所述的基于小波变换的轨检仪采集数据处理方法，其特征在于，所述步骤2中，对该原始组基本弦轨向数据进行三层小波分解。
4.根据权利要求1所述的基于小波变换的轨检仪采集数据处理方法，其特征在于，所述步骤2中，应用db3小波对该原始组基本弦轨向数据进行三层小波分解。
5.根据权利要求1～4中任一项所述的基于小波变换的轨检仪采集数据处理方法，其特征在于，所述步骤3中，应用3σ准则识别小波分解的第一层的高频信号中的含有粗大误差的检测数据并进行剔除；3σ准则即对于一个任一检测数据xd，若：
<mrow> <mrow> <mo>|</mo> <mrow> <msub> <mi>x</mi> <mi>d</mi> </msub> <mo>-</mo> <mover> <mi>x</mi> <mo>&amp;OverBar;</mo> </mover> </mrow> <mo>|</mo> </mrow> <mo>&amp;GreaterEqual;</mo> <mn>3</mn> <mi>&amp;sigma;</mi> <mo>,</mo> </mrow>
则认为xd含有粗大误差；式中，n为检测数据的个数，为检测数据的平均值，σ为标准差，
CN201610927086.1A 2016-10-31 2016-10-31 一种基于小波变换的轨检仪采集数据处理方法 Pending CN108009305A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610927086.1A CN108009305A (zh) 2016-10-31 2016-10-31 一种基于小波变换的轨检仪采集数据处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610927086.1A CN108009305A (zh) 2016-10-31 2016-10-31 一种基于小波变换的轨检仪采集数据处理方法

Publications (1)

Publication Number Publication Date
CN108009305A true CN108009305A (zh) 2018-05-08

Family

ID=62047146

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610927086.1A Pending CN108009305A (zh) 2016-10-31 2016-10-31 一种基于小波变换的轨检仪采集数据处理方法

Country Status (1)

Country Link
CN (1) CN108009305A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109635781A (zh) * 2018-12-29 2019-04-16 国网陕西省电力公司电力科学研究院 基于小波变换的数字信号粗大数据检测修正方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090326754A1 (en) * 2008-06-30 2009-12-31 Honeywell International Inc. Systems and methods for engine diagnosis using wavelet transformations
CN101968382A (zh) * 2010-01-20 2011-02-09 南通大学 一种焦平面探测器读出信号的数字信号处理方法
CN103761443A (zh) * 2014-01-28 2014-04-30 李奇 基于小波变换去噪的激光雷达波形数据处理方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090326754A1 (en) * 2008-06-30 2009-12-31 Honeywell International Inc. Systems and methods for engine diagnosis using wavelet transformations
CN101968382A (zh) * 2010-01-20 2011-02-09 南通大学 一种焦平面探测器读出信号的数字信号处理方法
CN103761443A (zh) * 2014-01-28 2014-04-30 李奇 基于小波变换去噪的激光雷达波形数据处理方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
韩晋 等: "基于小波变换的轨道检测数据滤波方法", 《铁道科学与工程学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109635781A (zh) * 2018-12-29 2019-04-16 国网陕西省电力公司电力科学研究院 基于小波变换的数字信号粗大数据检测修正方法及系统
CN109635781B (zh) * 2018-12-29 2020-09-25 国网陕西省电力公司电力科学研究院 基于小波变换的数字信号粗大数据检测修正方法及系统

Similar Documents

Publication Publication Date Title
Zhao et al. Deep convolutional neural network based planet bearing fault classification
He et al. Multifractal entropy based adaptive multiwavelet construction and its application for mechanical compound-fault diagnosis
Peng et al. An improved Hilbert–Huang transform and its application in vibration signal analysis
CN104240455B (zh) 一种分布式光纤管线安全预警系统中的扰动事件识别方法
CN104268883B (zh) 一种基于边缘检测的时频谱曲线提取方法
CN110298085A (zh) 基于XGBoost和随机森林算法的模拟电路故障诊断方法
CN106291281A (zh) 一种变电站设备局部放电定位系统及其方法
Bai et al. A hybrid de-noising algorithm for the gear transmission system based on CEEMDAN-PE-TFPF
CN107423692A (zh) 一种基于小波包能量熵的钢轨波磨故障检测方法
CN103226649A (zh) 机械早期及复合故障的集成噪声重构经验模式分解方法
Li et al. A VME method based on the convergent tendency of VMD and its application in multi-fault diagnosis of rolling bearings
Zhang et al. An adaptive graph morlet wavelet transform for railway wayside acoustic detection
CN113281414B (zh) 钢轨短波病害类型的识别方法及装置、以及电子设备
CN108009305A (zh) 一种基于小波变换的轨检仪采集数据处理方法
CN102988041A (zh) 心磁信号噪声抑制中的信号选择性平均方法
Liu et al. The Mkurtogram: a novel method to select the optimal frequency band in the AC domain for railway wheelset bearings fault diagnosis
Li et al. Theoretical, numerical, and experimental study on the identification of subway tunnel structural damage based on the moving train dynamic response
Zhang et al. TSCK guided parameter convex optimization tunable Q-factor wavelet transform and its application in wheelset bearing fault diagnosis
Zhao et al. Bearing fault-induced feature enhancement via adaptive multi-band denoising model
Liu et al. Research and analysis of the wheeled vehicle load spectrum editing method based on short-time Fourier transform
CN101957458B (zh) 一种处理超低频数据的方法
CN112881879A (zh) 一种高压电缆终端局部放电模式识别方法、装置及设备
Tang et al. Cyclostationary analysis towards fault diagnosis of rotating machinery
CN115308538B (zh) 基于yolov5的配电网故障定位方法、系统、终端及存储介质
CN111638047A (zh) 一种gis设备机械故障诊断系统及方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20180508

RJ01 Rejection of invention patent application after publication