CN111089738A - 一种基于噪声信号的轮轨匹配状态识别方法 - Google Patents

一种基于噪声信号的轮轨匹配状态识别方法 Download PDF

Info

Publication number
CN111089738A
CN111089738A CN201911425510.2A CN201911425510A CN111089738A CN 111089738 A CN111089738 A CN 111089738A CN 201911425510 A CN201911425510 A CN 201911425510A CN 111089738 A CN111089738 A CN 111089738A
Authority
CN
China
Prior art keywords
noise
wheel
rail
track
matching state
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.)
Granted
Application number
CN201911425510.2A
Other languages
English (en)
Other versions
CN111089738B (zh
Inventor
朱利明
卓静超
孙宇
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.)
Nanjing Gongda Bridge And Tunnel And Rail Transit Research Institute Co ltd
Original Assignee
Nanjing Gongda Bridge And Tunnel And Rail Transit Research Institute Co ltd
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 Nanjing Gongda Bridge And Tunnel And Rail Transit Research Institute Co ltd filed Critical Nanjing Gongda Bridge And Tunnel And Rail Transit Research Institute Co ltd
Priority to CN201911425510.2A priority Critical patent/CN111089738B/zh
Publication of CN111089738A publication Critical patent/CN111089738A/zh
Application granted granted Critical
Publication of CN111089738B publication Critical patent/CN111089738B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01M17/00—Testing of vehicles
    • G01M17/08—Railway vehicles
    • G01M17/10—Suspensions, axles or wheels
    • 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

Abstract

本发明是一种基于噪声信号的轮轨匹配状态识别方法，噪声采集装置设置在沿轮轨界面变化的移动载体上，首先，通过噪声采集装置采集得到噪声信号，对噪声信号进行盲源分离，保留轮轨噪声信号；分区段对轮轨噪声的时域信号进行统计分析，确定各个行车区间段轮轨噪声的时域分布特征；确定各行车区间段正常行驶状态下的轮轨匹配状态噪声阈值；将轮轨噪声数值与阈值进行比对，判断轮轨匹配状态；最后对轮轨不匹配位置进行确定。该种轮轨匹配状态识别方法能够根据噪声信号特征对轮轨匹配状态进行自动诊断，具有方便携带、经济性好、智能程度高、分析速度快的优点。

Description

一种基于噪声信号的轮轨匹配状态识别方法
技术领域
本发明涉及轨道交通结构监测技术领域，具体的说是一种基于噪声信号的轮轨匹配状态识别方法。
背景技术
轮轨关系是影响车辆动力学性能的关键环节，不匹配的轮轨关系可能会影响列车运行品质甚至威胁行车安全。此外，轮轨匹配状态的改变必然会带来轮轨振动状态的改变，进而导致轮轨噪声发生变化。城市轨道交通行车速度较低，轮轨噪声在车辆运行时系统总噪声中占据主导地位，轮轨匹配状态对车辆运行时的系统噪声具有显著影响。因此，通过噪声信号预测轮轨匹配状态对轨道交通中轮轨界面的养护、维修以及列车安全运营有着重要意义。
发明内容
本发明要解决的技术问题是提供一种基于噪声信号的轮轨匹配状态识别方法，能够通过采集轮轨噪声，监测得到轮轨的匹配状态，以及轮轨的不匹配位置，具有方便携带、经济性好、智能程度高、分析速度快的优点。
为解决上述技术问题，本发明采用的技术方案为：
一种基于噪声信号的轮轨匹配状态识别方法，其特征在于：噪声采集装置设置在沿轮轨界面变化的移动载体上，所述的噪声采集装置用于实时采集轨道车辆轮轨接触面周围噪声的瞬时声压，将采集到的噪声信号数据进行分析处理，对轨道交通的轮轨的匹配状态进行识别判断，具体步骤如下：
步骤1，通过噪声采集装置采集得到噪声信号，对噪声信号进行盲源分离，保留轮轨噪声信号；
步骤2，确定轮轨噪声信号特征，分区段对轮轨噪声的时域信号进行统计分析，确定各个行车区间段轮轨噪声的时域分布特征；
步骤3，轮轨匹配状态识别，确定各行车区间段正常行驶状态下的轮轨匹配状态噪声阈值；将轮轨噪声数值与阈值进行比对，判断轮轨匹配状态；
步骤4，轮轨不匹配位置确定，确定监测到的轮轨不匹配状态的时间，根据不匹配状态时间确定轮轨不匹配处的位置分布。
所述的噪声采集装置设置在有轨车辆的车厢内的底部。
所述的步骤1中噪声采集装置采集得到噪声信号包括但不限于：列车的轮轨噪声、机车车辆的机械设备噪声、空气动力噪声、机电系统噪声以及与运行无关的其他设备发生的噪声。
步骤1中盲源分离的方法具体方法如下：
S(t)＝W(t)X(t)
其中，t为监测时间；X(t)＝(x1(t)，…，xi(t))T为测得的混合信号；S(t)＝(s1(t)，…，si(t))T为分离结果，W(t)为解混矩阵；
所述的噪声信号包括列车的轮轨噪声、机车车辆的机械设备噪声、空气动力噪声、机电系统噪声以及与运行无关的其他设备发生的噪声，采集到的观测信号记为x1(t)，x2(t)，x3(t)，x4(t)，x5(t)，原始信号记为s(t)，s2(t)，s3(t)，s4(t)，s5(t)，xi(t)是si(t)的加权和，加权系数取决于源和噪声采集装置之间的距离，可得如下等式：
x1(t)＝a11s1(t)+a12s2(t)+a13s3(t)+a14s4(t)+a15s5(t)
r2(t)＝A21s1(t)+a22s2(t)+a22s3(t)+a24s4(t)+a25s5(t)
xa(t)＝a21s1(t)+a32s2(t)+a32s3(t)+a34s4(t)+a35s5(t)
x4(t)＝a41s1(t)+a42s2(t)+a43s2(t)+a44s4(t)+a45s5(t)
x5(t)＝a51s1(t)+a52s2(t)+a53s3(t)+a54s4(t)+a55s5(t)
式中，αij是常值系数，表示混合的权重；
假设由αij组成的矩阵可逆，此时存在一个元素是wij的矩阵W可以分离出源信号：
s1(t)＝w11x1(t)+w12x2(t)+w13x3(t)+w14x4(t)+w15x5(t)
s2(t)＝w21x1(t)+w22x2(t)+w23x3(t)+w24x4(t)+w25x5(t)
s3(t)＝w31x1(t)+w32x2(t)+w33x3(t)+w34x4(t)+w35x5(t)
s4(t)＝w41x1(t)+w42x2(t)+w43x3(t)+w44x4(t)+w45x5(t)
s5(t)＝w51x1(t)+w52x2(t)+w53x3(t)+w54x(t)+w55x5(t)
得到解混矩阵W(t)后，计算得到分离出的轮轨噪声数据P(t)。
所述的步骤2中对轨噪声数据P(t)进行方差分析、概率分布统计、峭度等统计学分析，得到轮轨噪声P(t)的时域分布特征。
所述的步骤3中轮轨匹配状态识别方式如下：
Figure BDA0002351099940000031
其中，a，b为界限系数；P0(t)为正常匹配状态下该行车区间内轮轨噪声特征值；P(t)为轮轨噪声监测值。
所述的行车区间需要进行分段分析，根据轮、轨的结构以及接触方式对行车区间进行分段，并对正常行驶状态下每段行车区间的噪声时域分布特性和时频特性演变规律进行记录。
该种基于噪声信号的轮轨匹配状态识别方法能够产生的有益效果为：
第一，采集噪声信号的设备可以集中功能与手持式或半固定式的便携式终端中，由于车辆内距离轮轨界面的噪声声源较近，既能便捷操作，又能够精准采集数据。
第二，经济性好，节约人力物力，能够在列车日常运行过程中进行测量，避免为了进行监测实行专门的调度和维护。
第三，智能程度高，通过噪声信号特征对轮轨匹配状态进行自动诊断
第四，可以实时分析得到轮轨的匹配状态。
附图说明
图1为本发明一种基于噪声信号的轮轨匹配状态识别方法的工作流程图。
图2为本发明一种基于噪声信号的轮轨匹配状态识别方法中盲源分离观测信号示意图。
图3为本发明一种基于噪声信号的轮轨匹配状态识别方法中盲源分离噪声信号示意图。
图4为本发明一种基于噪声信号的轮轨匹配状态识别方法中盲源分离的分离结果示意图。
具体实施方式
以下结合说明书附图和具体优选的实施例对本发明作进一步描述。
一种基于噪声信号的轮轨匹配状态识别方法，其特征在于：噪声采集装置设置在沿轮轨界面变化的移动载体上，所述的噪声采集装置用于实时采集轨道车辆轮轨接触面周围噪声的瞬时声压，将采集到的噪声信号数据进行分析处理，对轨道交通的轮轨的匹配状态进行识别判断，具体步骤如下：
步骤1，通过噪声采集装置采集得到噪声信号，对噪声信号进行盲源分离，保留轮轨噪声信号；
步骤2，确定轮轨噪声信号特征，分区段对轮轨噪声的时域信号进行统计分析，确定各个行车区间段轮轨噪声的时域分布特征；
步骤3，轮轨匹配状态识别，确定各行车区间段正常行驶状态下的轮轨匹配状态噪声阈值；将轮轨噪声数值与阈值进行比对，判断轮轨匹配状态；
步骤4，轮轨不匹配位置确定，确定监测到的轮轨不匹配状态的时间，根据不匹配状态时间确定轮轨不匹配处的位置分布。
所述噪声采集装置应用于城市轨道交通，特别是地铁；该装置为便携式终端，便携式终端形式为手持式终端或半固定式终端，在列车车厢内部进行使用。以地铁为例，具体可布置在车厢内座位底部，在缩短与轮轨噪声源距离的同时也使装置尽量不影响人们正常的乘车活动；也可以由专业的测试人员携带设备在车厢内进行测试。
步骤1中噪声采集装置采集得到噪声信号包括但不限于：列车的轮轨噪声、机车车辆的机械设备噪声、空气动力噪声、机电系统噪声以及与运行无关的其他设备发生的噪声。
步骤1中盲源分离的方法具体方法如下：
S(t)＝W(t)X(t)
其中，t为监测时间；X(t)＝(x1(t)，…，xi(t))T为测得的混合信号；S(t)＝(s1(t)，…，si(t))T为分离结果，W(t)为解混矩阵；
所述的噪声信号包括列车的轮轨噪声、机车车辆的机械设备噪声、空气动力噪声、机电系统噪声以及与运行无关的其他设备发生的噪声，采集到的观测信号记为x1(t)，x2(t)，x3(t)，x4(t)，x5(t)，原始信号记为s(t)，s2(t)，s3(t)，s4(t)，s5(t)，xi(t)是si(t)的加权和，加权系数取决于源和噪声采集装置之间的距离，可得如下等式：
x1(t)＝a11s1(t)+a12s2(t)+a13s3(t)+a14s4(t)+a15s5(t)
x2(t)＝a21s1(t)+a22s2(t)+a23s3(t)+a24s4(t)+a25s5(t)
x3(t)＝a31s1(t)+a32s2(t)+a23s3(t)+a34s4(t)+a35s5(t)
x4(t)＝a41s1(t)+a42s2(t+a43s3(t)+a44s4(t)+a45s5(t)
x5(t)＝a51s1(t)+a52s2(t)+a53s3(t)+a54s4(t)+a55s5(t)
式中，aij是常值系数，表示混合的权重；进一步的，aij是未知的，源信号同样也是未知的。盲源分离能够用混合量找出原始信号。
假设由aij组成的矩阵可逆，此时存在一个元素是wij的矩阵W可以分离出源信号：
s1(t)＝w11x1(t)+w12x2(t)+w13x2(t)+w14x4(t)+w15x5(t)
s2(t)＝w21x1(t)+w22x2(t)+w22x3(t)+w24x4(t)+w25x5(t)
s3(t)＝w31x1(t)+w32x2(t)+w33x3(t)+w34x4(t)+w35x5(t)
s4(t)＝w41x1(t)+w42x2(t)+w43x3(t)+w44x4(t+w45x5(t)
s5(t)＝w51x1(t)+w52x2(t)+w52x3(t)+w54x(t)+w55x5(t)
得到解混矩阵W(t)后，计算得到分离出的轮轨噪声数据P(t)。
步骤2中对轨噪声数据P(t)进行方差分析、概率分布统计、峭度等统计学分析，得到轮轨噪声P(t)的时域分布特征。
所述的步骤3中轮轨匹配状态识别方式如下：
Figure BDA0002351099940000051
其中，a，b为界限系数；P0(t)为正常匹配状态下该行车区间内轮轨噪声特征值；P(t)为轮轨噪声监测值。
所述的行车区间需要进行分段分析，根据轮、轨的结构以及接触方式对行车区间进行分段，并对正常行驶状态下每段行车区间的噪声时域分布特性和时频特性演变规律进行记录。
行车区间需要进行分段分析，根据轮、轨的结构以及接触方式对行车区间进行分段，并对正常行驶状态下每段行车区间的噪声时域分布特性和时频特性演变规律进行记录。轮轨接触面可能会产生三种类型的噪声：滚动噪声，冲击噪声和尖啸噪声。滚动噪声通常是没有擦伤的车轮在连续焊接的直线钢轨上滚动时发出的噪声，由于车轮和钢轨接触表面上有微小的凹凸不平产生，轮轨不良接触会使得车轮和轨道产生结构振动，发出更高分贝的噪声；冲击噪声是车轮在通过焊缝、道岔时或当擦伤时的车轮在钢轨上滚动时所发生的噪声，遇到这些情况时，车轮的垂直速度将发生变化，从而使轮轨接触面产生很大的作用力，激发车轮和钢轨振动引起轮轨辐射声音；尖啸噪声是一种强噪声，其音调与车辆通过轨道的小半径曲线有关，主要来源与轮辋，尺寸和材料的特性导致了轮辋是一个良好的高频声源。由于不同车速、不同类型轨道板、道岔等对轮轨噪声大小都有很大的影响，因此在进行噪声分析时进行分区段的统计分析能够有效的提高判断的准确性。
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (7)

1.一种基于噪声信号的轮轨匹配状态识别方法，其特征在于：噪声采集装置设置在沿轮轨界面变化的移动载体上，所述的噪声采集装置用于实时采集轨道车辆轮轨接触面周围噪声的瞬时声压，将采集到的噪声信号数据进行分析处理，对轨道交通的轮轨的匹配状态进行识别判断，具体步骤如下：
步骤1，通过噪声采集装置采集得到噪声信号，对噪声信号进行盲源分离，保留轮轨噪声信号；
步骤2，确定轮轨噪声信号特征，分区段对轮轨噪声的时域信号进行统计分析，确定各个行车区间段轮轨噪声的时域分布特征；
步骤3，轮轨匹配状态识别，确定各行车区间段正常行驶状态下的轮轨匹配状态噪声阈值；将轮轨噪声数值与阈值进行比对，判断轮轨匹配状态；
步骤4，轮轨不匹配位置确定，确定监测到的轮轨不匹配状态的时间，根据不匹配状态时间确定轮轨不匹配处的位置分布。
2.根据权利要求1所述的一种基于噪声信号的轮轨匹配状态识别方法，其特征在于：所述的噪声采集装置设置在有轨车辆的车厢内的底部。
3.根据权利要求1所述的一种基于噪声信号的轮轨匹配状态识别方法，其特征在于：所述的步骤1中噪声采集装置采集得到噪声信号包括但不限于：列车的轮轨噪声、机车车辆的机械设备噪声、空气动力噪声、机电系统噪声以及与运行无关的其他设备发生的噪声。
4.根据权利要求1所述的一种基于噪声信号的轮轨匹配状态识别方法，其特征在于：步骤1中盲源分离的方法具体方法如下：
S(t)＝W(t)X(t)
其中，t为监测时间；X(t)＝(x1(t)，…，xi(t))T为测得的混合信号；S(t)＝(s1(t)，…，si(t))T为分离结果，W(t)为解混矩阵；
所述的噪声信号包括列车的轮轨噪声、机车车辆的机械设备噪声、空气动力噪声、机电系统噪声以及与运行无关的其他设备发生的噪声，采集到的观测信号记为x1(t)，x2(t)，x3(t)，x4(t)，x5(t)，原始信号记为s(t)，s2(t)，s3(t)，s4(t)，s5(t)，xi(t)是si(t)的加权和，加权系数取决于源和噪声采集装置之间的距离，可得如下等式：
x1(t)＝a11s1(t)+a12s2(t)+a13s3(t)+a14s4(t)+a15s5(t)
x2(t)＝a21s1(t)+a22s2(t)+a23s3(t)+A24s4(t)+a25s5(t)
x3(t)＝a31s1(t)+a32s2(t)+a33s3(t)+A34s4(t)+a35s5(t)
x4(t)＝a41s1(t)+a42s2(t)+a43s3(t)+A44s4(t)+a45s5(t)
x5(t)＝a51s1(t)+a52s2(t)+a53s3(t)+A54s4(t)+a55s5(t)
式中，αij是常值系数，表示混合的权重；
假设由αij组成的矩阵可逆，此时存在一个元素是wij的矩阵W可以分离出源信号：
s1(t)＝w11x1(t)+w12x2(t)+w13x3(t)+w14x4(t)+w15x5(t)
s2(t)＝w21x1(t)+w22x2(t)+w23x3(t)+w24x4(t)+w25x5(t)
s3(t)＝w31x1(t)+w32x2(t)+w33x3(t)+w34x4(t)+w35x5(t)
s4(t)＝w41x1(t)+w42x2(t)+w43x3(t)+w44x4(t)+w45x5(t)
s5(t)＝w51x1(t)+w52x2(t)+w53x3(t)+w54x4(t)+w55x5(t)
得到解混矩阵W(t)后，计算得到分离出的轮轨噪声数据P(t)。
5.根据权利要求4所述的一种基于噪声信号的轮轨匹配状态识别方法，其特征在于：所述的步骤2中对轨噪声数据P(t)进行方差分析、概率分布统计、峭度等统计学分析，得到轮轨噪声P(t)的时域分布特征。
6.根据权利要求5所述的一种基于噪声信号的轮轨匹配状态识别方法，其特征在于：所述的步骤3中轮轨匹配状态识别方式如下：
Figure FDA0002351099930000021
其中，a，b为界限系数；P0(t)为正常匹配状态下该行车区间内轮轨噪声特征值；P(t)为轮轨噪声监测值。
7.根据权利要求1所述的一种基于噪声信号的轮轨匹配状态识别方法，其特征在于：所述的行车区间需要进行分段分析，根据轮、轨的结构以及接触方式对行车区间进行分段，并对正常行驶状态下每段行车区间的噪声时域分布特性和时频特性演变规律进行记录。
CN201911425510.2A 2019-12-31 2019-12-31 一种基于噪声信号的轮轨匹配状态识别方法 Active CN111089738B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911425510.2A CN111089738B (zh) 2019-12-31 2019-12-31 一种基于噪声信号的轮轨匹配状态识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911425510.2A CN111089738B (zh) 2019-12-31 2019-12-31 一种基于噪声信号的轮轨匹配状态识别方法

Publications (2)

Publication Number Publication Date
CN111089738A true CN111089738A (zh) 2020-05-01
CN111089738B CN111089738B (zh) 2022-06-17

Family

ID=70398788

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911425510.2A Active CN111089738B (zh) 2019-12-31 2019-12-31 一种基于噪声信号的轮轨匹配状态识别方法

Country Status (1)

Country Link
CN (1) CN111089738B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN203100892U (zh) * 2013-02-05 2013-07-31 山东省科学院海洋仪器仪表研究所 轮轨滚动接触试验装置
CN105473988A (zh) * 2013-06-21 2016-04-06 布鲁尔及凯尔声音及振动测量公司 确定机动车辆的噪声源的噪声声音贡献的方法
CN105788295A (zh) * 2014-12-26 2016-07-20 中国移动通信集团公司 一种交通流量的检测方法及装置
CN106198062A (zh) * 2016-07-27 2016-12-07 哈尔滨市科佳通用机电有限公司 轨道交通工具故障车载声学检测系统及检测方法
CN106218668A (zh) * 2016-09-20 2016-12-14 中车唐山机车车辆有限公司 车轮不圆度检测方法及装置
CN106672015A (zh) * 2016-12-27 2017-05-17 中车唐山机车车辆有限公司 动车组车轮故障监测的方法、装置和系统
CN106994984A (zh) * 2017-05-23 2017-08-01 山东省科学院激光研究所 激光声磁钢轨表面缺陷快速探伤系统及方法
CN107215353A (zh) * 2017-05-26 2017-09-29 华东交通大学 一种轨道结构病害的远程监控预警方法
CN206826676U (zh) * 2017-05-26 2018-01-02 华东交通大学 一种轨道结构病害的远程监控预警系统
CN207015352U (zh) * 2017-05-23 2018-02-16 山东省科学院激光研究所 激光声磁钢轨表面缺陷快速探伤系统及探伤车
CN109030628A (zh) * 2018-06-25 2018-12-18 北京交通大学 基于振动噪声频谱特征匹配的轨道结构力学性能评价方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN203100892U (zh) * 2013-02-05 2013-07-31 山东省科学院海洋仪器仪表研究所 轮轨滚动接触试验装置
CN105473988A (zh) * 2013-06-21 2016-04-06 布鲁尔及凯尔声音及振动测量公司 确定机动车辆的噪声源的噪声声音贡献的方法
CN105788295A (zh) * 2014-12-26 2016-07-20 中国移动通信集团公司 一种交通流量的检测方法及装置
CN106198062A (zh) * 2016-07-27 2016-12-07 哈尔滨市科佳通用机电有限公司 轨道交通工具故障车载声学检测系统及检测方法
CN106218668A (zh) * 2016-09-20 2016-12-14 中车唐山机车车辆有限公司 车轮不圆度检测方法及装置
CN106672015A (zh) * 2016-12-27 2017-05-17 中车唐山机车车辆有限公司 动车组车轮故障监测的方法、装置和系统
CN106994984A (zh) * 2017-05-23 2017-08-01 山东省科学院激光研究所 激光声磁钢轨表面缺陷快速探伤系统及方法
CN207015352U (zh) * 2017-05-23 2018-02-16 山东省科学院激光研究所 激光声磁钢轨表面缺陷快速探伤系统及探伤车
CN107215353A (zh) * 2017-05-26 2017-09-29 华东交通大学 一种轨道结构病害的远程监控预警方法
CN206826676U (zh) * 2017-05-26 2018-01-02 华东交通大学 一种轨道结构病害的远程监控预警系统
CN109030628A (zh) * 2018-06-25 2018-12-18 北京交通大学 基于振动噪声频谱特征匹配的轨道结构力学性能评价方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
于昕卉 等: "盲源分离技术在车辆轮胎噪声提取中的应用", 《交通科技与经济》 *

Also Published As

Publication number Publication date
CN111089738B (zh) 2022-06-17

Similar Documents

Publication Publication Date Title
CN111055881A (zh) 一种基于噪声信号的轮轨界面损伤演变监测方法
CN113276905B (zh) 区分轨道波磨及车轮多边形磨耗的识别方法与测量方法
Janssens et al. Railway noise measurement method for pass-by noise, total effective roughness, transfer functions and track spatial decay
CN113486874B (zh) 一种基于轮轨噪声小波包分解的钢轨波磨特征识别方法
Balouchi et al. Development of railway track condition monitoring from multi-train in-service vehicles
Kundu et al. A review on condition monitoring technologies for railway rolling stock
CN113988326A (zh) 一种地铁设备维修优化方法及系统
CN102157148A (zh) 一种基于dtw语音识别的货车车辆检查方法
Dittrich et al. Improved measurement methods for railway rolling noise
CN114386467A (zh) 基于声学特征的轨道车辆底架故障异响监测系统及方法
Komorski et al. Advanced acoustic signal analysis used for wheel-flat detection
Lingamanaik et al. Using instrumented revenue vehicles to inspect track integrity and rolling stock performance in a passenger network during peak times
Nowakowski et al. Tram gearbox condition monitoring method based on trackside acoustic measurement
CN111089738B (zh) 一种基于噪声信号的轮轨匹配状态识别方法
CN105372080B (zh) 一种有轨电车及其嵌入式轨道耦合动力学测试装置及方法
CN110956164A (zh) 一种基于噪声信号的列车车轮损伤识别方法
CN110143217B (zh) 轨道状态测量方法、系统及装置
Tsunashima et al. Condition monitoring of railway track and driver using in-service vehicle
Alten et al. Detecting and classifying rail corrugation based on axle bearing vibration
CN115689315A (zh) 一种基于车体振动与噪声响应的曲线健康评定方法
Gao et al. Use of combined railway inspection data sources for characterization of rolling contact fatigue
Shadfar et al. An index for rail weld health assessment in urban metro using in-service train
CN111507629A (zh) 一种轨道故障诊断方法及系统
Kollment et al. Towards condition monitoring of railway points: Instrumentation, measurement and signal processing
Swierkoska Curve squeal on the Stockholm metro Statistical analysis based on data collected by an onboard monitoring system

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
GR01 Patent grant
GR01 Patent grant