CN112960012A - 基于阈值归一化短时功率谱密度的高速铁路钢轨波磨声学诊断方法 - Google Patents
基于阈值归一化短时功率谱密度的高速铁路钢轨波磨声学诊断方法 Download PDFInfo
- Publication number
- CN112960012A CN112960012A CN202110152050.1A CN202110152050A CN112960012A CN 112960012 A CN112960012 A CN 112960012A CN 202110152050 A CN202110152050 A CN 202110152050A CN 112960012 A CN112960012 A CN 112960012A
- Authority
- CN
- China
- Prior art keywords
- signal
- acoustic
- time
- window
- speed railway
- 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
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 25
- 238000001228 spectrum Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000001514 detection method Methods 0.000 claims abstract description 18
- 230000003595 spectral effect Effects 0.000 claims abstract description 18
- 238000010606 normalization Methods 0.000 claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 8
- 230000011218 segmentation Effects 0.000 claims abstract description 7
- 230000005236 sound signal Effects 0.000 claims description 17
- 230000009467 reduction Effects 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 8
- 108010076504 Protein Sorting Signals Proteins 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 201000010099 disease Diseases 0.000 claims description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 3
- 238000009432 framing Methods 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 238000002405 diagnostic procedure Methods 0.000 claims 6
- 229910000831 Steel Inorganic materials 0.000 description 11
- 239000010959 steel Substances 0.000 description 11
- 230000001133 acceleration Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000005284 excitation Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000004439 roughness measurement Methods 0.000 description 3
- 230000003746 surface roughness Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000008846 dynamic interplay Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61K—AUXILIARY EQUIPMENT SPECIALLY ADAPTED FOR RAILWAYS, NOT OTHERWISE PROVIDED FOR
- B61K9/00—Railway vehicle profile gauges; Detecting or indicating overheating of components; Apparatus on locomotives or cars to indicate bad track sections; General design of track recording vehicles
- B61K9/08—Measuring installations for surveying permanent way
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
- G10L25/21—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being power information
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Mechanical Engineering (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于阈值归一化短时功率谱密度的高速铁路钢轨波磨声学诊断方法，属于高速铁路噪声、信号处理、故障诊断技术领域，其步骤如下：(1)将高速综合检测列车在某高速铁路运行一段时间，记录其运行速度；(2)归一化，得到归一化的短时功率谱；(3)根据列车运行时的转向架区域空气流场特性进行传声器位置优化，以降低气动噪声影响；(4)归一化功率处理。本发明的方法，在一段时间内的提取对应频率的特征参数需要将声信号截取成一段一段进行分析，同时对列车平稳运行下更长一段时间内的信号进行频域功率谱密度归一化，通过设定归一化阈值，对分段后的信号进行处理，提取目标参数。
Description
技术领域
本发明涉及一种基于阈值归一化短时功率谱密度的高速铁路钢轨波磨声学诊断方法，属于高速铁路噪声、信号处理、故障诊断技术领域。
背景技术
高速铁路的运行环境趋于多样化和复杂化，车轮和钢轨的接触处是列车和轨道系统结合的关键部位，钢轨波磨作为轮轨损伤的重要一类问题，其机理和检测方式均被广大研究人员关注。
钢轨波磨是一种出现在钢轨表面的周期性波浪形不平顺曲线，对于高速铁路钢轨波磨形成和发展的基本机理，一般认为与车辆-轨道系统的动态响应相关，由初始损伤和系统振动相互耦合形成一个反馈循环，逐渐形成和演变成为钢轨的固定波长磨损。高速铁路钢轨波磨导致车辆-轨道系统的中高频振动响应产生的振动噪声直接影响着乘客的舒适度和铁路沿线居民的生活质量，同时恶化系统各部件运行状态，加剧钢轨表面的进一步损伤。因此，对于高速铁路钢轨波磨的初期检测是高速铁路运营中需要迫切解决的问题。
从声学角度进行钢轨的波磨诊断是一种非接触式的间接测量方法，其以列车运营状态下轮轨振动所产生的声信号作为反映轨道状态的重要信息来源，根据目标结构的声振发生机理和特征，对轨道波磨状态进行诊断，检测效率高，具有明显的早期预警和快速检测优势。高速铁路钢轨波磨初期往往幅值较小，列车在运行状态下所产生的声信号也不可避免的受到噪声的干扰，反映故障信息的脉冲信号很容易被淹没，同时由于钢轨波磨往往与高速铁路车辆-轨道耦合系统或轮轨系统部件的共振频率相关，故无波磨出现时声信号在波磨的特征频率往往也存在峰值频率，故运用常用的针对非稳态信号的时频分析技术，也难以在时频谱特征中准确的识别钢轨波磨特征。
声信号是以波的形式在空气中传播，当波的功率频谱密度乘以一个适当的系数后将得到每单位频率波携带的功率，称为信号的功率谱密度(Power spectral density，PSD)。
另外，轮轨周期性短波不平顺激励起来的声信号往往以某个特定频率为主，出现时往往以对应频带的能量显著升高为主要特点，在高速列车运行的整个时间段内，由于钢轨短波不平顺往往只在高速铁路某些区段的几米到几千米之内出现(对应列车运行通过几十毫秒到几十秒的时间范围)，这种轮轨短波不平顺所激励起来的信号频率特征不是持续出现的，且随着车速等列车运行工况的变化，信号自身和特定频段的能量均在持续发生变化，从功率谱密度角度对列车运行几个小时内的数据进行频域处理，也无法直接得到可能出现能量突变的信号序列。
因此，提供一种基于阈值归一化短时功率谱密度的高速铁路钢轨波磨声学诊断方法，在一段时间内的提取对应频率的特征参数需要将声信号截取成一段一段(一般取几十毫秒)进行分析，以突显短时功率谱密度特性，同时对列车平稳运行下更长一段时间(根据列车运行工况(一般取几分钟到几十分钟))内的信号进行频域功率谱密度归一化，通过设定归一化阈值，对分段后的信号进行处理，提取目标参数，进一步提高铁路钢轨波磨声学诊断精度，而且能够在波磨发生早期进行诊断，可大幅减少静态监测钢轨波磨产生的费用，具有重要的经济价值和现实意义。
发明内容
本发明的目的是提供一种基于阈值归一化短时功率谱密度的高速铁路钢轨波磨声学诊断方法，在一段时间内的提取对应频率的特征参数需要将声信号截取成一段一段(一般取几十毫秒)进行分析，以突显短时功率谱密度特性，同时对列车平稳运行下更长一段时间(根据列车运行工况(一般取几分钟到几十分钟))内的信号进行频域功率谱密度归一化，通过设定归一化阈值，对分段后的信号进行处理，提取目标参数，进一步提高铁路钢轨波磨声学诊断精度，而且能够在波磨发生早期进行诊断，可大幅减少静态监测钢轨波磨产生的费用，具有重要的经济价值和现实意义。
本发明的上述目的是通过以下技术方案达到的：
一种基于阈值归一化短时功率谱密度的高速铁路钢轨波磨声学诊断方法，其步骤如下：
(1)将高速综合检测列车在某高速铁路运行一段时间，记录其运行速度；
(2)高速综合检测车的左、右侧轴箱安装传声器，利用信号线引至采集系统进行声信号采集，针对车下气动噪声突出的问题，根据气动噪声在全域内存在并在400Hz较为突出的特点，采用全域自适应降噪和带通滤波器进行初级滤波，对每间隔2秒的声信号数据，首先进行离散傅氏变换快速算法(FFT)，然后，在每隔20Hz频带宽度上，计算瞬时声信号功率，并每间隔5个2秒(分成了5个2s的区块)进行声信号总能量统计，并进行归一化，得到归一化的短时功率谱；
(3)传声器优化
根据列车运行时的车下空气动力学特性，对传声器位置进行优化，选取气动湍流不明显的背风区域(如轴箱背面)安装传声器，对传声器优化前后利用数据采集系统采集得到的声信号特征信号进行数据处理，利用傅里叶分析，得到声信号功率时频信息；传声器位置优化后，可以满足特征提取和病害诊断的要求；
(4)归一化功率处理
对降噪后的车下声信号进行归一化功率处理。
优选地，步骤(4)中，所述归一化功率处理的具体步骤如下：
1)设高速铁路轮轨滚动声信号时间序列为x(n)，在处理的第一步，首先进行分段，将信号乘以一个有限长窗函数：
式1为卷积形式，故可认为离散信号x(m)经过一个单位冲击响应为w(m)的FIR滤波器窗函数所产生的输出；
2)加窗函数分段后的第i帧语音信号
加窗函数分段后的第i帧语音信号为yi(n)，则yi(n)满足
yi(n)＝w(n)*x((i-1)*inc+n)，1≤n≤L，1≤i≤fn 式5
式中，w(n)为窗函数，可取矩形窗或者汉宁窗，yi(n)为一帧的数值，n＝1，2，…，L，L为帧长，fn为分帧后的总帧数；
3)计算声信号的yi(n)的短时能量
计算声信号的yi(n)的短时能量公式为
4)声信号序列的计算
分段后的短时信号如果是平稳的，可计算某一帧的傅里叶变换，定义为：
式中，x(m)为声信号序列，窗w(n-m)沿时间轴移动到不同的位置，取出不同的声信号帧进行傅里叶变换，然后进行信号短时功率谱密度的计算。
优选地，所述窗函数，根据不同的选择，有不同的带宽和频谱泄露，常用的有矩形窗、汉宁(Hanning)窗、汉明(Hamming)窗。
优选地，所述矩形窗如下：
其中，窗长为L。
优选地，所述汉宁窗如下：
其中，窗长为L。
优选地，所述汉明窗如下：
其中，窗长为L。
有益效果：
本发明的基于阈值归一化短时功率谱密度的高速铁路钢轨波磨声学诊断方法，从能量角度对车下声信号特征提取的目的是为了得到一段平稳信号下某一频带能量在短时变化幅度和峰值特性，在一段时间内的提取对应频率的特征参数需要将声信号截取成一段一段(一般取几十毫秒)进行分析，以突显短时功率谱密度特性，同时对列车平稳运行下更长一段时间(根据列车运行工况(一般取几分钟到几十分钟))内的信号进行频域功率谱密度归一化，通过设定归一化阈值，对分段后的信号进行处理，提取目标参数。
下面通过具体实施方式和附图对本发明做进一步说明，但并不意味着对本发明保护范围的限制。
附图说明
图1为本发明实施例1中截取的高速综合检测列车在某高速铁路运行一段时间内的速度曲线。
图2为本发明实施例1中高速综合检测车左、右侧轴箱垂向振动加速度信号在降噪和200Hz～2000Hz带通滤波后的归一化短时功率谱图。
图3为本发明实施例1中传声器优化前后的声信号功率时频信息。
图4为本发明实施例1中图3(b)所示的声信号原始波形和短时能量值。
图5为本发明实施例1中短时功率谱密度时频图。
图6为本发明实施例1采用钢轨粗糙度测量小推车通过直接法对该区段的钢轨表面粗糙度进行实测的结果。
图7为本发明实施例1中某高速铁路钢轨波磨诊断区段现场照片。
具体实施方式
实施例1
一种基于阈值归一化短时功率谱密度的高速铁路钢轨波磨声学诊断方法，其步骤如下：
(1)将高速综合检测列车在一段时间在高速铁路数万公里的巡检大数据进行重采样和滤波等预处理，提高数据处理效率，用短时功率谱密度的方法进行高能声信号数据序列的提取，旨在通过更简便的非接触式声信号测量方式对轮轨振动信号未充分反映的巡检区段进行同步复验；
将高速综合检测列车在某高速铁路运行一段时间，记录其运行速度，如图1所示，为本发明实施例1中截取的高速综合检测列车在某高速铁路运行一段时间内的速度曲线；由图1可见，高速综合检测列车在此段时间内经历了加速、减速和停车几个阶段，最高运行速度为290km/h，加减速阶段加速度较平稳；
(2)高速综合检测车的左、右侧轴箱安装传声器，将传声器引至车上数据采集系统进行数据采集，并针对气动噪声干扰较为突出的频域特点进行全域降噪和带通滤波降噪，对每间隔2秒的声信号数据，首先进行离散傅氏变换快速算法(FFT)，然后，在每隔20Hz频带宽度上，计算瞬时声信号功率，并每间隔5个2秒进行声信号总能量统计，并进行归一化，得到归一化的短时功率谱；
如图2所示，为本发明实施例1中高速综合检测车左、右侧轴箱垂向振动加速度信号在降噪和200Hz～2000Hz带通滤波后的归一化短时功率谱图；由图2可见，高速综合检测车(列车)运行时，在短时功率谱中出现明显的亮带脊线(如图中红色虚线部分)，此亮带脊线与列车运行时速密切正相关，反映了轮轨之间存在的定波长短波被轮轨相互作用激励下引起的轴箱振动信号的变化；
(3)传声器优化
对同步测试得到的车下传声器信号进行谱减降噪和滤波处理，并根据转向架区域流场特性对传声器位置进行优化，选取空气湍流特性不强的位置(如轴箱背面)安装传声器，对优化前后的利用车下传声器和车上数据采集系统获得的声信号特征信号进行对比，并进行FFT数据处理，得到声信号功率时频信息；如图3所示，为本发明实施例1中传声器优化前后的声信号功率时频信息；由图3(a)可见，传声器位置优化前的气动噪声干扰较强，即便已进行了200Hz的高通滤波，降噪前200～2000Hz内依然分布有较强的宽频亮带能量区域，通过谱减法降噪在600Hz以下的区域依然难以去除气动噪声的干扰；而图3(b)中，传声器位置优化后，虽然也存在气动噪声的干扰，但在全频域内的能量密度比重明显降低，低频干扰也有所降低，通过谱减法降噪后，其短波激励引起的时-频变化特征(图中红色虚线)能够凸显，可以满足特征提取和病害诊断的要求；
如图4所示，为本发明实施例1中图3(b)所示的传声器采集到的声信号原始波形和进行FFT分析获得的短时能量值；
由图4可见，时速290km/h下与时速200km/h下的声信号时域幅值和短时能量值均有显著差距，主要是高速运行时的转向架区域气动噪声能量级较高且随列车车速升高气动噪声对转向架区域总噪声的贡献量增加较为剧烈所致；
(4)归一化功率处理
对降噪后的车下声信号进行归一化功率处理，
1)设高速铁路轮轨滚动声信号时间序列为x(n)，在处理的第一步，首先进行分段，将信号乘以一个有限长窗函数：
其中，x(m)为离散信号，w(n-m)为冲击响应，y(n)为输出信号；
式1为卷积形式，故可认为离散信号x(m)经过一个单位冲击响应为w(m)的FIR滤波器窗函数所产生的输出；
2)加窗函数分段后的第i帧语音信号
加窗函数分段后的第i帧语音信号为yi(n)，则yi(n)满足
yi(n)＝w(n)*x((i-1)*inc+n)，1≤n≤L，1≤i≤fn 式5
式中，w(n)为窗函数，可取矩形窗或者汉宁窗，yi(n)为一帧的数值，n＝1，2，…，L，L为帧长，fn为分帧后的总帧数；
3)计算声信号的yi(n)的短时能量
计算声信号的yi(n)的短时能量公式为
4)声信号序列的计算
分段后的短时信号如果是平稳的，可计算某一帧的傅里叶变换，定义为：
式中，x(m)为声信号序列，窗w(n-m)沿时间轴移动到不同的位置，取出不同的声信号帧进行傅里叶变换，然后进行信号短时功率谱密度的计算；
所述窗函数，根据不同的选择，有不同的带宽和频谱泄露，常用的有矩形窗、汉宁(Hanning)窗、汉明(Hamming)窗；
所述矩形窗如下：
其中，窗长为L。
所述汉宁窗如下：
其中，窗长为L；
所述汉明窗如下：
其中，窗长为L；
三种窗函数都具有低通特性，主瓣宽度(从峰值下降3dB时的带宽)为B，第一旁瓣衰减为A，三种窗函数的特性如表1所示；
表1窗函数的主瓣宽度B和第一旁瓣衰减A
如图5所示，为本发明实施例1中短时功率谱密度时频图；由图5可见，归一化功率处理后，短时功率谱密度时频图可以反映由轮轨短波激励起阶段，在程序中设定0.85的归一化阈值，通过自动化算法提取，识别出某高速铁路在下行线k253+060处出现能量畸变和升高，疑似波磨点，频率601.3Hz；
(5)现场复核
根据声信号的特征提取结果，后续进行了现场复核，采用钢轨粗糙度测量小推车通过直接法对该区段的钢轨表面粗糙度进行了实测；如图6所示，为本发明实施例1采用钢轨粗糙度测量小推车通过直接法对该区段的钢轨表面粗糙度进行实测的结果；由图6可知，根据某高速铁路声学诊断的结果进行现场粗糙度测量，实测时间在线路开通7个月时，并进行频域分析，得到波长在1/3倍频程波长下的幅值，根据图6和表2可知，钢轨表面在7.943cm的波长出现明显峰值，在垂向的波深幅值可达16.3dB，同步提取声信号在此刻的列车运行时速为169km/h，声信号频率601.3Hz，根据粗糙度波长和列车运行时速得到对应的理论声学频率为591.3Hz，与声学诊断得出的数据吻合；对比线路开通初期在此测量区段的钢轨粗糙度测试结果，可见，在此线路开通初期同样在7.943cm的波长也出现了9.9dB的峰值幅值。
如图7所示，为本发明实施例1中某高速铁路钢轨波磨诊断区段现场照片；结合图7所示的现场钢轨表面照片，此钢轨表面的波浪形磨耗特性是由于线路开通初期的钢轨打磨痕迹经长期的轮轨动力相互作用发展形成的，经历7个月的时间，由9.9dB增大至16.3dB，增大6.4dB。
表2声学诊断钢轨波磨相关参数
Claims (7)
1.一种基于阈值归一化短时功率谱密度的高速铁路钢轨波磨声学诊断方法，其步骤如下：
(1)将高速综合检测列车在某高速铁路运行一段时间，记录其运行速度；
(2)高速综合检测车的左、右侧轴箱安装传声器，利用信号线引至采集系统进行声信号采集，采用全域自适应降噪和带通滤波器进行初级滤波，对每间隔2秒的声信号数据，首先进行FFT，然后在每隔20Hz频带宽度上计算瞬时声信号功率，并每间隔5个2秒进行声信号总能量统计，并进行归一化，得到归一化的短时功率谱；
(3)传声器优化
选取气动湍流不明显的背风区域安装传声器，对传声器优化前后利用数据采集系统采集得到的声信号特征信号进行数据处理，利用傅里叶分析得到声信号功率时频信息；传声器位置优化后，满足特征提取和病害诊断的要求；
(4)归一化功率处理
对降噪后的车下声信号进行归一化功率处理。
2.根据权利要求1所述的高速铁路钢轨波磨声学诊断方法，其特征在于：所述归一化功率处理的具体步骤如下：
1)设高速铁路轮轨滚动声信号时间序列为x(n)，在处理的第一步，首先进行分段，将信号乘以一个有限长窗函数：
式1为卷积形式，故可认为离散信号x(m)经过一个单位冲击响应为w(m)的FIR滤波器窗函数所产生的输出；
2)加窗函数分段后的第i帧语音信号
加窗函数分段后的第i帧语音信号为yi(n)，则yi(n)满足
yi(n)＝w(n)*x((i-1)*inc+n)，1≤n≤L，1≤i≤fn 式5
式中，w(n)为窗函数，可取矩形窗或者汉宁窗，yi(n)为一帧的数值，n＝1，2，…，L，L为帧长，fn为分帧后的总帧数；
3)计算声信号的yi(n)的短时能量
计算声信号的yi(n)的短时能量公式为
4)声信号序列的计算
分段后的短时信号如果是平稳的，可计算某一帧的傅里叶变换，定义为：
式中，x(m)为声信号序列，窗w(n-m)沿时间轴移动到不同的位置，取出不同的声信号帧进行傅里叶变换，然后进行信号短时功率谱密度的计算。
3.根据权利要求2所述的高速铁路钢轨波磨声学诊断方法，其特征在于：所述窗函数为矩形窗、汉宁窗或汉明窗。
4.根据权利要求3所述的高速铁路钢轨波磨声学诊断方法，其特征在于：所述矩形窗如下：
其中，窗长为L。
5.根据权利要求3所述的高速铁路钢轨波磨声学诊断方法，其特征在于：所述汉宁窗如下：
其中，窗长为L。
6.根据权利要求3所述的高速铁路钢轨波磨声学诊断方法，其特征在于：所述汉明窗如下：
其中，窗长为L。
7.根据权利要求1所述的高速铁路钢轨波磨声学诊断方法，其特征在于：步骤(3)中所述气动湍流不明显的背风区域为轴箱背面。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110152050.1A CN112960012B (zh) | 2021-02-03 | 2021-02-03 | 基于阈值归一化短时功率谱密度的高速铁路钢轨波磨声学诊断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110152050.1A CN112960012B (zh) | 2021-02-03 | 2021-02-03 | 基于阈值归一化短时功率谱密度的高速铁路钢轨波磨声学诊断方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112960012A true CN112960012A (zh) | 2021-06-15 |
| CN112960012B CN112960012B (zh) | 2022-05-31 |
Family
ID=76274967
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110152050.1A Active CN112960012B (zh) | 2021-02-03 | 2021-02-03 | 基于阈值归一化短时功率谱密度的高速铁路钢轨波磨声学诊断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112960012B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113486874A (zh) * | 2021-09-08 | 2021-10-08 | 西南交通大学 | 一种基于轮轨噪声小波包分解的钢轨波磨特征识别方法 |
| CN114707268A (zh) * | 2022-04-01 | 2022-07-05 | 西南交通大学 | 基于转向架振动疲劳的钢轨波磨维护限值定义方法 |
| CN114771605A (zh) * | 2022-03-25 | 2022-07-22 | 中国铁道科学研究院集团有限公司节能环保劳卫研究所 | 基于声学监测的高速铁路列车-轨道-环境一体化监测方法 |
| CN115600086A (zh) * | 2022-11-15 | 2023-01-13 | 西南交通大学（Cn） | 一种基于卷积回归的钢轨波磨粗糙度车载式定量检测方法 |
| CN115758289A (zh) * | 2023-01-10 | 2023-03-07 | 西南交通大学 | 一种基于多任务学习神经网络的钢轨波磨识别方法 |
| CN116039698A (zh) * | 2023-03-31 | 2023-05-02 | 成都盛锴科技有限公司 | 一种利用声音特征进行轨道线路健康检测的方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040064307A1 (en) * | 2001-01-30 | 2004-04-01 | Pascal Scalart | Noise reduction method and device |
| WO2006021050A1 (en) * | 2004-08-26 | 2006-03-02 | Queensland Rail | Analysis of wheel-rail noise |
| CN108845028A (zh) * | 2018-03-26 | 2018-11-20 | 中国铁路总公司 | 一种高速铁路钢轨波磨动态检测方法和装置 |
| CN110426005A (zh) * | 2019-07-01 | 2019-11-08 | 中国铁道科学研究院集团有限公司节能环保劳卫研究所 | 基于imf能量比的高速铁路钢轨波磨声学诊断方法 |
| CN110658005A (zh) * | 2019-10-08 | 2020-01-07 | 西南交通大学 | 一种基于车体加速度识别钢轨波磨病害的方法 |
-
2021
- 2021-02-03 CN CN202110152050.1A patent/CN112960012B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040064307A1 (en) * | 2001-01-30 | 2004-04-01 | Pascal Scalart | Noise reduction method and device |
| WO2006021050A1 (en) * | 2004-08-26 | 2006-03-02 | Queensland Rail | Analysis of wheel-rail noise |
| CN108845028A (zh) * | 2018-03-26 | 2018-11-20 | 中国铁路总公司 | 一种高速铁路钢轨波磨动态检测方法和装置 |
| CN110426005A (zh) * | 2019-07-01 | 2019-11-08 | 中国铁道科学研究院集团有限公司节能环保劳卫研究所 | 基于imf能量比的高速铁路钢轨波磨声学诊断方法 |
| CN110658005A (zh) * | 2019-10-08 | 2020-01-07 | 西南交通大学 | 一种基于车体加速度识别钢轨波磨病害的方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113486874A (zh) * | 2021-09-08 | 2021-10-08 | 西南交通大学 | 一种基于轮轨噪声小波包分解的钢轨波磨特征识别方法 |
| CN114771605A (zh) * | 2022-03-25 | 2022-07-22 | 中国铁道科学研究院集团有限公司节能环保劳卫研究所 | 基于声学监测的高速铁路列车-轨道-环境一体化监测方法 |
| CN114771605B (zh) * | 2022-03-25 | 2023-08-29 | 中国铁道科学研究院集团有限公司节能环保劳卫研究所 | 基于声学监测的高速铁路列车-轨道-环境一体化监测方法 |
| CN114707268A (zh) * | 2022-04-01 | 2022-07-05 | 西南交通大学 | 基于转向架振动疲劳的钢轨波磨维护限值定义方法 |
| CN115600086A (zh) * | 2022-11-15 | 2023-01-13 | 西南交通大学（Cn） | 一种基于卷积回归的钢轨波磨粗糙度车载式定量检测方法 |
| CN115758289A (zh) * | 2023-01-10 | 2023-03-07 | 西南交通大学 | 一种基于多任务学习神经网络的钢轨波磨识别方法 |
| CN116039698A (zh) * | 2023-03-31 | 2023-05-02 | 成都盛锴科技有限公司 | 一种利用声音特征进行轨道线路健康检测的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112960012B (zh) | 2022-05-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112960012B (zh) | 基于阈值归一化短时功率谱密度的高速铁路钢轨波磨声学诊断方法 | |
| CN110426005B (zh) | 基于imf能量比的高速铁路钢轨波磨声学诊断方法 | |
| Zhang et al. | An improved AE detection method of rail defect based on multi-level ANC with VSS-LMS | |
| Liu et al. | An improved empirical wavelet transform and sensitive components selecting method for bearing fault | |
| CN107403139B (zh) | 一种城轨列车车轮扁疤故障检测方法 | |
| CN103745085B (zh) | 一种旋转机械振动信号的数据驱动阈值降噪方法 | |
| CN110967409A (zh) | 一种基于多通道超声波探伤原始数据特征提取与识别方法 | |
| CN111055881A (zh) | 一种基于噪声信号的轮轨界面损伤演变监测方法 | |
| CN110925233A (zh) | 一种基于声学信号的压气机喘振故障诊断方法 | |
| CN116252820B (zh) | 改进频域积分法驱动的高速列车车轮多边形定量检测方法 | |
| CN109342018A (zh) | 一种水轮机空化状态监测方法 | |
| CN107478729A (zh) | 流体机械叶片多裂纹的声发射检测方法 | |
| CN111060603A (zh) | 一种枕梁损伤监测方法、系统及装置 | |
| CN107782548B (zh) | 一种基于对轨道交通工具零部件检测系统 | |
| CN116519798A (zh) | 一种高速列车制动盘缺陷磨损检测装置 | |
| Nowakowski et al. | Tram gearbox condition monitoring method based on trackside acoustic measurement | |
| 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 | |
| CN113944600A (zh) | 一种利用应力波技术检测风机主轴承故障的方法和系统 | |
| CN110459197B (zh) | 用于微弱盲信号去噪与提取的信号增强器及方法 | |
| CN114400011A (zh) | 一种用于高速铁路钢轨波磨声学诊断的声信号降噪方法 | |
| CN116522190A (zh) | 一种基于轴箱振动加速度互谱分析的钢轨波磨识别方法 | |
| Fang et al. | Measurement and analysis of exhaust noise from muffler on an excavator | |
| CN114580460A (zh) | 基于形态学滤波和hht变换的铁道车辆轮轨故障诊断方法 | |
| CN117929546B (zh) | 一种风力发电机在运叶片内部材料的早期损伤监测方法 | |
| Li et al. | Envelope analysis by wavelet-filter based spectral kurtosis for bearing health monitoring |
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 |