CN113343928B - 变速路段高速铁路钢轨波磨检测方法及装置、计算机设备 - Google Patents
变速路段高速铁路钢轨波磨检测方法及装置、计算机设备 Download PDFInfo
- Publication number
- CN113343928B CN113343928B CN202110754888.8A CN202110754888A CN113343928B CN 113343928 B CN113343928 B CN 113343928B CN 202110754888 A CN202110754888 A CN 202110754888A CN 113343928 B CN113343928 B CN 113343928B
- Authority
- CN
- China
- Prior art keywords
- energy
- wave
- signal sequence
- section
- signal
- 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
- 230000008859 change Effects 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims abstract description 42
- 108010076504 Protein Sorting Signals Proteins 0.000 claims abstract description 95
- 230000001133 acceleration Effects 0.000 claims abstract description 73
- 238000000227 grinding Methods 0.000 claims abstract description 51
- 238000001514 detection method Methods 0.000 claims abstract description 46
- 238000001228 spectrum Methods 0.000 claims abstract description 29
- 238000007781 pre-processing Methods 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims description 44
- 238000001914 filtration Methods 0.000 claims description 32
- 238000005299 abrasion Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 16
- 230000000737 periodic effect Effects 0.000 claims description 14
- 238000003801 milling Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 7
- 239000013598 vector Substances 0.000 claims description 7
- 238000003466 welding Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims 3
- 238000005070 sampling Methods 0.000 claims 2
- 230000001360 synchronised effect Effects 0.000 abstract description 6
- 229910000831 Steel Inorganic materials 0.000 abstract description 5
- 239000010959 steel Substances 0.000 abstract description 5
- 230000006835 compression Effects 0.000 abstract description 4
- 238000007906 compression Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Algebra (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种变速路段高速铁路钢轨波磨检测方法及装置、计算机设备，其中该方法包括：对变速路段采集到的轴箱加速度进行预处理，计算预处理后信号序列中每相邻K个信号的均方根值与均方根值均值的比值，得到M个波磨指数；确定波磨指数大于第一预设阈值的候选区段，并通过同步压缩短时傅里叶变换SSTFT，计算候选区段的信号时频谱；计算信号时频谱中能量最大的频率脊线的能量与候选区段的信号总能量之比，得到候选区段的能量集中因子，在能量集中因子大于第二预设阈值的情况下，确定候选区段为波磨区段。本发明可以提高对变速路段内的波磨检测的准确度。
Description
技术领域
本发明涉及检测技术领域，尤其涉及变速路段高速铁路钢轨波磨检测方法及装置、计算机设备。
背景技术
高速铁路钢轨波磨容易引起轨道-车辆系统的高频振动，特别是随着列车运营速度的提高以及线路服役时间增加，轨道-车辆系统中零部件的结构损伤概率也将会随之增大，如何利用动态检测数据进行钢轨波磨诊断和评估是一个亟需解决的问题。
由于轴箱直接与轮对相连，轨道短波激扰造成的轮轨系统的高频振动响应可以通过刚性轮对直接传递到轴箱上，因此可以使用轴箱振动加速度进行钢轨波磨的诊断。同时，轴箱加速度检测设备相对比较容易安装，维护也方便，国内外常用轴箱加速度诊断钢轨波磨病害。相关技术中基于轴箱加速度提出了一种动态检测钢轨波磨的方法，该方法利用波磨指数、根据功率谱密度计算出的能量因子等指标刻画钢轨波磨，但是该方法从原理上来讲仅适用于匀速路段，在评价变速路段的钢轨波磨时准确率较低。
发明内容
本发明实施例提供一种变速路段高速铁路钢轨波磨检测方法，用以提高对变速路段内的波磨检测的准确度，解决了评价变速路段的钢轨波磨时准确率较低的技术问题。该方法包括：
获取车辆行驶在高速铁路的变速路段时采集到的轴箱加速度的样本信号，得到第一信号序列；
对第一信号序列进行预处理，得到第二信号序列；
根据第二信号序列计算每相邻K个信号的均方根值与均方根值均值的比值，得到变速路段的M个波磨指数；
在变速路段中，确定波磨指数大于第一预设阈值的区段，得到候选区段；
通过同步压缩短时傅里叶变换SSTFT，计算候选区段的信号时频谱；
计算信号时频谱中能量最大的频率脊线的能量与候选区段的信号总能量之比，得到候选区段的能量集中因子，其中，能量集中因子用于描述变速路段上波磨的周期性强度，能量集中因子越大，波磨的周期性强度越强；
在能量集中因子大于第二预设阈值的情况下，确定候选区段为波磨区段。
进一步地，在确定候选区段为波磨区段之后，该方法还可以包括：
通过以下公式计算波磨区段中每个变速时段对应子区段的波磨波长λ：
l＝v./f；
其中，v为对应子区段中轴箱加速度的趋势项，f为对应子区段中经过光滑处理后的轴箱加速度的样本信号的瞬时频率，l＝{li}＝{l1,l2，...,ln}，其中，i＝1,2,......,n，l为所述对应子区段内所述轴箱加速度的采样点数，l1～ln是l的n个分量，l的各个分量均大于0。
进一步地，在确定候选区段为波磨区段之后，该方法还可以包括：
通过以下公式计算所述波磨区段的波磨幅值x(t)：
x(t)＝IFFT(X(ω))；
其中，A(ω)为轴箱加速度a(t)的傅里叶变换FFT，i为虚数单位，波磨幅值x(t为X(ω)的逆傅里叶变换IFFT，t为时间变量，x0和v0分别为波磨幅值x(t)和轴箱加速度a(t)在初始条件下的初始向量。
进一步地，对第一信号序列进行预处理，得到第二信号序列，可以包括：
对第一信号序列进行高通滤波处理，得到第三信号序列；其中，高通滤波处理的截止滤波频率为第三预设阈值；
通过等间隔能量极值方法在第三信号序列中识别并滤除焊接接头处的信号，生成第二信号序列。
进一步地，根据第二信号序列计算每相邻K个信号的均方根值与均方根值均值的比值，得到变速路段的M个波磨指数，可以包括：
根据预设波长范围对第二信号序列进行带通滤波，得到第四信号序列；
计算第四信号序列中每相邻K个信号的均方根值其中，i＝1,2,3,...,6，Si为第i组相邻的K个信号的平方和，Sm,i为第i组相邻的K个信号的均方根值；
将第四信号序列划分为Ne个子单元；
提取每个子单元中均方根值的最大值，得到Ne个最大均方根值；
计算Ne个最大均方根值的平均值，得到均方根值均值
计算变速路段的波磨指数
进一步地，计算信号时频谱中能量最大的频率脊线的能量与候选区段的信号总能量之比，得到候选区段的能量集中因子，可以包括：
在信号时频谱上确定最大值的脊线，得到能量最大的频率脊线；
通过以下公式计算能量最大的频率脊线的能量Eq：其中，Kp为预设的数值；k＝1，2，……，Jp；Jp为SSTFT的窗口信号长度；q为能量最大的频率脊线对应信号的序号，Wk为第k个信号的频率脊线的能量；
通过以下公式计算候选区段的信号总能量Es：
通过以下公式计算能量集中因子η：
本发明实施例还提供一种变速路段高速铁路钢轨波磨检测装置，用以提高对变速路段内的波磨检测的准确度，该装置包括：
获取单元，用于获取车辆行驶在高速铁路的变速路段时采集到的轴箱加速度的样本信号，得到第一信号序列；
预处理单元，用于对第一信号序列进行预处理，得到第二信号序列；
第一计算单元，用于根据第二信号序列计算每相邻K个信号的均方根值与均方根值均值的比值，得到变速路段的M个波磨指数；
第一确定单元，用于在变速路段中，确定波磨指数大于第一预设阈值的区段，得到候选区段；
第二计算单元，用于通过同步压缩短时傅里叶变换SSTFT，计算候选区段的信号时频谱；
第三计算单元，用于计算信号时频谱中能量最大的频率脊线的能量与候选区段的信号总能量之比，得到候选区段的能量集中因子，其中，能量集中因子用于描述变速路段上波磨的周期性强度，能量集中因子越大，波磨的周期性强度越强；
第二确定单元，用于在能量集中因子大于第二预设阈值的情况下，确定候选区段为波磨区段。
进一步地，该装置还可以包括：
第四计算单元，用于在确定候选区段为波磨区段之后，通过以下公式计算波磨区段中每个变速时段对应子区段的波磨波长λ：
l＝v./f；
其中，v为对应子区段中轴箱加速度的趋势项，“./”表示点除，f为对应子区段中经过光滑处理后的轴箱加速度的样本信号的瞬时频率，l＝{li}＝{l1,l2，...,ln}，其中，i＝1,2,......，n，l为所述对应子区段内所述轴箱加速度的采样点数，l1～ln是l的n个分量，l的各个分量均大于0。
进一步地，该装置还可以包括：
第五计算单元，用于在确定候选区段为波磨区段之后，通过以下公式计算所述波磨区段的波磨幅值x(t)：
x(t)＝IFFT(X(ω))；
其中，A(ω)为轴箱加速度a(t)的傅里叶变换FFT，i为虚数单位，波磨幅值x(t)为X(ω)的逆傅里叶变换IFFT，t为时间变量，x0和v0分别为波磨幅值x(t)和轴箱加速度0(t)在初始条件下的初始向量。
进一步地，预处理单元可以包括：
高通滤波处理单元，用于对第一信号序列进行高通滤波处理，得到第三信号序列；其中，高通滤波处理的截止滤波频率为第三预设阈值；
滤除单元，用于通过等间隔能量极值方法在第三信号序列中识别并滤除焊接接头处的信号，生成第二信号序列。
进一步地，第一计算单元可以包括：
带通滤波单元，用于根据预设波长范围对第二信号序列进行带通滤波，得到第四信号序列；
第一计算子单元，用于计算第四信号序列中每相邻K个信号的均方根值其中，i＝1，2，3，...，M，Si为第i组相邻的K个信号的平方和，Sm，i为第i组相邻的K个信号的均方根值；
划分单元，用于将第四信号序列划分为Ne个子单元；
提取单元，用于提取每个子单元中均方根值的最大值，得到Ne个最大均方根值；
第二计算子单元，用于计算Ne个最大均方根值的平均值，得到均方根值均值
第三计算子单元，用于计算变速路段的波磨指数
进一步地，第三计算单元可以包括：
确定子单元，用于在信号时频谱上确定最大值的脊线，得到能量最大的频率脊线；
第四计算子单元，用于通过以下公式计算能量最大的频率脊线的能量EP：其中，Kp为预设的数值；k＝1，2，……，Jp；Jp为SSTFT的窗口信号长度；q为能量最大的频率脊线对应信号的序号，Wk为第k个信号的频率脊线的能量；
第五计算子单元，用于通过以下公式计算候选区段的信号总能量Es：
第六计算子单元，用于通过以下公式计算能量集中因子η：
本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述变速路段高速铁路钢轨波磨检测方法。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述变速路段高速铁路钢轨波磨检测方法的计算机程序。
本发明实施例中，通过对变速路段采集到的轴箱加速度进行预处理，计算预处理后信号序列中每相邻K个信号的均方根值与均方根值均值的比值，得到M个波磨指数；确定波磨指数大于第一预设阈值的候选区段，并通过同步压缩短时傅里叶变换SSTFT，计算候选区段的信号时频谱；计算信号时频谱中能量最大的频率脊线的能量与候选区段的信号总能量之比，得到候选区段的能量集中因子，在能量集中因子大于第二预设阈值的情况下，确定候选区段为波磨区段。与现有技术中通过功率谱密度来计算能量因子，从而评价匀速路段波磨情况的技术方案相比，本发明实施例通过同步压缩短时傅里叶变换SSTFT计算出信号时频谱，进而计算出能量最大的频率脊线的能量与所述候选区段的信号总能量之比，可以得到能够更准确评价变速路段的能量集中因子，从而提高对变速路段内的波磨检测的准确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1为本发明实施例中提供的变速路段高速铁路钢轨波磨检测方法的一种可选的实施方式的流程示意图；
图2为本发明实施例中加速度检测系统的架构示意图；
图3为通过本发明实施例中提供的变速路段高速铁路钢轨波磨检测方法计算得到的波磨指数的曲线示意图；
图4a为某高铁区段采集到的右侧轴箱加速度波形图；
图4b为某高铁区段的能量因子的曲线示意图；
图5a为某高铁区段的静态测试轨面平直度波形图；
图5b为某高铁区段的空间频谱图；
图6为通过相关技术中提供的能量因子计算方法计算得到的能量因子的曲线示意图；
图7为通过本发明实施例中提供的变速路段高速铁路钢轨波磨检测方法计算得到的能量集中因子的曲线示意图；
图8为本发明实施例中变速路段高速铁路钢轨波磨检测方法的另一种可选的实施方式的流程示意图；
图9为本发明实施例中变速路段高速铁路钢轨波磨检测装置的一种可选的实施方式的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
本发明实施例提供了一种变速路段高速铁路钢轨波磨检测方法，用以提高对变速路段内的波磨检测的准确度。如图1所示，该方法可以包括如下步骤：
步骤101，获取车辆行驶在高速铁路的变速路段时采集到的轴箱加速度的样本信号，得到第一信号序列。
由于轴箱直接与轮对相连，轨道短波激扰造成的轮轨系统的高频振动响应可以通过刚性轮对直接传递到轴箱上，因此，可以使用轴箱振动加速度进行钢轨波磨的诊断。同时，轴箱加速度检测设备相对比较容易安装，维护也方便，因此，国内外常用轴箱加速度诊断钢轨波磨病害。
具体而言，采集轴箱加速度的具体方法可以是，在高速综合检测车辆上安装至少两个断面(多断面)的加速度检测系统。加速度检测系统的一个示例如图2所示，加速度检测系统可以实时采集车体、构架和轴箱加速度，用于辅助分析道岔的平顺性状态。加速度检测系统采用多通道分布式网络化测试技术，用计算机远程控制分布在不同地点的测试设备同步工作，并通过网络传输数据和同步信息。如图2所示，加速度检测系统包括三个断面的数采装置：数采装置207、数采装置208、数采装置209，分别能够采集对应断面的轴箱加速度、构架加速度、车体加速度，并且能够分别接收反射内存卡204、反射内存卡205、反射内存卡206传输的CAN(控制器局域网络，Controller Area Network)输入数据。
如图2所示，加速度检测系统的通信网络包括主干数据网络201和非主干数据网络202，三个断面的信号可以通过主干数据网络201同步，三个反射内存卡204、205、206都与中央控制计算机203连接通讯，可以用于接收来自综合系统的同步信息包。
加速度检测系统具有测量数据量大，地域分散，测试的实时性和可靠性高，远距离协同操作等特点。加速度检测系统具备在线采集及处理原始信号、存储中间数据和最后结果、在线显示波形图、通过网络传输数据、输出超限报表、修正里程、对存储的数据进行事后回放、输出波形图数据及相应地点和速度等功能，能够实现数据采集，原始数据存盘和数据有效性判断和波形显示。
通过上述的加速度检测系统可以采集到车辆行驶期间的轴箱加速度，提取车辆行驶在高速铁路的变速路段时的样本信号，得到第一信号序列。
步骤102，对第一信号序列进行预处理，得到第二信号序列。
预处理的目标可以包括对信号进行平滑处理、去除毛刺等。
一个实施方式中，可以通过高通滤波，设置截止频率对第一信号序列进行截止滤波，示例性地，截止滤波频率可以配置为20Hz。
进一步地，由于轨道上存在焊接接头，为了消除车辆经过焊接接头处对轴箱加速度的影响，可以对焊接接头处的信号进行滤波处理，一个实施方式中，可以通过等间隔能量极值方法在第三信号序列中识别并滤除焊接接头处的信号。
基于此，步骤102对第一信号序列进行预处理，得到第二信号序列提供了一个示例性地实施方式，可以包括如下步骤：
步骤(1)，对第一信号序列进行高通滤波处理，得到第三信号序列；其中，高通滤波处理的截止滤波频率为第三预设阈值；
步骤(2)，通过等间隔能量极值方法在第三信号序列中识别并滤除焊接接头处的信号，生成第二信号序列。
预处理后的轴箱加速度的信号(也即第二信号序列)可以记为{xi},i＝1，2，...,N，其中N是样本点数，
步骤103，根据第二信号序列计算每相邻K个信号的均方根值与均方根值均值的比值，得到变速路段的M个波磨指数。
在得到第二信号序列之后，可以计算波磨指数。车辆经过钢轨波磨区段时，首先会产生某一频率的振动，具体表现为该频率对应的成分的幅值增大，钢轨波磨指数(RailCorrugation Index，本发明实施例中或用RCI表示)可以有效的刻画该特性。
波磨指数的计算方法为，计算每相邻K个信号的均方根值与均方根值均值的比值，对于N个信号的第二信号序列，可以得到M＝N-K+1个波磨指数。
一个示例的实施方式中，步骤103根据第二信号序列计算每相邻K个信号的均方根值与均方根值均值的比值，得到变速路段的M个波磨指数，可以具体包括如下步骤：
步骤(1)，根据预设波长范围对第二信号序列进行带通滤波，得到第四信号序列。
示例性地，给定的波长范围可以是[JL，JH]，滤波频率[FL，FH]可以通过如下公式计算：
其中，VL，VH表示区段最小和最大速度，当在某一区段，车辆匀速运行时，滤波后得到的第四信号序列可以仍记为{xi}，i＝1，2，...，N。
步骤(2)，计算第四信号序列中每相邻K个信号的均方根值
其中，i＝1,2,3,...，M，M＝N-K+1，Si为第i组相邻的K个信号的平方和，Sm，i为第i组相邻的K个信号的均方根值。
上述每相邻K个信号的均方根值可以视作{xi}的移动有效值。具体来说，i＝1时，也即，对于第1组信号，可以计算从第1至第K个信号的平方和类似的，对于第i组信号，可以用相似的计算公式计算从第i至第i+K-1个信号的平方和Si。得到每组信号的平方和之后，可以通过如下公式计算第i组信号的均方根值(也即移动有效值)
步骤(3)，将第四信号序列划分为N8个子单元。
在一个实施方式中，可以按照轨道的长度进行划分，示例性地，划分子单元的长度可以是50m。由于第四信号序列是基于对第一信号序列进行一系列处理后的信号，信号序列的长度和每个信号对应表示的采集时刻是不变的，这样，可以将第四信号序列按照每50m上采集到的信号进行划分，得到N8个子单元。
步骤(4)，提取每个子单元中均方根值的最大值，得到N8个最大均方根值。
对于每个子单元中包含的信号，在计算出的移动有效值中提取最大值，得到N8个最大移动有效值(即最大均方根值)，可以记为
步骤(5)，计算Ne个最大均方根值的平均值，得到均方根值均值
计算的平均值，记为/>
步骤(6)，计算变速路段的波磨指数
波磨指数即轴箱加速度信号的移动有效值与标定参数(移动有效值的平均值)的比值，基于此，根据公式计算变速路段上的波磨指数，可以得到M个波磨指数。
利用高速综合检测列车实测的轴箱加速度信号计算某高铁线路K1+409～K1+412区段波磨指数曲线图如图3所示。从图3中可以看出，波磨指数可以清晰的刻画钢轨波磨特性。波磨指数高于管理阈值的路段为可能发生波磨的路段。相对轴箱加速度数据的幅值指标，波磨指数不但能有效减少各种随机因素对评判结果的影响，而且能对不同工况下的动态响应数据的评判方式具有规一化功能。
步骤104，在变速路段中，确定波磨指数大于第一预设阈值的区段，得到候选区段。
例如，如图3所示，第一预设阈值为管理阈值，纵坐标轴上超过第一预设阈值的部分所对应的里程部分即为候选区段。
步骤105，通过同步压缩短时傅里叶变换SSTFT，计算候选区段的信号时频谱。
同步压缩短时傅里叶变换SSTFT是一种短时傅里叶变换，在执行SSTFT之前，可以对小段轴箱加速度信号进行滤波，滤除偏移趋势项，记处理后的信号为{xp,i},I＝1,2,...,Np，Np表示小段轴箱加速度信号的长度。接着，对{xp,i}进行SSTFT方法，计算其时频谱，可以记为{Wk}，k＝1,2,...,Jp，Jp表示SSTFT变换的窗长。
步骤106，计算信号时频谱中能量最大的频率脊线的能量与候选区段的信号总能量之比，得到候选区段的能量集中因子。
能量集中因子用于描述变速路段上波磨的周期性强度，能量集中因子越大，波磨的周期性强度越强。
这里，在执行步骤106计算信号时频谱中能量最大的频率脊线的能量与候选区段的信号总能量之比，得到候选区段的能量集中因子时，可以包括执行如下步骤：
步骤(1)，在信号时频谱{Wk}上确定最大值的脊线，得到能量最大的频率脊线，可以记为Wq，q为能量最大的频率脊线对应信号的序号。
步骤(2)，通过以下公式计算能量最大的频率脊线的能量Eq：
4p为预设的数值；k＝1，2，……，Jp；Jp为SSTFT的窗口信号长度；q为能量最大的频率脊线对应信号的序号，Wk为第k个信号的频率脊线的能量；
步骤(3)，通过以下公式计算候选区段的信号总能量Es：
步骤(4)，通过以下公式计算能量集中因子η：
步骤107，在能量集中因子大于第二预设阈值的情况下，确定候选区段为波磨区段。
下面提供一个具体应用场景。
在高速综合检测车上安装多断面的加速度检测系统，以获取轴箱加速度的数据。根据计算，某高铁线路下行K237+012～K237+069区段在271km·h-1的运行速度下，钢轨波磨指数达到了6.6，波磨波长132mm，能量因子为0.60，高频周期性振动较强，判定该区段存在波磨，轴箱加速度波形以及能量因子分别如图4a和图4b的曲线图所示。
现场静态测试轨面平直度波形如图5a所示，从波形图中可以看出该区段内存在两处明显幅值较大区段，且波形与轴箱加速度波形呈现高度一致性。滤除趋势项以后，最大值为0.112mm，最小值为-0.088mm，差异0.200mm。对其进行分析，其空间频谱如图5b所示。从图5b可以看出，钢轨表面具有明显的周期性病害，波长主要集中在132mm附近，与轴箱加速度分析结果一致。
接下来，分别利用不同的方式描述钢轨波磨情况。
利用相关技术中速度均衡时的计算方法得到的能量因子只有0.12，且能量较分散，如图6所示。
利用本发明实施例提供的方法计算图4a和4b所示某高铁线路K1+409～K1+412区段的能量集中因子之后，可以得到如图7所示能量集中因子的曲线图。
根据图6和图7进行对比可以看出，图7中能量主要集中在60mm波长附近，能够与现场情况相对应，能量集中因子达到了0.65，可知其周期性较强，由此可见，在加减速区段利用本发明实施例提供的方法所得到的能量集中因子能够更有效地刻画钢轨波磨的周期特征。
作为一个可选的实施方式，在执行步骤107确定候选区段为波磨区段之后，还可以通过以下公式计算波磨区段中每个变速时段对应子区段的波磨波长λ：
l＝v./f 公式6
在公式5和公式6中，v为对应子区段中轴箱加速度的趋势项，f为对应子区段中经过光滑处理后的轴箱加速度的样本信号的瞬时频率，l＝{li}＝{l1,l2，...,ln}，其中，i＝1,2,......,n，l为所述对应子区段内所述轴箱加速度的采样点数，l1～ln是l的n个分量，l的各个分量均大于0。
在计算钢轨波磨波长时，由于速度与响应频率均为随里程(时间)而变化的信息，在求钢轨波磨的波长时则不能利用简单的公式进行计算。为了计算方便，v可以用速度的趋势项代替，f可以用光滑化的轴箱加速度信号的瞬时频率代替。由于在某一个小的范围内，波磨的波长基本不会有太大的变化，所以在计算时，波磨的波长为点除结果l的1-范数的1/n，即如公式5所示。
此外，作为另一个可选的实施方式，在执行步骤107确定候选区段为波磨区段之后，还可以通过以下公式计算波磨区段的波磨幅值x(t)：
x(t)＝IFFT(X(ω))公式7
在公式7和公式8中，A(ω)为轴箱加速度a(t)的傅里叶变换FFT，i为虚数单位，波磨幅值x(t)为X(ω)的逆傅里叶变换IFFT，波磨幅值x(t)相当于t时刻的位移x(t)，t为时间变量，x0和v0分别为波磨幅值x(t)和轴箱加速度a(t)在初始条件下的初始向量，也即，x0和v0分别为位移和加速度在初始条件下的初始向量。
当初始条件x0和v0为零时，可以通过上式获得位移。但是当存在初始条件的情况下，计算结果中会存在漂移，而忽略该漂移则积分结果在物理上没有意义。
相关技术中提出一种基于混合滤波的方法来获得轨道几何检测数据，该方法避免了计算过程中的积分漂移现象。基于此，本发明实施例使用基于快速Fourier变换(FFT)的钢轨波磨幅值估计方法。该方法以经过FFT变换滤波的数据作为输入，通过公式8获得钢轨波磨幅值。选择FFT变换进行滤波的主要原因是，该方法可以在频域内直接进行频率截断而避免了其它方法计算过程中，通带和阻带衰减差异带来计算结果的差异。同时，FFT变换容易满足工程上快速计算的目的。
如图8所示，基于本发明实施例提供了一个具体实施方式，以用于对钢轨的波磨情况进行判断。具体而言，在采集到动态响应信号S(第一信号序列)之后，可以通过与上述步骤102一个可选实施方式中包括的步骤(1)相同或相似的实施方式进行高通滤波，进而，通过与上述步骤103一个可选实施方式中的步骤(2)相同或相似的实施方式计算高通滤波后的信号的移动有效值(即均方根值)，接着，通过与上述步骤103一个可选实施方式中包括的步骤(3)～(6)相同或相似的实施方式计算波磨指数。在波磨指数≤阈值γ2的情况下，确定钢轨不存在波磨；而在波磨指数＞阈值γ2的情况下，可以通过与步骤105和步骤106相同或相似的实施方式，利用SSTFT提取频率曲线，并计算能量因子(即能量集中因子)η。在能量因子＞阈值γ3的情况下，确定钢轨存在波磨，否则，在能量因子≤阈值γ3的情况下，确定钢轨不存在波磨。
本发明实施例通过的变速路段高速铁路钢轨波磨检测方法，通过计算波磨指数，以及通过SSTFT计算的能量集中因子，结合两个参数对钢轨是否存在波磨进行判断，可以在变速情况下基于能量集中因子对钢轨波磨周期性的定量刻画方法，从而，能够实现对变速情况下高速铁路钢轨波磨动态诊断及定量刻画，提高了对变速路段内的波磨检测的准确度。进一步的，在一些实施方式中，还可以确定变速情况下钢轨波磨的波长，以及基于快速Fourier变换和频域积分的钢轨波磨幅值估计方法。
本发明实施例中还提供了一种变速路段高速铁路钢轨波磨检测装置，如下面的实施例所述。由于该装置解决问题的原理与变速路段高速铁路钢轨波磨检测方法相似，因此该装置的实施可以参见变速路段高速铁路钢轨波磨检测方法的实施，重复之处不再赘述。
如图9所示，该变速路段高速铁路钢轨波磨检测装置包括获取单元301，预处理单元302，第一计算单元303，第一确定单元304，第二计算单元305，第三计算单元306和第二确定单元307。
具体而言，获取单元301用于获取车辆行驶在高速铁路的变速路段时采集到的轴箱加速度的样本信号，得到第一信号序列；预处理单元302用于对第一信号序列进行预处理，得到第二信号序列；第一计算单元303用于根据第二信号序列计算每相邻K个信号的均方根值与均方根值均值的比值，得到变速路段的M个波磨指数；第一确定单元304用于在变速路段中，确定波磨指数大于第一预设阈值的区段，得到候选区段；第二计算单元305用于通过同步压缩短时傅里叶变换SSTFT，计算候选区段的信号时频谱；第三计算单元306用于计算信号时频谱中能量最大的频率脊线的能量与候选区段的信号总能量之比，得到候选区段的能量集中因子，其中，能量集中因子用于描述变速路段上波磨的周期性强度，能量集中因子越大，波磨的周期性强度越强；第二确定单元307用于在能量集中因子大于第二预设阈值的情况下，确定候选区段为波磨区段。
进一步地，该装置还可以包括：
第四计算单元，用于在确定候选区段为波磨区段之后，通过以下公式计算波磨区段中每个变速时段对应子区段的波磨波长λ：
l＝v./f；
其中，v为对应子区段中轴箱加速度的趋势项，“./”表示点除，f为对应子区段中经过光滑处理后的轴箱加速度的样本信号的瞬时频率，l＝{li}＝{l1,l2，...，ln}，其中，i＝1,2,......,n，l为所述对应子区段内所述轴箱加速度的采样点数，l1～ln是l的n个分量，l的各个分量均大于0。
进一步地，该装置还可以包括：
第五计算单元，用于在确定候选区段为波磨区段之后，通过以下公式计算所述波磨区段的波磨幅值x(t)：
x(t)＝IFFT(X(ω))；
其中，A(ω)为轴箱加速度a(t)的傅里叶变换FFT，i为虚数单位，波磨幅值x(t)为X(ω)的逆傅里叶变换IFFT，t为时间变量，x0和v0分别为波磨幅值x(t)和轴箱加速度a(t)在初始条件下的初始向量。
进一步地，预处理单元可以包括：
高通滤波处理单元，用于对第一信号序列进行高通滤波处理，得到第三信号序列；其中，高通滤波处理的截止滤波频率为第三预设阈值；
滤除单元，用于通过等间隔能量极值方法在第三信号序列中识别并滤除焊接接头处的信号，生成第二信号序列。
进一步地，第一计算单元可以包括：
带通滤波单元，用于根据预设波长范围对第二信号序列进行带通滤波，得到第四信号序列；
第一计算子单元，用于计算第四信号序列中每相邻K个信号的均方根值其中，i＝1,2,3,...,M，Si为第i组相邻的K个信号的平方和，Sm,i为第i组相邻的K个信号的均方根值；
划分单元，用于将第四信号序列划分为N8个子单元；
提取单元，用于提取每个子单元中均方根值的最大值，得到Ne个最大均方根值；
第二计算子单元，用于计算Ne个最大均方根值的平均值，得到均方根值均值
第三计算子单元，用于计算变速路段的波磨指数
进一步地，第三计算单元可以包括：
确定子单元，用于在信号时频谱上确定最大值的脊线，得到能量最大的频率脊线；
第四计算子单元，用于通过以下公式计算能量最大的频率脊线的能量EP：其中，4p为预设的数值；k＝1，2，……，Jp；Jp为SSTFT的窗口信号长度；q为能量最大的频率脊线对应信号的序号，Wk为第k个信号的频率脊线的能量；
第五计算子单元，用于通过以下公式计算候选区段的信号总能量Es：
第六计算子单元，用于通过以下公式计算能量集中因子η：
本发明实施例通过的变速路段高速铁路钢轨波磨检测装置，通过计算波磨指数，以及通过SSTFT计算的能量集中因子，结合两个参数对钢轨是否存在波磨进行判断，可以在变速情况下基于能量集中因子对钢轨波磨周期性进行定量刻画，从而，能够实现对变速情况下高速铁路钢轨波磨动态诊断及定量刻画，提高了对变速路段内的波磨检测的准确度。
本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述变速路段高速铁路钢轨波磨检测方法。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述变速路段高速铁路钢轨波磨检测方法的计算机程序。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (12)
1.一种变速路段高速铁路钢轨波磨检测方法，其特征在于，包括：
获取车辆行驶在高速铁路的变速路段时采集到的轴箱加速度的样本信号，得到第一信号序列；
对所述第一信号序列进行预处理，得到第二信号序列；
根据所述第二信号序列计算每相邻K个信号的均方根值与均方根值均值的比值，得到所述变速路段的M个波磨指数；
在所述变速路段中，确定所述波磨指数大于第一预设阈值的区段，得到候选区段；
通过同步压缩短时傅里叶变换SSTFT，计算所述候选区段的信号时频谱；
计算所述信号时频谱中能量最大的频率脊线的能量与所述候选区段的信号总能量之比，得到所述候选区段的能量集中因子，其中，所述能量集中因子用于描述所述变速路段上波磨的周期性强度，所述能量集中因子越大，所述波磨的周期性强度越强；
在所述能量集中因子大于第二预设阈值的情况下，确定所述候选区段为波磨区段；
其中，所述计算所述信号时频谱中能量最大的频率脊线的能量与所述候选区段的信号总能量之比，得到所述候选区段的能量集中因子，包括：
在所述信号时频谱上确定最大值的脊线，得到所述能量最大的频率脊线；
通过以下公式计算所述能量最大的频率脊线的能量Eq：其中，Kp为预设的数值；k＝1，2，……，Lp；Lp为所述SSTFT的窗口信号长度；q为所述能量最大的频率脊线对应信号的序号，Wk为第k个信号的频率脊线的能量；
通过以下公式计算所述候选区段的信号总能量Es：
通过以下公式计算所述能量集中因子η：
2.如权利要求1所述的方法，其特征在于，在确定所述候选区段为波磨区段之后，所述方法还包括：
通过以下公式计算所述波磨区段中每个变速时段对应子区段的波磨波长λ：
l＝v./f；
其中，v为所述对应子区段中所述轴箱加速度的趋势项，f为所述对应子区段中经过光滑处理后的所述轴箱加速度的样本信号的瞬时频率，l＝{li}＝{l1,l2，…,ln}，其中，i＝1,2,……,n，l为所述对应子区段内所述轴箱加速度的采样点数，l1～ln是l的n个分量，l的各个分量均大于0。
3.如权利要求1所述的方法，其特征在于，在确定所述候选区段为波磨区段之后，所述方法还包括：
通过以下公式计算所述波磨区段的波磨幅值x(t)：
x(t)＝IFFT(X(ω))；
其中，A(ω)为所述轴箱加速度a(t)的傅里叶变换FFT，i为虚数单位，波磨幅值x(t)为X(ω)的逆傅里叶变换IFFT，t为时间变量，x0和v0分别为所述波磨幅值x(t)和所述轴箱加速度a(t)在初始条件下的初始向量。
4.如权利要求1所述的方法，其特征在于，所述对所述第一信号序列进行预处理，得到第二信号序列，包括：
对所述第一信号序列进行高通滤波处理，得到第三信号序列；其中，所述高通滤波处理的截止滤波频率为第三预设阈值；
通过等间隔能量极值方法在所述第三信号序列中识别并滤除焊接接头处的信号，生成所述第二信号序列。
5.如权利要求1所述的方法，其特征在于，所述根据所述第二信号序列计算每相邻K个信号的均方根值与均方根值均值的比值，得到所述变速路段的M个波磨指数，包括：
根据预设波长范围对所述第二信号序列进行带通滤波，得到第四信号序列；
计算所述第四信号序列中每相邻K个信号的均方根值其中，i＝1,2,3,…,M，Si为第i组相邻的K个信号的平方和，Sm,i为第i组相邻的K个信号的均方根值；
将所述第四信号序列划分为Ne个子单元；
提取每个子单元中均方根值的最大值，得到Ne个最大均方根值；
计算所述Ne个最大均方根值的平均值，得到所述均方根值均值
计算所述变速路段的波磨指数
6.一种变速路段高速铁路钢轨波磨检测装置，其特征在于，包括：
获取单元，用于获取车辆行驶在高速铁路的变速路段时采集到的轴箱加速度的样本信号，得到第一信号序列；
预处理单元，用于对所述第一信号序列进行预处理，得到第二信号序列；
第一计算单元，用于根据所述第二信号序列计算每相邻K个信号的均方根值与均方根值均值的比值，得到所述变速路段的M个波磨指数；
第一确定单元，用于在所述变速路段中，确定所述波磨指数大于第一预设阈值的区段，得到候选区段；
第二计算单元，用于通过同步压缩短时傅里叶变换SSTFT，计算所述候选区段的信号时频谱；
第三计算单元，用于计算所述信号时频谱中能量最大的频率脊线的能量与所述候选区段的信号总能量之比，得到所述候选区段的能量集中因子，其中，所述能量集中因子用于描述所述变速路段上波磨的周期性强度，所述能量集中因子越大，所述波磨的周期性强度越强；
第二确定单元，用于在所述能量集中因子大于第二预设阈值的情况下，确定所述候选区段为波磨区段；
其中，所述第三计算单元包括：
确定子单元，用于在所述信号时频谱上确定最大值的脊线，得到所述能量最大的频率脊线；
第四计算子单元，用于通过以下公式计算所述能量最大的频率脊线的能量Eq：其中，Kp为预设的数值；k＝1，2，……，Lp；Lp为所述SSTFT的窗口信号长度；q为所述能量最大的频率脊线对应信号的序号，Wk为第k个信号的频率脊线的能量；
第五计算子单元，用于通过以下公式计算所述候选区段的信号总能量Es：
第六计算子单元，用于通过以下公式计算所述能量集中因子η：
7.如权利要求6所述的装置，其特征在于，所述装置还包括：
第四计算单元，用于在确定所述候选区段为波磨区段之后，通过以下公式计算所述波磨区段中每个变速时段对应子区段的波磨波长λ：
l＝v./f；
其中，v为所述对应子区段中所述轴箱加速度的趋势项，“./”表示点除，f为所述对应子区段中经过光滑处理后的所述轴箱加速度的样本信号的瞬时频率，l＝{li}＝{l1,l2，…,ln}，其中，i＝1,2,……,n，l为所述对应子区段内所述轴箱加速度的采样点数，l1～ln是l的n个分量，l的各个分量均大于0。
8.如权利要求6所述的装置，其特征在于，所述装置还包括：
第五计算单元，用于在确定所述候选区段为波磨区段之后，通过以下公式计算所述波磨区段的波磨幅值x(t)：
x(t)＝IFFT(X(ω))；
其中，A(ω)为所述轴箱加速度a(t)的傅里叶变换FFT，i为虚数单位，波磨幅值x(t)为X(ω)的逆傅里叶变换IFFT，t为时间变量，x0和v0分别为所述波磨幅值x(t)和所述轴箱加速度a(t)在初始条件下的初始向量。
9.如权利要求6所述的装置，其特征在于，所述预处理单元包括：
高通滤波处理单元，用于对所述第一信号序列进行高通滤波处理，得到第三信号序列；其中，所述高通滤波处理的截止滤波频率为第三预设阈值；
滤除单元，用于通过等间隔能量极值方法在所述第三信号序列中识别并滤除焊接接头处的信号，生成所述第二信号序列。
10.如权利要求6所述的装置，其特征在于，所述第一计算单元包括：
带通滤波单元，用于根据预设波长范围对所述第二信号序列进行带通滤波，得到第四信号序列；
第一计算子单元，用于计算所述第四信号序列中每相邻K个信号的均方根值其中，i＝1,2,3,…,M，Si为第i组相邻的K个信号的平方和，Sm,i为第i组相邻的K个信号的均方根值；
划分单元，用于将所述第四信号序列划分为Ne个子单元；
提取单元，用于提取每个子单元中均方根值的最大值，得到Ne个最大均方根值；
第二计算子单元，用于计算所述Ne个最大均方根值的平均值，得到所述均方根值均值
第三计算子单元，用于计算所述变速路段的波磨指数
11.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5任一所述方法。
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至5任一所述方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110754888.8A CN113343928B (zh) | 2021-06-30 | 2021-06-30 | 变速路段高速铁路钢轨波磨检测方法及装置、计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110754888.8A CN113343928B (zh) | 2021-06-30 | 2021-06-30 | 变速路段高速铁路钢轨波磨检测方法及装置、计算机设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113343928A CN113343928A (zh) | 2021-09-03 |
| CN113343928B true CN113343928B (zh) | 2024-04-30 |
Family
ID=77482445
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110754888.8A Active CN113343928B (zh) | 2021-06-30 | 2021-06-30 | 变速路段高速铁路钢轨波磨检测方法及装置、计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113343928B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113830132B (zh) * | 2021-09-27 | 2022-10-25 | 中国铁道科学研究院集团有限公司 | 轨道板上拱的检测方法和装置 |
| CN114061534A (zh) * | 2021-11-01 | 2022-02-18 | 中国国家铁路集团有限公司 | 轨道板变形的检测方法、装置和电子设备 |
| CN114818782B (zh) * | 2022-03-31 | 2024-07-12 | 中国国家铁路集团有限公司 | 钢轨连续擦伤识别方法及装置 |
| CN115112061B (zh) * | 2022-06-28 | 2023-07-25 | 苏州大学 | 一种钢轨波磨检测方法及系统 |
| CN115140115B (zh) * | 2022-07-18 | 2023-10-17 | 中国铁道科学研究院集团有限公司 | 声振结合的高速铁路钢轨波磨识别方法和装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| KR102042430B1 (ko) * | 2019-08-26 | 2019-11-08 | 한화시스템(주) | 인지 무선 통신에서 에너지 검출 장치 및 그 방법 |
-
2021
- 2021-06-30 CN CN202110754888.8A patent/CN113343928B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| KR102042430B1 (ko) * | 2019-08-26 | 2019-11-08 | 한화시스템(주) | 인지 무선 통신에서 에너지 검출 장치 및 그 방법 |
Non-Patent Citations (2)
| Title |
|---|
| 基于车辆响应的高速铁路周期性轨道短波病害时频特性分析;晏兆晋;高翠香;徐晓迪;刘金朝;孙善超;;中国铁道科学(第01期);全文 * |
| 钢轨波磨指数与轨道短波不平顺关系研究;牛留斌;刘金朝;孙善超;张二永;;中国铁道科学(第05期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113343928A (zh) | 2021-09-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113343928B (zh) | 变速路段高速铁路钢轨波磨检测方法及装置、计算机设备 | |
| CN108845028B (zh) | 一种高速铁路钢轨波磨动态检测方法和装置 | |
| CN104568444B (zh) | 变转速火车滚动轴承故障特征频率提取方法 | |
| CN110426005A (zh) | 基于imf能量比的高速铁路钢轨波磨声学诊断方法 | |
| CN102980756A (zh) | 动刚度的测试方法及系统 | |
| CN110737023B (zh) | 一种矿用微震监测信号的处理方法 | |
| CN106018557A (zh) | 一种基于小波分析的轨道表面凹陷检测方法 | |
| CN106441548A (zh) | 变速器齿轮敲击实验及噪声声品质分析方法 | |
| CN115758289B (zh) | 一种基于多任务学习神经网络的钢轨波磨识别方法 | |
| CN104457643B (zh) | 一种轨道几何检测数据的脉冲噪声滤波方法及装置 | |
| CN107423692A (zh) | 一种基于小波包能量熵的钢轨波磨故障检测方法 | |
| CN107063339B (zh) | 铁道沿线落石与行车信号分类分级判断识别方法 | |
| CN113358380B (zh) | 一种轨道车辆蛇行运动稳定性检测和评定方法 | |
| CN101251445B (zh) | 旋转机械碰摩声发射信号的分形特征分析方法 | |
| CN105928702A (zh) | 基于形态分量分析的变工况齿轮箱轴承故障诊断方法 | |
| Wu et al. | Envelope harmonic noise ratio based adaptive kurtogram and its application in bearing compound fault identification | |
| CN103699513A (zh) | 一种基于多尺度噪声调节的随机共振方法 | |
| CN113267286A (zh) | 铁路弓网接触力识别方法及装置 | |
| CN106092015A (zh) | 一种轨道表面凹陷长度检测方法 | |
| CN115358088A (zh) | 一种基于高速列车激励动力响应的桥梁影响线识别方法 | |
| Wei et al. | Bridge static influence line identification based on structural dynamic responses under high-speed trains | |
| CN106052606A (zh) | 一种基于尺度平均小波能量谱的轨道表面凹陷检测方法 | |
| 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 | |
| CN108398267A (zh) | 一种高速列车轨边运动参数自适应识别方法 | |
| 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 |
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 |