CN113792371B - 基于锁相值的轨道异常匹配的诊断方法 - Google Patents
基于锁相值的轨道异常匹配的诊断方法 Download PDFInfo
- Publication number
- CN113792371B CN113792371B CN202111136918.5A CN202111136918A CN113792371B CN 113792371 B CN113792371 B CN 113792371B CN 202111136918 A CN202111136918 A CN 202111136918A CN 113792371 B CN113792371 B CN 113792371B
- Authority
- CN
- China
- Prior art keywords
- plv
- phase
- track
- lim
- locked value
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000003745 diagnosis Methods 0.000 title abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 26
- 238000005259 measurement Methods 0.000 claims abstract description 11
- 238000007689 inspection Methods 0.000 claims description 17
- 238000002405 diagnostic procedure Methods 0.000 claims 2
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 description 6
- 230000003068 static effect Effects 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Civil Engineering (AREA)
- Evolutionary Biology (AREA)
- Architecture (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Structural Engineering (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明提供了一种基于锁相值的轨道异常匹配的诊断方法,包括:导入第一预设长度的已匹配的两组轨道几何状态数据作为分析样本,其中轨道几何状态数据T、R分别为测量序列和参考序列;将所述分析样本按第二预设长度L分为K组,并分别计算各组子样本的锁相值PLV(k);设定阈值PLVlim,将各组的锁相值PLV(k)与阈值PLVlim比较,若PLV(k)<PLVlim,则判定子样本Pk在k处存在异常匹配。本发明利用锁相值刻画轨道异常匹配,可定量描述参考序列与测量序列间的相位同步性,有助于及时发现异常匹配征兆。
Description
技术领域
本发明涉及轨道检测技术领域,特别是涉及一种基于锁相值的轨道异常匹配的诊断方法。
背景技术
轨道几何状态数据是轨道状态评价及维修决策的依据。我国高铁施行“动检为主,动静结合”的轨道检查原则,通过周期的动态检查(下简称动检)、静态检查(下简称静检)获得了海量的重复性轨道几何尺寸数据,并通过数据样本确定轨道的状态。尽管铁路工务部门占有海量的重复性数据,然而在工程上,数据往往仅用作轨道状态的断面分析,如依据最近一次的数据进行超限分析或均衡性分析。
要挖掘隐含在历史数据中更深层次的知识,如轨道劣化模型的建立、维修作业效果的评价以及轨道病害的诊断等,都依赖于建立数据样本间的匹配关系。这种匹配可来自于外部特征的,也可来自于数据自身的相似性。匹配效果可采用皮尔逊相关系数(PearsonCorrelation Coefficients,PCCs)与积分绝对误差(Integral Absolute Error,IAE)、平均绝对误差(Mean Absolute Error,MAE)评价,上述指标可从整体说明匹配的相关性或精度。但由于噪声污染、轨道扰动以及测量轮的滑移滑转等原因,测量序列和参考序列间可能会出现局部的异常匹配,而此类异常匹配常表现为瞬时相位的不同步。关于局部的异常匹配,亟需相关方法进行及时诊断。
发明内容
鉴于上述状况,有必要针对现有技术中轨道几何状态数据测量序列和参考序列间可能会出现局部相位不同步的异常匹配的诊断问题,提供一种基于锁相值的轨道异常匹配的诊断方法,锁相值(Phase Locking Value,PLV)又称为相位稳定性、锁相因子或相同步相干指数,描述了不同信号的同步性,取值范围为[0,1],如Tk与Rk相位同步,则PLV(k)=1。
一种基于锁相值的轨道异常匹配的诊断方法,包括:
导入第一预设长度的已匹配的两组轨道几何状态数据P:作为分析样本,其中轨道几何状态数据T={t1,t2,…,tN},R={r1,r2,…,rN},分别为分析样本的测量序列和参考序列;
将所述分析样本按第二预设长度L分为K组,并分别计算各组子样本Pk: 的锁相值PLV(k),其中k={1,2,…,K};
设定阈值PLVlim,将各组的锁相值PLV(k)与阈值PLVlim比较,若PLV(k)<PLVlim,则判定子样本Pk在k处存在异常匹配。
进一步的,上述基于锁相值的轨道异常匹配的诊断方法,其中,所述将所述分析样本按第二预设长度L分为K组,并分别计算各组子样本Pk:的锁相值PLV(k)的步骤包括:
将所述分析样本按第二预设长度L分为K组,各组间可相互独立,也可相互交叠;
计算Tk(i)、Rk(i)的Hilbert变换Tk(i)表示第k个测量序列子样本,Rk(i)表示第k个参考序列子样本,如下式
计算Tk(i)、Rk(i)的瞬时相位和/>如下式
计算锁相值PLV(k),如下式
其中,i=1,2,…,L,τ表示积分变量,j表示虚根。
进一步的,上述基于锁相值的轨道异常匹配的诊断方法,其中,所述设定阈值PLVlim,将各组的锁相值PLV(k)与阈值PLVlim比较的步骤包括:
可依据噪声污染、轨道扰动以及测量轮的滑移滑转对轨道几何状态数据匹配的影响程度,或者依据大数据,设定阈值PLVlim;
将子样本锁相值PLV(k)与阈值PLVlim比较,若PLV(k)<PLVlim,则判定子样本Pk在k处存在异常匹配,否则,判定子样本Pk在k处不存在异常匹配。
进一步的,上述基于锁相值的轨道异常匹配的诊断方法,其中,所述已匹配的两组轨道几何状态数据,可通过轨道检查仪采集,或通过轨道测量仪采集,或通过轨道检查车采集。
根据本发明提供的基于锁相值的轨道异常匹配的诊断方法,利用两次轨道几何状态数据T和R的子样本锁相值PLV(k)作为异常匹配的特征向量,从同步性的角度诊断数据T和R的异常匹配,解决了局部相位不同步的异常匹配的诊断问题,其物理意义清晰、运算过程简单,有助于及时发现异常匹配征兆。
附图说明
图1为本发明第一实施例中的基于锁相值的轨道异常匹配的诊断方法的流程图;
图2为本发明第二实施例中的基于锁相值的轨道异常匹配的诊断方法的流程图;
图3为本发明第二实施例中分析样本的示意图;
图4为本发明第二实施例中锁相值的示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
参照下面的描述和附图,将清楚本发明的实施例的这些和其他方面。在这些描述和附图中,具体公开了本发明的实施例中的一些特定实施方式,来表示实施本发明的实施例的原理的一些方式,但是应当理解,本发明的实施例的范围不受此限制。相反,本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
请参阅图1,本发明第一实施例中的基于锁相值的轨道异常匹配的诊断方法,该诊断方法应用于轨道几何状态数据分析,以诊断数据是否存在异常匹配。该基于锁相值的轨道异常匹配的诊断方法包括步骤S11~S13。
步骤S11,导入第一预设长度的已匹配的两组轨道几何状态数据P:作为分析样本,其中轨道几何状态数据T={t1,t2,…,tN},R={r1,r2,…,rN},分别为分析样本的测量序列和参考序列。
轨道几何状态数据分析需要避免数据的异常匹配,为保障异常匹配诊断的快速性,本实施例中可对分析样本进行分段诊断。其中,轨道几何状态数据,可通过现有的检测设备进行采集,该检测设备包括但不限于0级轨道检查仪、轨道测量仪和轨道检查车。
步骤S12,将所述分析样本按第二预设长度L分为K组,并分别计算各组子样本Pk:的锁相值PLV(k),其中k={1,2,…,K}。
将所述分析样本按第二预设长度L分为K组,各组间可相互独立,也可相互交叠;如分析样本实现了精确地匹配,则其测量序列T和参考序列R间应有严格的同步性,其PLV=1;当出现异常匹配,前述的严格的相位同步将被破坏,因此,对轨道几何状态数据异常匹配的诊断关键特征之一是T和R的瞬时相位差。
步骤S13,设定阈值PLVlim,将各组的锁相值PLV(k)与阈值PLVlim比较,若PLV(k)<PLVlim,则判定子样本Pk在k处存在异常匹配。
其中,设定阈值PLVlim可依据噪声污染、轨道扰动以及测量轮的滑移滑转对轨道几何状态数据匹配的影响程度确定,或者依据大数据确定。
具体实施时,将各组的锁相值PLV(k)分别与设定阈值PLVlim进行差值计算,得到多个差值。若PLV(k)<PLVlim,则判定子样本Pk在k处存在异常匹配,否则,判定子样本Pk在k处不存在异常匹配。
本发明实施例利用两次轨道几何状态数据T和R的子样本锁相值PLV(k)作为异常匹配的特征向量,从同步性的角度诊断数据T和R的异常匹配,解决了局部异常匹配的诊断问题,其物理意义清晰、运算过程简单,有助于及时发现异常匹配征兆。
请参阅图2,本发明第二实施例中的基于锁相值的轨道异常匹配的诊断方法,包括步骤S21~S23。
步骤S21,导入第一预设长度的已匹配的两组轨道几何状态数据P:作为分析样本,其中轨道几何状态数据T={t1,t2,…,tN},R={r1,r2,…,rN},分别为分析样本的测量序列和参考序列。
本实施例中采集第一预设长度的轨道几何状态数据的右高低数据,以作为分析样本。具体的,兼顾计算效率与方便轨道单元管理,该第一预设长度可设为1000m。其中,轨道几何状态数据的右高低数据,可通过现有的检测设备进行采集,该检测设备包括但不限于0级轨道检查仪、轨道测量仪和轨道检查车。分析样本如图3所示。
步骤S22,将所述分析样本按第二预设长度L分为K组,并分别计算各组子样本Pk:的锁相值PLV(k),其中k={1,2,…,K}。
具体实施时,为保证里程分辨力,第二预设长度可设为10m、20m或50m,对于0.125m采样步距,即L=80、160、400。同时K组子样本间可相互独立,也可相互交叠。本实施例中L=400,对于1000m的轨道几何状态数据而言,当采样步距为0.125m且子样本间相互独立时,K=20。
其中,得到锁相值的步骤包括:
步骤S221,计算Tk(i)、Rk(i)的Hilbert变换如下式
步骤S222,计算Tk(i)、Rk(i)的瞬时相位和/>如下式
具体实施时,为避免求解和/>时,由于相位的卷绕而产生跳变,进而导致瞬时相位差过大,可对/>和/>进行解卷绕处理,或通过小波分解、经验模态分解、移动平均滤波以及中值滤波,消除相位跳变的影响。
步骤S223,计算锁相值PLV(k),如下式
其中,i=1,2,…,L,τ表示积分变量,j表示虚根。
各子样本的锁相值如图4所示。
步骤S23,设定阈值PLVlim,将各组的锁相值PLV(k)与阈值PLVlim比较,若PLV(k)<PLVlim,则判定子样本Pk在k处存在异常匹配。
其中,设定阈值PLVlim可依据噪声污染、轨道扰动以及测量轮的滑移滑转对轨道几何状态数据匹配的影响程度确定,或者依据大数据确定。可以理解的,设定阈值PLVlim可以是硬阈值,也可以是软阈值,可依据线路条件、测量条件或环境条件确定,或者依据大数据确定。
具体实施时,将各组的锁相值PLV(k)分别与设定阈值PLVlim进行差值计算,得到多个差值。若PLV(k)<PLVlim,则判定子样本Pk在k处存在异常匹配,否则,判定子样本Pk在k处不存在异常匹配。例如,设定阈值PLVlim=0.80,即子样本锁相值PLV(k)小于0.80时,则诊断子样本Pk在k处存在异常匹配,需要重点检查或处理,其中k=1,2,…,K。如图4中示出的在K444+450里程处PLV(k)=0.749,锁相值超过范围,可诊断为存在异常匹配。
上述步骤中,轨道几何状态数据包括轨道左高低、左轨向、左正矢、右高低、右轨向、右正矢、轨距、轨距变化率、水平、超高、扭曲以及轨道长波不平顺等,可通过现有的检测设备进行采集,该检测设备包括但不限于0级轨道检查仪、轨道测量仪和轨道检查车。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (3)
1.一种基于锁相值的轨道异常匹配的诊断方法,其特征在于,包括:
导入第一预设长度的已匹配的两组轨道几何状态数据P:作为分析样本,其中轨道几何状态数据T={t1,t2,…,tN},R={r1,r2,…,rN},分别为分析样本的测量序列和参考序列;
将所述分析样本按第二预设长度L分为K组,并分别计算各组子样本Pk: 的锁相值PLV(k),其中k={1,2,…,K};
设定阈值PLVlim,将各组的锁相值PLV(k)与阈值PLVlim比较,若PLV(k)<PLVlim,则判定子样本Pk在k处存在异常匹配;
将所述分析样本按第二预设长度L分为K组,并分别计算各组子样本Pk: 的锁相值PLV(k)的步骤包括:
将所述分析样本按第二预设长度L分为K组,各组子样本Pk:间相互独立或相互交叠;
计算Tk(i)、Rk(i)的Hilbert变换Tk(i)表示第k个测量序列子样本,Rk(i)表示第k个参考序列子样本,如下式:
计算Tk(i)、Rk(i)的瞬时相位和/>如下式:
计算锁相值PLV(k),如下式:
其中,i=1,2,…,L,τ表示积分变量,j表示虚根。
2.如权利要求1所述的基于锁相值的轨道异常匹配的诊断方法,其特征在于,所述设定阈值PLVlim,将各组的锁相值PLV(k)与阈值PLVlim比较的步骤包括:
依据噪声污染、轨道扰动以及测量轮的滑移滑转对轨道几何状态数据匹配的影响程度,或者依据大数据,设定阈值PLVlim,若PLV(k)<PLVlim,则判定子样本Pk在k处存在异常匹配。
3.如权利要求1所述的基于锁相值的轨道异常匹配的诊断方法,其特征在于,所述已匹配的两组轨道几何状态数据,通过轨道检查仪采集,或通过轨道测量仪采集,或通过轨道检查车采集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111136918.5A CN113792371B (zh) | 2021-09-27 | 2021-09-27 | 基于锁相值的轨道异常匹配的诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111136918.5A CN113792371B (zh) | 2021-09-27 | 2021-09-27 | 基于锁相值的轨道异常匹配的诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113792371A CN113792371A (zh) | 2021-12-14 |
CN113792371B true CN113792371B (zh) | 2024-01-26 |
Family
ID=79184638
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111136918.5A Active CN113792371B (zh) | 2021-09-27 | 2021-09-27 | 基于锁相值的轨道异常匹配的诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113792371B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1524375A (zh) * | 2001-07-06 | 2004-08-25 | 汤姆森许可贸易公司 | 从视频信号中获得行同步信息项的方法及设备 |
CN1592855A (zh) * | 2001-10-22 | 2005-03-09 | 高通股份有限公司 | 开环跟踪gps信号的方法 |
CN101300493A (zh) * | 2004-07-02 | 2008-11-05 | 文卡达·古鲁普拉赛德 | 使用谱相位梯度的无源距离测量 |
CN102304884A (zh) * | 2011-05-11 | 2012-01-04 | 长春理工大学 | 一种高速铁路轨道平顺性的检测方法 |
CN102587232A (zh) * | 2012-03-13 | 2012-07-18 | 长春理工大学 | 用于轨道平顺性检测的二维锁相测量装置 |
CN104796142A (zh) * | 2014-01-15 | 2015-07-22 | 波音公司 | 多级/多阈值/多持久性的gps/gnss原子钟监控 |
CN105259144A (zh) * | 2015-11-03 | 2016-01-20 | 西安工业大学 | 一种大动态范围全方位样品brdf测量装置 |
CN205443825U (zh) * | 2016-01-20 | 2016-08-10 | 淮安信息职业技术学院 | 基于iGPS 的铁路轨道检测系统 |
JP2019014278A (ja) * | 2017-07-03 | 2019-01-31 | 株式会社京三製作所 | 軌道回路監視装置 |
CN109344521A (zh) * | 2018-10-16 | 2019-02-15 | 江西科技学院 | 一种正矢差闭合的曲线轨道拨距计算方法 |
CN110377872A (zh) * | 2019-07-20 | 2019-10-25 | 中国科学院上海天文台 | 一种基于通用计算显卡的多普勒数据处理方法 |
CN111149018A (zh) * | 2017-09-26 | 2020-05-12 | 焦点定位有限公司 | 用于校准系统参数的方法和系统 |
CN111832618A (zh) * | 2020-06-08 | 2020-10-27 | 江西日月明测控科技股份有限公司 | 轨道动、静态检查数据的匹配方法 |
CN112883078A (zh) * | 2021-02-07 | 2021-06-01 | 江西科技学院 | 基于dtw与最小二乘估计的轨道动态检查历史数据匹配方法 |
CN112906782A (zh) * | 2021-02-07 | 2021-06-04 | 江西科技学院 | 基于dtw与最小二乘估计的轨道静态检查历史数据匹配方法 |
CN113281793A (zh) * | 2020-01-31 | 2021-08-20 | 瑞士优北罗股份有限公司 | 单历元位置界限的方法和设备 |
-
2021
- 2021-09-27 CN CN202111136918.5A patent/CN113792371B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1524375A (zh) * | 2001-07-06 | 2004-08-25 | 汤姆森许可贸易公司 | 从视频信号中获得行同步信息项的方法及设备 |
CN1592855A (zh) * | 2001-10-22 | 2005-03-09 | 高通股份有限公司 | 开环跟踪gps信号的方法 |
CN101300493A (zh) * | 2004-07-02 | 2008-11-05 | 文卡达·古鲁普拉赛德 | 使用谱相位梯度的无源距离测量 |
CN102304884A (zh) * | 2011-05-11 | 2012-01-04 | 长春理工大学 | 一种高速铁路轨道平顺性的检测方法 |
CN102587232A (zh) * | 2012-03-13 | 2012-07-18 | 长春理工大学 | 用于轨道平顺性检测的二维锁相测量装置 |
CN104796142A (zh) * | 2014-01-15 | 2015-07-22 | 波音公司 | 多级/多阈值/多持久性的gps/gnss原子钟监控 |
CN105259144A (zh) * | 2015-11-03 | 2016-01-20 | 西安工业大学 | 一种大动态范围全方位样品brdf测量装置 |
CN205443825U (zh) * | 2016-01-20 | 2016-08-10 | 淮安信息职业技术学院 | 基于iGPS 的铁路轨道检测系统 |
JP2019014278A (ja) * | 2017-07-03 | 2019-01-31 | 株式会社京三製作所 | 軌道回路監視装置 |
CN111149018A (zh) * | 2017-09-26 | 2020-05-12 | 焦点定位有限公司 | 用于校准系统参数的方法和系统 |
CN109344521A (zh) * | 2018-10-16 | 2019-02-15 | 江西科技学院 | 一种正矢差闭合的曲线轨道拨距计算方法 |
CN110377872A (zh) * | 2019-07-20 | 2019-10-25 | 中国科学院上海天文台 | 一种基于通用计算显卡的多普勒数据处理方法 |
CN113281793A (zh) * | 2020-01-31 | 2021-08-20 | 瑞士优北罗股份有限公司 | 单历元位置界限的方法和设备 |
CN111832618A (zh) * | 2020-06-08 | 2020-10-27 | 江西日月明测控科技股份有限公司 | 轨道动、静态检查数据的匹配方法 |
CN112883078A (zh) * | 2021-02-07 | 2021-06-01 | 江西科技学院 | 基于dtw与最小二乘估计的轨道动态检查历史数据匹配方法 |
CN112906782A (zh) * | 2021-02-07 | 2021-06-04 | 江西科技学院 | 基于dtw与最小二乘估计的轨道静态检查历史数据匹配方法 |
Non-Patent Citations (1)
Title |
---|
轨道交通再生制动能量回馈装置的设计与实现;陈治国 等;企业技术开发;第38卷(第5期);22-26 * |
Also Published As
Publication number | Publication date |
---|---|
CN113792371A (zh) | 2021-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11669080B2 (en) | Abnormality detection device, abnormality detection method, and program | |
Wang et al. | Traversal index enhanced-gram (TIEgram): A novel optimal demodulation frequency band selection method for rolling bearing fault diagnosis under non-stationary operating conditions | |
CN105806604B (zh) | 一种机车车辆走行部轴承保持架故障预报警方法 | |
Chen et al. | Compound fault identification of rolling element bearing based on adaptive resonant frequency band extraction | |
CN110991564B (zh) | 基于多尺度分散熵偏均值与非线性模式分解的变工况轴承故障诊断方法 | |
CN108573224B (zh) | 一种利用单传感器信息的移动重构主成分的桥梁结构损伤定位方法 | |
WO2022062161A1 (zh) | 基于波形和无量纲学习的大机组摩擦故障分析方法及系统 | |
Ma et al. | Early fault diagnosis of rotating machinery based on composite zoom permutation entropy | |
CN109710955B (zh) | 基于lcd—递归定量分析的滚动轴承故障诊断及健康评估方法 | |
Tang et al. | Multiple time-frequency curve classification for tacho-less and resampling-less compound bearing fault detection under time-varying speed conditions | |
Yi et al. | A promising new tool for fault diagnosis of railway wheelset bearings: SSO-based Kurtogram | |
CN115758289B (zh) | 一种基于多任务学习神经网络的钢轨波磨识别方法 | |
Yao et al. | An integrated framework via key-spectrum entropy and statistical properties for bearing dynamic health monitoring and performance degradation assessment | |
CN111504647A (zh) | 基于ar-mset的滚动轴承的性能退化评估方法 | |
Xu et al. | Generalized S-synchroextracting transform for fault diagnosis in rolling bearing | |
Laval et al. | Amplitude and phase interaction in Hilbert demodulation of vibration signals: Natural gear wear modeling and time tracking for condition monitoring | |
CN110987431B (zh) | 一种基于tqwt辅助spc的轴承状态监测及故障诊断的方法 | |
CN113792371B (zh) | 基于锁相值的轨道异常匹配的诊断方法 | |
Yang et al. | Time–frequency characteristic analysis method for track geometry irregularities based on multivariate empirical mode decomposition and Hilbert spectral analysis | |
Noman et al. | Continuous health monitoring of bearing by oscillatory sparsity indices under non stationary time varying speed condition | |
CN104457644B (zh) | 轨道几何检测数据中非脉冲异常数据的检测方法及装置 | |
CN112648220A (zh) | 一种基于小波-近似熵的风机故障诊断方法 | |
Tse et al. | Enhanced eigenvector algorithm for recovering multiple sources of vibration signals in machine fault diagnosis | |
Xu et al. | A novel method for extracting maximum kurtosis component and its applications in rolling bearing fault diagnosis | |
CN116380464A (zh) | 一种基于稀疏成分分析的轴承耦合故障解耦方法 |
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 |