CN115140115B - 声振结合的高速铁路钢轨波磨识别方法和装置 - Google Patents
声振结合的高速铁路钢轨波磨识别方法和装置 Download PDFInfo
- Publication number
- CN115140115B CN115140115B CN202210842010.4A CN202210842010A CN115140115B CN 115140115 B CN115140115 B CN 115140115B CN 202210842010 A CN202210842010 A CN 202210842010A CN 115140115 B CN115140115 B CN 115140115B
- Authority
- CN
- China
- Prior art keywords
- vibration
- energy
- acoustic
- sound
- 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
- 238000000034 method Methods 0.000 title claims abstract description 119
- 239000002131 composite material Substances 0.000 claims abstract description 210
- 238000000227 grinding Methods 0.000 claims abstract description 92
- 238000005299 abrasion Methods 0.000 claims abstract description 61
- 238000001514 detection method Methods 0.000 claims abstract description 37
- 230000000737 periodic effect Effects 0.000 claims abstract description 34
- 238000001228 spectrum Methods 0.000 claims description 82
- 230000005236 sound signal Effects 0.000 claims description 69
- 238000004458 analytical method Methods 0.000 claims description 35
- 229910000831 Steel Inorganic materials 0.000 claims description 28
- 239000010959 steel Substances 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 24
- 230000008859 change Effects 0.000 claims description 13
- 230000001133 acceleration Effects 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 10
- 150000001875 compounds Chemical class 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 7
- 238000003801 milling Methods 0.000 claims description 7
- 238000005314 correlation function Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 37
- 201000010099 disease Diseases 0.000 abstract description 28
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract description 28
- 206010016207 Familial Mediterranean fever Diseases 0.000 abstract description 9
- 230000014509 gene expression Effects 0.000 description 24
- 238000010586 diagram Methods 0.000 description 20
- 230000005284 excitation Effects 0.000 description 11
- 238000012986 modification Methods 0.000 description 10
- 230000004048 modification Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000011160 research Methods 0.000 description 9
- 230000006378 damage Effects 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 7
- 230000002708 enhancing effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000005498 polishing Methods 0.000 description 4
- 230000001502 supplementing effect Effects 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000002401 inhibitory effect Effects 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明提供了一种声振结合的高速铁路钢轨波磨识别方法和装置,该方法包括:获取振动信号和声信号;根据振动信号,确定振动信号能量因子和振动信号波磨指数;根据声信号,确定声能量因子和声波磨指数;根据振动信号和声信号,确定声振复合能量因子和声振复合波磨指数;根据振动信号能量因子、振动信号波磨指数、声能量因子、声波磨指数、声振复合能量因子和声振复合波磨指数,确定高速铁路钢轨波磨识别结果。利用声振结合的方法,抑制动态响应信号中的干扰项,提高信号中周期性成分的能量集中度;发挥声振信号的互补性,避免检测时漏检;提高对短波早期病害的探测能力,识别早期周期性病害,利用声振结合为综合识别评价钢轨波磨提供依据。
Description
技术领域
本发明涉及铁路轨道检测技术领域,尤其涉及一种声振结合的高速铁路钢轨波磨识别方法和装置。
背景技术
本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
铁路轨道短波不平顺是一种典型的轨道病害,通常由钢轨焊接接头凸起或凹陷、钢轨轨头波浪磨耗、擦伤或剥离掉块等因素引起,在列车行驶时可引起车辆零部件的高频振动。常见的短波不平顺病害波长在300mm以内,通过轮轨间作用力激励,在列车的轴箱处可产生较明显的动态响应。
现有的一种方案利用安装在轴箱上的加速度传感器测量的振动信号对短波不平顺病害进行分析。还有一种现有技术提出了利用轨道冲击指数(Track Impact Index,TII)、钢轨波磨指数(Steel Corrugation Index,SCI)评价高频动态响应振动信号中的冲击成分、周期性波磨成分的方法。在利用轴箱加速度采集的振动信号分析评价轨道短波不平顺病害的研究和应用方面,已有较成熟的采集分析系统和评价体系。
当轨道存在早期波磨或者残留小幅度打磨痕迹的情况时,仅通过测量振动信号,则获得的振动信号的幅值会比较小,通过振动信号进行分析则很难识别到,无法预测早期周期性病害;进一步的,由于采用了单一的振动信号,若传感器存在故障,则会造成检测缺失的问题,进一步导致钢轨波磨情况的加剧。
因此,如何提供一种新的方案,其能够解决上述技术问题是本领域亟待解决的技术难题。
发明内容
本发明实施例提供一种声振结合的高速铁路钢轨波磨识别方法,利用声振结合的方法,抑制动态响应信号中的干扰项,提高信号中周期性成分的能量集中度;发挥声振信号的互补性,具有双保险的意义,避免检测时漏检;提高对高铁线路短波早期病害的探测能力,识别可能存在的早期周期性病害,利用声振结合为综合识别评价钢轨波磨提供依据,该方法包括:
获取振动信号和声信号;
根据振动信号,确定振动信号能量因子和振动信号波磨指数;
根据声信号,确定声能量因子和声波磨指数;
根据振动信号和声信号,确定声振复合能量因子和声振复合波磨指数;
根据振动信号能量因子、振动信号波磨指数、声能量因子、声波磨指数、声振复合能量因子和声振复合波磨指数,确定高速铁路钢轨波磨识别结果。
本发明实施例还提供一种声振结合的高速铁路钢轨波磨识别装置,包括:
信号获取模块,用于获取振动信号和声信号;
振动信号分析模块,用于根据振动信号,确定振动信号能量因子和振动信号波磨指数;
声信号分析模块,用于根据声信号,确定声能量因子和声波磨指数;
声振信号复合分析模块,用于根据振动信号和声信号,确定声振复合能量因子和声振复合波磨指数;
高速铁路钢轨波磨识别模块,用于根据振动信号能量因子、振动信号波磨指数、声能量因子、声波磨指数、声振复合能量因子和声振复合波磨指数,确定高速铁路钢轨波磨识别结果。
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一种声振结合的高速铁路钢轨波磨识别方法。
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计算机程序,所述计算机程序被处理器执行时实现上述一种声振结合的高速铁路钢轨波磨识别方法。
本发明实施例还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现上述一种声振结合的高速铁路钢轨波磨识别方法。
本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别方法和装置,包括:获取振动信号和声信号;根据振动信号,确定振动信号能量因子和振动信号波磨指数;根据声信号,确定声能量因子和声波磨指数;根据振动信号和声信号,确定声振复合能量因子和声振复合波磨指数;根据振动信号能量因子、振动信号波磨指数、声能量因子、声波磨指数、声振复合能量因子和声振复合波磨指数,确定高速铁路钢轨波磨识别结果。本发明实施例利用声振结合的方法,抑制动态响应信号中的干扰项,提高信号中周期性成分的能量集中度;发挥声振信号的互补性,具有双保险的意义,避免检测时漏检;提高对高铁线路短波早期病害的探测能力,识别可能存在的早期周期性病害,利用声振结合为综合识别评价钢轨波磨提供依据。利用声振信号的不同特性和声振多传感器结合的方式,在分离不同激励源的响应信号、提取不同动态响应信号的共性、挖掘轨道短波伤损的动态响应特征、增强检测系统的鲁棒性和稳定性等方面均有较好的研究和应用前景;可以更深入研究各种轨道病害的特征,研究不同速度等级线路的病害间的关联性和演变规律,完善轨道短波病害的检测手段和评价体系;本发明实施例声振结合的方法能有效识别波磨及一些早期周期性病害,并对振动信号具有补充和双保险作用。
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为本发明实施例一种声振结合的高速铁路钢轨波磨识别方法示意图。
图2为本发明实施例一种声振结合的高速铁路钢轨波磨识别方法的流程图。
图3为本发明实施例一种声振结合的高速铁路钢轨波磨识别方法的第一区段时域信号图。
图4为本发明实施例一种声振结合的高速铁路钢轨波磨识别方法的第一区段Welch功率谱估计图。
图5为本发明实施例一种声振结合的高速铁路钢轨波磨识别方法的第一区段波磨指数变化图。
图6为本发明实施例一种声振结合的高速铁路钢轨波磨识别方法的第一区段现场复核结果图。
图7为本发明实施例一种声振结合的高速铁路钢轨波磨识别方法的第二区段时域信号图。
图8为本发明实施例一种声振结合的高速铁路钢轨波磨识别方法的第二区段Welch功率谱估计图。
图9为本发明实施例一种声振结合的高速铁路钢轨波磨识别方法的第二区段波磨指数变化图。
图10为本发明实施例一种声振结合的高速铁路钢轨波磨识别方法的第二区段现场复核结果图。
图11为本发明实施例一种声振结合的高速铁路钢轨波磨识别方法的第三区段时域信号图。
图12为本发明实施例一种声振结合的高速铁路钢轨波磨识别方法的第三区段Welch功率谱估计图。
图13为本发明实施例一种声振结合的高速铁路钢轨波磨识别方法的第三区段波磨指数变化图。
图14为运行本发明实施的一种声振结合的高速铁路钢轨波磨识别方法的计算机设备示意图。
图15为本发明实施例一种声振结合的高速铁路钢轨波磨识别装置示意图。
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。
图1为本发明实施例一种声振结合的高速铁路钢轨波磨识别方法示意图,如图1所示,本发明实施例提供一种声振结合的高速铁路钢轨波磨识别方法,利用声振结合的方法,抑制动态响应信号中的干扰项,提高信号中周期性成分的能量集中度;发挥声振信号的互补性,具有双保险的意义,避免检测时漏检;提高对高铁线路短波早期病害的探测能力,识别可能存在的早期周期性病害,利用声振结合为综合识别评价钢轨波磨提供依据,该方法包括:
步骤101:获取振动信号和声信号;
步骤102:根据振动信号,确定振动信号能量因子和振动信号波磨指数;
步骤103:根据声信号,确定声能量因子和声波磨指数;
步骤104:根据振动信号和声信号,确定声振复合能量因子和声振复合波磨指数;
步骤105:根据振动信号能量因子、振动信号波磨指数、声能量因子、声波磨指数、声振复合能量因子和声振复合波磨指数,确定高速铁路钢轨波磨识别结果。
本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别方法,包括:获取振动信号和声信号;根据振动信号,确定振动信号能量因子和振动信号波磨指数;根据声信号,确定声能量因子和声波磨指数;根据振动信号和声信号,确定声振复合能量因子和声振复合波磨指数;根据振动信号能量因子、振动信号波磨指数、声能量因子、声波磨指数、声振复合能量因子和声振复合波磨指数,确定高速铁路钢轨波磨识别结果。本发明实施例利用声振结合的方法,抑制动态响应信号中的干扰项,提高信号中周期性成分的能量集中度;发挥声振信号的互补性,具有双保险的意义,避免检测时漏检;提高对高铁线路短波早期病害的探测能力,识别可能存在的早期周期性病害,利用声振结合为综合识别评价钢轨波磨提供依据。利用声振信号的不同特性和声振多传感器结合的方式,在分离不同激励源的响应信号、提取不同动态响应信号的共性、挖掘轨道短波伤损的动态响应特征、增强检测系统的鲁棒性和稳定性等方面均有较好的研究和应用前景;可以更深入研究各种轨道病害的特征,研究不同速度等级线路的病害间的关联性和演变规律,完善轨道短波病害的检测手段和评价体系;本发明实施例声振结合的方法能有效识别波磨及一些早期周期性病害,并对振动信号具有补充和双保险作用。
国内外大多采用加速度传感器采集的振动信号对高速铁路钢轨波磨进行识别分析,国内目前主要采用钢轨波磨指数SCI和能量因子EF评价钢轨波磨的等级。为了更深入研究各种轨道病害的特征,研究不同速度等级线路的病害间的关联性和演变规律,完善轨道短波病害的检测手段和评价体系,需要探索新的分析和评价方法。
国内外诸多学者研究了由轮轨关系而产生的振动和噪声的机理和传播方式,并利用传声器单元、传声器阵列采集列车行驶时的声信号,从声信号中提取轨道病害相关的响应特征。相比于振动信号,声信号的阶次较高,从某个激励源到传声器响应之间的传递路径较多,所以声信号所捕捉到的细节信息较多,包含较多振动信号不敏感的信息,但同时也引入了较多不必要的信息。以安装在高铁线路列车轴箱上的加速度传感器采集到的振动信号和转向架构架处的传声器采集到的声信号为例,均属于列车高频动态响应信号。振动信号的激励源主要为车轮不圆和钢轨不平顺,通过轮轨的相互作用传递至轴箱处;声信号的激励源除了轮轨之外还包含气动噪声、刚体辐射声、弓网辐射声、电器设备噪声等等。本发明基于传递路径对声信号的激励源分离方法进行了研究,论证了在轮轨关系方面,分离由轨道不平顺产生的动态响应信号具有可行性。利用加速度传感器采集振动信号较为直接,对特定激励的响应的较敏感,但是传感器位置需要足够精确,并且相同激励源对不同车辆的响应存在一定的差异性。利用传声器采集声信号具有非接触的特性,并可以采用传声器阵列的形式,利用声振信号的不同特性和声振多传感器结合的方式,在分离不同激励源的响应信号、提取不同动态响应信号的共性、挖掘轨道短波伤损的动态响应特征、增强检测系统的鲁棒性和稳定性等方面均有较好的研究和应用前景。
为了探索声振结合检测高铁钢轨短波病害的可行性和应用方向,本发明基于振动信号波磨指数SCI和振动信号能量因子EF描述振动信号的特性,提出了用声能量因子(Acoustical Energy Factor,AEF)和声波磨指数(Acoustical Steel CorrugationIndex,ASCI)描述声信号的特性,提出了用声振复合能量因子(Compound Energy Factor,CEF)和声振复合波磨指数(Compound Steel Corrugation Index,CSCI)评价识别钢轨波磨的方法。评价识别结果表明了声振结合的方法能有效识别波磨及一些早期周期性病害,并对振动信号具有补充和双保险作用。
具体实施本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别方法时,在一个实施例中,包括:
获取振动信号和声信号;
根据振动信号,确定振动信号能量因子和振动信号波磨指数;
根据声信号,确定声能量因子和声波磨指数;
根据振动信号和声信号,确定声振复合能量因子和声振复合波磨指数;
根据振动信号能量因子、振动信号波磨指数、声能量因子、声波磨指数、声振复合能量因子和声振复合波磨指数,确定高速铁路钢轨波磨识别结果。
图2为本发明实施例一种声振结合的高速铁路钢轨波磨识别方法的流程图,如图2所示,本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别方法实现的技术过程,主要包括:
利用高速综合检测列车轴箱处安装的加速度传感器采集的振动信号,和转向架构架处安装的传声器采集的声信号作为原始数据,对振动信号计算振动信号能量因子EF和振动信号波磨指数SCI,对声信号计算声能量因子AEF和声波磨指数ASCI,对声信号和振动信号计算声振复合能量因子CEF和声振复合波磨指数CSCI。对比分析各个波磨指数和能量因子的共性和差异性,得到高速铁路钢轨波磨识别结果,为综合识别评价钢轨波磨提供依据。
实施例中,声信号,包括在时域上的离散时域声信号xa(k);振动信号,包括在时域上的离散时域振动信号xv(k);振动信号进行分析时,可以根据振动信号,确定振动信号能量因子和振动信号波磨指数。
上述根据振动信号,确定振动信号能量因子,包括:
对离散振动信号xv(k)进行Welch方法自功率谱估计,确定振动信号自功率谱;
选取振动信号自功率谱的最大值对应的频率作为振动信号能量峰值频率;
根据振动信号能量峰值频率,确定在振动信号能量峰值频率的设定频率距离的振动能量占比;
根据振动信号能量峰值频率,确定在振动信号能量峰值频率的设定频率距离的1/2倍频振动能量占比和2倍频振动能量占比;
根据在振动信号能量峰值频率的设定频率距离的振动能量占比以及在振动信号能量峰值频率的设定频率距离的1/2倍频振动能量占比和2倍频振动能量占比,确定振动信号能量因子EF。
实施例中,上述根据振动信号,确定振动信号波磨指数,包括:
根据离散振动信号xv(k),确定样本振动幅度移动有效值和全部样本振动幅度移动有效值的平均值;
根据样本振动幅度移动有效值和全部样本振动幅度移动有效值的平均值,确定振动信号波磨指数SCI。
具体实施本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别方法时,在一个实施例中,获取振动信号和声信号,包括:
利用高速铁路综合检测列车轴箱处安装的加速度传感器采集振动信号;
利用高速铁路综合检测列车转向架构架处安装的传声器采集声信号。
具体实施本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别方法时,在一个实施例中,所述声信号,包括在时域上的离散时域声信号;
根据声信号,确定声能量因子,包括:
对离散时域声信号xa(k)进行Welch方法自功率谱估计,确定声信号自功率谱Paa(f);
选取声信号自功率谱Paa(f)的最大值对应的频率作为声信号能量峰值频率fm;
根据声信号能量峰值频率fm,确定在声信号能量峰值频率的设定频率距离的声能量占比在声信号能量峰值频率的设定频率距离的声能量占比,可以是通过计算得到在声信号能量峰值频率附近的声能量占比,上述在声信号能量峰值频率附近,可以用设定频率距离D进行控制。
根据声信号能量峰值频率,确定在声信号能量峰值频率的设定频率距离的1/2倍频声能量占比2倍频声能量占比/>和3倍频声能量占比/>
根据在声信号能量峰值频率的设定频率距离的声能量占比以及在声信号能量峰值频率的设定频率范围的1/2倍频声能量占比/>2倍频声能量占比/>和3倍频声能量占比/>确定声能量因子。
具体实施本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别方法时,在一个实施例中,按照如下方式,确定在声信号能量峰值频率的设定频率距离范围的声能量占比:
其中,为在声信号能量峰值频率的设定频率距离范围的声能量占比;Paa(f)为声信号自功率谱;fm为声信号能量峰值频率;D为设定频率距离。
前述提到的确定在声信号能量峰值频率的设定频率距离范围的声能量占比的表达式为举例说明,本领域技术人员可以理解,在实施时还可以根据需要对上述公式进行一定形式的变形和添加其它的参数或数据,或者提供其它的具体公式,这些变化例均应落入本发明的保护范围。
具体实施本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别方法时,在一个实施例中,按照如下方式,确定在声信号能量峰值频率的设定频率距离范围的1/2倍频声能量占比、2倍频声能量占比和3倍频声能量占比:
其中,为在声信号能量峰值频率的设定频率距离范围的1/2倍频声能量占比;/>为在声信号能量峰值频率的设定频率距离范围的2倍频声能量占比;/>为在声信号能量峰值频率的设定频率距离范围的3倍倍频声能量占比;Paa(f)为声信号自功率谱;fm为声信号能量峰值频率;D为设定频率距离。
前述提到的确定在声信号能量峰值频率的设定频率距离范围的1/2倍频声能量占比、2倍频声能量占比和3倍频声能量占比的表达式为举例说明,本领域技术人员可以理解,在实施时还可以根据需要对上述公式进行一定形式的变形和添加其它的参数或数据,或者提供其它的具体公式,这些变化例均应落入本发明的保护范围。
具体实施本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别方法时,在一个实施例中,按如下方式,确定声能量因子:
其中,AEF为声能量因子;为在声信号能量峰值频率的设定频率距离范围的声能量占比;/>为在声信号能量峰值频率的设定频率距离范围的1/2倍频声能量占比;为在声信号能量峰值频率的设定频率距离范围的2倍频声能量占比;/>为在声信号能量峰值频率的设定频率距离范围的3倍倍频声能量占比。
前述提到的确定声能量因子的表达式为举例说明,本领域技术人员可以理解,在实施时还可以根据需要对上述公式进行一定形式的变形和添加其它的参数或数据,或者提供其它的具体公式,这些变化例均应落入本发明的保护范围。
具体实施本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别方法时,在一个实施例中,根据声信号,确定声波磨指数,包括:
根据离散时域声信号,确定样本声压移动有效值和全部样本声压移动有效值的平均值;
根据样本声压移动有效值和全部样本声压移动有效值的平均值,确定声波磨指数。
具体实施本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别方法时,在一个实施例中,按如下方式,确定样本声压移动有效值:
其中,ASi为第i个样本的声压移动有效值;xa(k)为离散时域声信号,表示在时间点k的声压;K为移动平均的数据宽度,与列车行驶速度和采样频率相关。在本发明实施例应用的实例中,可取K=2400。
前述提到的确定样本声压移动有效值的表达式为举例说明,本领域技术人员可以理解,在实施时还可以根据需要对上述公式进行一定形式的变形和添加其它的参数或数据,或者提供其它的具体公式,这些变化例均应落入本发明的保护范围。
具体实施本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别方法时,在一个实施例中,按如下方式,确定声波磨指数:
其中,ASCI,i为第i个样本的声波磨指数;ASi为第i个样本的声压移动有效值;为全部样本声压移动有效值的平均值。
前述提到的确定声波磨指数的表达式为举例说明,本领域技术人员可以理解,在实施时还可以根据需要对上述公式进行一定形式的变形和添加其它的参数或数据,或者提供其它的具体公式,这些变化例均应落入本发明的保护范围。
实施例中,在构架处传声器采集的声信号第i个样本的声波磨指数ASCI,i定义为式(7),其中,ASi为第i个样本的声压移动有效值,为所有样本声压移动有效值的平均值,该值与列车行驶的速度相关。
具体实施本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别方法时,在一个实施例中,所述振动信号,包括在时域上的离散时域振动信号;
根据振动信号和声信号,确定声振复合能量因子,包括:
对离散时域声信号xa(k)和离散时域振动信号xv(k)进行Welch方法互功率谱,确定声振信号互功率谱Pav(f);
选取声振信号互功率谱Pav(f)的最大值对应的频率作为声振信号能量峰值频率fm;
根据声振信号能量峰值频率fm,确定在声振信号能量峰值频率的设定频率距离的声振复合能量占比CEfm;在声振信号能量峰值频率的设定频率距离的声振复合能量占比,可以是通过计算得到在声振信号能量峰值频率附近的声振复合能量占比,上述在声振信号能量峰值频率附近,可以用设定频率距离D进行控制。
根据声振信号能量峰值频率fm,确定在声振信号能量峰值频率的设定频率距离的1/2倍频声振复合能量占比2倍频声振复合能量占比/>和3倍频声振复合能量占比/>
根据在声振信号能量峰值频率的设定频率距离的声振复合能量占比以及在声振信号能量峰值频率的设定频率距离的1/2倍频声振复合能量占比/>2倍频声振复合能量占比/>和3倍频声振复合能量占比/>确定声振复合能量因子CEF。
利用Welch互功率谱估计法的特性,在频域上对声振信号共有的特性有一定的增强作用,对声振信号的差异性有一定的抑制作用。钢轨波磨的周期性特征能同时反映到声振动态响应信号上,互功率谱便具有增强周期性特征的能量集中度的作用。
具体实施本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别方法时,在一个实施例中,按照如下方式,确定在声振信号能量峰值频率的设定频率距离的声振复合能量占比:
其中,为在声振信号能量峰值频率的设定频率距离的声振复合能量占比;Pav(f)为声振信号互功率谱;fm为声振信号能量峰值频率;D为设定频率距离。
前述提到的确定在声振信号能量峰值频率的设定频率距离的声振复合能量占比的表达式为举例说明,本领域技术人员可以理解,在实施时还可以根据需要对上述公式进行一定形式的变形和添加其它的参数或数据,或者提供其它的具体公式,这些变化例均应落入本发明的保护范围。
具体实施本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别方法时,在一个实施例中,按照如下方式,确定在声振信号能量峰值频率的设定频率距离的1/2倍频声振复合能量占比、2倍频声振复合能量占比和3倍频声振复合能量占比:
其中,为在声振信号能量峰值频率的设定频率距离的1/2倍频声振复合能量占比;/>为在声振信号能量峰值频率的设定频率距离的2倍频声振复合能量占比;为在声振信号能量峰值频率的设定频率距离的3倍频声振复合能量占比;Pav(f)为声振信号互功率谱;fm为声振信号能量峰值频率;D为设定频率距离。
前述提到的确定在声振信号能量峰值频率的设定频率距离的1/2倍频声振复合能量占比、2倍频声振复合能量占比和3倍频声振复合能量占比的表达式为举例说明,本领域技术人员可以理解,在实施时还可以根据需要对上述公式进行一定形式的变形和添加其它的参数或数据,或者提供其它的具体公式,这些变化例均应落入本发明的保护范围。
具体实施本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别方法时,在一个实施例中,按照如下方式,确定声振复合能量因子:
其中,CEF为声振复合能量因子;为在声振信号能量峰值频率的设定频率距离的声振复合能量占比;/>为在声振信号能量峰值频率的设定频率距离的1/2倍频声振复合能量占比;/>为在声振信号能量峰值频率的设定频率距离的2倍频声振复合能量占比;/>为在声振信号能量峰值频率的设定频率距离的3倍频声振复合能量占比。
前述提到的确定声振复合能量因子的表达式为举例说明,本领域技术人员可以理解,在实施时还可以根据需要对上述公式进行一定形式的变形和添加其它的参数或数据,或者提供其它的具体公式,这些变化例均应落入本发明的保护范围。
具体实施本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别方法时,在一个实施例中,根据振动信号和声信号,确定声振复合波磨指数,包括:
根据离散时域声信号和离散时域振动信号,确定样本声振复合移动有效值和全部样本声振复合移动有效值的平均值;
根据样本声振复合移动有效值和全部样本声振复合移动有效值的平均值,确定声振复合波磨指数。
具体实施本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别方法时,在一个实施例中,按如下方式,确定样本声振复合移动有效值:
其中,CSi为第i个样本的声振复合移动有效值;xa(k)为离散时域声信号,表示在时间点k的声压;xv(k)为离散时域振动信号,表示在时间点k的振动;Δk为相位修正的偏离点数,为xv(k)和xa(k)的互相关函数取最大值时xv(k)与xa(k)偏离的采样点数;K为移动平均的数据宽度,与列车行驶速度和采样频率相关。
前述提到的确定样本声振复合移动有效值的表达式为举例说明,本领域技术人员可以理解,在实施时还可以根据需要对上述公式进行一定形式的变形和添加其它的参数或数据,或者提供其它的具体公式,这些变化例均应落入本发明的保护范围。
具体实施本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别方法时,在一个实施例中,按如下方式,确定声振复合波磨指数:
其中,CSCI,i为第i个样本的声振复合波磨指数;CSi为第i个样本声振复合移动有效值;为全部样本声振复合移动有效值的平均值;/>为幅值修正系数,表征了CEF相对于EF和AEF的变化率,EF为振动信号能量因子,AEF为声能量因子,CEF为声振复合能量因子。
前述提到的确定声振复合波磨指数的表达式为举例说明,本领域技术人员可以理解,在实施时还可以根据需要对上述公式进行一定形式的变形和添加其它的参数或数据,或者提供其它的具体公式,这些变化例均应落入本发明的保护范围。
实施例中,参照SCI,i和ASCI,i的形式,提出了声振信号第i个样本的复合波磨指数CSCI,i定义为式(14),CSi为第i个样本的声振复合移动有效值,为所有样本声振复合移动有效值的平均值,该值与列车行驶的速度相关,/>为幅值修正系数,表征了CEF相对于EF和AEF的变化率。
具体实施本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别方法时,在一个实施例中,根据振动信号能量因子、振动信号波磨指数、声能量因子、声波磨指数、声振复合能量因子和声振复合波磨指数,确定高速铁路钢轨波磨识别结果,包括:
根据振动信号能量因子、声能量因子和声振复合能量因子,确定波长成分能量因子表;
根据振动信号波磨指数、声波磨指数和声振复合波磨指数,确定波磨指数变化图;
根据波长成分能量因子表和波磨指数变化图,对高速铁路钢轨的波磨情况进行识别分析,确定高速铁路钢轨波磨识别结果。
具体实施本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别方法时,在一个实施例中,根据振动信号能量因子、声能量因子和声振复合能量因子,确定波长成分能量因子表,包括:
计算振动信号自功率谱、声信号自功率谱和声振信号互功率谱的幅值,将频率轴换算为波长轴,确定周期性成分波长;
基于周期性成分波长,根据振动信号能量因子、声能量因子和声振复合能量因子,确定波长成分能量因子表。
下面结合具体场景,对本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别方法进行简要描述:
将本发明实施例提出的声振结合识别高速铁路钢轨波磨的方法应用于国内某高铁线路上高速综合检测列车采集的加速度和声压信号的数据分析。选取了三个典型的区段,时速分别为205.3km/h、154.7km/h和243.8km/h,采样频率均为10kHz,信号长度均为1s,对原始声振信号均先采用等波纹FIR带通滤波器滤波,并保证通带内信号可覆盖波长为20mm~300mm范围内的钢轨波磨。
1.振动信号响应较强的疑似波磨区段
第一区段为振动信号响应较强的疑似波磨区段,该区段振动信号的动态响应幅值较强并带有周期性成分,疑似存在钢轨波磨。该区段左轴箱处垂向滤波后的时域振动信号和左构架处声信号滤波后的时域声信号如图3所示,其中,(a)表示时域振动信号,(b)表示时域声信号。上述滤波后的时域振动信号是将原始采集到的振动信号进行预处理后得到的,上述滤波后的时域声信号是将原始采集到的声信号进行预处理后得到的;上述预处理,是对原始采集的振动信号和声信号进行滤波处理;进一步的,上述的震动信号和声信号,可以统称为声振信号。
分别计算声振信号的自功率谱和声振互功率谱幅值如图4所示,并将频率轴换算为波长轴,其中,(a)表示振动信号自功率谱,(b)表示声信号自功率谱,(c)表示声振信号互功率谱。
由图4可以看出,区段含有周期性成分波长为74.6mm。振动信号的频谱成分较为单一,但声信号中存在一定能量的该周期性成分的2倍频、3倍频成分,但由于声信号的能量较小,互功率谱也仅存在单一的74.6mm成分。计算得出波长74.6mm成分的三种能量因子见表1,三种波磨指数变化情况见图5,其中,(a)表示振动信号波磨指数SCI,(b)表示声波磨指数ASCI,(c)表示声振复合波磨指数CSCI。
表1 波长74.6mm成分能量因子
波长 | EF | AEF | CEF |
74.6mm | 0.978 | 0.584 | 0.952 |
表1表明了该例中振动信号的能量集中度很高,声信号虽然幅值较低,但仍有一定的能量集中度,因此声振互谱的能量集中度依然保持在较高水平,可以判定该区段存在周期性轨道伤损。从图5可以看出,振动的波磨指数在部分区段超过了6,依据动态响应系统的阈值,判定该区段存在波磨。虽然声波磨指数较小,但由于周期性成分的能量集中度较高,导致复合波磨指数超过了4,依然较高。
对该区段的短波不平顺性进行现场复核如图6所示,其中,(a)表示现场空间短波不平顺幅值,(b)现场自功率谱,现场复核显示存在波长为74.5mm的周期性打磨痕迹,与分析的结果基本吻合。该例的情况说明,声信号一定程度上可以作为振动信号的补充,在小幅值的情况下依然能拥有周期性病害的典型特征,声振结合亦可判定该区段存在波磨。
2.声信号响应较强的疑似波磨区段
为了说明上述第1个例子中的能量因子和波磨指数并不是全由振动信号贡献的,选取了一个声信号较强而振动信号较弱的疑似波磨区段作为第二区段,该区段左轴箱处垂向滤波后的时域振动信号和左构架处声信号滤波后的时域声信号如图7所示,其中,(a)表示时域振动信号,(b)表示时域声信号。
时域振动信号较难看出周期性成分,但时域声信号表现出明显的周期性成分。声振信号的自功率谱和声振互功率谱幅值如图8所示,并将频率轴换算为波长轴,其中,(a)表示振动信号自功率谱,(b)表示声信号自功率谱,(c)表示声振信号互功率谱。
由图8可以看出,区段含有周期性成分波长为76.4mm。振动信号存在一定程度的2倍频成分,但存在一定的干扰成分。声信号在主频附近存在两个较小的干扰频率成分,未存在谐频成分。通过声振的结合,从图8的(c)部分的互功率谱中可以看出,较强峰值仅存在于波长76.4mm和38.2mm处,即主频成分与其2倍频成分得到了保留,其它频率的干扰成分得到了有效的抑制。计算得出波长76.4mm成分的三种能量因子见表2,三种波磨指数变化情况见图9,其中,(a)表示振动信号波磨指数SCI,(b)表示声波磨指数ASCI,(c)表示声振复合波磨指数CSCI。
表2 波长76.4mm成分能量因子
波长 | EF | AEF | CEF |
76.4mm | 0.626 | 0.816 | 0.940 |
表2的结果同样说明了信号中的周期性成分很强。虽然振动信号的幅值不高,能量因子仅有0.626,声能量因子为0.816较高,但通过声振的结合,能量因子提高到了0.94,有效地抑制了周期性成分以外的信号成分,提高了能量集中度。图9中,相较于最高值接近6的声波磨指数,复合波磨指数有所下降,最高值接近4。
对该区段的短波不平顺性进行现场复核如图10所示,其中,(a)表示现场空间短波不平顺幅值,(b)现场自功率谱,现场复核显示存在波长为76.2mm的周期性打磨痕迹,与分析的结果基本吻合。该例说明,在部分振动信号较弱的情况下,声信号却可能存在较大的动态响应,从频谱和能量因子可说明该区段的确存在周期性病害,声振结合能清晰地提取出周期性病害的特征,从而达到诊断评价波磨的目的。
3.疑似早期波磨区段
为了更明显地说明声振结合具有抑制信号差异性特征、增强信号共性特征,并能识别早期短波伤损的作用。选取了动态响应能量较小但周期性较强的疑似早期波磨区段作为第三区段,该区段滤波后的时域声振信号如图11所示,其中,(a)表示时域振动信号,(b)表示时域声信号。
此区段的振动响应和声响应幅值相当,但可以看出振动信号有较明显的周期性成分。声振信号的自功率谱和声振互功率谱幅值如图12所示,并将频率轴换算为波长轴,其中,(a)表示振动信号自功率谱,(b)表示声信号自功率谱,(c)表示声振信号互功率谱。
由图12可以看出,振动信号在波长为68.6mm、76.6mm和87.0mm处存在频谱峰值,而声信号主要峰值波长为76.6mm,存在对应波长为38.2mm的2倍频,并具有多个频谱峰值。从声振信号互功率谱可以看出,不同频率的周期性成分在得到一定的抑制或增强后,保留了波长为76.6mm的主要频率成分,以及该波长对应频率附近两个频率成分的峰值,可以初步判断该区段存在多种复合周期性伤损。计算得出波长76.6mm成分的三种能量因子见表3,三种波磨指数变化情况见图13,其中,(a)表示振动信号波磨指数SCI,(b)表示声波磨指数ASCI,(c)表示声振复合波磨指数CSCI。
表3 波长76.6mm成分能量因子
波长 | EF | AEF | CEF |
76.6mm | 0.518 | 0.410 | 0.577 |
从表3可以看出,虽然声振信号单独的能量因子并不高,但由于存在周期性特征,使得复合能量因子相比于声振单独的能量因子有所提高。从图13可以看出,复合波磨指数也有一定的增强,最大值超过了4。
由于该区段的信号能量较小,基于加速度的动态响应检测系统未判定存在波磨,从分析的结果来看,该区段可能存在一定程度的早期波磨或者残留的打磨痕迹,后期经过现场勘查也证实了以上结论。该例说明,在声振信号的幅值均较小的情况下,其中的周期性成分通过声振结合后会得到加强,在复合能量因子和复合波磨指数上也有较好的体现。并且通过声振结合的方法,能确定该区段周期性信号的主要频率成分。
本发明提出了声能量因子AEF和声波磨指数ASCI,i的计算方法;进一步提出了声振复合能量因子CEF和复合波磨指数CSCI,i的计算方法。
图14为运行本发明实施的一种声振结合的高速铁路钢轨波磨识别方法的计算机设备示意图,如图14所示,本发明实施例还提供一种计算机设备1400,包括存储器1410、处理器1420及存储在存储器上并可在处理器上运行的计算机程序1430,所述处理器执行所述计算机程序时实现上述一种声振结合的高速铁路钢轨波磨识别方法。
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计算机程序,所述计算机程序被处理器执行时实现上述一种声振结合的高速铁路钢轨波磨识别方法。
本发明实施例还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现上述一种声振结合的高速铁路钢轨波磨识别方法。
本发明实施例中还提供一种声振结合的高速铁路钢轨波磨识别装置,如下面的实施例所述。由于该装置解决问题的原理与一种声振结合的高速铁路钢轨波磨识别方法相似,因此该装置的实施可以参见一种声振结合的高速铁路钢轨波磨识别方法的实施,重复之处不再赘述。
图15为本发明实施例一种声振结合的高速铁路钢轨波磨识别装置示意图,如图15所示,本发明实施例还提供一种声振结合的高速铁路钢轨波磨识别装置。
具体实施本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别装置时,在一个实施例中,包括:
信号获取模块1501,用于获取振动信号和声信号;
振动信号分析模块1502,用于根据振动信号,确定振动信号能量因子和振动信号波磨指数;
声信号分析模块1503,用于根据声信号,确定声能量因子和声波磨指数;
声振信号复合分析模块1504,用于根据振动信号和声信号,确定声振复合能量因子和声振复合波磨指数;
高速铁路钢轨波磨识别模块1505,用于根据振动信号能量因子、振动信号波磨指数、声能量因子、声波磨指数、声振复合能量因子和声振复合波磨指数,确定高速铁路钢轨波磨识别结果。
具体实施本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别装置时,在一个实施例中,信号获取模块,具体用于:
利用高速铁路综合检测列车轴箱处安装的加速度传感器采集振动信号;
利用高速铁路综合检测列车转向架构架处安装的传声器采集声信号。
具体实施本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别装置时,在一个实施例中,所述声信号,包括在时域上的离散时域声信号;
声信号分析模块,具体用于:
对离散时域声信号进行Welch方法自功率谱估计,确定声信号自功率谱;
选取声信号自功率谱的最大值对应的频率作为声信号能量峰值频率;
根据声信号能量峰值频率,确定在声信号能量峰值频率的设定频率距离的声能量占比;
根据声信号能量峰值频率,确定在声信号能量峰值频率的设定频率距离的1/2倍频声能量占比、2倍频声能量占比和3倍频声能量占比;
根据在声信号能量峰值频率的设定频率距离的声能量占比以及在声信号能量峰值频率的设定频率范围的1/2倍频声能量占比、2倍频声能量占比和3倍频声能量占比,确定声能量因子。
具体实施本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别装置时,在一个实施例中,声信号分析模块,还用于按照如下方式,确定在声信号能量峰值频率的设定频率距离范围的声能量占比:
其中,为在声信号能量峰值频率的设定频率距离范围的声能量占比;Paa(f)为声信号自功率谱;fm为声信号能量峰值频率;D为设定频率距离。
具体实施本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别装置时,在一个实施例中,声信号分析模块,还用于按照如下方式,确定在声信号能量峰值频率的设定频率距离范围的1/2倍频声能量占比、2倍频声能量占比和3倍频声能量占比:
其中,为在声信号能量峰值频率的设定频率距离范围的1/2倍频声能量占比;/>为在声信号能量峰值频率的设定频率距离范围的2倍频声能量占比;/>为在声信号能量峰值频率的设定频率距离范围的3倍倍频声能量占比;Paa(f)为声信号自功率谱;fm为声信号能量峰值频率;D为设定频率距离。/>
具体实施本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别装置时,在一个实施例中,声信号分析模块,还用于按如下方式,确定声能量因子:
其中,AEF为声能量因子;为在声信号能量峰值频率的设定频率距离范围的声能量占比;/>为在声信号能量峰值频率的设定频率距离范围的1/2倍频声能量占比;为在声信号能量峰值频率的设定频率距离范围的2倍频声能量占比;/>为在声信号能量峰值频率的设定频率距离范围的3倍倍频声能量占比。
具体实施本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别装置时,在一个实施例中,声信号分析模块,还用于:
根据离散时域声信号,确定样本声压移动有效值和全部样本声压移动有效值的平均值;
根据样本声压移动有效值和全部样本声压移动有效值的平均值,确定声波磨指数。
具体实施本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别装置时,在一个实施例中,声信号分析模块,还用于按如下方式,确定样本声压移动有效值:
其中,ASi为第i个样本的声压移动有效值;xa(k)为离散时域声信号,表示在时间点k的声压;K为移动平均的数据宽度,与列车行驶速度和采样频率相关。
具体实施本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别装置时,在一个实施例中,声信号分析模块,还用于按如下方式,确定声波磨指数:
其中,ASCI,i为第i个样本的声波磨指数;ASi为第i个样本的声压移动有效值;为全部样本声压移动有效值的平均值。
具体实施本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别装置时,在一个实施例中,所述振动信号,包括在时域上的离散时域振动信号;
声振信号复合分析模块,具体用于:
对离散时域声信号和离散时域振动信号进行Welch方法互功率谱,确定声振信号互功率谱;
选取声振信号互功率谱的最大值对应的频率作为声振信号能量峰值频率;
根据声振信号能量峰值频率,确定在声振信号能量峰值频率的设定频率距离的声振复合能量占比;
根据声振信号能量峰值频率,确定在声振信号能量峰值频率的设定频率距离的1/2倍频声振复合能量占比、2倍频声振复合能量占比和3倍频声振复合能量占比;
根据在声振信号能量峰值频率的设定频率距离的声振复合能量占比以及在声振信号能量峰值频率的设定频率距离的1/2倍频声振复合能量占比、2倍频声振复合能量占比和3倍频声振复合能量占比,确定声振复合能量因子。
具体实施本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别装置时,在一个实施例中,声振信号复合分析模块,还用于按照如下方式,确定在声振信号能量峰值频率的设定频率距离的声振复合能量占比:
其中,为在声振信号能量峰值频率的设定频率距离的声振复合能量占比;Pav(f)为声振信号互功率谱;fm为声振信号能量峰值频率;D为设定频率距离。
具体实施本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别装置时,在一个实施例中,声振信号复合分析模块,还用于按照如下方式,确定在声振信号能量峰值频率的设定频率距离的1/2倍频声振复合能量占比、2倍频声振复合能量占比和3倍频声振复合能量占比:
其中,为在声振信号能量峰值频率的设定频率距离的1/2倍频声振复合能量占比;/>为在声振信号能量峰值频率的设定频率距离的2倍频声振复合能量占比;为在声振信号能量峰值频率的设定频率距离的3倍频声振复合能量占比;Pav(f)为声振信号互功率谱;fm为声振信号能量峰值频率;D为设定频率距离。
具体实施本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别装置时,在一个实施例中,声振信号复合分析模块,还用于按照如下方式,确定声振复合能量因子:
其中,CEF为声振复合能量因子;为在声振信号能量峰值频率的设定频率距离的声振复合能量占比;/>为在声振信号能量峰值频率的设定频率距离的1/2倍频声振复合能量占比;/>为在声振信号能量峰值频率的设定频率距离的2倍频声振复合能量占比;/>为在声振信号能量峰值频率的设定频率距离的3倍频声振复合能量占比。
具体实施本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别装置时,在一个实施例中,声振信号复合分析模块,还用于:
根据离散时域声信号和离散时域振动信号,确定样本声振复合移动有效值和全部样本声振复合移动有效值的平均值;
根据样本声振复合移动有效值和全部样本声振复合移动有效值的平均值,确定声振复合波磨指数。
具体实施本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别装置时,在一个实施例中,声振信号复合分析模块,还用于按如下方式,确定样本声振复合移动有效值:
其中,CSi为第i个样本的声振复合移动有效值;xa(k)为离散时域声信号,表示在时间点k的声压;xv(k)为离散时域振动信号,表示在时间点k的振动;Δk为相位修正的偏离点数,为xv(k)和xa(k)的互相关函数取最大值时xv(k)与xa(k)偏离的采样点数;K为移动平均的数据宽度,与列车行驶速度和采样频率相关。
具体实施本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别装置时,在一个实施例中,声振信号复合分析模块,还用于按如下方式,确定声振复合波磨指数:
其中,CSCI,i为第i个样本的声振复合波磨指数;CSi为第i个样本声振复合移动有效值;为全部样本声振复合移动有效值的平均值;/>为幅值修正系数,表征了CEF相对于EF和AEF的变化率,EF为振动信号能量因子,AEF为声能量因子,CEF为声振复合能量因子。
具体实施本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别装置时,在一个实施例中,高速铁路钢轨波磨识别模块,具体用于:
根据振动信号能量因子、声能量因子和声振复合能量因子,确定波长成分能量因子表;
根据振动信号波磨指数、声波磨指数和声振复合波磨指数,确定波磨指数变化图;
根据波长成分能量因子表和波磨指数变化图,对高速铁路钢轨的波磨情况进行识别分析,确定高速铁路钢轨波磨识别结果。
具体实施本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别装置时,在一个实施例中,高速铁路钢轨波磨识别模块,还用于:
计算振动信号自功率谱、声信号自功率谱和声振信号互功率谱的幅值,将频率轴换算为波长轴,确定周期性成分波长;
基于周期性成分波长,根据振动信号能量因子、声能量因子和声振复合能量因子,确定波长成分能量因子表。
综上,本发明实施例提供的一种声振结合的高速铁路钢轨波磨识别方法和装置,包括:获取振动信号和声信号;根据振动信号,确定振动信号能量因子和振动信号波磨指数;根据声信号,确定声能量因子和声波磨指数;根据振动信号和声信号,确定声振复合能量因子和声振复合波磨指数;根据振动信号能量因子、振动信号波磨指数、声能量因子、声波磨指数、声振复合能量因子和声振复合波磨指数,确定高速铁路钢轨波磨识别结果。本发明实施例利用声振结合的方法,抑制动态响应信号中的干扰项,提高信号中周期性成分的能量集中度;发挥声振信号的互补性,具有双保险的意义,避免检测时漏检;提高对高铁线路短波早期病害的探测能力,识别可能存在的早期周期性病害,利用声振结合为综合识别评价钢轨波磨提供依据。利用声振信号的不同特性和声振多传感器结合的方式,在分离不同激励源的响应信号、提取不同动态响应信号的共性、挖掘轨道短波伤损的动态响应特征、增强检测系统的鲁棒性和稳定性等方面均有较好的研究和应用前景;可以更深入研究各种轨道病害的特征,研究不同速度等级线路的病害间的关联性和演变规律,完善轨道短波病害的检测手段和评价体系;本发明实施例声振结合的方法能有效识别波磨及一些早期周期性病害,并对振动信号具有补充和双保险作用。
本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定,本申请获取的个人、客户和人群等相关的个人身份数据、操作数据、行为数据等多种类型的数据,均已获得授权。
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 (17)
1.一种声振结合的高速铁路钢轨波磨识别方法,其特征在于,包括:
获取振动信号和声信号;
根据振动信号,确定振动信号能量因子和振动信号波磨指数;
根据声信号,确定声能量因子和声波磨指数;
根据振动信号和声信号,确定声振复合能量因子和声振复合波磨指数;
根据振动信号能量因子、振动信号波磨指数、声能量因子、声波磨指数、声振复合能量因子和声振复合波磨指数,确定高速铁路钢轨波磨识别结果;
所述振动信号,包括在时域上的离散时域振动信号;根据振动信号,确定振动信号能量因子,包括:
对离散时域振动信号进行Welch方法自功率谱估计,确定振动信号自功率谱;
选取振动信号自功率谱的最大值对应的频率作为振动信号能量峰值频率;
根据振动信号能量峰值频率,确定在振动信号能量峰值频率的设定频率距离的振动能量占比;根据振动信号能量峰值频率,确定在振动信号能量峰值频率的设定频率距离的1/2倍频振动能量占比和2倍频振动能量占比;根据在振动信号能量峰值频率的设定频率距离的振动能量占比以及在振动信号能量峰值频率的设定频率距离的1/2倍频振动能量占比和2倍频振动能量占比,确定振动信号能量因子;
根据振动信号,确定振动信号波磨指数,包括:
根据离散时域振动信号,确定样本振动幅度移动有效值和全部样本振动幅度移动有效值的平均值;
根据样本振动幅度移动有效值和全部样本振动幅度移动有效值的平均值,确定振动信号波磨指数;
所述声信号,包括在时域上的离散时域声信号;
根据声信号,确定声能量因子,包括:
对离散时域声信号进行Welch方法自功率谱估计,确定声信号自功率谱;
选取声信号自功率谱的最大值对应的频率作为声信号能量峰值频率;
根据声信号能量峰值频率,确定在声信号能量峰值频率的设定频率距离的声能量占比;根据声信号能量峰值频率,确定在声信号能量峰值频率的设定频率距离的1/2倍频声能量占比、2倍频声能量占比和3倍频声能量占比;根据在声信号能量峰值频率的设定频率距离的声能量占比以及在声信号能量峰值频率的设定频率范围的1/2倍频声能量占比、2倍频声能量占比和3倍频声能量占比,确定声能量因子;根据声信号,确定声波磨指数,包括:
根据离散时域声信号,确定样本声压移动有效值和全部样本声压移动有效值的平均值;根据样本声压移动有效值和全部样本声压移动有效值的平均值,确定声波磨指数;
根据振动信号和声信号,确定声振复合能量因子,包括:
对离散时域声信号和离散时域振动信号进行Welch方法互功率谱,确定声振信号互功率谱;选取声振信号互功率谱的最大值对应的频率作为声振信号能量峰值频率;根据声振信号能量峰值频率,确定在声振信号能量峰值频率的设定频率距离的声振复合能量占比;根据声振信号能量峰值频率,确定在声振信号能量峰值频率的设定频率距离的1/2倍频声振复合能量占比、2倍频声振复合能量占比和3倍频声振复合能量占比;根据在声振信号能量峰值频率的设定频率距离的声振复合能量占比以及在声振信号能量峰值频率的设定频率距离的1/2倍频声振复合能量占比、2倍频声振复合能量占比和3倍频声振复合能量占比,确定声振复合能量因子;
根据振动信号和声信号,确定声振复合波磨指数,包括:根据离散时域声信号和离散时域振动信号,确定样本声振复合移动有效值和全部样本声振复合移动有效值的平均值;根据样本声振复合移动有效值和全部样本声振复合移动有效值的平均值,确定声振复合波磨指数。
2.如权利要求1所述的方法,其特征在于,获取振动信号和声信号,包括:
利用高速铁路综合检测列车轴箱处安装的加速度传感器采集振动信号;
利用高速铁路综合检测列车转向架构架处安装的传声器采集声信号。
3.如权利要求1所述的方法,其特征在于,按照如下方式,确定在声信号能量峰值频率的设定频率距离范围的声能量占比:
其中,为在声信号能量峰值频率的设定频率距离范围的声能量占比;Paa(f)为声信号自功率谱;fm为声信号能量峰值频率;D为设定频率距离。
4.如权利要求1所述的方法,其特征在于,按照如下方式,确定在声信号能量峰值频率的设定频率距离范围的1/2倍频声能量占比、2倍频声能量占比和3倍频声能量占比:
其中,为在声信号能量峰值频率的设定频率距离范围的1/2倍频声能量占比;为在声信号能量峰值频率的设定频率距离范围的2倍频声能量占比;/>为在声信号能量峰值频率的设定频率距离范围的3倍频声能量占比;Paa(f)为声信号自功率谱;fm为声信号能量峰值频率;D为设定频率距离。
5.如权利要求1所述的方法,其特征在于,按如下方式,确定声能量因子:
其中,AEF为声能量因子;为在声信号能量峰值频率的设定频率距离范围的声能量占比;/>为在声信号能量峰值频率的设定频率距离范围的1/2倍频声能量占比;/>为在声信号能量峰值频率的设定频率距离范围的2倍频声能量占比;/>为在声信号能量峰值频率的设定频率距离范围的3倍频声能量占比。
6.如权利要求1所述的方法,其特征在于,按如下方式,确定样本声压移动有效值:
其中,ASi为第i个样本的声压移动有效值;xa(k)为离散时域声信号,表示在时间点k的声压;K为移动平均的数据宽度,与列车行驶速度和采样频率相关。
7.如权利要求1所述的方法,其特征在于,按如下方式,确定声波磨指数:
其中,ASCI,i为第i个样本的声波磨指数;ASi为第i个样本的声压移动有效值;为全部样本声压移动有效值的平均值。
8.如权利要求1所述的方法,其特征在于,按照如下方式,确定在声振信号能量峰值频率的设定频率距离的声振复合能量占比:
其中,为在声振信号能量峰值频率的设定频率距离的声振复合能量占比;Pav(f)为声振信号互功率谱;fm1为声振信号能量峰值频率;D为设定频率距离。
9.如权利要求1所述的方法,其特征在于,按照如下方式,确定在声振信号能量峰值频率的设定频率距离的1/2倍频声振复合能量占比、2倍频声振复合能量占比和3倍频声振复合能量占比:
其中,为在声振信号能量峰值频率的设定频率距离的1/2倍频声振复合能量占比;/>为在声振信号能量峰值频率的设定频率距离的2倍频声振复合能量占比;/>为在声振信号能量峰值频率的设定频率距离的3倍频声振复合能量占比;Pav(f)为声振信号互功率谱;fm1为声振信号能量峰值频率;D为设定频率距离。
10.如权利要求1所述的方法,其特征在于,按照如下方式,确定声振复合能量因子:
其中,CEF为声振复合能量因子;为在声振信号能量峰值频率的设定频率距离的声振复合能量占比;/>为在声振信号能量峰值频率的设定频率距离的1/2倍频声振复合能量占比;/>为在声振信号能量峰值频率的设定频率距离的2倍频声振复合能量占比;为在声振信号能量峰值频率的设定频率距离的3倍频声振复合能量占比。
11.如权利要求1所述的方法,其特征在于,按如下方式,确定样本声振复合移动有效值:
其中,CSi为第i个样本的声振复合移动有效值;xa(k)为离散时域声信号,表示在时间点k的声压;xv(k)为离散时域振动信号,表示在时间点k的振动;Δk为相位修正的偏离点数,为xv(k)和xa(k)的互相关函数取最大值时xv(k)与xa(k)偏离的采样点数;K为移动平均的数据宽度,与列车行驶速度和采样频率相关。
12.如权利要求1所述的方法,其特征在于,按如下方式,确定声振复合波磨指数:
其中,CSCI,i为第i个样本的声振复合波磨指数;CSi为第i个样本声振复合移动有效值;为全部样本声振复合移动有效值的平均值;/>为幅值修正系数,表征了CEF相对于EF和AEF的变化率,EF为振动信号能量因子,AEF为声能量因子,CEF为声振复合能量因子。
13.如权利要求1所述的方法,其特征在于,根据振动信号能量因子、振动信号波磨指数、声能量因子、声波磨指数、声振复合能量因子和声振复合波磨指数,确定高速铁路钢轨波磨识别结果,包括:
根据振动信号能量因子、声能量因子和声振复合能量因子,确定波长成分能量因子表;
根据振动信号波磨指数、声波磨指数和声振复合波磨指数,确定波磨指数变化图;
根据波长成分能量因子表和波磨指数变化图,对高速铁路钢轨的波磨情况进行识别分析,确定高速铁路钢轨波磨识别结果。
14.如权利要求13所述的方法,其特征在于,根据振动信号能量因子、声能量因子和声振复合能量因子,确定波长成分能量因子表,包括:
计算振动信号自功率谱、声信号自功率谱和声振信号互功率谱的幅值,将频率轴换算为波长轴,确定周期性成分波长;
基于周期性成分波长,根据振动信号能量因子、声能量因子和声振复合能量因子,确定波长成分能量因子表。
15.一种声振结合的高速铁路钢轨波磨识别装置,其特征在于,包括:
信号获取模块,用于获取振动信号和声信号;
振动信号分析模块,用于根据振动信号,确定振动信号能量因子和振动信号波磨指数;
声信号分析模块,用于根据声信号,确定声能量因子和声波磨指数;
声振信号复合分析模块,用于根据振动信号和声信号,确定声振复合能量因子和声振复合波磨指数;
高速铁路钢轨波磨识别模块,用于根据振动信号能量因子、振动信号波磨指数、声能量因子、声波磨指数、声振复合能量因子和声振复合波磨指数,确定高速铁路钢轨波磨识别结果;
振动信号分析模块,具体用于:
对离散时域振动信号进行Welch方法自功率谱估计,确定振动信号自功率谱;
选取振动信号自功率谱的最大值对应的频率作为振动信号能量峰值频率;
根据振动信号能量峰值频率,确定在振动信号能量峰值频率的设定频率距离的振动能量占比;根据振动信号能量峰值频率,确定在振动信号能量峰值频率的设定频率距离的1/2倍频振动能量占比和2倍频振动能量占比;根据在振动信号能量峰值频率的设定频率距离的振动能量占比以及在振动信号能量峰值频率的设定频率距离的1/2倍频振动能量占比和2倍频振动能量占比,确定振动信号能量因子;
振动信号分析模块,具体用于:
根据离散时域振动信号,确定样本振动幅度移动有效值和全部样本振动幅度移动有效值的平均值;
根据样本振动幅度移动有效值和全部样本振动幅度移动有效值的平均值,确定振动信号波磨指数;
声信号分析模块,具体用于:
对离散时域声信号进行Welch方法自功率谱估计,确定声信号自功率谱;
选取声信号自功率谱的最大值对应的频率作为声信号能量峰值频率;
根据声信号能量峰值频率,确定在声信号能量峰值频率的设定频率距离的声能量占比;根据声信号能量峰值频率,确定在声信号能量峰值频率的设定频率距离的1/2倍频声能量占比、2倍频声能量占比和3倍频声能量占比;根据在声信号能量峰值频率的设定频率距离的声能量占比以及在声信号能量峰值频率的设定频率范围的1/2倍频声能量占比、2倍频声能量占比和3倍频声能量占比,确定声能量因子;
声信号分析模块,具体用于:
根据离散时域声信号,确定样本声压移动有效值和全部样本声压移动有效值的平均值;根据样本声压移动有效值和全部样本声压移动有效值的平均值,确定声波磨指数;
声振信号复合分析模块,具体用于:
对离散时域声信号和离散时域振动信号进行Welch方法互功率谱,确定声振信号互功率谱;选取声振信号互功率谱的最大值对应的频率作为声振信号能量峰值频率;根据声振信号能量峰值频率,确定在声振信号能量峰值频率的设定频率距离的声振复合能量占比;根据声振信号能量峰值频率,确定在声振信号能量峰值频率的设定频率距离的1/2倍频声振复合能量占比、2倍频声振复合能量占比和3倍频声振复合能量占比;根据在声振信号能量峰值频率的设定频率距离的声振复合能量占比以及在声振信号能量峰值频率的设定频率距离的1/2倍频声振复合能量占比、2倍频声振复合能量占比和3倍频声振复合能量占比,确定声振复合能量因子;
声振信号复合分析模块,具体用于:
根据离散时域声信号和离散时域振动信号,确定样本声振复合移动有效值和全部样本声振复合移动有效值的平均值;根据样本声振复合移动有效值和全部样本声振复合移动有效值的平均值,确定声振复合波磨指数。
16.一种计算机设备,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14任一项所述方法。
17.一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14任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210842010.4A CN115140115B (zh) | 2022-07-18 | 2022-07-18 | 声振结合的高速铁路钢轨波磨识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210842010.4A CN115140115B (zh) | 2022-07-18 | 2022-07-18 | 声振结合的高速铁路钢轨波磨识别方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115140115A CN115140115A (zh) | 2022-10-04 |
CN115140115B true CN115140115B (zh) | 2023-10-17 |
Family
ID=83411638
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210842010.4A Active CN115140115B (zh) | 2022-07-18 | 2022-07-18 | 声振结合的高速铁路钢轨波磨识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115140115B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007145270A (ja) * | 2005-11-30 | 2007-06-14 | Univ Nihon | 軌道状態解析方法及び軌道状態解析装置並びに軌道状態解析プログラム |
CN103335617A (zh) * | 2013-06-19 | 2013-10-02 | 清华大学 | 一种基于振动信号的铁路钢轨几何形变检测方法 |
CN103808801A (zh) * | 2014-03-14 | 2014-05-21 | 哈尔滨工业大学 | 一种基于振动和声频复合信号的高速铁路钢轨伤损实时检测方法 |
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 |
JP2019093892A (ja) * | 2017-11-22 | 2019-06-20 | 日本車輌製造株式会社 | レール波状摩耗検出装置、及びレール波状摩耗検出方法 |
CN111637964A (zh) * | 2020-05-12 | 2020-09-08 | 西南交通大学 | 钢轨波磨识别方法 |
JP2021070463A (ja) * | 2019-11-01 | 2021-05-06 | 公益財団法人鉄道総合技術研究所 | レール波状摩耗の進展検知方法及び進展検知システム |
CN113343928A (zh) * | 2021-06-30 | 2021-09-03 | 中国铁道科学研究院集团有限公司 | 变速路段高速铁路钢轨波磨检测方法及装置、计算机设备 |
CN113420367A (zh) * | 2021-04-27 | 2021-09-21 | 北京九州一轨环境科技股份有限公司 | 一种基于振动与噪声响应的地铁钢轨波磨检测方法与装置 |
CN114169422A (zh) * | 2021-12-02 | 2022-03-11 | 北京交通大学 | 基于车辆振噪联合测试的地铁钢轨波磨识别方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220017129A1 (en) * | 2020-07-15 | 2022-01-20 | Zahid F. Mian | Onboard Railway Health Monitoring |
-
2022
- 2022-07-18 CN CN202210842010.4A patent/CN115140115B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007145270A (ja) * | 2005-11-30 | 2007-06-14 | Univ Nihon | 軌道状態解析方法及び軌道状態解析装置並びに軌道状態解析プログラム |
CN103335617A (zh) * | 2013-06-19 | 2013-10-02 | 清华大学 | 一种基于振动信号的铁路钢轨几何形变检测方法 |
CN103808801A (zh) * | 2014-03-14 | 2014-05-21 | 哈尔滨工业大学 | 一种基于振动和声频复合信号的高速铁路钢轨伤损实时检测方法 |
JP2019093892A (ja) * | 2017-11-22 | 2019-06-20 | 日本車輌製造株式会社 | レール波状摩耗検出装置、及びレール波状摩耗検出方法 |
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 |
JP2021070463A (ja) * | 2019-11-01 | 2021-05-06 | 公益財団法人鉄道総合技術研究所 | レール波状摩耗の進展検知方法及び進展検知システム |
CN111637964A (zh) * | 2020-05-12 | 2020-09-08 | 西南交通大学 | 钢轨波磨识别方法 |
CN113420367A (zh) * | 2021-04-27 | 2021-09-21 | 北京九州一轨环境科技股份有限公司 | 一种基于振动与噪声响应的地铁钢轨波磨检测方法与装置 |
CN113343928A (zh) * | 2021-06-30 | 2021-09-03 | 中国铁道科学研究院集团有限公司 | 变速路段高速铁路钢轨波磨检测方法及装置、计算机设备 |
CN114169422A (zh) * | 2021-12-02 | 2022-03-11 | 北京交通大学 | 基于车辆振噪联合测试的地铁钢轨波磨识别方法及系统 |
Non-Patent Citations (1)
Title |
---|
基于时频分析与数据挖掘的钢轨波磨检测;张珍珍,李忠艳,刘金朝,徐晓迪;数学的实践与认识;第51卷(第22期);121-128 * |
Also Published As
Publication number | Publication date |
---|---|
CN115140115A (zh) | 2022-10-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | A two-level adaptive chirp mode decomposition method for the railway wheel flat detection under variable-speed conditions | |
US10607632B2 (en) | Abnormal sound detection apparatus and detection method | |
Liu et al. | Adaptive correlated Kurtogram and its applications in wheelset-bearing system fault diagnosis | |
Li et al. | Extraction of oil debris signature using integral enhanced empirical mode decomposition and correlated reconstruction | |
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 | |
JP6990566B2 (ja) | レール波状摩耗検出装置、及びレール波状摩耗検出方法 | |
Luo et al. | Real-time condition monitoring by significant and natural frequencies analysis of vibration signal with wavelet filter and autocorrelation enhancement | |
Rabi et al. | Analysis of vibration signal responses on pre induced tunnel defects in friction stir welding using wavelet transform and empirical mode decomposition | |
De Moura et al. | Applications of detrended-fluctuation analysis to gearbox fault diagnosis | |
CN107423692A (zh) | 一种基于小波包能量熵的钢轨波磨故障检测方法 | |
Hao et al. | A novel rail defect detection method based on undecimated lifting wavelet packet transform and Shannon entropy-improved adaptive line enhancer | |
Zhang et al. | Multi-bearing defect detection with trackside acoustic signal based on a pseudo time–frequency analysis and Dopplerlet filter | |
JP7177028B2 (ja) | レール波状摩耗の進展検知方法及び進展検知システム | |
Kuang et al. | Acoustic emission source location and noise cancellation for crack detection in rail head | |
CN113358743B (zh) | 一种基于时频分布相似度分析的兰姆波模态分离方法 | |
CN105510438A (zh) | 基于运营车辆的钢轨核伤检测系统及方法 | |
Wei et al. | An integrated approach for characterizing the dynamic behavior of the wheel–rail interaction at crossings | |
CN113281414B (zh) | 钢轨短波病害类型的识别方法及装置、以及电子设备 | |
Wei et al. | Carriage interior noise-based inspection for rail corrugation on high-speed railway track | |
CN115140115B (zh) | 声振结合的高速铁路钢轨波磨识别方法和装置 | |
Kojima et al. | Fault detection of railway track by multi-resolution analysis | |
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 | |
CN113501028B (zh) | 诊断重载铁路钢轨焊接接头不良的方法及装置 | |
Hopkins et al. | Broken rail prediction and detection using wavelets and artificial neural networks | |
Gomes et al. | Railscan: A tool for the detection and quantification of rail corrugation |
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 |