CN107423692A - 一种基于小波包能量熵的钢轨波磨故障检测方法 - Google Patents

一种基于小波包能量熵的钢轨波磨故障检测方法 Download PDF

Info

Publication number
CN107423692A
CN107423692A CN201710528466.2A CN201710528466A CN107423692A CN 107423692 A CN107423692 A CN 107423692A CN 201710528466 A CN201710528466 A CN 201710528466A CN 107423692 A CN107423692 A CN 107423692A
Authority
CN
China
Prior art keywords
mrow
wavelet
msub
signal
packet energy
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.)
Pending
Application number
CN201710528466.2A
Other languages
English (en)
Inventor
董伟
邢宗义
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN201710528466.2A priority Critical patent/CN107423692A/zh
Publication of CN107423692A publication Critical patent/CN107423692A/zh
Pending legal-status Critical Current

Links

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
    • G06F2218/04—Denoising
    • G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B17/00—Measuring arrangements characterised by the use of infrasonic, sonic or ultrasonic vibrations
    • G01B17/04—Measuring arrangements characterised by the use of infrasonic, sonic or ultrasonic vibrations for measuring the deformation in a solid, e.g. by vibrating string
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • General Engineering & Computer Science (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

本发明公开了一种基于小波包能量熵的钢轨波磨故障检测方法。该方法包括了以下步骤：首先通过安装在车体轴箱上的振动加速度传感器，获得轴箱的垂向振动加速度信号，并通过低通滤波器对采集的振动信号进行滤波处理，保留轨道表面凹陷相关信号；然后对滤波后的轴箱垂向振动信号进行j层小波包能量分解，将信号分解成2j个包含不同频率带的子节点信号；接着计算分解后信号的小波包能量；最后计算各个节点的小波包能量熵和总熵，通过对比总熵和阈值来判断轨道表面是否存在波磨故障。本发明结构简单、操作方便，能够快速精准的检测钢轨波磨故障。

Description

一种基于小波包能量熵的钢轨波磨故障检测方法
技术领域
本发明涉及铁路轨道状态检测技术领域，特别是一种基于小波包能量熵的钢轨波磨故障检测方法。
背景技术
轨道作为承载列车运行的关键部件，其状态密切影响着列车的安全运行。在日常的运行过程中，轨道不断受到轮对的冲击和压迫，会出现横向和垂向的形变，严重的形变会对列车的安全运行造成巨大的危害，所以要求能够及时检测出钢轨波磨故障。
列车经过轨道不平顺线路时将引起列车激振，而轴箱与车体刚性连接，因此轴箱上的振动信号将保留轨道故障信息。自上世纪70年代以来，国外很多国家就陆续建立了完善的轨道检测体系，目前地铁线路故障检测大体上可分为静态检测技术和动态检测技术两种。静态检测技术是指轨道在没有列车载荷情况下，使用道尺、弦线、线路检查仪等检测工具或设备对轨道进行检测。动态检测技术是指在负载情况下对轨道进行状态检测，目前主要的检测方法有：专用轨检车检测以及基于运营车辆的车载式线路检查仪。目前我国自主研发的GJ-3、GJ-4和GJ-5型轨检车的。GJ-5型轨检车采用较为先进的机器视觉测量方法，同GJ-3及GJ-4相比其不管在检测项目和检测精度上都有很大提高，且技术实力处于当今世界领先水平。基于运营车辆的轨道状况检测实际上就是对各种车载信号的分析，目前国内学者多基于振动分析方法或机器视觉的方式进行相应故障检测技术研究。目前我国现有的机车车载式线路检查仪主要有CGD-Ⅱ型线路检查仪，但是成本较高、需地面单元配合、检修效率不高。
发明内容
本发明的目的在于提供一种结构简单、操作方便、成本低、效率高的基于小波包能量熵的钢轨波磨故障检测方法。
实现本发明目的的技术解决方案为：一种基于小波包能量熵的钢轨波磨故障检测方法，包括以下步骤：
步骤1，在车体的轴箱上安装振动加速度传感器，获得轴箱的垂向振动加速度信号和车速；
步骤2，采用低通滤波器对采集的垂向振动加速度信号进行滤波处理；
步骤3，对滤波后的轴箱垂向振动信号进行j层小波包分解，将信号分解成2j个包含不同频率带的子节点信息；
步骤4，计算分解后信号的小波包能量；
步骤5，计算各节点的小波包能量熵；
步骤6，计算分解信号的总熵并和阈值比较，若总熵超出该阈值，则判断钢轨存在波浪型磨耗，否则不存在波浪型磨耗。
作为一种具体方案，步骤2所述的低通滤波器为切比雪夫带通滤波器，导通频率为[80Hz,700Hz]。
作为一种具体方案，步骤3所述小波包分解选用的小波基函数为Daubechise小波，即dbN小波，N为阶数，Daubechise的具体表达式为：
式中，为二项式系数。
作为一种具体方案，步骤4所述的计算分解后信号的小波包能量，具体步骤如下：
(4.1)设定步骤3得到的高低频序列的小波包重构系数为Sjk，k＝0,1,…2j-1；
(4.2)计算每个子序列的小波包能量值Ejk,k＝0,1,…2j-1：
式中，Ai(t)为该节点处的幅值最大值，ti-1和ti分别是该节点的起止时间；
(4.3)计算总能量值E：
作为一种具体方案，步骤5所述的计算各节点的小波包能量熵，具体步骤为：
(5.1)计算每个子节点能量Ejk相对于总能量E的概率pjk：
式中，Pjk(i)为第j层分解第k子节点相对于总能量的概率；
(5.2)求取小波包能量熵测度值，计算公式如下
式中，Hjk为信号j层分解后的第k个小波包能量熵测度。
本发明与现有技术相比，其显著优点是：(1)检测方式基于运营车辆的在线检测，实时性好、检测方便、成本低，避免了轨检车的运行、维护和调度成本；(2)振动传感器安装简单方便，能适应现场恶劣的工作环境；(3)利用振动加速度传感器在轴箱上采集到的振动信号，通过对振动信号进行小波包能量熵分析，实现对钢轨波浪型磨损的检测，具有检测速度快，适应范围广的优点。
附图说明
图1为本发明基于小波包能量熵的钢轨波磨检测方法的流程图。
图2为本发明中传感器安装示意图。
图3为切比雪夫带通滤波器通带曲线图。
图4为实施例中采集到的轴箱垂向振动信号示意图。
图5为实施例中降频后的700～900m轴箱振动时域波形图。
图6为实施例中四层小波包分解子节点信号图。
图7为实施例中700～900m四层小波包能量及能量熵的示意图，其中(a)为700～900m四层小波包分解能量示意图，(b)为700～900m四层小波包分解能量熵示意图。
具体实施方式
下面图结合附图及具体实施例对本发明作进一步详细说明。
结合图1，本发明基于小波包能量熵的钢轨波磨故障检测方法，具体包含以下步骤：
步骤1，如图2所示在车体的轴箱上安装振动加速度传感器，获得轴箱的垂向振动加速度信号。
步骤2，采用低通滤波器对采集的振动信号进行滤波处理，保留与轨道表面凹陷有关的信息，去除噪声等高频干扰。由于轨道波磨波长多在30-250mm之间，而城轨列车的运行速度不超过80km/h，因此带通滤波器的通带区间设为[80Hz，700Hz]，如图3所示。
步骤3，对滤波后的轴箱垂向振动信号进行j层小波包分解，使信号分解成2j个包含不同频率带的子节点信息。所述选用的小波基函数为Daubechise小波，又称dbN小波，N为阶数，Daubechise的具体表达式为：
式中，为二项式系数。
步骤4，计算分解后信号的小波包能量，包括各节点的小波包能量和信号总的能量值，具体步骤如下
(4.1)将步骤3得到的高低频序列的小波包重构系数表示为Sjk，k＝0，1，…2j-1。
(4.2)计算每个子序列的小波包能量值Ejk,k＝0,1,…2j-1：
式中，Ai(t)为该节点处的幅值最大值，ti-1和ti分别是该节点的起止时间；
(4.3)计算总能量值E：
步骤5，计算各节点的小波包能量熵，具体步骤如下：
(5.1)计算每个子节点能量Ejk相对于总能量E的概率pjk：
式中，Pjk(i)为第j层分解第k子节点相对于总能量的概率；
(5.2)求取小波包能量熵测度值，计算公式如下
式中，Hjk为信号j层分解后的第k个小波包能量熵测度。
步骤6，计算分解信号的总熵并和阈值比较，若总熵超出该阈值，则判断该段轨道轴箱振动信号包含轨道波磨故障，相反则不存在轨道波磨故障。该阈值需要根据实际情况如列车的运行状态等进行调整。
下面结合具体实施例，对本发明作进一步详细说明。
实施例1
本实施例采用某地铁公司的某型列车轴箱垂向振动信号进行采集，实验线路为某线路两站点之间的线路，线路长度为1.2km，运行平均车速为55km/h，采样频率为10kHz，采集的轴箱垂向振动信号时域波形图如图4。
首先采用切比雪夫低通滤波器对该段振动信号进行滤波处理，滤除无用的杂波信息。为减少计算量，选取图4中700-900m的一段数据进行分析，为方便后续进行小波包分解，对700-900m段数据进行10倍降频处理，降频后的700-900轴箱振动时域波形如图5所示。
对选择的轴箱振动信号进行四层小波包分解，分解后的小波包各节点信号如图6所示。图中s0为原始轴箱振动信号，s040～s0415为经过四层小波包分解后的相应子节点小波包系数图。根据步骤3、4、5依次计算分解后的16个子节点进行小波包能量和小波包能量熵计算，计算结果如图7所示，其中(a)为700～900m四层小波包分解能量示意图，(b)为700～900m四层小波包分解能量熵示意图。对图7(b)的小波包能量熵进行求和计算，得到700～900m处的小波包能量熵值为2.3752，而现场该段轨道线路两级阈值分别为1.65和1.90，因此判断该处轨道存在波磨故障。

Claims (5)

1.一种基于小波包能量熵的钢轨波磨故障检测方法，其特征在于，包括以下步骤：
步骤1，在车体的轴箱上安装振动加速度传感器，获得轴箱的垂向振动加速度信号和车速；
步骤2，采用低通滤波器对采集的垂向振动加速度信号进行滤波处理；
步骤3，对滤波后的轴箱垂向振动信号进行j层小波包分解，将信号分解成2j个包含不同频率带的子节点信息；
步骤4，计算分解后信号的小波包能量；
步骤5，计算各节点的小波包能量熵；
步骤6，计算分解信号的总熵并和阈值比较，若总熵超出该阈值，则判断钢轨存在波浪型磨耗，否则不存在波浪型磨耗。
2.根据权利要求1所述的基于小波包能量熵的钢轨波磨故障检测方法，其特征在于，步骤2所述的低通滤波器为切比雪夫带通滤波器，导通频率为[80Hz，700Hz]。
3.根据权利要求1所述的基于小波包能量熵的钢轨波磨故障检测方法，其特征在于，步骤3所述小波包分解选用的小波基函数为Daubechise小波，即dbN小波，N为阶数，Daubechise的具体表达式为：
<mrow> <mi>p</mi> <mrow> <mo>(</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mi>N</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <msubsup> <mi>C</mi> <mi>k</mi> <mrow> <mi>N</mi> <mo>-</mo> <mn>1</mn> <mo>+</mo> <mi>k</mi> </mrow> </msubsup> <msup> <mi>y</mi> <mi>k</mi> </msup> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>
式中，为二项式系数。
4.根据权利要求1所述的基于小波包能量熵的钢轨波磨故障检测方法，其特征在于，步骤4所述的计算分解后信号的小波包能量，具体步骤如下：
(4.1)设定步骤3得到的高低频序列的小波包重构系数为Sjk，k＝0，1，…2j-1；
(4.2)计算每个子序列的小波包能量值Ejk，k＝0，1，…2j-1：
<mrow> <msub> <mi>E</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>=</mo> <msubsup> <mo>&amp;Integral;</mo> <msub> <mi>t</mi> <mrow> <mi>i</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <msub> <mi>t</mi> <mi>i</mi> </msub> </msubsup> <mo>|</mo> <msub> <mi>A</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <msup> <mo>|</mo> <mn>2</mn> </msup> <mi>d</mi> <mi>t</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>
式中，Ai(t)为该节点处的幅值最大值，ti-1和ti分别是该节点的起止时间；
(4.3)计算总能量值E：
<mrow> <mi>E</mi> <mo>=</mo> <mrow> <mo>(</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>0</mn> </mrow> <msup> <mn>2</mn> <mrow> <mi>j</mi> <mo>-</mo> <mn>1</mn> </mrow> </msup> </munderover> <mo>|</mo> <msub> <mi>E</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <msup> <mo>|</mo> <mrow> <mn>1</mn> <mo>/</mo> <mn>2</mn> </mrow> </msup> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> </mrow>
5.根据权利要求1所述的基于小波包能量熵的钢轨波磨故障检测方法，其特征在于，步骤5所述的计算各节点的小波包能量熵，具体步骤为：
(5.1)计算每个子节点能量Ejk相对于总能量E的概率pjk：
<mrow> <msub> <mi>p</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <msub> <mi>E</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mi>E</mi> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> </mrow>
式中，Pjk(i)为第j层分解第k子节点相对于总能量的概率；
(5.2)求取小波包能量熵测度值，计算公式如下
<mrow> <msub> <mi>H</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>=</mo> <mo>-</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msub> <mi>p</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mi>l</mi> <mi>o</mi> <mi>g</mi> <mo>|</mo> <msub> <mi>p</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>|</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo> </mrow> </mrow>
式中，Hjk为信号j层分解后的第k个小波包能量熵测度。
CN201710528466.2A 2017-07-01 2017-07-01 一种基于小波包能量熵的钢轨波磨故障检测方法 Pending CN107423692A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710528466.2A CN107423692A (zh) 2017-07-01 2017-07-01 一种基于小波包能量熵的钢轨波磨故障检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710528466.2A CN107423692A (zh) 2017-07-01 2017-07-01 一种基于小波包能量熵的钢轨波磨故障检测方法

Publications (1)

Publication Number Publication Date
CN107423692A true CN107423692A (zh) 2017-12-01

Family

ID=60426660

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710528466.2A Pending CN107423692A (zh) 2017-07-01 2017-07-01 一种基于小波包能量熵的钢轨波磨故障检测方法

Country Status (1)

Country Link
CN (1) CN107423692A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109080661A (zh) * 2018-07-27 2018-12-25 广州地铁集团有限公司 一种基于eemd能量熵和wvd的轨道波磨故障检测方法
CN109444660A (zh) * 2018-11-20 2019-03-08 武汉拓清科技有限公司 一种输电线路故障与干扰的辨识方法
CN109543550A (zh) * 2018-10-26 2019-03-29 中国神华能源股份有限公司 钢轨加速度信号识别方法及识别装置
CN110015319A (zh) * 2019-03-13 2019-07-16 北京锦鸿希电信息技术股份有限公司 轨道波磨识别方法、装置、设备及存储介质
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
CN114659486A (zh) * 2022-02-28 2022-06-24 成都唐源电气股份有限公司 一种基于数字滤波的钢轨惯性波磨测量方法
CN114715222A (zh) * 2021-01-04 2022-07-08 北京全路通信信号研究设计院集团有限公司 一种钢轨在线检测方法及系统
CN114813079A (zh) * 2022-04-21 2022-07-29 广西电网有限责任公司电力科学研究院 一种基于能量贡献度的有载分接开关机械状态监测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104616061A (zh) * 2015-01-28 2015-05-13 合肥工业大学 基于小波包对数能量熵及遗传算法优化的孤岛检测方法
CN105022912A (zh) * 2015-05-28 2015-11-04 北京交通大学 基于小波主成分分析的滚动轴承故障预测方法
CN105115594A (zh) * 2015-10-09 2015-12-02 北京航空航天大学 基于小波熵和信息融合的齿轮箱振动信号故障特征提取方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104616061A (zh) * 2015-01-28 2015-05-13 合肥工业大学 基于小波包对数能量熵及遗传算法优化的孤岛检测方法
CN105022912A (zh) * 2015-05-28 2015-11-04 北京交通大学 基于小波主成分分析的滚动轴承故障预测方法
CN105115594A (zh) * 2015-10-09 2015-12-02 北京航空航天大学 基于小波熵和信息融合的齿轮箱振动信号故障特征提取方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
MARCUS VARANIS: "Wavelet Packet Energy-Entropy Feature Extraction and Principal Component Analysis for Signal Classification", 《PROCEEDING SERIES OF THE BRAZILIAN SOCIETY OF APPLIED AND COMPUTATIONAL MATHEMATICS》 *
刘珊: "基于小波包能量熵的变压器振动信号特征研究", 《电网与清洁能源》 *
安春兰等: "提速道岔小波包能量熵故障诊断方法", 《铁道科学与工程学报》 *
肖玉飞: "基于小波包能量熵与SVM的模拟电路故障诊断", 《电子测量技术》 *
黄文等: "基于小波能量谱的轨道表面凹陷检测", 《广西大学学报( 自然科学版)》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109080661A (zh) * 2018-07-27 2018-12-25 广州地铁集团有限公司 一种基于eemd能量熵和wvd的轨道波磨故障检测方法
CN109543550A (zh) * 2018-10-26 2019-03-29 中国神华能源股份有限公司 钢轨加速度信号识别方法及识别装置
CN109543550B (zh) * 2018-10-26 2023-04-18 中国神华能源股份有限公司 钢轨加速度信号识别方法及识别装置
CN109444660A (zh) * 2018-11-20 2019-03-08 武汉拓清科技有限公司 一种输电线路故障与干扰的辨识方法
CN110015319A (zh) * 2019-03-13 2019-07-16 北京锦鸿希电信息技术股份有限公司 轨道波磨识别方法、装置、设备及存储介质
CN114715222A (zh) * 2021-01-04 2022-07-08 北京全路通信信号研究设计院集团有限公司 一种钢轨在线检测方法及系统
CN114715222B (zh) * 2021-01-04 2024-05-10 北京全路通信信号研究设计院集团有限公司 一种钢轨在线检测方法及系统
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
CN113486874B (zh) * 2021-09-08 2021-11-05 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
CN114659486A (zh) * 2022-02-28 2022-06-24 成都唐源电气股份有限公司 一种基于数字滤波的钢轨惯性波磨测量方法
CN114659486B (zh) * 2022-02-28 2023-09-29 成都唐源电气股份有限公司 一种基于数字滤波的钢轨惯性波磨测量方法
CN114813079A (zh) * 2022-04-21 2022-07-29 广西电网有限责任公司电力科学研究院 一种基于能量贡献度的有载分接开关机械状态监测方法

Similar Documents

Publication Publication Date Title
CN107423692A (zh) 一种基于小波包能量熵的钢轨波磨故障检测方法
CN101900708B (zh) 一种基于振动和声频信号的高速列车轨道伤损探测方法
CN108515984B (zh) 一种车轮伤损检测方法及装置
CN104236911B (zh) 一种列车转向架轴承服役过程监测与故障诊断系统及方法
CN102175768A (zh) 一种基于振动信号的高铁钢轨伤损探测方法及装置
CN105092467B (zh) 一种高速铁路车轮踏面擦伤快速监测装置及方法
CN103335617B (zh) 一种基于振动信号的铁路钢轨几何形变检测方法
CN104833534A (zh) 一种基于多源信息融合的列车走行系故障诊断装置及方法
CN103808801A (zh) 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
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
CN101344427B (zh) 一种信号中的周期瞬态特征的检测方法
CN105424366A (zh) 基于eemd自适应消噪的轴承故障诊断方法
CN106018557A (zh) 一种基于小波分析的轨道表面凹陷检测方法
CN107403139A (zh) 一种城轨列车车轮扁疤故障检测方法
CN105882687A (zh) 道岔转辙机的故障类别分析方法
CN104833535A (zh) 一种铁道车辆车轮踏面擦伤的检测方法
CN102519577B (zh) 道路中路面的识别方法及系统
CN107870892A (zh) 一种城轨列车滚动轴承故障诊断方法
CN109696609A (zh) 一种新型弓网受流质量的获取方法及其获取系统
CN105572492A (zh) 一种城轨列车辅助逆变器故障诊断装置
CN106092015A (zh) 一种轨道表面凹陷长度检测方法
CN105046946A (zh) 基于复合传感器的交通流参数检测方法
CN109080661A (zh) 一种基于eemd能量熵和wvd的轨道波磨故障检测方法
CN109059840A (zh) 一种城轨车辆车轮不圆顺检测方法
CN104457643A (zh) 一种轨道几何检测数据的脉冲噪声滤波方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20171201