基于小波变换的火车车轮扁疤信号能量分析

火车车轮扁疤是火车行车事故的重大隐患之一，了解扁疤信号的能量分布情况对正确检测车轮扁疤有重要的意义．针对车轮扁疤信号具有持续时间短、突变快等特点，提出了一种运用小波变换的多分辨率分析和小波能量谱对扁疤信号进行分析的方法，通过比较扁疤信号在不同尺度下的能量密度，找出能量与各频段之间的对应关系，得出了扁疤信号的能量主要集中在2500Hz以下的频带范围内，在实际的车轮扁疤检测算法中只需分析频带范围为2500Hz以下的扁疤信号即可，通过实验验证了该能量分析方法的有效性．     

遗传算法结合小波神经网络的列车车轮扁疤故障检测方法

为了寻求一种更加有效的列车车轮扁疤故障分析算法,提出一种通过轮轨噪声来确定车轮扁疤严重程度的检测方法。该方法将遗传算法与小波神经网络相结合,同时为了避免出现局部极小值,加速学习速度,在小波神经网络中增加了动量模型;在搜寻小波神经网络隐含层链接权值之前,使用遗传算法进行计算以优化小波神经网络结构;硬件只需2组麦克风阵列以及2个速度感应器就可以提供实时结果,成本远低于我国现有的检测方法。对不同列车车速下的轮轨信号进行了实时测试,结果表明:与传统神经网络、小波神经网络和遗传算法相比,该方法的检测准确率最多分别提高了16%、11%和3%,并且收敛最快。     

车轮扁疤引起的车轴附加载荷的仿真研究

采用改进的轮轨冲击简化模型,对车轮扁疤引起的车轴附加载荷进行了系统的仿真研究,并对提速后货车车轮扁疤检修规范的修订提出了建议．     

控制车轮扁疤是南昌局货车提速准备的当务之急

通过对车轮扁疤的危害及原因分析,结合南昌局状况,提出控制车轮扁疤的对应措施。     

车轮扁疤伤损对高速列车轮对动力学性能影响

车轮扁疤是铁道车辆车轮踏面的缺陷形式之一,对轮轨动力和运用安全有明显的影响.本文建立了弹性车辆系统动力学模型,且将车轮扁疤伤损考虑为车轮轮径变化.利用数值仿真,研究了车轮扁疤伤损对高速列车轮轨冲击力、轮对振动及轮轨接触性能等的影响,并结合列车运行安全性指标得到了不同速度等级下车轮扁疤长度安全限值.结果表明,弹性车辆系统模型可以准确体现轮对旋转运动特征.车轮扁疤伤损对轮轨系统垂向和横向均产生冲击作用,对轮轨系统垂向冲击作用尤为明显,将显著增大轮对旋转振动频率及其倍频对应的振动能量,且会激起轮对中高频弹性共振.车轮出现40mm扁疤时,随着车轮旋转运动,轮轨接触点向轮背侧出现周期性横移,轮轨接触斑面积最大可达142mm2,轮轨纵向和横向蠕滑率分别增大4%和16%.轮轨力、轮对振动加速度及轮轨磨耗指数均会随车轮扁疤长度的增加而增大.当列车运行速度在300km/h及以下时,车轮扁疤长度需限制在30mm;当列车运行速度达到350km/h时,车轮扁疤长度需限定在25mm.     

轮轨扁疤数据采集和处理系统的设计

针对当前铁路系统对轮轨扁疤检测设备的安全性、高效性、智能性提出的要求，提出了一种新的基于高速浮点DSP芯片TMS320c6xxx、多路并行AD转换芯片ADSxxxx、复杂可编程逻辑器件EMP7xxx和双口RAM芯片IDT7xxxx的轮轨扁疤数据采集与处理系统，并详细说明了系统的设计与实现方法，以及系统与上位系统的通信方式和电路板的抗干扰性设计．最后对系统性能进行了测试分析，结果表明，系统能够满足当前铁路系统对轮轨扁疤检测设备的要求．     

基于LFM信号检测的高斯窗短时傅里叶变换的窗参数选择

研究了高斯窗短时傅里叶变换对线性调频信号检测的窗口参数的选择.通过推导给出了对特定线性调频信号的最佳高斯窗窗口参数的选择公式及分辨不同的线性调频信号的参数选择原则,还证明了由高斯窗谱图的Radon变换可以获得线性调频信号的精确参数估计.仿真结果证明了所用公式和方法的正确性.     

基于小波变换的信号奇异性检测

作者在该文中中介绍了基于小波变换的信号多分辨率分解,比较了信号和噪声在小波变换下的不同特性,给出了使用小波变换模极大化的信号奇异性检测算法。     

基于LFM信号检测的高斯窗短时傅里叶变换的窗参数选择

研究了高斯窗短时傅里叶变换对线性调频信号检测的窗口参数的选择。通过推导给出了对特定线性调频信号的最佳高斯窗窗口参数的选择公式及分辨不同的线性调频信号的参数选择原则，还证明了由高斯窗谱图的Radon变换可以获得线性调频信号的精确参数估计。仿真结果证明了所用公式和方法的正确性。〖KH-*2D〗      

基于改进S变换的语音信号时频分析

STFT分辨率固定,小波变换会出现局部相位信息且时间-尺度关系不适合直观视觉分析。提出基于改进S变换的语音信号时频分析。样条小波作为小波变换母小波乘以相位因子得到改进S变换,具有多分辨率和相位因子,并适合直观视觉分析。仿真实验得到的时频分布结构图与STFT、小波变换分布比较,显示改进S变换时频结构更加细致。     

基于改进S变换技术的轧钢厂电机电压检测方法

由于电压暂降补偿方法是准确获取电压暂降的主要特征,基于深入分析电压暂降问题,将改进的S变换技术用于电压特征检测,提出一种新的电压暂降特征检测方法。该方法在介绍S变换的基本原理基础上,提出改进的S变换技术,进而提出基于改进S变换技术的电压暂降特征检测方法和实现步骤。以达州钢铁集团轧钢厂感应电动机为研究对象,利用改进的S变换技术,计算电机电压暂降幅值、相位跳变和持续时间等特征向量。通过大量的仿真实验,结果表明提出的电压检测方法具有计算量小、准确度高、抑制噪声干扰效果好等优点。     

电压暂降的改进S变换分析与分类

提出了一种采用改进S变换(MST)检测和识别电压暂降的方法.推导了白噪声在S变换和MST下的平均功率谱,证明了改进S变换对噪声具有抑制作用.分析了改进S变换中可变参数的选择思想,给出了MST提取暂降幅值、暂降时刻和相位的方法.利用MST变换分析短路故障、感应电机启动和变压器空载激磁3种扰动源引起的电压暂降信号,并提取6...     

基于小波分析的语音端点检测方法研究

为了提高语音信号端点检测的准确率,提出了基于小波分析的端点检测方法。该方法在传统基于能量和过零率的端点检测方法基础上,通过小波分析计算语音信号各子带能量,进而求得其方差作为第三道门限,对信号进行三级门限检测。仿真实验表明,该方法比传统方法更有效、更优越,能够比较准确的检测语音信号。     

基于藏语拉萨语语音识别中端点监测算法的研究

藏语语音识别技术研究已成为当今一大热点,而端点检测则是语音识别预处理阶段的关键环节之一。文章以标准拉萨藏语为对象,通过将加窗、短时能量和过零率相结合的方法对藏语语音识别技术中端点检测的算法进行了研究。实验表明,采用上述三种算法相结合的研究方法对浊音较重的藏语语音识别较为合适,可显著提高识别率。     

基于广义S变换的地震资料处理

在实际地震资料处理中,其地震数据处理成果会影响后期解释的准确性和可靠性,由于受到各种环境,复杂地形因素的影响,其处理结果导致实际地震分辨率不是很高,品质不好,不适用于后期的构造解释和储存预测。本文是基于S变换的原理,通过改变S变换窗函数的算法,提高时频分辨率,以薄互层模型为基础,在实验中通过各种不同时频分析方法的对比研究,以及对处理实际问题中得到结果进行分析对比,最后得出广义S变换在地震资料处理相比中提到的其他方法更具有明显的优势。     

基于小波变换的语音基音周期实时检测算法

针对基音周期检测实时性的要求,提出了基于小波变换的语音基音周期实时检测算法。该算法利用小波变换极值与信号突变点之间的关系,将小波域波形与时域波形相结合,采取自适应基准、多特征参数提取小波系数极大值,并在2.5 ms时间内捕捉并检测到新的基音脉冲位置。实验表明,该算法对语音和残差信号取得了较好结果。     

基于快速离散正交S变换的电能质量扰动检测方法

提出了一种快速实现离散正交S变换的方法;并将此方法应用于检测电能质量扰动信号的起止时刻。离散正交S变换(DOST)是一种冗余度小的变换,然而利用基函数方法计算DOST的算法复杂度相对较高。为了降低算法复杂度、提高计算效率,根据DOST系数矩阵的特点,先对其进行分块处理,再利用FFT的优势,得到快速离散正交S变换(FDOST);并给出其计算复杂度的证明。将得到的FDOST系数按时频规律排列成矩阵,通过对矩阵的分析,检测扰动信号起止时刻。通过对实验数据和真实故障录波数据的分析,验证了算法的有效性和实用性。     

基于广义S变换的频移衰减估算方法及其在碳酸盐岩储层中的应用

传统频率域衰减Q值估算方法在碳酸盐岩储层地震预测中往往存在Q值精度不高和时频分辨率不足的问题,难以精细、有效地描述储层地震特征。本文利用改进的频移法Q值估算精度高、稳定性好的优势,引入广义S变换使其时频分辨率可调以满足实际需求,提出了一种完整的衰减方法研究流程,讨论了广义S变换双参数及振幅谱频段参数的选取方式,参考层识别与层剥离处理方法等问题,有效提升了衰减Q值方法在碳酸盐岩储层研究中的适用性。将该方法应用于安岳气田磨溪区块龙王庙组碳酸盐岩储层,提取了工区内一条二维地震测线的Q值剖面,对比实际资料进行分析,结果表明Q值结果较振幅、波阻抗属性更能反映储层含气特征,低Q分布区域与含气井位置基本吻合,衰减异常现象明显。将该方法应用于全工区地震资料,Q值结果反映了地层的吸收特征和储层特征差异,有效预测了优质储层分布的有利区。基于衰减Q值的估算方法在碳酸盐岩储层预测中具有明显效果。     

S变换在滚动轴承故障诊断上的应用

为了研究滚动轴承信号的非平稳特征,应用时频分析技术是一种较好的选择．研究了S变换,该方法是将短时傅里叶变换同小波变换结合起来发展的一种新算法．对多种时频分析方法进行了比较,得出S变换优于其他方法的一些特点,提出基于S变换的滚动轴承信号瞬态特征检测方法．结果表明,S变换能够以较高时频分辨率表示轴承振动中的非平稳特征,能反映出信号时频谱真实的物理意义,并且计算速度快．诊断结果验证了该方法可以用于滚动轴承的故障诊断．