基于形态学滤波的车轮多边形故障诊断方法

通过车轮多边形轴箱振动响应提出一种基于形态学滤波的车轮多边形故障诊断方法。核心是通过形态学滤波算法对轴箱振动加速度信号进行降噪,通过降噪信号频谱分析确认是否存在多边形故障,并根据多边形主频计算多边形阶次。首先,根据车轮多边形仿真信号研究形态学滤波器类型、结构元素类型、结构元素尺寸对车轮多边形信号降噪的影响,并给出上述参数的选择建议;然后,通过车轮多边形仿真信号验证本文多边形故障诊断方法的有效性;最后,通过线路试验数据和轮对多边形测试验证该方法的有效性。验证结果表明,该方法可实现车轮多边形故障信号降噪,并能有效诊断出车轮多边形故障。     

铁道车辆车轮非圆化磨耗形成机理及控制措施研究进展

车轮非圆化磨耗是铁道车辆常见的一种车轮磨耗形式,对车辆的振动、噪声、乘坐舒适性和运行安全性均具有较大影响.介绍车轮非圆化的表现形式,总结国内外轮轨轨道交通车辆运营中出现的车轮非圆化磨耗现象.重点总结车轮非圆化磨耗的形成机理,根据车轮非圆化磨耗形成原因的不同将其分成三大类:由车轮初始缺陷引起的非圆化;由车辆-轨道固有振动...     

高速车轮非圆化磨耗对轴箱端盖异常振动影响初探

国内现有某高速列车在运营一段时间后,轴箱端盖的连接螺栓经常发生松动现象。为寻找轴箱端盖螺栓松动的原因,分别对车轮表面磨耗状态及列车关键部件振动特性进行测试,系统地分析轴箱显著频率振动与车轮非圆化磨耗之间的相关性;根据车轮多边形及关键部件的振动特征,对轴箱端盖和一系减振器进行模态测试,对轮对和构架进行有限元模态分析,并通过观察轴箱振动显著频段内轴箱端盖变形,初步分析了轴箱端盖螺栓易松动的原因。结论如下：轴箱振动能量主要集中在314～372 Hz和514～600 Hz的频率范围内,该频率段分别对应车轮的11～13阶多边形磨耗和18～21阶多边形磨耗产生的激励频率范围。轴箱在314～372 Hz的振动显著频率与减振器在221～436 Hz的固有模态群相互耦合,轮对和构架在514～600 Hz的固有模态群相互耦合,这两种模态耦合关系是导致轴箱端盖异常振动,后期发展为螺栓松动的主要原因。     

高速动车组车内异常振动噪声特性与车轮非圆化关系研究

基于两种不同内装结构高速车厢(X车和Y车)的大量现场对比试验,对现役国产高速动车组表现出的X车内异常振 动、噪声问题进行详细调查研究。试验中考虑两种车厢同样的运营速度、相近外部气动激扰和相近的轨道激扰条件,同时两种被试验车辆在同列车中相邻编组,同为动车。对该型号多列动车组的两种车厢振动、噪声特性及磨耗轮进行长期跟踪测试,重点关注车内异响特性及车轮非圆化对其的影响,同时得到不同运行里程下车轮非圆化及车内噪声水平发展规律。试验研究表明,高速动车组的X车相比于Y车,存在异常振动及噪声现象,这种异常振动和噪声对高阶车轮非圆化敏感,同时X车异常振动、噪声还与其特殊车内结构布置有关。     

粒子滤波在轴承故障振动信号降噪中的应用

针对轴承故障信号的降噪处理,研究了粒子滤波方法和它在信号降噪中的应用.首先建立轴承故障振动信号的数学模型,将其作为粒子滤波的状态方程;然后提取背景噪声,将其和状态信号一起作为观测信号,得到观测方程,据此对原始真实信号进行估计,得到降噪后的信号,并通过仿真分析可知降噪前后的信噪比有明显的提高;最后将粒子滤波降噪思想用于所...     

粒子滤波在轴承故障振动信号降噪中的应用

针对滚动轴承振动信号容易受到较为复杂的随机噪声的污染,提出了基于Rao-blackwellised粒子滤波的振动信号降噪方法。建立了不含噪的振动信号的时变自回归模型,进而转化成对应的状态空间模型,把降噪问题转化成在状态空间模型下的滤波问题,并用仿真信号进行了试验研究,结果表明,该方法具有较好的降噪效果。     

电力机车车轮非圆化磨耗特征及其对轮轨动态冲击作用影响分析

严重的车轮非圆化磨耗会导致剧烈的轮轨冲击作用,降低车辆轨道疲劳寿命,威胁行车安全.为调查分析电力机车车轮非圆化磨耗特征及其对机车车辆系统振动的影响,对国内某型号电力机车车轮非圆化磨耗进行大量测试,对其中频繁发生异常振动报警和运营正常的机车进行动态测试;此外为探究车轮镟修对非圆化磨耗消除作用的影响,对镟修前后的车轮非圆化...     

形态学滤波在表面轮廓测量中的应用

结合触针式测量方法的原理和优缺点,研究形态学滤波中腐蚀算法的原理和腐蚀算法在杠杆式轮廓仪接触式测量法中的应用,分析腐蚀算法计算过程中结构元素的选取对评定结果的影响。设计相应的触针针尖检定方法,得到触针针尖的实际形状,并在腐蚀计算过程中,以触针针尖的实际形状作为结构元素,结合实际情况对腐蚀算法进行相应修改,得到了被测轮廓真实的表面信息。     

基于数学形态学的旋转机械振动信号降噪方法

基于数学形态学实现振动信号降噪。研究了数学形态滤波器对振动信号在不同类型、不同强度噪声干扰下的降噪能力,提出了采用开—闭和闭—开组合数学形态滤波器实现旋转机械振动信号降噪处理的方法。通过仿真计算及实例,检验了形态滤波器的滤波效果,表明数学形态滤波器可以有效剔除脉冲、降低随机噪声干扰,提高振动信号的信噪比。对强烈噪声干扰采用傅里叶变换与形态滤波器结合的处理方法可以取得明显的滤波效果。并具有算法简单、运算速度快的特点。     

基于数学形态学的图像边缘提取方法

为了解决传统边缘提取算法边缘定位不精确、抗噪能力差的问题,提出了一种基于数学形态学的边缘提取算法。该算法首先利用了双尺度双结构的数学形态学对目标图像进行滤波降噪处理,以提高目标图像的信噪比,然后利用多尺度多结构的数学形态学对目标图像进行边缘提取。利用该算法在配置了OpenCV的Visual Studio对Lena图像进行仿真处理,并将其处理结果与Canny算法处理结果进行对比。实验结果表明,该算法抗噪性能优异,对含有噪声的图像边缘的提取清晰且流畅、细节丰富。     

基于中值滤波和形态学的去噪算法

提出了一种基于中值滤波和灰度形态学的去噪算法。首先利用中值滤波和形态学滤波的方法对原始图像进行去噪处理,而后叠加经过高帽变换的图像以增强边缘信息,改善了传统中值滤波算法易造成边缘模糊和对噪声强度敏感的不足。该算法简洁、耗时少。算法的实用性用计算机进行了仿真验证。     

一种混合降噪方法在辐射图像降噪处理中的应用

在强辐射的环境中,采集的图像包含多种噪音,主要为椒盐噪声和高斯噪声,而遥操作的可靠性与高效性则在很大程度上依赖于采集图像的质量,图像去噪至关重要。对于辐射图像,采用了一种将多重中值滤波和第二代曲波变换相结合的混合降噪方法,从而较好地去除噪音、保护细节。其具体过程是:首先运用改进后的多重中值滤波对辐射图像进行去噪,再将初步处理后的辐射图像进行Wrapping快速离散曲波变换,然后再对每个子带的系数计算阈值并根据阈值对系数进行处理,最后进行曲波逆变换得降噪图像。辐射图像的仿真实验结果表明,提出的方法能较好地降低噪点并保护边缘,从而获得更好的视觉效果。     

车轮踏面不圆顺对高速列车轮轨界面黏着与车轮表面损伤的影响

在JD-DRCF/M型滚动接触疲劳/磨损试验台上开展了有/无偏心车轮配副的轮轨滚滑接触摩擦学试验,对比分析了一阶不圆顺车轮和正常圆顺车轮对轮轨界面黏着、车轮表面损伤与滚动接触疲劳特性的影响。结果表明：车轮不圆顺会显著减小轮轨间黏着系数,湿态下不圆顺车轮的轮轨黏着系数不足0.2,影响列车安全运行和牵引效果;车轮不圆顺明显加剧了钢轨磨耗,同时导致车轮沿周向的表面损伤表现出显著差异。具体来说,凸起侧附近疲劳剥落和撕裂断口特征最为明显;迎向凸起侧较背向凸起侧表面剥落更严重、疲劳裂纹扩展角更大;迎向凸起侧表面点蚀现象相对明显,背向凸起侧车轮表面黏着层堆积严重;此外,随着车轮滚动半径r_θ由最小值到最大值再到最小值循环变化,不圆顺车轮沿周向的表面粗糙度、表面硬度和塑性变形层厚度大致均呈先逐渐增加、经过凸起侧附近后又逐渐下降的趋势。     

数学形态学在电气设备故障信号提取中的应用

将数学形态学应用到电气设备故障诊断的特征信号提取中。简要分析了电气设备故障诊断过程,介绍了将数学形态学应用于电气设备故障信号提取上的优势;并将基于数学形态学滤波器与Butterworth、FIR滤波器的滤波效果进行了比较,得出基于数学形态学滤波器滤波效果更优的结论;最后对各种电信号的提取进行了仿真试验,验证了将数学形态学应用于特征信号提取的可行性。     

数学形态学滤波在电压闪变检测中的应用

对于有效的检测和控制电压闪变来说,检测精密度和有效性是非常重要的.本文提出了一种基于数学形态学滤波和希尔伯特变换的检测方法.通过希尔伯特变换,闪变信号包络可以被提取出来,包含在电压闪变信号中较高频率的谐波和其它噪声可以通过数学形态学滤波器消除.仿真分析结果表明了本方法的可行性、有效性,为电压闪变参数的提取提供了一种新方...     

铁路机车车轮踏面失圆的检测方法综述

20世纪70年代以来,世界各国针对铁路机车车轮踏面失圆进行了不懈的研究,提出了多种不同的检测方法。文中对铁路机车车轮踏面失圆原因、踏面失圆形式以及踏面失圆检测方法进行了综述。     

粒子滤波在机械密封声发射信号降噪中的应用

机械密封声发射信号容易受到环境噪声的干扰,信噪比很低。提出一种基于互补集合经验模态分解(CEEMD)和粒子滤波(PF)相结合的降噪新方法(CEEPF)。该方法首先对采集的声发射信号进行CEEMD分解,利用相关系数原理识别出高频IMF分量后对其进行重构;然后对重构后的信号建立ARIMA模型,将其作为信号的状态方程,再利用小波分解重构思想提取测量噪声,并建立测量方程;最后对重构信号进行粒子滤波,将滤波结果与各低频IMF分量一起重构得到降噪后的声发射信号。结果表明:基于CEEMD与PF的机械密封声发射信号降噪方法能够很好地滤除背景噪声,并且能最大程度保留有效信息。对仿真信号和实验信号分别进行CEEMD小波阈值、标准粒子滤波、CEEPF降噪,发现CEEPF降噪在降噪效果上明显优于其他2种方法。     

中值滤波在智能车图像处理中的应用

为了让智能车获取更为准确的道路信息,提出采用中值滤波对图像进行降噪处理,在一定的条件下可有效地克服线性滤波器所带来的图像细节模糊,对滤除脉冲干扰及图像扫描噪声最为有效。实验证明,中值滤波在智能车图像处理中具有很好的降噪效果。     

非平稳信号自适应滤波的小波模型与滤波方法

分析自适应滤波和小波滤波的原理与方法,建立非平稳信号的自适应滤波的小波模型和滤波方法。利用小波变换的多尺度分解,将分离出来的噪声成分作为自适应滤波器的输入信号。通过自适应滤波器组能同时实现对多种噪声成分的最佳滤波,是实现信噪分离的最佳滤波方法,具有优良的滤波性能。模型验证和工程实例应用表明,该方法能实现非平稳信号在同频段对噪声成分和有用信号的最佳估计。     

基于自适应变尺度形态学滤波的冲击提取方法

针对在强背景噪声下,往复机械振动信号中冲击的次数及位置信息难以准确辨识的问题,提出一种结合总体经验模态分解（ensemble empirical mode decomposition,简称EEMD）和自适应变尺度形态学滤波器（adaptive variable scale morphological filter,简称AVSMF）的冲击特征提取方法。通过对信号进行EEMD,由峭度、相关系数指标筛选出隐含冲击成分的本征模态分量（intrinsic mode function,简称IMF）,并根据各阶IMF的波形尺度与极值点幅值分布特性,为IMF中每个采样点选择合适的元素宽度进行级联式形态学滤波,实现冲击特征提取。针对信号中冲击成分难以精确定位的问题,提出一种自适应峰值相位检测算法。50次重复仿真实验结果表明,该算法具有较高的精度与稳定性。通过对一台闪蒸气双作用往复式压缩机的低压缸中体加速度信号进行冲击检测,验证了所提算法进行故障早期诊断有效性与准确性。