基于希尔伯特变换与小波包分解的铁路车轮扁疤缺陷预测
信号处理
2020-08-28 v1
摘要
为实现高效的铁路运营与维护，随着高速列车技术进步，对车载监测系统的需求日益增长。车轮扁疤作为常见缺陷之一，可通过安装在各轴箱上的加速度计进行实时监测，从而不超出相关标准限值。本研究旨在基于非平稳轴箱加速度（ABA）信号识别单个车轮扁疤的位置与高度，该信号通过具有柔性轮对的列车动力学模型生成。所提出的特征提取方法利用希尔伯特变换和小波包分解，提取分解后ABA信号在平衡二叉树上的均方根分布作为正交能量特征。建立基于神经网络的缺陷预测模型以定义输入特征与输出标签间的关系。对于输入特征不足的情况，通过对现有特征进行线性插值实现数据增强。从检测与定位的准确率方面评估缺陷预测性能，并通过增强的输入特征和高分解程度的ABA信号予以提升。结果表明，训练后的神经网络能够由正交能量特征高精度预测单个车轮扁疤的高度与位置。
引用
@article{arxiv.2008.12111,
title = {Defect Prediction of Railway Wheel Flats based on Hilbert Transform and Wavelet Packet Decomposition},
author = {Euiyoul Kim and Nithya Jayaprakasam and Yong Cui and Ullrich Martin},
journal= {arXiv preprint arXiv:2008.12111},
year = {2020}
}
备注
24 pages, 13 figures