EMD算法实现轨道不平顺检测数据预处理

EMD算法实现轨道不平顺检测数据预处理本程序复现了论文中的改进的经验模态分解(EMD)方法对信号进行分解,该方法根据信号本身的固有特性进行分解,具有自适应性强的特点。

本文已参与「新人创作礼」活动,一起开启掘金创作之路。

EMD算法实现轨道不平顺检测数据预处理

1.需求简介

高速综合检测车对轨道水平不平顺的检测是通过对超高进行25 m 高通滤波的方法,但由于标定误差、曲线超高、仪器漂移等原因使超高信号包含明显的非平稳趋势项,而对其进行滤波并不能消除该趋势项;此外,轨距不平顺由于陀螺漂移、曲线段不均匀磨耗等原因也存在着非线性的趋势项。而这些趋势项的存在,使得对信号进行时域的相关分析或频域的功率谱分析产生较大误差,特别是使得低频段的信号严重失真。因此,消除轨道不平顺测试数据中的趋势项是预处理中一项重要的工作。

本程序复现了论文中的改进的经验模态分解(EMD)方法对信号进行分解,该方法根据信号本身的固有特性进行分解,具有自适应性强的特点,从而避免了采用小波分析方法中小波基函数选择的难题,从而提高了检测数据处理的准确性和有效性。

2.实现过程

  • 利用 EMD 将轨道不半顺检测信号分解解为若干个本征模函数信号
    c a ( t ) c_a(t)
    和一个残余项
    r b ( t ) r_b(t)
    之和即


    • q ( t ) = a = 1 b c a ( t ) + r b ( t ) q(t) = \sum_{a=1}^b{c_a(t)+r_b(t)}
     % EMD经验模态分解
     qt = emd(data);
  • 去掉检测信号的低频部分,利用剩余高频部分的本征模函数分量对信号进行重构,就得到消 除趋势项后的真实检测信号。由于 200km/h提速干线铁路轨道不平顺管理波长为110m,所以,只需将波长大于110m的低频本征模函数分量和残余项去除即可。

    • 判断分量的波长需要使用希尔伯特变换,对于本案例 采样率fs为最小采样距离的倒数,单位1/m。
     [~,emdMaxIndex] = size(qt);
     output = qt(:,1)*0;
     for i=1:emdMaxIndex
         % 希尔伯特变换
         z=hilbert(qt(:,i));   
         % 确定平均波长
         wavelength = abs(1/mean(fs/(2*pi)*diff(unwrap(angle(z)))));
         if wavelength<passWave
             output = output+z;
         end
     end

3.完整函数及效果测试

将该模块封装成以下函数。

 function [output]emdLimit(fs,data,passWave)
     % fs 采样精度 单位 1/m
     % data 数据
     % passWave 波长阈值
     % EMD经验模态分解
     qt = emd(data);
    [~,emdMaxIndex] = size(qt);
     output = qt(:,1)*0;
     for i=1:emdMaxIndex
         % 希尔伯特变换
         z=hilbert(qt(:,i));   
         % 确定平均波长
         wavelength = abs(1/mean(fs/(2*pi)*diff(unwrap(angle(z)))));
         if wavelength<passWave
             output = output+z;
         end
     end
 end

对于测试数据,效果如下:

截屏2022-10-09 10.59.34

4.参考资料

Matlab官方说明文档如下

原始论文

  • 轨道不平顺检测数据的预处理方法分析

今天的文章EMD算法实现轨道不平顺检测数据预处理分享到此就结束了,感谢您的阅读。

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/17403.html

(0)
编程小号编程小号

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注