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
和一个残余项
之和即
% 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:
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