论文部分内容阅读
轨道交通是目前最重要的交通工具之一,断轨是影响其交通安全的核心问题。在铁道交通中,暴露在外的钢轨经常会受到各种自然现象的侵蚀。列车是由多类机械、电气装置组合而成的设备,在运行时会产生甚至引入各种噪声,而要准确地查看轨道工作状况,采用良好的算法滤除掉环境中的各种噪声至关重要。本文研究超声导波断轨监测系统中的信号去噪算法。由于该系统中超声波信号是一种非线性非平稳微弱信号,极易受噪声影响,为了达到更好的去噪效果,本文首先采用经验模态分解算法(EMD)、集成经验模态分解算法(EEMD)对信号进行滤波分解,发现EMD算法在求解过程中会出现端点效应和模态混叠,这些问题会导致EMD分解效率降低,信噪比下降;EEMD是在EMD的基础上加入了高斯白噪声,虽然在一定程度上抑制了模态混叠现象,然而EEMD算法繁琐,计算复杂,在算法的某些参数选取上,倘若选择不当,则依然会出现模态混叠,导致EEMD算法失效;针对这些不足,本文采用变分模态分解算法(VMD)对超声导波信号去噪,对比EMD、EEMD算法,从算法复杂度看,VMD算法实施简单,算法复杂度降低30%--50%;从信噪比和均方误差性能分析,VMD信噪比提升了 6%--31%,均方误差降低了9%--19% 从重构信号的幅值看,对于微弱信号,EMD、EEMD重构后的信号幅值衰减很大,被噪声湮没,VMD重构后的信号幅值较接近原始信号,较前两者幅值提高了 23%--48%。VMD算法性能最佳,去噪效果最好,尤其在噪声特别严重的时候,信噪比大幅提升。论文采用MATLAB对系统中采集到的恶劣环境下的实际信号进行算法的建模仿真,最后用基于C#.NET开发的上位机系统进行算法验证,结果显示,变分模态分解算法可以有效地滤除噪声进行信号重构,在算法复杂度相对较低的情况下得到较高的信噪比,对超声导波断轨检测系统的设计具有一定的参考价值。