This invention discloses a method of rail inspection and rail data processing based on empirical mode decomposition, which includes the following steps: Step 1: input a group of original rail to data; step 2: using empirical mode decomposition to decompose the original rail to data, and get the eigenmode function and trend of each layer; step 3: 3 Sigma criterion. The first order intrinsic mode function IMF1, which is decomposed, is used to identify gross errors and is eliminated. Step 4: reconstruct the track data after removing gross errors. The data processing method of the invention can protect detailed signals while eliminating gross errors, and is very suitable for dealing with nonlinear non-stationary signals.
【技术实现步骤摘要】
一种基于经验模态分解的轨检仪轨向数据处理方法
本专利技术属于数字信号处理领域,尤其涉及一种基于经验模态分解的对应用于铁路工务安全检测方面的故意建议采集数据的信号滤波方法。
技术介绍
铁轨是铁路运输的基础设备,其性能直接关系到列车的运行稳定性和安全性,因铁轨常年暴露在大自然的各种环境中,且随着列车荷载的不断作用下,轨道的几何尺寸会发生不断的变换,因此进行线路检测了解铁轨的质量状态是一种必须的手段。常用的线路检测分为轨道动态检测和轨道静态检测,所谓轨道静态检测,是指利用道尺、弦线和轨道检测仪等检测工具或设备对轨道进行的检查。检测的内容主要包括轨距、水平(扭曲)、高低、轨向等轨道几何尺寸以及钢轨、联结扣件、道床和道岔等部件状态。轨检仪配有各种高精度的传感器、无线电通信设备、户外计算机,借助专业软件用于控制测量和数据存储管理,处理数据速度快,可以对采集到的数据及时分析和报警,用于指导现场维修,其传感器可以检测铁轨的轨距、高低、水平、轨向和里程等数据。轨检仪采集得到的原始数据中往往夹杂着因环境因素而产生的粗大误差噪声,如果不对这些噪声进行适当处理,那么得到的数据将不准确,这将严重影响施工人员对铁轨的技术状态和变化规律的了解,从而增加了安全隐患。因此有必要设计一种信号处理方法,将原始信号中的粗大误差噪声去除,提高数据准确性,对得到的轨道几何尺寸数据可以较为如实地反映铁轨状态。
技术实现思路
本专利技术所解决的技术问题是,针对现有技术的不足,提出一种基于经验模态分解的轨检仪轨向数据处理方法,利用经验模态分解对轨检仪采集得到的轨向数据进行处理,去除信号中夹杂的粗大误差,从而得 ...
【技术保护点】
1.一种基于经验模态分解的轨检仪轨向数据处理方法,其特征在于,包括以下步骤:步骤1:输入一组轨检仪采集的原始轨向数据;步骤2:对该原始轨向数据进行经验模态分解,分别得到各层的本征模态函数IMF1(t)~IMFn(t)和余项rn(t);步骤3:识别第一层本征模态函数IMF1(t)中的粗大误差点并进行剔除,得到数据序列IMF1′(t);步骤4:重构得到去除粗大误差后的轨向数据。
【技术特征摘要】
1.一种基于经验模态分解的轨检仪轨向数据处理方法,其特征在于,包括以下步骤:步骤1:输入一组轨检仪采集的原始轨向数据;步骤2:对该原始轨向数据进行经验模态分解,分别得到各层的本征模态函数IMF1(t)~IMFn(t)和余项rn(t);步骤3:识别第一层本征模态函数IMF1(t)中的粗大误差点并进行剔除,得到数据序列IMF1′(t);步骤4:重构得到去除粗大误差后的轨向数据。2.根据权利要求1所述的基于经验模态分解的轨检仪轨向数据处理方法,其特征在于,所述步骤2具体包括以下步骤:步骤2.1:确定原始轨向数据序列x(t)的所有极大值点和极小值点,分别对其进行三次样条插值,构造出x(t)的上下包络线xup(t)和xlow(t),计算上下包络线的均值m1(t)=(xup(t)+xlow(t))/2;步骤2.2:计算x(t)和m1(t)之间的差值,得到一个新的数据序列h1(t):h1(t)=x(t)-m1(t);步骤2.3:判断h1(t)是否为一个本征模态函数;一个序列为本征模态函数需要满足以下两个条件:1)在整个时间范围内,局部极值点的数目与过零点的数目必须相等或者最多相差一个;2)由局部极大值所构成的包络线(上包络线)以及由局部最小值所构成的包络线(下包络线)的平均值为零;如果h1(t)满足以上两个条件,令IMF1=h1(t),并求原始轨向数据序列x(t)和IMF1(t)之间的差值r1(t):r1(t)=x(t)-IMF1(t);如果h1(t)不满足以上条件,则将h1(t)视为一个新的数据序列,重复步骤2.1和步骤2.2,求其包络平均值m11(t)及h1(t)与m11(t)间的差值h11(t),并判断h11(t)是否为一个本征模态函数;重复进行上述过程,直到h1k(t)满...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。