列車軸承健康狀況直接影響到列車能否穩(wěn)定、安全、高效的運(yùn)行,開(kāi)展列車軸承運(yùn)行狀態(tài)在線監(jiān)測(cè)研究具有重要意義。軌邊聲學(xué)監(jiān)測(cè)是列車軸承在線監(jiān)測(cè)的有效手段之一,本文以我國(guó)現(xiàn)役列車輪對(duì)軸承NJ（P）3226X1為研究對(duì)象,針對(duì)軌邊信號(hào)特點(diǎn),以稀疏分析為手段,研究軌邊聲音信號(hào)消噪理論。本文針對(duì)我國(guó)現(xiàn)役列車輪對(duì)軸承NJ（P）3226X1人工設(shè)置不同類別的單點(diǎn)故障,并介紹了部分實(shí)驗(yàn)設(shè)備,模擬靜態(tài)、動(dòng)態(tài)信號(hào)的采集方案,隨后介紹了現(xiàn)場(chǎng)采集裝置。根據(jù)軌邊信號(hào)多普勒時(shí)頻變化規(guī)律,研究了與軌邊信號(hào)內(nèi)在時(shí)頻結(jié)構(gòu)相匹配的Doppler諧波字典、Doppler諧波-沖擊復(fù)合字典的構(gòu)造理論與方法,結(jié)合匹配追蹤算法建立了基于多普勒調(diào)制原子字典的匹配分解方法,根據(jù)聲源空間分布位置不同,提出最優(yōu)原子篩選和信號(hào)重構(gòu)策略,實(shí)現(xiàn)軌邊聲音信號(hào)的消噪。具體來(lái)說(shuō):第一種方法是構(gòu)建基于過(guò)完備參數(shù)化多普勒調(diào)制諧波原子庫(kù)的列車輪對(duì)軸承軌邊聲信號(hào)分離方法。具體實(shí)現(xiàn)步驟:1、構(gòu)建Doppler諧波原子庫(kù);2、使用匹配追蹤算法實(shí)現(xiàn)信號(hào)稀疏分解;3、根據(jù)麥克風(fēng)到軸承聲源的橫向、縱向距離及聲源信號(hào)的共振頻帶,在投影原子中篩選最優(yōu)原子,線性組合得到消噪信號(hào)... 

【文章來(lái)源】：安徽大學(xué)安徽省 211工程院校

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

滾動(dòng)軸承的幾何參數(shù)

內(nèi)圈以及滾子故障用來(lái)模擬相對(duì)應(yīng)的滾動(dòng)軸承部件的單點(diǎn)的故障工況ｍｉ。其中內(nèi)、??外故障點(diǎn)設(shè)置的寬度約〇．１８ｍｍ及其深度約ｌｍｍ的溝槽。滾動(dòng)軸承各類部件的??單點(diǎn)故障設(shè)置如圖２．３示。??９??

實(shí)驗(yàn)軸承數(shù)據(jù)采集通過(guò)麥克風(fēng)采集傳送至電腦端進(jìn)行記錄保存。??２．４．３模擬動(dòng)態(tài)實(shí)驗(yàn)??本文獲取列車滾動(dòng)軸承動(dòng)態(tài)信號(hào)模擬實(shí)驗(yàn)現(xiàn)場(chǎng)下圖的２．６（ｂ）示，與圖２．７側(cè)??視圖相對(duì)應(yīng)，靜態(tài)實(shí)驗(yàn)獲取軸承故障信號(hào)在動(dòng)態(tài)實(shí)驗(yàn)中通過(guò)高保真音響設(shè)備，播??放靜態(tài)狀態(tài)下獲取的不同類型的故障軸承信號(hào)，將聲源放置在直線行駛的車輛上??以此來(lái)模擬移動(dòng)故障聲源狀況，在距車輛直線行駛方向距離為ｒ的位置處與聲源??等高放置麥克風(fēng)，采集軌邊聲音信號(hào)。此次動(dòng)態(tài)實(shí)驗(yàn)采集信號(hào)零時(shí)刻距離聲源的??橫向距離為１５ｍ左右，即圖２．７的Ｌ２，麥克風(fēng)距聲源行駛方向的垂直距離??即圖２．７的Ｌ，車輛軸距２７００ｍｍ即圖２．７的Ｌ１，此次動(dòng)態(tài)實(shí)驗(yàn)中聲源??類型三組，每組移動(dòng)速度２￣３種，具體參數(shù)如表２．３示，設(shè)置麥克風(fēng)采樣頻率的??大小為／ｓ＝２０ｋＨｚ

【參考文獻(xiàn)】：
期刊論文
[1]多普勒效應(yīng)的原理及應(yīng)用[J]. 徐睦然.  通訊世界. 2019(02)
[2]基于局部頻率約束的動(dòng)態(tài)快速匹配追蹤方法[J]. 印興耀,許璐,宗兆云,李坤.  中國(guó)石油大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(06)
[3]匹配追蹤譜反演處理技術(shù)在精細(xì)地震解釋中的應(yīng)用[J]. 劉建輝,明君,彭剛.  海洋地質(zhì)前沿. 2018(11)
[4]應(yīng)用于微多普勒效應(yīng)雷達(dá)的緊湊型寬帶端射陣列天線的研究[J]. 吳多龍,譚富文,吳艷杰.  廣東工業(yè)大學(xué)學(xué)報(bào). 2018(06)
[5]臺(tái)鐵普悠瑪6432次列車脫軌事故剖析[J]. 夏永波.  消防界(電子版). 2018(20)
[6]一種強(qiáng)噪聲背景下微弱超聲信號(hào)提取方法研究[J]. 王大為,王召巴.  物理學(xué)報(bào). 2018(21)
[7]自適應(yīng)匹配追蹤圖像超分辨算法[J]. 華臻,張海程,李晉江.  小型微型計(jì)算機(jī)系統(tǒng). 2018(10)
[8]基于相關(guān)正交匹配追蹤算法的風(fēng)電機(jī)組滾動(dòng)軸承稀疏故障診斷方法[J]. 李繼猛,李銘,王慧,張金鳳,張?jiān)苿?  中國(guó)機(jī)械工程. 2018(12)
[9]高速列車信息控制系統(tǒng)的故障診斷技術(shù)[J]. 周東華,紀(jì)洪泉,何瀟.  自動(dòng)化學(xué)報(bào). 2018(07)
[10]基于局部字典搜索和多原子匹配追蹤的圖像逼近算法[J]. 黃亞飛,梁昔明,樊紹勝.  計(jì)算機(jī)工程與科學(xué). 2018(01)

博士論文
[1]圓形陣列短時(shí)分析用于列車軸承道旁聲學(xué)信號(hào)分離與校正的理論研究[D]. 歐陽(yáng)可賽.中國(guó)科學(xué)技術(shù)大學(xué) 2018
[2]列車軸承軌邊聲學(xué)故障信號(hào)的聲源分離及其去噪研究[D]. 張海濱.中國(guó)科學(xué)技術(shù)大學(xué) 2016
[3]基于稀疏表示的圖像超分辨率重建方法研究[D]. 徐國(guó)明.合肥工業(yè)大學(xué) 2015
[4]非平穩(wěn)運(yùn)行時(shí)列車輪對(duì)軸承道旁聲學(xué)故障診斷方法研究[D]. 劉方.中國(guó)科學(xué)技術(shù)大學(xué) 2014
[5]列車軸承故障道旁聲學(xué)診斷關(guān)鍵技術(shù)研究[D]. 張翱.中國(guó)科學(xué)技術(shù)大學(xué) 2014
[6]基于道旁聲學(xué)信號(hào)的列車滾動(dòng)軸承故障診斷技術(shù)研究[D]. 吳強(qiáng).中國(guó)科學(xué)技術(shù)大學(xué) 2013

碩士論文
[1]中國(guó)高鐵媒介形象呈現(xiàn)研究[D]. 祁曉澄.廣東外語(yǔ)外貿(mào)大學(xué) 2018
[2]基于時(shí)頻分析的道旁聲學(xué)信號(hào)聲源運(yùn)動(dòng)參數(shù)識(shí)別方法研究[D]. 錢強(qiáng).安徽大學(xué) 2018
[3]鐵路建設(shè)工程標(biāo)準(zhǔn)化管理評(píng)價(jià)系統(tǒng)構(gòu)建及平臺(tái)建設(shè)[D]. 杜凱.大連交通大學(xué) 2017
[4]高速鐵路GSM-R系統(tǒng)的多普勒頻移估計(jì)與補(bǔ)償研究[D]. 蔡澤民.蘭州交通大學(xué) 2017
[5]基于共振稀疏分解的旋轉(zhuǎn)機(jī)械故障診斷方法研究[D]. 姚明超.中國(guó)石油大學(xué)(北京) 2016
[6]基于圖像處理的鐵軌表面缺陷自動(dòng)檢測(cè)方法研究[D]. 李立.南京航空航天大學(xué) 2015
[7]基于多普勒校正的道旁軸承故障診斷的研究[D]. 袁仲洲.中國(guó)科學(xué)技術(shù)大學(xué) 2014
[8]基于壓縮感知理論的圖像多描述編碼研究[D]. 王旭培.云南大學(xué) 2012
[9]重大交通事故的報(bào)道框架研究[D]. 薛潔.蘭州大學(xué) 2012
[10]圖像稀疏去噪算法的并行改進(jìn)研究[D]. 孫黎明.重慶大學(xué) 2011



本文編號(hào)：3249499