铁道机车车辆
鐵道機車車輛
철도궤차차량
Railway Locomotive & Car
2015年
5期
9-14
,共6页
加速度%经验模态分解%最小二乘法原理%趋势项%时域积分%轨道高低不平顺
加速度%經驗模態分解%最小二乘法原理%趨勢項%時域積分%軌道高低不平順
가속도%경험모태분해%최소이승법원리%추세항%시역적분%궤도고저불평순
分析了信号中的趋势项产生原因,并推导了时域积分过程中趋势项的产生过程;利用经验模态分解的方法提取并去除了实测列车轴箱垂向加速度信号的趋势项,然后对去趋势项的加速度信号在时域内连续两次积分得到轨道高低不平顺数据;分别用经验模态分解法和最小二乘法去除了积分过程中产生的趋势项,并将两种方法的处理结果进行了对比分析.分析结果表明,利用最小二乘法去除信号及积分过程中产生的趋势项存在较大的计算误差,而利用经验模态分解的方法则可以有效去除信号及积分过程产生的趋势项,从而得到轨道高低不平顺数据.
分析瞭信號中的趨勢項產生原因,併推導瞭時域積分過程中趨勢項的產生過程;利用經驗模態分解的方法提取併去除瞭實測列車軸箱垂嚮加速度信號的趨勢項,然後對去趨勢項的加速度信號在時域內連續兩次積分得到軌道高低不平順數據;分彆用經驗模態分解法和最小二乘法去除瞭積分過程中產生的趨勢項,併將兩種方法的處理結果進行瞭對比分析.分析結果錶明,利用最小二乘法去除信號及積分過程中產生的趨勢項存在較大的計算誤差,而利用經驗模態分解的方法則可以有效去除信號及積分過程產生的趨勢項,從而得到軌道高低不平順數據.
분석료신호중적추세항산생원인,병추도료시역적분과정중추세항적산생과정;이용경험모태분해적방법제취병거제료실측열차축상수향가속도신호적추세항,연후대거추세항적가속도신호재시역내련속량차적분득도궤도고저불평순수거;분별용경험모태분해법화최소이승법거제료적분과정중산생적추세항,병장량충방법적처리결과진행료대비분석.분석결과표명,이용최소이승법거제신호급적분과정중산생적추세항존재교대적계산오차,이이용경험모태분해적방법칙가이유효거제신호급적분과정산생적추세항,종이득도궤도고저불평순수거.
