一、小波分析及其在轨道系统中的应用(论文文献综述)
孔祖荫,张志,王泺涵,陈光乐,梁世武,谭开国[1](2021)在《三相四桥臂逆变器的空间矢量调制研究》文中研究表明三相四桥臂逆变器在不平衡负载下能够输出三相对称电压,具有控制简单,电压利用率高,体积小重量轻等优点。三相四桥臂逆变器被运用在有源滤波器、UPS上解决不平衡负载的问题。本文主要介绍三相四桥臂的主电路,并介绍三维空间矢量调制技术在四桥臂逆变器上的运用。并通过仿真实验验证在不对称负载情况下的可行性。
王威[2](2021)在《BD-2末期卫星钟性能分析与建模预报方法研究》文中指出北斗二号卫星导航系统(BD2)作为我国“三步走”战略的关键一步,经过8年艰苦卓绝的建设,于2012年12月27日成功开通运行,为亚太地区的用户提供区域导航、定位、授时服务。星载原子钟作为卫星导航系统的关键设备,为卫星提供高精度的时间基准。随着BD2平稳精准地运行了近十年时间,部分在轨卫星已达到或接近设计寿命。对进入寿命末期的卫星开展相应的研究,是一项具有理论意义和实用价值的研究课题,同时对于掌握BD2服务性能具有重要意义。基于此,本文着重研究BD2卫星寿命末期的星载原子钟性能情况以及建立能够适应末期原子钟运行状态的钟差预报模型。论文的主要成果如下:1.提出了一种基于小波分析的钟差数据预处理方法。该方法将原始钟差数据利用事先选定的小波函数和分解层数进行分解,得到相应的低频和高频小波系数,再利用一定准则对其进行处理,最后重构得到处理过后的钟差数据。本文着重分析了不同小波函数和不同分解层数对预处理效果的影响,选出了最为适合处理北斗卫星钟差数据的小波组合。2.设计了一种较为综合的钟差数据质量评定方法。从数据连续性、内符合精度、外符合精度和数据周期特性四个方面对北斗卫星钟差数据进行了质量评定。从结果上看,北斗卫星钟差数据具有较高的精度,一小时跨度内精度优于0.1ns。同时,钟差数据中存在显着的周期特性,GEO和IGSO卫星的主周期为12小时和24小时,MEO卫星的主周期为6小时和12小时。其中C11卫星的周期项明显异于其他卫星。3.使用三年的卫星钟差数据对北斗二号在轨卫星的星载原子钟长期性能进行了分析。从结果上看,BDS卫星原子钟的频率准确度整体上均在10-11量级,频率漂移率基本在10-13/d量级,天稳定度基本在10-14量级,但个别卫星出现性能波动的现象。结合在轨运行时间,初步判断性能出现波动与卫星接近设计寿命有关。4.介绍利用一次差分数据进行钟差预报的原理,对比几种常用的钟差预报模型使用一次差分数据和相位数据的预报精度。结果表明,使用一次差分数据能明显提高各模型短期的钟差预报精度。5.研究基于一次差分数据的BP神经网络模型,通过构建适合卫星钟差数据的BP神经网络,提升卫星钟差预报精度。经过实验,在卫星出现性能波动期间,使用BP神经网络能有效克服频率变化带来的影响。但该模型本身也存在较大的局限性。6.研究基于一次差分数据的LSTM神经网络模型,构建适合卫星钟差数据的LSTM神经网络。经过对比实验,结果表明在卫星出现性能波动期间,使用本文建立的LSTM神经网络能较好地克服频率变化带来的影响,具有良好的钟差预报精度。
周志浩[3](2021)在《基于小波分析的卡尔曼滤波模型研究及应用》文中研究表明城市经济迅猛发展,人口密度增加迅速,交通很大程度制约了人们的活动。城市土地的稀缺就要求城市交通多方位立体化发展,城市地下空间结构的复杂性,使得隧道安全监测成为地铁施工和运营必不可少的一部分。地铁隧道变形因素有很多,复杂的地质条件、周围建筑物荷载、盾构施工的扰动等,只有掌握了隧道变形的规律,才能够更加准确的预测变形趋势,发现潜在的风险,及时采取有效应对措施,因此地铁隧道变形监测具有非常重要的意义。本文具体研究内容及结论如下:(1)通过具体数据和案例阐述了本文的研究背景及意义,对地铁隧道变形监测方法及数据处理预测模型的国内外研究现状进行了介绍。(2)介绍了隧道变形监测常用方法、监测数据处理模型等基础理论,对福州市城市轨道交通6号线某区间的变形监测技术方案进行阐述分析,总结了地铁隧道变形的六大影响因素。(3)介绍了小波分析的基本理论方法,对小波阈值去噪原理、阈值函数选取、阈值确定等内容进行阐述,总结了几种常见的小波基函数和小波去噪质量评价标准。介绍了粗差探测的基本方法,利用不同参数组合的小波函数进行信号降噪处理,得到了不同模型参数下小波去噪效果的优劣对比,最终得到最适合本项目的小波去噪参数组合。(4)介绍了卡尔曼滤波模型的基本理论,提出了基于小波分析的卡尔曼滤波组合数据分析预测模型,并结合福州市地铁监测项目将该组合模型的预测处理结果和单一模型预测处理结果进行比对分析,证明其预测精度明显高于单一模型预测精度。
赵义龙[4](2021)在《基于监测数据分析的轨道交通桥梁运营安全状况评估》文中研究指明轨道交通线路高架桥梁在运营过程中出现了不同程度的病害,影响着列车的运营安全性和乘客舒适性。因此,有必要对轨道交通线路中的高架桥梁健康状况作出及时准确的评价,以保障轨道交通运营安全。本文依托北京地铁运营有限公司国家重点研发计划科研项目,以统计学和车桥耦合振动理论为基础,运用大数据分析、仿真模拟等技术对北京市城市轨道交通线路中三种桥型的代表性桥梁展开研究,以期提出一种城市轨道交通线路桥梁运营安全状况评估方案。主要进行了以下工作:1.详细归纳总结国内外城市轨道交通桥梁健康状况评估研究现状,明确本文研究方向制定研究技术路线及预期成果,阐述城市轨道交通桥梁健康状况评估研究的重要性及意义。2.在选定的三座不同桥型代表性桥梁上建立桥梁健康监测系统,实现应力、位移、挠度、温度等数据采集、传输及存储。3.对采集到的监测数据运用卡尔曼滤波、拉格朗日插值等方法进行预处理,采用小波分析对处理后的数据进行时域频域分析和模态识别,借助Origin、SPSS等数据分析软件建立多种数学模型对监测数据与其主要影响因素之间的相关性进行分析拟合,找出影响各监测指标的主导因素及其与对应指标的相关关系。4.建立车桥耦合仿真模型,分别模拟无车辆荷载和有车辆荷载作用下环境温度从-25℃-40℃变化引起桥梁反应以及温度保持在25℃时车速从70-160 km/h变化引起桥梁反应,对比实测数据与模拟数据验证实测数据可靠性和仿真模型准确性,进一步印证数据分析结论。5.参照数据分析及仿真模拟结果并结合相关规范标准,运用均值控制图法及BCI打分机制给出各测项动态预警阈值及评分标准,提出桥梁健康状况评估系统主体框架及评估流程,并通过与软件公司合作实现该系统开发与调试。结果表明:(1)三座典型桥梁各项监测指标均受温度及列车荷载影响,其中温度是影响各项监测指标的主导因素,列车荷载影响相对较小。(2)各项监测指标均与温度具有明显的相关关系,其中跨中梁底应力与温度成正相关,钢混组合梁桥钢混结合面相对位移与温度变化成负相关,梁体纵向位移与温度变化成正比。(3)车速及车桥耦合动力效应对各项监测指标不会产生明显影响,因此现行车速是偏安全的,具有一定的提速空间。(4)系统评估结果表明三座典型桥梁均处于良好的运营状态,桥梁有轻微损伤但可以满足日常运营安全需求,只需保持常规维修养护即可。(5)该评价系统具有一定普适性,其中部分参数需要根据运营调试结果及桥梁实际状况调整,可为今后桥梁健康状况评估提供一种参考方案。
陈洪涛[5](2021)在《基于车体振动加速度的轨道几何不平顺诊断方法研究》文中指出轨道不平顺是引起车辆与轨道振动的主要激扰源,及时掌握轨道不平顺的状态,对保障列车运行的安全性与平稳性具有重要意义。本文通过对国内外利用车体振动加速度对轨道不平顺检测方法的研究现状分析,结合城市轨道交通轨道不平顺状态检测的实际需求,提出了一种基于车体振动加速度数据诊断轨道不平顺状态的诊断方法。首先,利用相干分析方法确定了车体振动加速度与各项轨道不平顺指标之间的相关性。结果表明车体垂向振动加速度的产生与轨道高低不平顺有较高的相关性,车体横向振动加速度的产生与轨向不平顺的相关性较高。其次,构建了基于小波分析理论的轨道几何不平顺诊断方法。利用连续小波变换分析车体振动加速度信号中的主要频段分布,分析各频段信号的特征,确定与轨道不平顺病害相关的频带范围。利用离散小波变换对车体振动加速度信号进行分解,与轨检车检测得到的轨道不平顺病害数据作对比,确定与轨道不平顺病害相关联的频带,对相关的频带进行重构。对重构后的车体振动加速度信号以20 m为一个轨道单元,统计在不同速度等级下,轨道不平顺与车体振动加速度之间的关联规则,并以此作为诊断轨道不平顺病害是否存在的标准。利用北京地铁1号线下行的检测数据,对提出的轨道不平顺诊断方法进行了验证,结果表明该诊断方法可以满足现场的实际需求。最后,基于本文对轨道不平顺诊断的研究成果,作者设计并开发了基于车体振动加速度的轨道不平顺诊断分析系统。对系统的功能模块及数据库进行了设计,并基于设计方案利用相应的开发工具完成了系统开发。利用北京地铁1号线的车体振动加速度的实际检测数据和轨道不平顺病害诊断数据对系统的功能进行了验证。
李继梅[6](2021)在《基于非线性能量阱技术的铁路客车动态舒适性研究及优化》文中研究指明随着铁路技术的不断发展创新,高速列车在铁路交通中得到了迅猛发展,同时,乘客对高速列车的乘坐舒适度要求越来越离,列车的乘坐舒适性受到人们越来越多的重视。列车座椅和乘客间存在直接接触,起到支撑人体和缓冲列车垂向振动的作用,因此需改善列车动态舒适性来提高乘坐体验感。本文主要工作是采用集总参数建模法建立乘客与座椅之间相互作用的动态模型,并对列车座椅的垂直方向上的振动耦合情况进行模拟和分析;其次,由于轨道不平顺等诸多因素的影响,座椅的激励振动信号会产生瞬态冲击成分,拟将其分解为平稳随机振动和瞬态冲击两部分;然后,分析含能量阱装置的座椅振动系统响应,使得座椅随机振动产生的能量尽可能由能量阱吸收,以此来提高乘坐舒适性;最后,结合网格搜索优化算法,对非线性能量阱装置的参数进行优化,从而使传递给乘客的能量值达到最小。座椅系统数据模拟及分解。利用海浪谱模拟出真实条件下,列车座椅系统的激励—响应振动波形图,表示列车在不同时刻的运行状态。列车运行发生垂向晃车时,座椅接收的振动信号包含随机突变成分,造成信号的非平稳、非高斯现象,需将突变信号从整个波动信号中分离出来。小波变换模极大值以小波变换作为理论依据,对座椅的振动信号的突变成分加以分离,求出交集即可定位信号突变位置。含非线性能量阱座椅振动系统响应分析。对于列车座椅的舒适性提高方面,利用非线性能量阱(NES)装置结构简易、吸振效率高的优势,并对连接NES装置的座椅振动系统进行研究,结合数值模拟分析座椅的稳定性及整个系统的动力学行为,分析并对比安装能量阱装置前后座椅的响应,并通过蒙特卡洛方法对其模拟验证,从而客观评价NES的能量吸收特点。含非线性能量阱座椅系统参数优化。为进一步提高舒适性,在不改变座椅本身参数设计的前提下,为使传递给乘客的能量值达到最小,选择出对NES装置影响较大的刚度和阻尼参数作为优化对象,运用网格搜索优化算法,建立优化模型,得出相关参数的优化结果,优化结果表明:列车的乘坐舒适性能得到较好的改善,证明网格搜索算法用来解决列车座椅参数优化问题是可行的。
蒋宇[7](2020)在《齿轮箱混沌特性与故障诊断研究》文中指出传动系统在机械设备中起到中流砥柱的作用,齿轮箱传动系统是机器非常关键的组成部分,揭示齿轮箱系统固有混沌特性并通过其开展齿轮箱健康状态的监测与诊断,对于延长机器的服役时间具有重要意义。吸引子理论作为研究相空间中系统动力学状态的理论越来越得到认识和应用,而混沌吸引子属于吸引子中的一种形态,自然可用来诠释混沌系统的混沌动力学特性和状态。齿轮箱系统是一个混沌系统,其振动信号中蕴涵着大量能够反映系统特征的信息。针对齿轮箱系统混沌特性尤其是探索高维空间中混沌吸引子的特性以及演化规律的研究相对匮乏,且齿轮箱故障特征提取缺乏挖掘混沌特性与故障之间存在的内在关系,有待进一步寻求有效的混沌特征指标实现表征与诊断。为此,本文应用相空间重构理论将一维振动信号推广到高维相空间中去将振动信号单变量时间序列中隐含的系统信息显现出来,探索研究高维空间中齿轮系统混沌吸引子的相轨迹、相点分布、递归特性,揭示齿轮箱系统的混沌特性,进而对齿轮箱系统在不同故障形式下的混沌吸引子特征提取进行表征计算和状态分析。本文深入地开展了齿轮箱混沌特性与故障诊断研究。首先,在齿轮箱故障模拟试验台上开展了振动信号采集实验,采集了不同工况条件下齿轮箱系统的振动信号,对其进行了时域和频域分析,发现齿轮箱振动信号中均含有大量的噪声,相似度较高,频域中均存在齿轮的啮合频率及其谐波成分,同时在啮合频率及其谐波两侧都会形成一系列边频带。应用小波分析法和自适应噪声集成总体经验模式分解方法,分别对采集到的齿轮箱振动信号进行了降噪分析与处理,发现两种方法降噪后高频成分得到了一定的抑制,同时保留了低频带中原有信号的特征信息。相比而言,自适应噪声集成总体经验模式分解方法更有利于消除环境噪声对振动信号的影响,且有助于突显系统本身固有的特征信息,为后续齿轮箱系统混沌特性分析和故障模式识别与诊断打下了坚实的基础。为了揭示齿轮箱运行中的混沌特性,开展了齿轮箱系统不同运行状态下的混沌特性证明研究。引入了基于相空间重构的定量判别方法,分别为关联维数、最大Lyapunov指数和Kolmogorov熵,以及功率谱定性判别方法。同时,为了验证这四种判别方法的有效性,对于Lorenz理论混沌系统首先开展了混沌特性验证研究,接着对于齿轮箱系统不同运行状态进行了混沌特性判别,发现齿轮箱系统在不同运行状态下,其关联维数均为分数值,最大Lyapunov指数和Kolmogorov熵均大于零,而功率谱均为连续宽带谱。通过联合关联维数、最大Lyapunov指数Kolmogorov熵以及功率谱的方法,共同证明了齿轮箱系统的混沌特性。为了探索齿轮箱系统混沌吸引子空间分布特性,根据相空间重构理论构造了齿轮箱不同运行状态下的混沌吸引子,并探讨了嵌入维数和延迟时间对齿轮系统混沌吸引子的影响,应用相轨迹图和相点三维直方图方法,呈现了齿轮系统混沌吸引子三维空间中相点分布形态和空间结构,并基于相点分布形态和空间结构开展了定性和定量的混沌特性表征研究。同时,采用关联维数、包含球半径、包含相点的盒子数和相点数量最大值指标,对齿轮混沌吸引子进行量化表征计算,进而对齿轮箱不同运行状态进行模式识别。结果表明,混沌吸引子的相轨迹图可直观定性地对齿轮箱不同运行状态进行识别,而包含球半径是一种基于相点分布有效的量化表征指标,可用于实现齿轮箱不同运行状态模式识别。针对齿轮箱实际工作过程中故障特征提取难的问题,引入递归思想和递归分析方法,从系统相空间中相点递归特性出发,探索递归模式与齿轮故障的映射关系,提出了将递归分析结合自适应噪声集成总体经验模式分解方法。从自相似特征角度研究递归模式与齿轮不同模式的映射关系,应用四个递归量化参数分别为递归度、确定性、分层率、熵,对齿轮箱不同运行状态进行特征提取进而故障诊断,发现这四个参数指标均能对齿轮箱不同运行状态进行有效地识别。另外,与基于混沌吸引子相轨迹进行诊断的表征参数相比较,发现递归度和熵这两个递归指标诊断效果更优。结果表明,递归分析结合自适应噪声集成总体经验模式分解方法是一种有效的特征提取用于实现齿轮箱故障识别与诊断的方法。针对目前齿轮动力学建模多以考虑单频激励作用因素为主,而实际应用中齿轮箱多为工作环境复杂恶劣,开展了考虑多频激励作用建立齿轮非线性动力学模型与故障诊断研究。定义了啮合刚度系数,探讨了多频激励参数对正常及裂纹故障模型主共振幅频特性的影响,采用增量谐波平衡法对齿轮动力学响应进行分析计算,研究了正常及裂纹故障模型的动力学特性,证实了考虑多频激励作用模型相比传统单频激励模型更能准确地描述其动力学特性,丰富了齿轮动力学建模理论。同时,利用齿轮箱混沌特性开展了裂纹齿轮不同故障程度的识别与诊断研究。通过计算混沌指标最大Lyapunov指数,发现了最大Lyapunov指数随着裂纹故障程度增加而增大的规律。本文揭示了齿轮箱系统的混沌特性,并以混沌吸引子为依据研究解决齿轮箱故障诊断问题。为机械设备状态识别与故障诊断提供了一种新的思路,具有一定的理论价值及工程应用意义。该论文有图98幅,表19个,参考文献170篇。
杨晓[8](2020)在《基于深度学习和车体响应的轨道高低不平顺估计研究》文中进行了进一步梳理轨道交通已成为我国重要的交通运输方式,我国目前是全球运营速度最快、里程最长、在建高速铁路规模最大的国家。由于线路会因列车行驶和自然条件等因素产生几何形变,并威胁到列车的安全运行,所以对轨道几何状态的检测和预警是一项至关重要的任务。目前,由于综合检测车成本高、配置少,运行线路检测周期长达15天,维修间隔期内轨道不平顺超限将严重威胁行车安全,因此有必要加强轨道运营状态监测。本文重点研究了基于深度学习和轨道动态检测数据的轨道不平顺智能估计算法,该算法综合了车辆测量单元获取的车辆振动数据,用于估计轨道几何不平顺。基于本文研究成果,将测得运营车辆的车体响应输入估计模型,即可实时获取轨道不平顺状态,为线路养护维修提供科学依据。本文的主要工作及研究成果包括:(1)开展了轨道动态检测数据的预处理工作。本文基于莱因达准则识别和剔除轨道动态检测数据中的异常值,保证了模型使用数据的准确性;在此基础上,采用小波阈值法对轨检数据进行去噪处理,并通过均方根误差、信噪比等评价指标确定了轨检数据中不同观测分量关于小波基函数、阈值函数等参数的设置,为后续轨道不平顺估计模型研究提供支持。(2)基于相干分析确立了估计模型关联变量,研究了关联变量的频域特性和各频段成分指导轨道养护维修规律。车体加速度和几何不平顺的相干分析表明,高低不平顺与车体垂向加速度的相干性函数高,且两者在0.029~0.0358)空间频率范围内相干函数超过0.8,即高低不平顺是引起车体垂直振动的主要因素,所以确立模型的输入变量为车体垂向加速度、预测输出变量为高低不平顺。并基于Welch法对动检数据进行频域特性分析,分离提取出动检数据不同频段成分,依据我国轨道不平顺状态评价管理办法确定了3阶逼近数据为能够有效反映轨道超限情况的频段成分。(3)基于深度学习理论,自主搭建了适用于解决工程实际问题的轨道不平顺估计模型。以车体响应为模型输入搭建了基于循环神经网络的轨道几何不平顺估计模型,该模型通过监督学习的方式训练。通过分析多组对照实验结果,提出了批尺寸为65536、训练期数为20的模型训练方案,以及适用于轨道几何不平顺估计的最优模型结构:双循环层LSTM神经网络,第一、二循环层单元数分别为32和64,网络第三层为线性全连接层;第一、二循环层的LSTM单元内部分别使用tanh和Re LU激活函数;采用RMSProp算法对参数进行更新;循环层输入的Dropout率为0.2,循环层内部循环连接的Recurrent Dropout率为0.7。(4)研究了轨道不平顺估计模型在多种实际应用场景下的预测性能,分析了数据频段和输入变量对模型预测的影响规律。基于轨道不平顺估计模型,对其在线路全长、不同时点及不同线路实际应用场景下的预测效果进行了研究。研究表明,模型在上述应用场景下均方根误差不超过0.0449mm,具有高准确性和强泛化性。此外,模型在低频频段的预测表现中相较于原始数据预测准确度有小幅提升。当预测与训练线路情况差别较大时,增加模型输入可提高模型预测性能,且新增车体横加作为模型输入对模型预测准确性改善程度大于引入车辆运行速度;当同时引入车体横加和车辆运行速度作为模型输入变量时,模型的预测准确度最高。
薛秋驰[9](2020)在《基于深度学习的城市轨道交通客流预测研究》文中提出随着各地城市轨道交通骨干线路的建成以及网络规模的不断扩大,轨道交通已成为城市公共交通的骨干,对提升城市公共交通供给质量和效率、缓解城市拥堵、改善城市环境发挥着重要作用。及时、准确的城市轨道交通客流预测是解决交通拥堵和对线网优化的前提。利用客流预测结果提前准备客流组织,在事前实施限流、疏导等措施,较事故发生后控制更为方便、及时。随着自动售检票系统(Automatic Fair Collection,AFC)的广泛应用,管理部门获取了大量的乘客历史出行数据,建立起城市轨道交通客流量数据库。大数据和深度学习技术的迅速发展,为解决城市轨道交通客流预测问题提供了良好的理论方法。本文以车站的短期进出站客流为研究对象,结合线网客流数据的时空特性,提出了基于深度学习的城市轨道交通客流预测方法,对长短期记忆网络(Long-Short Term Memory,LSTM)进行改进。本文针对车站短期出站客流预测问题构建了SP-LSTM模型,针对短期进站客流预测问题构建了Wave-LSTM模型。在相同数据集的前提下,比较不同模型的预测性能,验证了本文提出的基于深度学习的城市轨道交通客流预测方法的有效性。本文的主要工作和成果有以下几点:(1)构建城市轨道交通枢纽站短期出站客流预测模型SP-LSTM。本文从时间和空间两个维度对城市轨道交通客流数据进行分析,从理论层面论证了某一站点的出站客流量和其相关站点的进出站客流量有很大的关系,提出使用多个站点的多维历史客流数据作为预测模型的输入。使用两个影响指标来确定各站点间的客流影响关系,将只能输入一维序列的LSTM模型改进为可以输入多维数据的SP-LSTM模型,且SP-LSTM的输入可以根据实际情况做出改变,模型具有良好的延展性。(2)构建城市轨道交通短期进站客流预测模型Wave-LSTM。针对车站短期进站客流预测问题,本文将小波分析和LSTM相结合,构建了基于二者的组合模型—Wave-LSTM。该模型综合了二者的优势:其中小波分解和重构可以有效处理数据的波动性,达到提取特征的目的;LSTM能对具有长期依赖的客流数据进行学习。将实际非线性不平稳的客流数据经过小波变换处理后,得到具有更稳定的方差的时间序列,再使用LSTM对其进行深度学习和预测,从而大幅提高预测精度。(3)以北京城市轨道交通系统为研究对象进行案例分析。本文采用北京地铁实际AFC刷卡数据,对机场线若干站点进出站客流进行预测。采用线性预测方法——自回归移动平均模型(Autoregressive Integrated Moving Average,ARIMA)、非线性预测方法——非线性自回归模型(Nonlinear autoregressive,NAR)、普通LSTM模型进行对比实验。实验结果表明,相对于普通LSTM模型、ARIMA模型、NAR模型,本文所构建的出站客流预测模型SP-LSTM和进站客流预测模型Wave-LSTM有更好的预测效果。图43幅,表18个,参考文献84篇。
左栋梁[10](2019)在《基于车致振动响应的城市轨道交通桥梁损伤诊断方法研究》文中进行了进一步梳理城市轨道交通因其方便快捷、安全高效等特点正逐渐成为我国大中城市缓解交通拥挤的主要途径。随着现有高架城市轨道交通桥梁服役期的延长,在车辆荷载和外界环境共同作用下,其结构与构件将不可避免地产生不同程度的损伤。而现有的城市轨道桥梁损伤诊断方法大多是面向铁路轨道桥梁开展的,直接面向城市轨道交通桥梁结构的损伤诊断方法还鲜有开展。对于城市轨道交通桥梁来说,列车荷载具有明显的重复性和规律性,且列车作用时桥梁的振动幅值远大于未通车时段,更有利于结构损伤的显现。基于此,本论文尝试采用车致振动响应对城市轨道交通桥梁进行损伤诊断,主要内容如下:(1)以某典型城市轨道交通桥梁为工程背景,建立其有限元模型,通过静力分析对其进行强度和刚度验算,并通过模态分析获得结构的动力特性。研究结果表明,该有限元模型的强度及刚度满足要求,动力特性合理,可作为后续车致振动响应计算的基准模型。(2)建立“车-轨-桥”耦合有限元模型,通过动力时程分析获得城市轨道交通桥梁在列车荷载作用下的桥梁及车体的振动响应,并通过差分法探明了车致振动响应对桥梁损伤的敏感性。研究结果表明,损伤前后桥梁测点及轮对和转向架测点的加速度响应差可用于损伤定位。(3)以损伤前后桥梁及车辆振动响应差值为研究对象,利用小波分析对其进行分解重构,利用小波系数幅值变化实现桥梁损伤定位与定量,并系统研究了列车运行速度、测试噪声等不确定性对损伤识别效果的影响。研究结果表明,当列车以中等时速运行时,综合利用桥梁测点和车辆测点的加速度响应差小波系数模极大值可以实现桥梁的损伤定位与定量,且算法的识别精度受测试噪声的影响较小。
二、小波分析及其在轨道系统中的应用(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、小波分析及其在轨道系统中的应用(论文提纲范文)
(1)三相四桥臂逆变器的空间矢量调制研究(论文提纲范文)
1 三相四桥臂逆变器硬件电路设计 |
2 基于abc坐标下的3D-SVPWM调制 |
2.1 三维空间矢量开关状态 |
2.2 电压矢量占空比计算 |
2.3 开关矢量选择顺序 |
2.4 开关矢量作用时间计算 |
3 实验结果分析 |
(2)BD-2末期卫星钟性能分析与建模预报方法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 研究现状分析 |
1.2.1 北斗二号卫星导航系统星载原子钟概述 |
1.2.2 北斗卫星钟差数据预处理与产品质量评估现状 |
1.2.3 北斗卫星钟性能评估及其钟差建模预报现状 |
1.3 论文主要研究内容与结构 |
第二章 北斗星载原子钟相关的基础理论与方法 |
2.1 星载原子钟数据的基本概念 |
2.1.1 相位数据 |
2.1.2 频率数据 |
2.2 北斗卫星钟差数据获取的常用方法 |
2.2.1 TWTT |
2.2.2 ODTS |
2.2.3 激光测距 |
2.3 钟性能评估常用的指标 |
2.3.1 频率准确度 |
2.3.2 频率漂移率 |
2.3.3 频率稳定度 |
2.4 常用的钟差建模方法 |
2.4.1 多项式模型 |
2.4.2 灰色模型 |
2.4.3 卡尔曼滤波模型 |
2.5 本章小结 |
第三章 北斗钟差数据预处理方法 |
3.1 钟差数据常见的异常现象 |
3.1.1 间断 |
3.1.2 跳变 |
3.1.3 粗差 |
3.2 MAD方法 |
3.2.1 MAD预处理算法的方法步骤 |
3.2.2 不同参数取值对预处理效果的影响 |
3.3 一种基于小波理论的预处理方法 |
3.3.1 基于小波分析的钟差数据预处理算法的方法步骤 |
3.3.2 小波函数与分解尺度的选型 |
3.3.3 不同分解尺度处理钟差数据的差异分析 |
3.4 两种预处理算法的效果对比 |
3.5 本章小结 |
第四章 北斗钟差数据质量评定 |
4.1 卫星钟差产品质量评估方法 |
4.2 数据连续性 |
4.3 内符合精度 |
4.3.1 数据整体情况分析 |
4.3.2 单天数据精度分析 |
4.4 外符合精度 |
4.4.1 计算方法 |
4.4.2 结果分析 |
4.5 周期特性分析 |
4.5.1 计算方法 |
4.5.2 结果分析 |
4.6 两种卫星钟差产品质量对比 |
4.7 本章小结 |
第五章 卫星钟性能分析 |
5.1 钟评估策略 |
5.2 两类钟差数据的性能分析 |
5.3 长期性能分析 |
5.3.1 频率准确度长期分析 |
5.3.2 频率漂移率长期分析 |
5.3.3 频率稳定度长期分析 |
5.4 末期性能分析 |
5.4.1 频率稳定度情况 |
5.4.2 钟差预报情况 |
5.5 本章小结 |
第六章 适应寿命末期的钟差建模与预报 |
6.1 基于钟差一次差分数据的预报模型 |
6.1.1 基于钟差一次差分数据的预报原理 |
6.1.2 常用钟差预报模型基于一次差分预报原理的效果分析 |
6.2 基于钟差一次差分数据的BP神经网络卫星钟差预报模型 |
6.2.1 BP神经网络模型的原理 |
6.2.2 BP神经网络钟差预报模型的构造 |
6.2.3 基于一次差分数据的BP神经网络预报效果分析 |
6.3 基于钟差一次差分数据的LSTM神经网络卫星钟差预报模型 |
6.3.1 LSTM神经网络原理 |
6.3.2 LSTM神经网络钟差预报模型的构造 |
6.3.3 应用于末期卫星钟差数据的预报效果 |
6.4 本章小结 |
第七章 总结与展望 |
7.1 主要结论 |
7.2 研究展望 |
参考文献 |
在校期间的研究成果 |
致谢 |
(3)基于小波分析的卡尔曼滤波模型研究及应用(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 本文研究的主要内容 |
1.4 技术路线及组织结构 |
1.4.1 技术路线 |
1.4.2 论文组织结构 |
1.5 本章小结 |
2 地铁隧道变形监测综述 |
2.1 地铁隧道变形监测技术 |
2.2 地铁隧道变形监测数据处理方法 |
2.3 福州市某地铁区间工程概况 |
2.3.1 工程地质概况 |
2.3.2 周边环境概况 |
2.4 福州市某地铁区间工程监测方案 |
2.4.1 监测目的 |
2.4.2 监测项目及点位布设 |
2.4.3 监测方法及数据处理 |
2.5 地铁隧道变形的影响因素 |
2.6 本章小结 |
3 小波分析的基本理论 |
3.1 小波基本理论及方法 |
3.1.1 小波变换定义 |
3.1.2 小波分解与重构 |
3.2 小波基函数 |
3.2.1 小波函数的特点 |
3.2.2 常用的小波函数 |
3.3 小波阈值去噪理论及方法 |
3.3.1 小波阈值去噪原理 |
3.3.2 阈值函数的选取 |
3.3.3 阈值的确定 |
3.4 小波去噪质量的评价 |
3.5 本章小结 |
4 基于小波分析的监测数据处理 |
4.1 粗差探测 |
4.2 小波去噪数据处理 |
4.2.1 阈值选取对去噪效果的影响 |
4.2.2 小波基函数对去噪效果的影响 |
4.3 监测数据分解与重构 |
4.4 实例验证 |
4.5 本章小结 |
5 基于小波分析的卡尔曼滤波模型预测 |
5.1 卡尔曼滤波简述 |
5.2 卡尔曼滤波模型理论 |
5.3 基于小波分析的卡尔曼滤波模型预测分析 |
5.3.1 模型概述 |
5.3.2 原始数据的卡尔曼滤波预测分析 |
5.3.3 基于小波分析的卡尔曼滤波预测分析 |
5.4 实例验证 |
5.5 本章小结 |
6 结论与展望 |
攻读硕士学位期间参加的科研项目及发表的学术论文 |
致谢 |
参考文献 |
(4)基于监测数据分析的轨道交通桥梁运营安全状况评估(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 桥梁健康监测评估 |
1.2.1 桥梁健康监测研究现状 |
1.2.2 桥梁健康评估研究现状 |
1.2.3 评估系统开发及应用研究现状 |
1.3 本文主要研究内容及方法 |
第2章 数据分析 |
2.1 数据预处理 |
2.1.1 数据筛选 |
2.1.2 数据剔除 |
2.1.3 插值填补 |
2.1.4 滤波降噪 |
2.2 数据处理 |
2.2.1 傅里叶转换 |
2.2.2 小波分析 |
2.2.3 分析拟合 |
2.3 实例分析 |
2.3.1 简支T梁桥 |
2.3.2 钢混组合梁桥 |
2.3.3 箱型梁桥 |
2.4 本章小结 |
第3章 车桥耦合仿真模拟 |
3.1 车桥耦合振动模型 |
3.1.1 车辆模型 |
3.1.2 桥梁模型 |
3.1.3 车桥耦合模型 |
3.2 简支T梁桥 |
3.2.1 模型建立 |
3.2.2 计算结果 |
3.3 钢混组合梁桥 |
3.3.1 模型建立 |
3.3.2 计算结果 |
3.4 连续箱型梁桥 |
3.4.1 模型建立 |
3.4.2 计算结果 |
3.5 本章小结 |
第4章 桥梁运营安全评估 |
4.1 单项评估子系统 |
4.1.1 动态预警阈值 |
4.1.2 部分程序及系统展示 |
4.2 综合评估子系统 |
4.2.1 桥梁运营安全评分 |
4.2.2 部分程序及系统展示 |
4.3 本章小结 |
结论与展望 |
参考文献 |
致谢 |
在学期间研究成果 |
(5)基于车体振动加速度的轨道几何不平顺诊断方法研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 引言 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 基于车体振动加速度的轨道几何不平顺状态诊断方法研究现状 |
1.2.2 车体振动加速度的检测数据分析处理方法研究现状 |
1.3 既有研究存在的主要问题 |
1.4 论文主要研究内容和组织结构 |
1.4.1 论文主要研究内容 |
1.4.2 论文组织结构 |
2 车体振动加速度数据的采集与预处理 |
2.1 轨道不平顺概念 |
2.2 车体振动加速度的采集 |
2.2.1 新型便携式线路检测仪简介 |
2.2.2 车体振动加速的采集 |
2.3 车体振动加速度数据预处理 |
2.3.1 里程计算与校准 |
2.3.2 去除低频趋势项 |
2.3.3 相干平均法降噪 |
2.4 本章小结 |
3 轨道几何不平顺与车体振动加速度的相干分析 |
3.1 相干分析方法简介 |
3.2 轨道几何不平顺与车体振动加速度信号的相干分析 |
3.2.1 轨道不平顺指标与车体垂向振动加速度信号的相干分析 |
3.2.2 轨道不平顺指标与车体横向振动加速度信号的相干分析 |
3.3 本章小结 |
4 基于小波分析理论的轨道几何不平顺诊断 |
4.1 问题描述 |
4.2 小波分析理论的应用优势及原理 |
4.2.1 小波函数 |
4.2.2 连续小波变换 |
4.2.3 离散小波变换 |
4.3 建模思路 |
4.4 基于小波分析理论的轨道几何不平顺诊断方法 |
4.4.1 连续小波变换对车体振动加速度信号的分析 |
4.4.2 离散小波变换对车体振动加速度信号的分析 |
4.4.3 确定车体振动加速度值与轨道不平顺病害间的关联规则 |
4.5 案例分析 |
4.5.1 北京地铁1 号线简介 |
4.5.2 模型求解 |
4.5.3 结果分析 |
4.6 本章小结 |
5 基于车体振动加速度的轨道几何不平顺诊断分析系统的设计与实现 |
5.1 轨道不平顺诊断分析系统的功能设计 |
5.2 轨道不平顺诊断分析系统的数据库设计 |
5.2.1 数据库逻辑结构设计 |
5.2.2 数据库物理结构设计 |
5.3 轨道不平顺诊断分析系统的实现 |
5.4 本章小结 |
6 结论与展望 |
6.1 研究结论 |
6.2 研究展望 |
参考文献 |
作者简历及攻读硕士/博士学位期间取得的研究成果 |
学位论文数据集 |
(6)基于非线性能量阱技术的铁路客车动态舒适性研究及优化(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 选题背景及意义 |
1.2 国内外发展现状 |
1.3 课题研究方法及内容 |
2 座椅信号模拟与突变性分析 |
2.1 随机振动系统建模分析 |
2.2 座椅波动信号处理 |
2.2.1 小波变换 |
2.3 座椅信号突变性分析 |
2.3.1 Lipschitz指数原理 |
2.3.2 WTMM和 Lipschitz指数 |
2.3.3 小波基的选择 |
2.4 建立突变信号模型 |
2.4.1 提取突变特征 |
2.4.2 构造突变模型 |
2.5 实例分析 |
2.6 本章小节 |
3 座椅系统建模及响应分析 |
3.1 概率分解—合成理论及应用 |
3.2 座椅系统平稳随机振动响应分析 |
3.3 座椅系统瞬态冲击响应分析 |
3.4 蒙特卡洛验证法 |
3.5 不同阻尼条件下座椅系统响应分析 |
3.5.1 欠阻尼条件下座椅响应分析及验证 |
3.5.2 过阻尼条件下座椅响应分析及验证 |
3.5.3 座椅系统的半解析响应量化及验证 |
3.6 多自由度座椅系统的半解析响应量化 |
3.6.1 座椅平稳随机振动响应分析 |
3.6.2 座椅瞬态冲击响应分析 |
3.6.3 座椅半解析响应分析及验证 |
3.7 本章小结 |
4 NES对座椅系统的振动抑制研究及优化 |
4.1 非线性座椅系统动力学模型建立 |
4.2 NES条件下座椅系统响应分析及验证 |
4.2.1 座椅平稳随机振动pdf响应 |
4.2.2 座椅瞬态冲击pdf响应 |
4.2.3 座椅整体响应分析及验证 |
4.3 座椅系统参数优化设计 |
4.3.1 网格搜索优化原理 |
4.3.2 核函数及其参数选取 |
4.3.3 网格搜索法参数优化及分析 |
4.4 不同条件下座椅参数优化对比分析 |
4.5 本章小结 |
总结与展望 |
致谢 |
参考文献 |
攻读学位期间的研究成果 |
(7)齿轮箱混沌特性与故障诊断研究(论文提纲范文)
致谢 |
摘要 |
abstract |
变量注释表 |
1 绪论 |
1.1 研究背景、意义及来源 |
1.2 国内外研究进展 |
1.3 尚需深入研究的问题 |
1.4 主要研究内容 |
2 试验信号采集与降噪分析处理研究 |
2.1 引言 |
2.2 齿轮振动信号采集试验分析 |
2.3 试验结果与分析 |
2.4 试验信号降噪分析与处理 |
2.5 本章小结 |
3 齿轮箱系统的混沌特性研究 |
3.1 引言 |
3.2 相空间重构理论 |
3.3 混沌系统的判别方法 |
3.4 理论混沌系统证明 |
3.5 齿轮系统混沌特性证明 |
3.6 本章小结 |
4 基于混沌吸引子相点分布特性表征诊断方法研究 |
4.1 引言 |
4.2 相轨迹图表征与诊断 |
4.3 相点三维直方图表征与诊断 |
4.4 本章小结 |
5 基于混沌吸引子递归特性表征诊断方法研究 |
5.1 引言 |
5.2 递归分析方法原理 |
5.3 齿轮故障递归图分析 |
5.4 齿轮故障定量递归分析 |
5.5 最优模式识别与诊断方法 |
5.6 本章小结 |
6 考虑多频激励齿轮动力学建模与诊断研究 |
6.1 引言 |
6.2 齿轮动力学模型构建 |
6.3 齿轮动力学模型特性与诊断 |
6.4 本章小结 |
7 全文总结 |
7.1 研究内容和主要结论 |
7.2 创新点 |
7.3 展望 |
参考文献 |
作者简历 |
学位论文数据集 |
(8)基于深度学习和车体响应的轨道高低不平顺估计研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1.引言 |
1.1 选题背景及研究意义 |
1.2 国内外研究现状 |
1.2.1 深度学习研究现状 |
1.2.2 轨道不平顺检测技术发展现状 |
1.2.3 车辆系统动力响应与轨道不平顺关联关系的研究现状 |
1.2.4 既有研究不足 |
1.3 论文主要研究内容与技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
1.3.3 主要创新点 |
2.动检数据预处理 |
2.1 轨道不平顺数据的分类 |
2.2 轨检数据异常值识别及修正 |
2.3 基于小波的轨检数据降噪 |
2.3.1 小波降噪技术概述 |
2.3.2 轨检数据降噪效果评价标准 |
2.3.3 降噪方法参数设置研究 |
2.4 本章小结 |
3.动检数据相干性研究及频域分析 |
3.1 轨道不平顺与车体响应的相干分析 |
3.2 轨道几何不平顺的频域分析 |
3.2.1 轨道不平顺频域分析方法概述 |
3.2.2 轨道不平顺频域特性分析 |
3.2.3 轨道不平顺不同频段成分提取 |
3.3 轨道不平顺各频段成分指导维修效果研究 |
3.3.1 轨道不平顺状态评价管理方法 |
3.3.2 各频段成分预警效果对比分析 |
3.4 本章小结 |
4.基于深度学习的估计模型搭建及优化研究 |
4.1 神经网络概述 |
4.1.1 神经元模型及网络训练过程 |
4.1.2 RNN循环层及LSTM单元构造 |
4.2 不平顺估计模型收敛性研究 |
4.2.1 模型搭建及训练 |
4.2.2 模型收敛性实验研究 |
4.3 模型预测性能优化研究 |
4.3.1 网络结构优化研究 |
4.3.2 LSTM单元激活函数优化研究 |
4.3.3 更新算法优化 |
4.3.4 Dropout比率优化研究 |
4.4 本章小结 |
5.轨道高低不平顺估计模型应用研究 |
5.1 模型基于线路全长的不平顺预测性能研究 |
5.1.1 模型在时频域维度下的应用规律研究 |
5.1.2 数据频段对模型预测的影响研究 |
5.1.3 输入变量对模型预测的影响研究 |
5.2 模型基于不同时点的不平顺预测性能研究 |
5.2.1 模型在时频域维度下的应用规律研究 |
5.2.2 数据频段对模型预测的影响研究 |
5.2.3 输入变量对模型预测的影响研究 |
5.3 模型基于不同线路的不平顺预测性能研究 |
5.3.1 模型在时频维度下的应用规律研究 |
5.3.2 数据频段对模型预测的影响研究 |
5.3.3 输入变量对模型预测的影响研究 |
5.4 本章小结 |
6.结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
作者简历及攻读硕士学位期间取得的研究成果 |
学位论文数据集 |
(9)基于深度学习的城市轨道交通客流预测研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 论文研究内容及技术路线 |
2 深度学习理论研究 |
2.1 典型深度学习模型 |
2.1.1 卷积神经网络 |
2.1.2 深度信念网络 |
2.1.3 堆叠自编码器 |
2.1.4 循环神经网络 |
2.2 长短期记忆网络 |
2.3 本章小结 |
3 交通枢纽站短期出站客流预测 |
3.1 车站客流时空特性分析 |
3.1.1 客流时间特性分析 |
3.1.2 客流空间特性分析 |
3.1.3 客流时空特性分析 |
3.2 SP-LSTM出站量预测模型 |
3.3 本章小结 |
4 短期进站客流预测 |
4.1 小波分析 |
4.2 WAVE-LSTM进站量预测模型 |
4.3 本章小结 |
5 实例分析 |
5.1 客流数据预处理 |
5.2 预测精度 |
5.3 案例一:机场线T2航站楼短期出站客流预测 |
5.3.1 SP-LSTM模型 |
5.3.2 预测精度 |
5.4 案例二:地铁东直门站短期进站客流预测 |
5.4.1 Wave-LSTM模型 |
5.4.2 预测精度 |
5.5 本章小结 |
6 总结与展望 |
参考文献 |
图索引 |
表索引 |
作者简历及攻读硕士/博士学位期间取得的研究成果 |
学位论文数据集 |
(10)基于车致振动响应的城市轨道交通桥梁损伤诊断方法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 城市轨道交通桥梁的特点及病害情况 |
1.2.1 城市轨道交通桥梁的特点 |
1.2.2 城市轨道交通桥梁的病害情况 |
1.3 基于振动信息的结构损伤识别方法的研究现状 |
1.4 城轨交通桥梁车轨桥相互动力作用的研究现状 |
1.5 基于车致振动响应的桥梁损伤识别研究现状 |
1.6 小波分析在桥梁损伤识别中的应用现状 |
1.7 本文的主要研究内容 |
第二章 某城市轨道交通桥梁有限元模型建立及分析 |
2.1 引言 |
2.2 有限元模型建立 |
2.2.1 工程概况 |
2.2.2 轨道交通桥梁的有限模型 |
2.3 桥梁模型的静力分析 |
2.3.1 城市轨道交通桥梁设计荷载与设计标准 |
2.3.2 模型强度及刚度验算 |
2.4 桥梁模型的模态分析 |
本章小结 |
第三章 车致振动响应对城轨交通桥梁损伤的敏感性分析 |
3.1 引言 |
3.2 轨道交通列车荷载的模拟 |
3.2.1 车辆与结构动力相互作用的研究方法 |
3.2.2 列车模型的建立 |
3.2.3 车辆荷载的施加方法 |
3.3 车辆荷载作用下城轨交通桥梁动力时程分析 |
3.3.1 动力时程分析的方法及参数选取 |
3.3.2 桥梁的动力时程计算结果分析 |
3.3.3 车体的动力时程计算结果分析 |
3.4 车致振动响应对结构损伤的敏感性分析 |
3.4.1 损伤与结构动力特性及响应的关系 |
3.4.2 损伤对城轨交通桥梁动力特性的影响 |
3.4.3 桥梁振动响应对损伤的敏感性分析 |
3.4.4 车体振动响应对损伤的敏感性分析 |
本章小结 |
第四章 基于车致振动响应小波分析的城轨桥梁损伤诊断 |
4.1 引言 |
4.2 小波变换的基本理论 |
4.2.1 小波变换的原理 |
4.2.2 小波变换的基函数与尺度选择 |
4.2.3 应用小波变换进行信号异常识别的原理 |
4.3 基于车致振动响应小波分析的城轨桥梁损伤定位 |
4.3.1 损伤工况与测点布设 |
4.3.2 识别结果分析 |
4.3.3 列车运行速度对识别结果的影响 |
4.3.4 测试噪声对识别结果的影响 |
4.4 基于车致振动响应小波分析的城轨桥梁损伤定量 |
4.4.1 损伤工况与测点布设 |
4.4.2 识别结果分析 |
4.4.3 列车运行速度对识别结果的影响 |
4.4.4 测试噪声对识别结果的影响 |
本章小结 |
第五章 结论与展望 |
5.1 结论 |
5.2 展望 |
参考文献 |
攻读硕士学位期间发表的学术论文 |
致谢 |
四、小波分析及其在轨道系统中的应用(论文参考文献)
- [1]三相四桥臂逆变器的空间矢量调制研究[J]. 孔祖荫,张志,王泺涵,陈光乐,梁世武,谭开国. 电子世界, 2021(22)
- [2]BD-2末期卫星钟性能分析与建模预报方法研究[D]. 王威. 北方工业大学, 2021(01)
- [3]基于小波分析的卡尔曼滤波模型研究及应用[D]. 周志浩. 华北水利水电大学, 2021
- [4]基于监测数据分析的轨道交通桥梁运营安全状况评估[D]. 赵义龙. 北京建筑大学, 2021(01)
- [5]基于车体振动加速度的轨道几何不平顺诊断方法研究[D]. 陈洪涛. 北京交通大学, 2021
- [6]基于非线性能量阱技术的铁路客车动态舒适性研究及优化[D]. 李继梅. 兰州交通大学, 2021(02)
- [7]齿轮箱混沌特性与故障诊断研究[D]. 蒋宇. 中国矿业大学, 2020
- [8]基于深度学习和车体响应的轨道高低不平顺估计研究[D]. 杨晓. 北京交通大学, 2020(03)
- [9]基于深度学习的城市轨道交通客流预测研究[D]. 薛秋驰. 北京交通大学, 2020
- [10]基于车致振动响应的城市轨道交通桥梁损伤诊断方法研究[D]. 左栋梁. 大连交通大学, 2019(08)