軌道車輛車軸聲發(fā)射數(shù)據(jù)流特征分析方法研究.pdf

1、在實際生活中，機械故障難以避免。而為了能夠檢測故障，保證正常的生產(chǎn)活動和生產(chǎn)安全，各類故障檢測方法應(yīng)運而生。而在故障檢測中，存在有損檢測和無損檢測方法兩類。而聲發(fā)射信號檢測方法作為一種無損檢測方法，不僅能夠在檢測過程中保護被檢測機械，而且作為一種內(nèi)源性信號，聲發(fā)射波由物體自身產(chǎn)生，避免了其他無損檢測方法，如超聲波等，需要額外施加外部檢測信號源的麻煩。所以，聲發(fā)射現(xiàn)象及對應(yīng)的檢測方法受到了廣泛的關(guān)注。
　　本文研究了如何使用聲發(fā)射數(shù)

2、據(jù)流進行軌道車輛車軸從裂紋萌生，裂紋擴展到最終斷裂的全階段的觀測和分析。首先，利用聲發(fā)射現(xiàn)象進行故障分析需要首先分辨采集到的信號是否屬于聲發(fā)射信號。本文提出了兩種聲發(fā)射信號的識別方法，一種是適用于在線快速采集和分析的聲發(fā)射信號時域特征分析方法，另一種是適用于離線準確分析的三維能量參數(shù)特征分析方法。
　　在聲發(fā)射信號在線時域特征分析方法中，本文中介紹了數(shù)據(jù)流方法的基本概念以及信號時域分析的基本知識。然后基于傳統(tǒng)的信號時域特征分析方法

3、，結(jié)合數(shù)據(jù)流的概念和特點，提出了在線聲發(fā)射流數(shù)據(jù)的時域特征計算方法和帶有特征池的神經(jīng)網(wǎng)絡(luò)識別方法，也叫STREAM-TIME-ENN算法模型。數(shù)據(jù)流方法在提高了時域特征的運算精度的情況下沒有明顯提高計算量，而特征池方法又顯著的降低了識別過程的時間消耗。然后通過實驗表明了本算法在實際環(huán)境下的使用價值。
　　在聲發(fā)射信號的能量域特征分析方法中，本文介紹了經(jīng)驗?zāi)B(tài)分解方法和希爾伯特變換等時頻轉(zhuǎn)換方法，以及聲發(fā)射信號的能量域分析的研究現(xiàn)狀