中自网

热门搜索:PID  plc  传感器  电机  变频器  工业以太网  无线通讯  低压 

当前位置:首页>>应用案例首页>>专业论文>>正文

基于小波分析的深圳地铁轨电位去噪研究

发布日期:2012-11-27   作者:中国矿业大学信电学院 张少强   浏览次数:51096
分享到:
【摘   要】:钢轨电位是城市轨道交通安全、可靠运行的重要参数,为了更准确的评价得到的轨电位参数,本文采取小波分析的方法对深圳地铁少年宫站采集的信号去噪。处理后的数据可以减少轨电位动作装置的频繁动作,避免由于误动作而造成的损失。

1引言
深圳地铁5号线工程采用的运行列车以直流1500V电力作为牵引动力,列车走行轨作为回流轨。通过钢轨电位监测我们可以了解钢轨电位的分布状态及造成钢轨电位过高的原因,从而找出可以降低过高钢轨电位的方法。从深圳地铁现场采集的监测数据来看信号存在非常明显的噪声,不能直接进行定量分析,为了更准确的评价测得的钢轨电位数据,需要对所得现场数据进一步处理。本文采用基于小波分析的去噪技术对钢轨电位数据进行去噪处理。   
信号去噪是信号处理领域的关键问题之一,传统的去除噪声方法使信号变换后的熵增高,无法刻画信号的非平稳特性并且无法得到信号的相关性。为了克服以上缺点,本文采用小波变换解决信号去噪问题。
2钢轨电位监测数据处理
2.1小波变换原理[1]
L2R)表示平方可积的实数空间, 即能量有限的信号空间), 其傅里叶变换为φω)满足允许条件:
      
此时, 我们称φt)为一个基本小波或母小波。将母函数φt)经伸缩和平移后, 就可以得到一个小波序列。
对于连续的情况,小波序列为:

其中a≠0a为伸缩因子,b为平移因子。
对于离散情况,小波些列为
小波分解算法为:

2.2小波去噪的准则[2]
使用小波分析的方法去噪后应该保证以下两点:
1)光滑性:在大部分情况下,去噪后的信号应该至少和原信号具有同等的光滑性;
2)相似性:去噪后的信号和原信号的方差估价应该是最坏情况下的方差最小。
2.3小波去噪的基本方法
一般说来,一维信号的去噪过程可分为三个步骤进行:
1)一维信号的小波分解。选择一个小波并确定一个小波分解的层次N,然后对信号进行N层小波分解。
2)小波分解高频系数的阈值量化。对第1到第N层的每一层高频系数,选择一个阈值进行软阈值量化处理。
3)一维小波的重构。根据小波分解的第N层的低频系数和经过量化处理的第1层到第N层的高频系数,进行一维信号的小波重构。
2.4钢轨电位监测数据的小波去噪
本文采取深圳地铁4号线少年宫站的一个监测点所采集的数据进行去噪分析,共采集2200组数据。考虑到运算的简便程度,本文在小波去噪中选用db5小波作为故障信号分析的小波母函数。
首先采用db5小波对信号进行5层分解,分别提取小波分解的低频系数和更层的高频系数。然后利用ddencmp函数获得信号的默认阈值,使用wdencmp命令函数来实现去噪过程。                  仿真程序如下:
1%装载采集的信号rail.mat
load rail;
2%将信号中第1到第2200个采样点赋给s
s=rail (1:2200);
ls=length(s);
3%画出原始信号;
subplot(2,2,1);
plot(s);
title('原始信号');grid;
4%db5小波对原始信号进行5层分解并提取系数
[c,l]=wavedec(s,5,'db5');
ca3=appcoef(c,l,'db5',5);
cd5=detcoef(c,l,5);
cd4=detcoef(c,l,4);
cd3=detcoef(c,l,3);
cd2=detcoef(c,l,2);
cd1=detcoef(c,l,1);
5%ddencmp函数获得信号的默认阈值,使用wdencmp命令函数实现消噪过程
[thr,sorh,keepapp]=ddencmp('den','wv',s);
s2=wdencmp('gbl',c,l,'db5',5,thr,sorh,keepapp);
subplot(2,2,3);
plot(s2);
title('默认阈值消噪后的信号');grid;
原始信号和采用默认阈值去噪后的信号如图1所示。

                           图1 信号去噪前后对比
从上图可以看出处理后的曲线比较理想,通过对处理前后钢轨电位的最大值的对比可以发现,机车平稳运行时钢轨电位数据的最大值处理前为220V,处理后为199.4V;钢轨电位数据的最小值处理前为-162V,处理后为-130.5V,机车加速时钢轨电位数据的最大值处理前为256V,处理后为269.2V;钢轨电位数据的最小值处理前为-190V,处理后为-161V。钢轨电位在坚持过程中由于所处地下的直流供电系统中等因素会引入非常大的干扰,否则会对分析结果造成较大的误差。
在机车启动时,机车取流较大变化也较快,此时采集到的钢轨电位数据噪声比较大,如果钢轨电位限制装置没有进行相应的降噪处理,可能会引起钢轨电位限制装置的误动作。
3结束语
本文通过利用小波分析理论对深圳少年宫站的轨电位进行去噪处理,减少了噪声对所采集数据的影响,为轨电位动作装置提供了相对可靠的判定数据,从而避免了其误动作,为地铁的安全运营提供了保障。
作者简介
张少强(1987-)男硕士研究生,就读于中国矿业大学,研究方向为电气工程
参考文献
[1]张培珍,黄子俊.一种基于软阈值的小波去噪算法[J].舰船电子工程,20063:167-169.
[2]李高鹏.城市轨道交通轨道电路分析及限制方法的研究[D].徐州:中国矿业大学,2007.
[3]张德丰.MATLAB小波分析[M].北京:机械工业出版社,2009.


 
 
[ 应用案例搜索 ]  [ ]  [ 告诉好友 ]  [ 打印本文 ]  [ 关闭窗口 ]  [ 返回顶部 ]

0条 [查看全部]  网友评论