[发明专利]一种基于卡尔曼滤波的钢轨裂纹声发射信号检测与去噪方法

说明书

技术领域

本发明涉及一种高速铁路钢轨声发射技术探伤的去噪方法，具体涉及一种基于卡尔曼滤波的钢轨裂纹声发射信号检测与去噪方法。

背景技术

目前我国高速铁路蓬勃发展，但在行车过程中由于钢轨长期受到挤压形变和疲劳磨损，会使钢轨表面和内部发生裂纹、折断或其它形式的伤损，由钢轨裂纹扩展而成的钢轨断裂是列车出轨事故主要原因，而高速列车行车速度的提高使其产生裂纹的概率大大增加。现有的大型探伤车和手推式探伤仪占道时间长、作业效率低，不适合高速铁路的钢轨探伤。声发射技术不同于传统的铁路伤损检测技术(超声技术和电磁感应技术)，是一种动态的无损检测方法，具有实时性好、敏感性强等特点，不仅能够检测钢轨表面的裂纹，而且能够感知钢轨内部伤损的发生，所以声发射技术非常适合于钢轨裂纹的在线检测。然而声发射技术由于其敏感性，容易受到外界噪声的干扰，有效的裂纹信号检测的同时伴随着噪声信号。当列车速度较大时，所产生的噪声信号将钢轨裂纹信号完全淹没，导致钢轨裂纹信号无法辨别，是阻碍高速情况下声发射技术探伤应用的主要问题。所以，高速铁路钢轨声发射技术探伤的关键是对易受噪声干扰的声发射信号进行去噪。

发明内容

本发明的目的在于提供一种基于卡尔曼滤波的钢轨裂纹声发射信号检测与去噪方法，能够抑制噪声信号，检测出不同行车速度下的钢轨裂纹信号，确定裂纹声发射源的发生时刻，为钢轨裂纹伤损特征提取与分类提供进一步的指导。

本发明的目的是通过以下技术方案实现的：

一种基于卡尔曼滤波的钢轨裂纹声发射信号检测与去噪方法，包括以下步骤：对纯噪声声发射信号建立AR模型，得到线性时间序列模型参数；根据噪声信号模型的对应关系建立噪声信号的卡尔曼滤波基本方程；对噪声信号采用卡尔曼滤波递推算法直接得到噪声信号的估计；用含噪声发射信号减去噪声信号估计达到抑制噪声、检测钢轨裂纹的目的。如图1所示，具体步骤如下：

步骤一：建立轮轨接触噪声线性时间序列AR模型，流程图如图2所示。

1)采集不同速度下的声发射传感器接收的轮轨运动声发射信号S，截取钢轨裂纹发生之前长度为N个采样点的数据段，作为纯噪声信号，记为{x(k)}，k＝1，2，…，N；

2)Yule-Walker法估计模型参数建立噪声信号序列{x(k)}的AR模型：

x(k)+a₁x(k-1)+a₂x(k-2)…+a_px(k-p)＝w(k)；

上式为噪声信号序列{x(k)}的p阶AR模型，式中a₁，a₂，…，a_p为模型参数，模型误差w(k)是均值为零方差为的高斯白噪声；

定义自协方差矩阵和向量则自回归模型参数a₁，a₂，…，a_p由p阶AR模型的自协方差γ₀，γ₁，…γ_p通过Yule-Walker方程

唯一确定，白噪声误差方差由下式唯一确定：

从而建立噪声信号的AR模型；

3)其中模型阶数p的确定采用AIC值法：

式中N是信号长度，使AIC值取得最小值的p为最优模型阶数，确定模型阶数后，即可用Yule-Walker法估计出噪声信号的模型参数及模型误差方差，进而得到不同速度下噪声信号的AR模型。

步骤二：由AR模型相应参数建立轮轨接触噪声卡尔曼滤波基本方程，流程图如图3所示。

1)卡尔曼滤波基本方程定义如下：

状态方程：X_k＝Φ_k，k-1X_k-1+Γ_k，k-1W_k-1；

测量方程：Z_k＝H_kX_k+V_k；