[发明专利]一种基于卡尔曼滤波的钢轨裂纹声发射信号提取与去噪方法

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提取与去噪方法。

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有效裂纹信号完全淹没，导致有效裂纹信号无法辨别，是阻碍高速情况下声发射技术探伤应用的主要问题。基于噪声信号的高速淹没钢轨裂纹信号检测，由于没有考虑钢轨裂纹信号的特征，所以得不到量化的钢轨裂纹信号。

发明内容

本发明在检测到钢轨裂纹声发射信号的前提下，为了进一步得到钢轨裂纹声发射信号，提出一种基于卡尔曼滤波的钢轨裂纹声发射信号提取与去噪方法。此方法能够抑制噪声信号，从噪声中提取出不同行车速度下的钢轨裂纹信号，确定裂纹声发射信号的波形，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提取与去噪方法，包括以下步骤：利用全局AIC值法自动判断检测到的钢轨裂纹信号到达时间，划分噪声信号段和钢轨裂纹信号段；建立原始噪声信号的AR模型及有色测量噪声方程；建立钢轨裂纹信号时变参数AR模型及卡尔曼滤波状态方程及新的卡尔曼滤波测量方程；采用有色测量噪声卡尔曼滤波递推算法得到钢轨裂纹信号的估计。如图1所示，具体步骤如下：

步骤一：钢轨裂纹声发射信号到达时间自动识别，流程如图2所示。

1)对含噪声发射信号S进行钢轨裂纹信号检测；

2)取检测到的钢轨裂纹声发射信号投影P；

3)全局AIC值法对钢轨裂纹声发射信号投影P判断钢轨裂纹信号到达时间T：

上式为p阶AR模型AIC值计算公式，式中为窗口内信号AR模型x(k)+a₁x(k-1)+a₂x(k-2)…+a_px(k-p)＝w(k)中零均值白噪声模型误差w(k)的方差，N为建模信号长度；

全局AIC值定义为：

式中K＝1,2,…,N_n+N_s为噪声信号与钢轨裂纹信号的分界点，将声发射信号投影划分为起始于点N_n的噪声窗口序列{x_n(k)}和结束于点N_s的钢轨裂纹信号窗口序列{x_s(k)}，和分别为噪声窗口和钢轨裂纹信号窗口的AR模型误差方差，p_n和p_s分别为噪声窗口和钢轨裂纹信号窗口AR模型的阶数。全局AIC值由噪声信号窗口AIC_n和钢轨裂纹信号窗口AIC_s组成，使全局AIC值达到最小的K点即为钢轨裂纹信号到达时间T。原始声发射信号S中声发射信号到达时间T以前的数据段为噪声信号{n(k)}，检测到的钢轨裂纹声发射信号投影P中到达时间T以后的数据段为钢轨裂纹信号{x(k)}。

步骤二：建立有色轮轨接触噪声AR模型及其噪声方程。

1)噪声信号序列{n(k)}一阶AR模型：

n(k)+a₁n(k-1)＝w₁(k)，

其中a₁为模型参数，模型误差w₁(k)是均值为零方差为的高斯白噪声；

2)由噪声信号一阶AR模型建立有色轮轨接触噪声方程：

V_k＝Ψ_k,k-1V_k-1+ζ_k-1，

式中转移矩阵Ψ_k,k-1＝-a₁，测量噪声系统噪声ζ_k-1＝w₁(k)。