基于多普勒调制复合字典匹配分解与重构的列车轴承声信号调理研究

The wayside acoustic monitoring technique is an effective health monitoring method for the train’s bearing. However, the acoustic signal’s characteristics of "multi-source, serve distortion, and strong noise" make it difficult to perform effective diagnosis based on signal analysis. Considering the characteristics of Doppler-modulation, this project aims to carry out the research on signal conditioning method for the wayside monitoring signal by means of signal decomposition and reconstruction. The concrete content includes: (1) Carry out a research on a general model building theory and method for the parametric Doppler-modulated atoms, and establish a composite dictionary which can reflect the inside-structure of the wayside monitoring signal;(2) Analyze the characteristics of the parametric Doppler-modulated atom model and carry out a research on an effective decomposition algorithm based on the composite dictionary combining with parameter optimization algorithms;(3) Carry out a parameters estimation method for the sound source based on the decomposed atomic parameters and the signal reconstruction strategy. Then, establish a de-noising method, a sound source separation method and an adaptive Doppler effect elimination method based on the signal reconstruction method. This project aims to develop the decomposition and reconstruction theory and carry out a new signal conditioning method for the wayside monitoring signal through the above research. This project has important significance in theory and practice of the development of the wayside acoustic monitoring technology for train’s bearings.

道旁声学监测技术是列车轴承健康监测的有效手段，然而道旁声学信号“多声源陡畸变强噪声”的特点给基于信号分析的有效诊断带来了困难。本项目针对道旁监测信号的多普勒调制特性，以信号分解与重构为手段，对道旁监测信号调理方法开展研究。具体内容包括（1）研究通用性参数化多普勒调制原子模型构建理论和方法，建立与道旁监测信号内在结构相匹配的复合字典；（2）分析多普勒调制原子模型的参数特性，结合参数优化算法，研究有效的基于复合字典的分解算法；（3）研究基于分解原子参数的声源参数估计方法和信号重构策略，建立基于信号重构的声源分离、去噪和自适应多普勒畸变矫正方法。本项目旨在通过以上研究，发展列车轴承道旁监测信号针对性的分解与重构理论，研究新的道旁监测信号调理方法，对列车轴承道旁声学监测技术的发展具有重要的理论和实践意义。

道旁声学监测技术是列车轴承健康监测的有效手段，然而道旁声学信号“多声源、陡畸变、强噪声”的特点给基于信号分析的有效诊断带来了困难。本项目针对道旁监测信号的多普勒调制特性，以信号分解与重构、时频分析等信号处理技术为手段，对道旁监测信号的调理方法开展研究。具体研究内容包括： .1)研究了一种多普勒调制原子模型构建理论，实现了包括多普勒调制谐波原子、多普勒调制冲击原子的构建，结合匹配追踪算法实现基于多普勒原子匹配分解与重构的道旁信号去噪，提高诊断结果准确性。具体来说，第一种方法是基于参数化多普勒调制谐波原子库的列车轮对轴承轨边声信号分离方法。第二种方法基于谐波-冲击多普勒调制复合字典的列车轮对轴承轨边声信号分离方法。该算法是第一种方法的改进，在原子库引入多普勒调制冲击原子构成谐波-冲击多普勒调制复合字典，使得稀疏分解使用的原子库与道旁信号内在结构更加匹配，提高信号表示的稀疏性。.2)建立了多普勒单瞬态小波瞬态分析理论，提出一种使用单瞬态多普勒小波从道旁信号中逐个剥离冲击成分的方法，能够从轨边信号中逐个剥离反映故障信息的冲击成分，识别精度得到提高。此外，在此基础上，研究了一种快速分析算法，通过粗略估计和精确搜索两个步骤实现了从轨边信号中快速精确提取冲击成分。.3)基于时频分析和重采样技术，发展了三种自适应多普勒畸变矫正方法，能够不依赖于额外传感器获取道旁参数，实现自适应矫正。第一种方法是结合短时傅里叶变换和最小二乘法参数拟合实现道旁参数识别，第二种方法通过构建可变频带滤波多普勒窗和迭代拟合算法提升了参数识别精度，第三种方法通过构造系列化多普勒窗彻底克服算法需要人为干预的缺点，实现高精度、自适应畸变矫正。.通过以上研究，发展了若干新的道旁监测信号调理理论与方法，对列车轴承道旁声学监测技术的发展具有重要的理论和实践意义。