DOI: https://doi.org/10.15802/ecsrt2018/172533

Використання методу вейвлет-розкладання для моніторінга амплітудно-маніпульованих сигналів залізничної автоматики

V. Havryliuk

Анотація


У системах залізничної сигналізації деякі параметри, необхідні для контролю і управління рухом поїздів, передаються з використанням сигналів амплітудної маніпуляції (АМ). Такі сигнали частіше використовуються в залізничних автоматизованих системах через їх більш просту генерацію контактними пристроями, але разом з тим, такі сигнали мають низький рівень завадостійкості, і завали в них можуть привести до неправильної роботи залізничних сигнальних систем. В роботі досліджено ефективність використання методу розкладання сигналів за допомогою вейвлет-перетворення для виявлення спотворень безперервних АМ сигналів залізничної автоматики.

Імітаційні сигнали генерувалися в вигляді АМ сигналів з частотою 420 Гц і частотою маніпуляції 8 Гц, а також у вигляді п'яти варіантів вихідного сигналу із завадами у вигляді сигналів із спотвореною формою імпульсів, сигналів з викидами, сигнали з провалами, сигналів з інтерференцією 50 Гц і сигналів з гострими імпульсами.

Сегменти сигналів тривалістю десять періодів були розкладені з використанням п'ятирівневого вейвлет-пакетного перетворення.

Для всіх досліджених сигналів спотворення або завади можуть призвести не тільки до змін у розподілі парціальних енергій в вузлах, а й до появи сильних відмінностей у формі коливань коефіцієнтів розкладання.

Зміни коефіцієнтів вейвлет-розкладання в низько частотних вузлах відображаються через трансформаційні зміни форми хвилі через спотворення імпульсу, провалу або спучування сигналу.

Отримані результати підтверджують ефективність використання методу вейвлет-розкладання для виявлення спотворень у безперервних залізничних АМ сигналах

Ключові слова


електромагнітні завади,залізнична сигналізація, вейвлет перетворення, вейвлет розкладання сигналу

Повний текст:

PDF (English)

Посилання


Микропроцессорная централизация / Вд. В. Сапожников и др. М.: ГОУ, 2008. – 398 с.

Mariscotti, A. Distribution of the traction return current in AC and DC electric railway systems // IEEE Transactions on power delivery, 2003. – Vol. 18. – No. 4. – P.1422-1432.

Gavrilyuk, V. The modelling of electro-magnetic influence of traction electrosupply system on track circuits / V. Gavrilyuk, A. Zavgorodnij // Transport Systems Telematics. IV Intern. Conf., Katowice-Ustron. P. 2004. – P. 18-19.

Cella, R. Measurement of AT electric railway system currents at power-supply frequency and validation of a multiconductor transmission-line model / R. Cella, G. Giangaspero, A. Mariscotti, and oth. // IEEE Transactions on Power Delivery, 2006. – Vol. 21. – No. 3. – P. 1721–1726.

Havryliuk, V. Modelling of the return traction current harmonics distribution in rails for AC electric railway system // 2018 International Symposium on Electromagnetic Compatibility (EMC EUROPE). – IEEE, 2018. – P. 251-254.

Havryliuk, V. I. Norms and methods of rolling stock test on electromagnetic compatibility with signalling and communication systems // Electromagnetic compatibility and safety on rail transport, 2016. – No. 12. – P. 48-57.

Gabor, D. Theory of communication. Part 1: the analysis of information // Journal of the institution of electrical engineers. – Part III: Radio and communication engineering. 1946. – Vol. 93. – No. 26. – P. 429–441.

Grossmann, A. Decomposition of hardy functions into square integrable wavelets of constant shape / A. Grossmann, J. Morlet // SIAM Journal on Mathemati-cal Analysis. – 1984. – Vol. 15. – No. 4. – P. 723-736.

Mallat, S. G. A wavelet tour of signal processing representation. San Diego. Academic Press, Elsevier, 1999.– 629 p.

Mallat, S. G. A theory for multiresolution signal decomposition: the wavelet repre-sentation // IEEE Transaction on Pattern Analysis and Machine Intelligence. – 1989. – Vol. 11. – Iss. 7. – P. 674–693.

Hololobova, O. O. Application of Fourier transform and wavelet decomposition for decoding the continuous automatic locomotive signaling code / O. O. Hololobova, V. I. Havryliuk // Наука та прогрес транспорту. Вісник Дніпропетровського національного університету залізничного транспорту, 2017. - № 1 (67) C. 7-17

Havryliuk, V. Fault diagnosis for electromagnetic relay using discrete wavelet transform and wavelet packet entropy // Zeszyty Naukowe Wyzszej szkoly technicznej w Katowicach, 2017. – No. 9. – P. 31-40.

Sinha, P. Classification of Power Quality Events Using Wavelet Analysis and Probabilistic Neural Network / P. Sinha, S. Debath, S. K. Goswami //IAES International Journal of Artificial Intelligence (IJ-AI). – 2016. – V. 5. – No. 1. – P. 1-12.

Latran, M. B. A novel wavelet transform based voltage sag/swell detection algo-rithm / M. B. Latran, A. Teke. // Int. J. Electr. Power Energy Syst., 2015. – V. 71. – P. 131–139.

Meliopoulos, A. P. S. An alternative method for transient analysis via wavelets / A. P. S. Meliopoulos, C. H. Lee // IEEE Transactions on Power Delivery. – 2000. – V. 15. – No. 1. – P. 114-121.

Chien-Hsing, Lee. A Literature Survey of Wavelets in Power Engineering Applications / Chien-Hsing Lee, Yaw-Juen Wang, Wen-Liang Huang // Proc. Natl. Sci. Counc. ROC(A), 2000. – Vol. 24. – No. 4. – P. 249-258.

Borghetti, A. Continuous-wavelet trans-form for fault location in distribution power networks: Definition of mother wavelets inferred from fault originated transients // IEEE Transactions on Power Systems. – 2008. – Vol. 23. – No. 2. – P. 380-388.

Saini, M. K. Classification of power quality events–a review / M. K. Saini, R. Kapoor // International Journal of Electrical Power & Energy Systems. – 2012. – Vol. 43. – No. 1. – P. 11-19.

Saribulut, L. Fundamentals and literature review of Fourier transform in power quality issues / L. Saribulut, T. Ahmet, M. Tümay // Journal of Electrical and Electronics Engineering Research. – 2013. – Vol. 5. – No. 1. – P. 9-22.

Goh, H. H. Power quality diagnosis in distribution network using wavelet transform // American Journal of Applied Sciences. – 2014. – Vol. 11. – No. 2. – P. 291-300.

Lopez-Ramirez M. et al. EMD-based feature extraction for power quality disturbance classification using moments // Energies. – 2016. – Vol. 9. – No. 7. – P. 565.




ISSN: 2223–5620 (Print)

ISSN: 2411–1554 (Online)