-
公开(公告)号：CN114705758B
公开(公告)日：2025-04-25
申请号：CN202210362027.X
申请日：2022-04-07
Applicant: 北京交通大学
Abstract: 发明提供一种道岔尖轨损伤远程监测系统及其监测方法。道岔尖轨损伤远程监测系统及其监测方法，包括：将待测道岔尖轨分成若干监测区间，每个区间按照一定顺序布置传感器阵列，该阵列能发出以及接收超声波信号；利用伪随机码正交调相方法产生lamb波超声信号，避免直达波与反射波时间上混叠的问题；控制传感器接发超声lamb波信号，得到数据；利用频散分析得到lamb波在道岔尖轨中的频散曲线，进而得到lamb波的实际波速；利用小波变换得到lamb波的传播时间；利用椭圆算法实现损伤监测与定位。解决了直达波与反射波时间上混叠问题，反射波峰值功率提高，可以监测微小损伤，提升损伤监测精度，同时能做到远程监测，节省人力，提升监测效率。
-
公开(公告)号：CN114062490B
公开(公告)日：2023-12-08
申请号：CN202110726197.7
申请日：2021-06-29
Applicant: 北京交通大学
Abstract: 本发明公开了一种基于GAN的钢轨焊缝Lamb波模态分解与裂纹损伤监测方法，包括以下步骤：S1：对钢轨焊缝中Lamb波结构进行分析；S2：根据Lamb波在钢轨焊缝中的传播特性，对实验数据进行采集，并对采集到的数据进行特征工程分析、时域特征分析与时‑频二维特征分析，根据特征分析结果，设计数据预处理方案，将采集到的原始数据处理变换为方便深度学习神经网络进行特征提取与输出的状态；S4：获取MDCD在钢轨焊缝数据集上性能分析对比，本发明可以有效探测焊缝结构上的裂纹损伤，同时其较低的传播损伤，保证了Lamb波可以对一定距离和范围内的焊缝结构进行监测。
-
公开(公告)号：CN113533510B
公开(公告)日：2023-12-08
申请号：CN202110726317.3
申请日：2021-06-29
Applicant: 北京交通大学
Abstract: 本发明实施例公开了一种钢轨疲劳微裂纹识别方法及装置，首先，向待测钢轨内施加高频兰姆波信号，以及高频兰姆波信号和低频振动信号的混合信号；然后，获取两种信号的接收信号，并对两种接收信号进行模式分解和希尔伯特变换，获得两种接收信号的时频谱；最后，通过时频谱完成对待测钢轨上疲劳微裂纹的检测、定量和定位。本发明实施例中采用的激励信号，能够检测出待测钢轨上微小的疲劳微裂纹，不易发生漏检现象，且不受钢轨结构形状限制，适用范围较大。另外，采用变分模式分解算法不仅有效解决了其他算法模式混淆、虚假分量等问题，而且该算法将信号分解为多个具有特定稀疏属性的模态并同时再现输入，其计算速度也有了大幅提升。
-
公开(公告)号：CN113533516B
公开(公告)日：2022-09-16
申请号：CN202110783192.8
申请日：2021-07-12
Applicant: 北京交通大学
Abstract: 本发明公开了一种基于Lamb波时间场法在钢轨中的损伤检测方法，包括如下步骤：钢轨损伤信号的预处理；对钢轨上采集的振动信号进行降噪、平滑，减少干扰对后续分析的影响；钢轨损伤信号的希尔伯特变换；在损伤信号分析之前先去除信号中的直流分量，再进行希尔伯特变换，使用dectrend函数去除直流分量，使用hilbert函数进行希尔伯特变换；基于Lamb波时间场法进行损伤识别；损伤识别精度的分析；使用基于Lamb波时间场法分别对钢轨轨腰处横向、纵向的七种不同损伤进行识别。本发明钢轨轨腰中损伤的识别精度较高，取得明显的应用效果。
-
公开(公告)号：CN113533511B
公开(公告)日：2022-09-16
申请号：CN202110728676.2
申请日：2021-06-29
Applicant: 北京交通大学
Abstract: 本发明公开了一种基于深度学习网络模型的钢轨焊缝监测方法，包括以下步骤：S1：对钢轨焊缝中Lamb波结构进行分析；S2：在钢轨焊缝裂纹损伤上监测Lamb波数据特征；S3：对抗生成网络的生成器和器结构设计两个阶段的深度学习网络模型，第一个阶段根据设计结构复杂、参数较多但可以有效提取与处理后数据特征的深度学习神经网络，以满足对输入数据深度特征提取的需求，第二阶段网络模型设计根据迁移学习中教师和学生理论设计出具备更为简单的网络结构模型，进而学习第一阶段网络的特征提取能力与指定数据输出能力；S4：获取MDCD在钢轨焊缝数据集上性能分析对比，本发明实现有效探测焊缝结构上的裂纹损伤。
-
Patent Agency Ranking
公开(公告)号：CN113533517B
公开(公告)日：2022-06-10
申请号：CN202110783501.1
申请日：2021-07-12
Applicant: 北京交通大学
Abstract: 本发明公开了一种基于Lamb波时间场法在钢管主梁中的损伤检测方法，包括如下步骤：环境搭建：在对实际钢管主梁焊缝结构进行无损检测时，所采用的设备主要包括压电传感器、计算机系统、信号采集设备、耦合剂；检测环境参数设置：在检测时，首先确定检测环境下的增益大小，根据经验选择，对比了20dB和30dB时的接收信号，确定增益为30dB时五波峰更加明显，效果较好；钢管主梁焊缝损伤数据处理及分析；基于时间场法进行损伤识别；不同程度损伤的识别。本发明对损伤位置的识别精度较高，取得明显的检测应用效果。
-
公开(公告)号：CN113591270A
公开(公告)日：2021-11-02
申请号：CN202110728637.2
申请日：2021-06-29
Applicant: 北京交通大学
Abstract: 本发明公开了一种基于MDCD在钢轨焊缝数据集上性能分析对比的监测方法，包括以下步骤：S1：对钢轨焊缝中Lamb波结构进行分析；S2：在钢轨焊缝裂纹损伤上监测Lamb波数据特征；S3：对钢轨焊缝结构健康监测的MDCD模型进行搭建与训练；S4：对两个阶段的模型训练效果进行评价，并对比了第二阶段模型相对于第一阶段模型的性能下降率，对比了两阶段训练模型在不同任务上执行效果与当前先进和流行的深度学习算法以及传统数字信号处理算法进行对比，本发明可以有效探测焊缝结构上的裂纹损伤，同时其较低的传播损伤，保证了Lamb波可以对一定距离和范围内的焊缝结构进行监测。
-
公开(公告)号：CN113533516A
公开(公告)日：2021-10-22
申请号：CN202110783192.8
申请日：2021-07-12
Applicant: 北京交通大学
Abstract: 本发明公开了一种基于Lamb波时间场法在钢轨中的损伤检测方法，包括如下步骤：钢轨损伤信号的预处理；对钢轨上采集的振动信号进行降噪、平滑，减少干扰对后续分析的影响；钢轨损伤信号的希尔伯特变换；在损伤信号分析之前先去除信号中的直流分量，再进行希尔伯特变换，使用dectrend函数去除直流分量，使用hilbert函数进行希尔伯特变换；基于Lamb波时间场法进行损伤识别；损伤识别精度的分析；使用基于Lamb波时间场法分别对钢轨轨腰处横向、纵向的七种不同损伤进行识别。本发明钢轨轨腰中损伤的识别精度较高，取得明显的应用效果。
-
公开(公告)号：CN113533509A
公开(公告)日：2021-10-22
申请号：CN202110726224.0
申请日：2021-06-29
Applicant: 北京交通大学
Abstract: 本发明实施例公开了一种辨识钢轨疲劳微裂纹位置的方法及装置，首先，向待测钢轨内施加高频兰姆波信号，以及高频兰姆波信号和低频振动信号的混合信号，并利用设置在待测钢轨上的四个传感器接收上述两种信号；其次，对每个传感器接收到的两种信号均进行模式分解、获取时频谱、时频谱相减和滤除低频振动信号的处理，以获得四个传感器对应的损伤辨识信号的时频谱；再次，在确定待测钢轨存在疲劳微裂纹后，分别获取损伤调制信号到达每个传感器的时刻，并通过对应时刻计算损伤调制信号传播至各个传感器的声程。分别以每个传感器的中心点为圆心，对应的声程为半径作圆，计算四个圆形的交点坐标；最后，利用交点的坐标确定待测钢轨上疲劳微裂纹的位置坐标。
-
公开(公告)号：CN109275203A
公开(公告)日：2019-01-25
申请号：CN201811148306.6
申请日：2018-09-29
Applicant: 北京交通大学
Abstract: 本发明公开了一种可扩展分布式蜂窝状柔性传感器网络，所述传感器网络借鉴微纳米加工工艺构造，以可延展聚合物为承载层，在柔性基体层上以正六边形蜂窝状布置传感器网络，形成一种紧密集成的类人体神经网络的分布式多功能蜂窝状柔性传感器网络，在其网络节点的内嵌微控制器具有处理功能，将其固定在列车结构表面上，用于基于Lamb波的列车结构损伤监测和诊断。所述传感器网络的承载层质轻、柔软，可很好的附在任意3D形状的结构上，且覆盖面积大，布局和安装更容易。该传感器网络监测范围更大，并能够提高损伤判别的精准性，在极端工作环境下具有稳定性，对列车复杂结构具有高适应性。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.029 seconds)
