-
公开(公告)号：CN114330455A
公开(公告)日：2022-04-12
申请号：CN202210006200.2
申请日：2022-01-05
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于压缩感知的钢轨声发射信号快速高精度重构方法，所述方法为：一、将采集到的钢轨声发射信号进行3层的小波包变换，得到多尺度数据集，通过构建高斯随机矩阵，对多尺度数据集进行随机采样，获得测量值矩阵；二、基于K‑SVD构建多尺度模块化字典，利用SAMP对多尺度数据集进行重构，通过计算重构测量值与原始测量值之间的峭度差；三、利用重构前后多尺度数据集的峭度偏差，自适应的对多尺度字典中性能差的模块进行局部更新，在满足重构信号的精度要求后，利用小波反变换，获取高精度的重构钢轨声发射信号。本发明能有效实现钢轨声发射信号的快速、高精度的压缩与重构，为钢轨结构健康监测中的裂纹信号分析提供指导。
-
公开(公告)号：CN108520234B
公开(公告)日：2021-04-06
申请号：CN201810309626.9
申请日：2018-04-08
Applicant: 哈尔滨工业大学
IPC: G06K9/00
Abstract: 一种基于多种特征量的盲信号提取方法，本发明提出利用一种或多种特征量同时对盲信号进行提取，对传统盲源提取方法添加各种约束并进行改进。本发明的步骤为：一、利用可变或多种特征值添加约束对传统盲源提取算法进行改进。二、利用预定的各个特征量对初始权限量进行选择。三、利用初始权限量进行迭代计算得到提取结果。本发明采用多种特征量同时对一个信号进行约束提取，让盲源提取的过程不再局限于固定的特征量进行判断，而是变为可变特征量或多种特征量同时进行判断，泛用性较强，优化了盲源提取方法。
-
公开(公告)号：CN110879254A
公开(公告)日：2020-03-13
申请号：CN201811029104.X
申请日：2018-09-05
Applicant: 哈尔滨工业大学
Abstract: 一种基于改进最小二乘生成式对抗网络的钢轨裂纹声发射信号检测方法，本发明解决了针对不同种类的噪声环境下，通过对抗神经网络训练噪声模型实现自动滤除复杂噪声问题。本发明的步骤为：一、合成不同噪声背景下含噪信号样本库并归一化。二、生成式对抗网络的初始化。三、将去噪样本与参考样本共同输入判别器网络并根据判别误差更新判别网络权值。四、根据判别器损失值及去噪后均方误差更新生成网络权值。五、交替训练判别网络与生成网络最终用生成器前向网络实现噪声的有效去除。本发明与现有技术相比，具有以下优点：1)可用相同结构同时抑制多种噪声；2)自动学习噪声模型，不需任何先验知识；3)在高速强噪背景下仍能检测出裂纹声发射信号。
-
公开(公告)号：CN106248801B
公开(公告)日：2019-06-14
申请号：CN201610803720.0
申请日：2016-09-06
Applicant: 哈尔滨工业大学
Abstract: 一种基于多声发射事件概率的钢轨裂纹检测方法，本发明提出用卷积神经网络输出的相对概率作为声发射事件概率，解决了当前钢轨裂纹检测未充分利用样本间时序信息的问题。本发明的步骤为：一、加载声发射时域信号数据矩阵，对声发射信号做FFT变换及预处理，获得折叠为三维矩阵的频谱矩阵与标签向量。二、设定卷积网络结构参数及初始值。三、输入频谱矩阵，逐层计算迭代卷积神经网络模型误差，更新权值矩阵及偏置，进行特征提取，输出测试集分类结果及分类概率。四、基于多声发射事件概率对卷积神经网络输出修正，优化分类结果。本发明用多次声发射事件概率改进分类结果，提高了钢轨裂纹伤损的检测精度，有较强的理论与工程实际意义。
-
公开(公告)号：CN105092705B
公开(公告)日：2017-12-08
申请号：CN201510541891.6
申请日：2015-08-28
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明提供了一种钢轨缺陷的多模态信号检测方法及装置，该方法包括：获取待测钢轨的表面待测区域的光学信号，并根据光学信号，确定钢轨表面伤损的空间分布信息及表面伤损类型；获取钢轨表面伤损所在位置区域的光声信号，并根据光声信号，确定钢轨浅层伤损的空间分布信息及浅层伤损类型；获取钢轨浅层伤损所在位置区域以及更深处的区域的超声回波信号，并根据超声回波信号，确定钢轨深层伤损的空间分布信息及深层伤损类型；根据钢轨表面、浅层及深层的伤损空间分布信息，融合光学、光声与超声的检测数据，对待测钢轨进行三维重建。本发明有效提高了检测结果的精度与效率，能够更直观更形象的展现该钢轨存在的缺陷。
-
Patent Agency Ranking
公开(公告)号：CN104138277B
公开(公告)日：2016-03-16
申请号：CN201410366119.0
申请日：2014-07-29
Applicant: 哈尔滨工业大学
IPC: A61B8/08
Abstract: 本发明公开了一种定量超声系统中基于经验模态分解的组织微观结构检测方法，其检测方法为：步骤一、获取生物组织超声背散射信号；步骤二、截取DOI区域的背散射信号作为输入数据；步骤三、对输入数据进行EMD分解，得到三阶本征模态函数和一个残差项；步骤四、提取三阶本征模态函数能量谱，并与原信号能量谱进行相似度分析，确定包含组织微结构信息的BIMF；步骤五、对确定出的BIMF进行估计，计算组织散射子间距信息。本发明具有如下优势：(1)提取模态函数项BIMF，去除非相干模态函数项中的无用信息；(2)消除弥散散射元信号及噪声干扰，抑制倒谱中的干扰峰值，提高MSS估计精度，估计精度可达90～95％。
-
公开(公告)号：CN105092711A
公开(公告)日：2015-11-25
申请号：CN201510471723.4
申请日：2015-08-04
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了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，其步骤如下：步骤一：建立轮轨接触噪声线性时间序列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；步骤三：卡尔曼递推滤波估计轮轨接触噪声；步骤四：轮轨接触噪声的抑制。本发明与现有技术相比，具有如下优点：1)在可直接测得的噪声声发射信号的基础上，对已知的噪声信号部分建立AR模型进行卡尔曼滤波，得到噪声信号的估计，无需知道钢轨裂纹信号的先验知识即可检测到钢轨裂纹信号的发生；2)本发明所提出的去噪方法，在钢轨裂纹信号完全淹没在噪声信号的高速情况下，依然能够达到抑制噪声，检测钢轨裂纹发生的目的。
-
公开(公告)号：CN105092705A
公开(公告)日：2015-11-25
申请号：CN201510541891.6
申请日：2015-08-28
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明提供了一种钢轨缺陷的多模态信号检测方法及装置，该方法包括：获取待测钢轨的表面待测区域的光学信号，并根据光学信号，确定钢轨表面伤损的空间分布信息及表面伤损类型；获取钢轨表面伤损所在位置区域的光声信号，并根据光声信号，确定钢轨浅层伤损的空间分布信息及浅层伤损类型；获取钢轨浅层伤损所在位置区域以及更深处的区域的超声回波信号，并根据超声回波信号，确定钢轨深层伤损的空间分布信息及深层伤损类型；根据钢轨表面、浅层及深层的伤损空间分布信息，融合光学、光声与超声的检测数据，对待测钢轨进行三维重建。本发明有效提高了检测结果的精度与效率，能够更直观更形象的展现该钢轨存在的缺陷。
-
公开(公告)号：CN103226132B
公开(公告)日：2014-12-10
申请号：CN201310147962.5
申请日：2013-04-25
Applicant: 哈尔滨工业大学
IPC: G01N29/04
Abstract: 高铁钢轨伤损检测实验平台及检测方法，属于铁路安全监测与防护技术领域，本发明为解决手推式探伤仪的检测结果易受环境和个人因素影响的问题。本发明包括加压装置、丝杆、模拟车轮、模拟高铁钢轨、传送带、主动轮、电机、振动加速度传感器、wifi无线发射模块、wifi无线接收模块和上位机，检测方法包括以下步骤：一、模拟不同车重、不同车速，制造不同的表面伤损，提取振动加速度传感器采集信号的时域特征参数和时频域特征参数，通过支持向量机来建立伤损识别库；二、在模拟高铁钢轨上沿圆周方向设置多个振动加速度传感器，提取每个传感器采集信号的参数；三、对照伤损识别库，判断二获取的每个振动加速度传感器所在位置是否存在表面伤损。
-
公开(公告)号：CN104146732A
公开(公告)日：2014-11-19
申请号：CN201410366117.1
申请日：2014-07-29
Applicant: 哈尔滨工业大学
IPC: A61B8/08
Abstract: 本发明公开了骨密度仪中基于稀疏表示的多参量骨质疏松分类判决方法，其步骤如下：步骤一、构造大小为N的训练样本库W，测量训练样本库里每一个样本的BMD，并测量MSS、BUC、BUA及SOS；步骤二、对训练样本库W的样本按照量测BMD值由小到大进行排序；步骤三、构造其骨质疏松特征参量集向量序列；步骤四、构造骨质疏松等级矩阵；步骤五、根据每个骨质疏松等级矩阵量测数据，训练组量测词典；步骤六、利用量测词典对待测样本稀疏表示系数进行筛选，确定所属骨质疏松等级。该判决方法综合利用了超声透射及背散射中的多种参量构造特征参量集，以该参量集为基础进行分类判决。本发明应用于医学检测、特征分类领域。
-
-
-
-
-
-
-
-
-
Search Results
84
records
(took 0.044 seconds)
