-
公开(公告)号：CN116660382A
公开(公告)日：2023-08-29
申请号：CN202310606990.2
申请日：2023-05-26
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于双层滤波和综合健康指数的钢轨结构健康监测方法，所述方法包括如下步骤：步骤一：依据电磁声发射信号特有的频谱能量分布情况，对原始声发射数据集进行滤波处理，排除干扰信号；步骤二：逐个计算各组信号之间的综合相关性指标，衡量不同信号的相关程度，排除与电磁声发射信号具有相同频谱能量分布的噪声信号；步骤三：从每组电磁声发射信号提取重心频率和Escort‑Tsallis熵两种特征，并据此构建综合健康指数，实现钢轨结构健康精确监测。本发明运算速率快，监测精准，裂纹分类准确。在高铁钢轨结构健康实时监测领域，具有很高的社会意义和经济价值。
-
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：CN116821737A
公开(公告)日：2023-09-29
申请号：CN202310676504.4
申请日：2023-06-08
Applicant: 哈尔滨工业大学
IPC: G06F18/23213 , G06F18/25 , G06F18/214 , G06F18/24 , G06N3/0464 , G06N3/0442 , G06N3/0895
Abstract: 本发明公开了一种基于改进弱监督多特征融合的裂纹声发射信号识别方法，所述方法包括如下步骤：一：加载从具有不同裂纹的钢轨获得的声发射信号，从这些声发射信号中提取25维特征，依据K‑means算法对特征进行聚类处理，根据聚类精度进行特征筛选，获得能够有效区分不同裂纹信息的特征集；二：将特征集输入到SCNN‑LSTM深度学习模型中，结合弱监督学习标签进行多特征融合，获得钢轨健康指数；三：依据钢轨健康指数的特性，构建自适应钢轨裂纹识别阈值，准确判别来自四段具有不同裂纹的钢轨的声发射信号，完成钢轨裂纹声发射信号识别。本发明运算速率快，识别精度高，在高铁钢轨裂纹伤损识别领域，具有很高的社会意义和经济价值。
-
公开(公告)号：CN112730628A
公开(公告)日：2021-04-30
申请号：CN202110155082.7
申请日：2021-02-04
Applicant: 哈尔滨工业大学
Abstract: 一种基于不平等距离优化聚类算法的伤损裂纹声发射信号检测方法，涉及伤损裂纹信号处理与检测领域的方法，解决了传统裂纹信号检测方法速度慢、效率低的问题。本发明的步骤为：一、加载原始声发射信号，获得噪声声发射信号；二、对噪声声发射信号提取γ倒谱系数特征，依据自适应鲁棒系数对其进行筛选；三、将噪声信号特征聚类，计算各特征到各聚类质心的距离，计算各聚类的不平等优化距离值；提取待测声发射信号的γ倒谱系数特征，依照步骤二选择待测信号特征，计算各特征到各聚类质心的距离，依据不平距离优化判别算法，判别待测信号。本发明运算速率快，检测精度高。在高铁钢轨与车轮伤损裂纹检测领域，具有很高的社会意义和经济价值。
-
公开(公告)号：CN116821737B
公开(公告)日：2024-04-30
申请号：CN202310676504.4
申请日：2023-06-08
Applicant: 哈尔滨工业大学
IPC: G06F18/23213 , G06F18/25 , G06F18/214 , G06F18/24 , G06N3/0464 , G06N3/0442 , G06N3/0895
Abstract: 本发明公开了一种基于改进弱监督多特征融合的裂纹声发射信号识别方法，所述方法包括如下步骤：一：加载从具有不同裂纹的钢轨获得的声发射信号，从这些声发射信号中提取25维特征，依据K‑means算法对特征进行聚类处理，根据聚类精度进行特征筛选，获得能够有效区分不同裂纹信息的特征集；二：将特征集输入到SCNN‑LSTM深度学习模型中，结合弱监督学习标签进行多特征融合，获得钢轨健康指数；三：依据钢轨健康指数的特性，构建自适应钢轨裂纹识别阈值，准确判别来自四段具有不同裂纹的钢轨的声发射信号，完成钢轨裂纹声发射信号识别。本发明运算速率快，识别精度高，在高铁钢轨裂纹伤损识别领域，具有很高的社会意义和经济价值。
-
Patent Agency Ranking
公开(公告)号：CN117647590A
公开(公告)日：2024-03-05
申请号：CN202311673072.8
申请日：2023-12-07
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于改进局部均值分解和倒谱系数的钢轨裂纹检测方法，首先，加载车轮在钢轨上运动全周期内的声发射信号，利用改进局部均值分解方法，将这些声发射分解成若干个乘积函数；然后，选择每组声发射信号分解得到的第一维乘积函数进行线性叠加，排除噪声和其他不相关信息的干扰，获得重构信号；接下来，从重构信号中提取13维伽马通倒谱系数，依据线性回归模型，推导构建一个转换矩阵，将第2维‑第6维伽马通倒谱系数融合为一维的倒谱信息系数；最后，基于三倍标准差法则构建伤损检测阈值，实现钢轨裂纹声发射信号的精准检测。本发明运算速率快，检测精度高，在高铁钢轨裂纹伤损检测领域具有很高的社会意义和经济价值。
-
公开(公告)号：CN112730628B
公开(公告)日：2022-06-03
申请号：CN202110155082.7
申请日：2021-02-04
Applicant: 哈尔滨工业大学
Abstract: 一种基于不平等距离优化聚类算法的伤损裂纹声发射信号检测方法，涉及伤损裂纹信号处理与检测领域的方法，解决了传统裂纹信号检测方法速度慢、效率低的问题。本发明的步骤为：一、加载原始声发射信号，获得噪声声发射信号；二、对噪声声发射信号提取γ倒谱系数特征，依据自适应鲁棒系数对其进行筛选；三、将噪声信号特征聚类，计算各特征到各聚类质心的距离，计算各聚类的不平等优化距离值；提取待测声发射信号的γ倒谱系数特征，依照步骤二选择待测信号特征，计算各特征到各聚类质心的距离，依据不平距离优化判别算法，判别待测信号。本发明运算速率快，检测精度高。在高铁钢轨与车轮伤损裂纹检测领域，具有很高的社会意义和经济价值。
-
公开(公告)号：CN113870895A
公开(公告)日：2021-12-31
申请号：CN202110973876.4
申请日：2021-08-24
Applicant: 哈尔滨工业大学 , 哈尔滨国铁科技集团股份有限公司
Abstract: 本发明公开了一种基于改进映射融合特征与阈值的车轮擦伤检测方法，所述方法如下：一：加载P组车轮声发射信号，从每组信号中提取七种特征，并确定各组特征的极值及计算P组特征极值的平均值；二：以获取的平均值为检测阈值，对声发射信号进行初步检测，计算各特征的擦伤信号检出率与精准率，对多维特征进行特征筛选，获得低维特征参数集，将低维特征参数集映射融合获得一维融合特征；三：计算映射融合特征的标准差、均值和最小值，计算每个时间窗内的改进自适应检测阈值，依据改进自适应阈值判别算法，判别各个特征是否属于擦伤信号，完成车轮擦伤声发射信号检测。本发明能够大幅度提高车轮擦伤信号检出率与检测精度，满足列车安全运行保障要求。
-
公开(公告)号：CN112362753A
公开(公告)日：2021-02-12
申请号：CN202011242659.X
申请日：2020-11-09
Applicant: 哈尔滨工业大学
Abstract: 一种基于不平等距离优化聚类算法的伤损裂纹声发射信号检测方法，涉及伤损裂纹信号处理与检测领域的方法，解决了传统裂纹信号检测方法速度慢、效率低的问题。本发明的步骤为：一、加载原始声发射信号，获得噪声声发射信号；二、对噪声声发射信号提取γ倒谱系数特征，依据自适应鲁棒系数对其进行筛选；三、将噪声信号特征聚类，计算各特征到各聚类质心的距离，计算各聚类的不平等优化距离值；提取待测声发射信号的γ倒谱系数特征，依照步骤二选择待测信号特征，计算各特征到各聚类质心的距离，依据不平距离优化判别算法，判别待测信号。本发明运算速率快，检测精度高。在高铁钢轨与车轮伤损裂纹检测领域，具有很高的社会意义和经济价值。
-
公开(公告)号：CN118330031A
公开(公告)日：2024-07-12
申请号：CN202410468973.1
申请日：2024-04-18
Applicant: 哈尔滨工业大学
IPC: G01N29/04 , G01N29/14 , G01N29/44 , B61K9/08 , G06F18/2131 , G06F18/25 , G06F18/241
Abstract: 本发明公开了一种基于自适应加权多传感器数据融合的伤损信号检测方法，所述方法如下：一：加载三组传感器的含伤损信息的声发射信号，计算各组传感器信号之间的余弦相似度和实时空间信息构成支持度矩阵，获得权重系数，线性加权获得融合信号；二：对融合信号进行滑动时间窗操作，对每个时间窗内的融合信号进行小波分解，计算小波系数，再依据这些系数能量占比计算Tsallis熵，获得时间‑小波Tsallis熵；三：对TWTE进行分帧，计算每组内该熵值的标准差，构成检测阈值，联立各帧内的阈值组成自适应钢轨伤损检测阈值，低于阈值的TWTE对应的信号即被检测为钢轨伤损信号。本发明提高了钢轨伤损信号的检测精度和实时性。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.017 seconds)
