-
公开(公告)号：CN110459197A
公开(公告)日：2019-11-15
申请号：CN201910618437.4
申请日：2019-07-10
Applicant: 哈尔滨工业大学(深圳) , 哈尔滨工业大学
Abstract: 本发明涉及一种信号增强器，包括：延时模块；自适应滤波器，用于输出目标信号；以及参数调节模块，用于通过收敛指标和不规则性指标对所述的自适应滤波器的参数进行实时调节。基于该信号增强器的信号去噪和提取方法包括：将输入信号经过延时环节后，输入到自适应滤波器；通过收敛指标和不规则性指标对所述的自适应滤波器的参数进行实时调节；和通过参数优化后的自适应滤波器输出去噪后的目标信号。本发明还涉及一种包含所述信号增强器的信号检测系统。本发明具有如下优点：1)适合噪声与目标信号频谱有重叠的强噪微弱信号提取和去噪；2)适合目标信号未知的盲信号提取；3)能够提取目标信号的时域波形和全部频率成分。
-
公开(公告)号：CN110459197B
公开(公告)日：2021-09-24
申请号：CN201910618437.4
申请日：2019-07-10
Applicant: 哈尔滨工业大学(深圳) , 哈尔滨工业大学
Abstract: 本发明涉及一种信号增强器，包括：延时模块；自适应滤波器，用于输出目标信号；以及参数调节模块，用于通过收敛指标和不规则性指标对所述的自适应滤波器的参数进行实时调节。基于该信号增强器的信号去噪和提取方法包括：将输入信号经过延时环节后，输入到自适应滤波器；通过收敛指标和不规则性指标对所述的自适应滤波器的参数进行实时调节；和通过参数优化后的自适应滤波器输出去噪后的目标信号。本发明还涉及一种包含所述信号增强器的信号检测系统。本发明具有如下优点：1)适合噪声与目标信号频谱有重叠的强噪微弱信号提取和去噪；2)适合目标信号未知的盲信号提取；3)能够提取目标信号的时域波形和全部频率成分。
-
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：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：CN110717274B
公开(公告)日：2024-05-10
申请号：CN201910961806.X
申请日：2019-10-11
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种噪声描述方法，包括：噪声预处理模块，用于输出符合建模标准的噪声；分形维提取模块，用于提取所述符合建模标准的噪声的分形维；噪声建模模块，用于在所提取的分形维的基础上建立噪声的分形布朗运动模型。分形维提取模块还包括基于小波分解的分形维提取方法：对所述符合建模标准的噪声进行多层小波分解；对分解得到的各层小波系数方差取以2为底的对数；做出小波分解层数和小波系数方差对数的曲线；采用最小二乘法估计曲线的斜率并计算分形维。本发明具有如下优点：1)能够提取噪声的分形维；2)对不同运行速度下产生的噪声给出统一描述；3)同时确定噪声的统计、时域和频域特性。
-
Patent Agency Ranking
公开(公告)号：CN110758456B
公开(公告)日：2021-06-08
申请号：CN201911084741.1
申请日：2019-11-08
Applicant: 哈尔滨工业大学
IPC: B61K9/08
Abstract: 本发明涉及一种轮轨健康状态监测系统及方法，包括：多个安装在钢轨侧面上的传感器，其中每个传感器被设置成能够采集该位置的信号；多个信号处理单元，被设置成能够处理多个传感器采集的信号，包含所述监测方法、信号预处理、信号去噪、伤损检测、伤损分类、伤损定位、伤损严重程度评估和轮轨使用寿命预测等程序模块，用于实现轮轨健康状态监测；一个轮轨健康状态监测控制中心，包括控制、显示和预警单元；以及多个传感器与信号处理单元之间、多个信号处理单元之间和多个信号处理单元与监测控制中心之间的数据传输。本发明适用于不同轮轨接触状态、行车速度、载重等情况下的轮轨健康状态全过程监测。
-
公开(公告)号：CN104977357B
公开(公告)日：2017-05-24
申请号：CN201510471722.X
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提取与去噪方法，其步骤如下：步骤一：钢轨裂纹声发射信号到达时间自动识别；步骤二：建立有色轮轨接触噪声AR模型及其噪声方程；步骤三：建立钢轨裂纹信号时变参数AR模型及钢轨裂纹信号卡尔曼滤波基本方程；步骤四：有色轮轨接触噪声卡尔曼滤波估计钢轨裂纹信号。本发明具有如下优点：1)在检测到钢轨裂纹信号的基础上，进一步建立钢轨裂纹信号的时变参数AR模型，采用有色测量噪声卡尔曼滤波方法，直接对钢轨裂纹信号进行估计，提取出钢轨裂纹信号；2)将有色轮轨接触噪声情况下的卡尔曼滤波递推公式化简为与一般卡尔曼滤波递推公式一致的一般形式，简化了算法，减小了算法复杂度。
-
公开(公告)号：CN106248801A
公开(公告)日：2016-12-21
申请号：CN201610803720.0
申请日：2016-09-06
Applicant: 哈尔滨工业大学
CPC classification number: G01N29/14 , G01N29/4481 , G01N2291/2623
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：CN104777230A
公开(公告)日：2015-07-15
申请号：CN201510178893.3
申请日：2015-04-16
Applicant: 哈尔滨工业大学
IPC: G01N29/14
Abstract: 一种基于声发射技术的车载移动式高速铁路钢轨伤损检测系统与检测方法，属于铁路钢轨安全监测技术领域。所述检测系统由单轮交替检测子系统、多轮同步检测子系统、车载信号采集与处理平台组成，所述单轮交替检测子系统由若干个均匀分布在车轮圆周上的传感器组成，每一个传感器对应一个扇形区域，扇形区域的圆心角为θ，所有传感器的扇形区域覆盖整个圆周；所述多轮同步检测子系统由若干个单轮交替检测子系统组成；所述车载信号采集与处理平台安装于列车上，各传感器通过同轴屏蔽电缆与车轮轴端的导电滑环相连接，导电滑环的输出端与车载信号采集与处理平台相连接。本发明能够实现高速铁路钢轨伤损的高效监测，并降低检测成本。
-
公开(公告)号：CN103808810A
公开(公告)日：2014-05-21
申请号：CN201410093846.4
申请日：2014-03-14
Applicant: 哈尔滨工业大学
IPC: G01N29/44
Abstract: 本发明公开了一种基于小波时频图和群速度曲线的钢轨裂纹声发射特征提取方法，其步骤为：步骤一、裂纹源声发射信号经复数小波变换处理得到小波时频图；步骤二、根据相应的特征参数计算瑞利-兰姆方程得到群速度曲线T(t～ω)；步骤三、将群速度曲线T(t～ω)叠加到小波时频图上，得到带群速度曲线的小波时频图，用于声发射信号模态特征提取；步骤四、根据声发射信号不同模态之间的强度比率得到不同发射源类型和深度的特征。本发明能够检测不同种类和不同深度的裂纹信号，解决了当前无法获得不同裂纹源的特征和确定钢轨裂纹类型的问题，提高了钢轨伤损检测的准确度。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.024 seconds)
