[發明專利]一種基于改進最小二乘生成式對抗網絡的鋼軌裂紋聲發射信號檢測方法有效
| 申請號: | 201811029104.X | 申請日: | 2018-09-05 |
| 公開(公告)號: | CN110879254B | 公開(公告)日: | 2021-09-17 |
| 發明(設計)人: | 王康偉;章欣;王艷;韓瑞東;沈毅 | 申請(專利權)人: | 哈爾濱工業大學 |
| 主分類號: | G01N29/14 | 分類號: | G01N29/14;G01N29/44 |
| 代理公司: | 暫無信息 | 代理人: | 暫無信息 |
| 地址: | 150006 黑龍*** | 國省代碼: | 黑龍江;23 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 改進 最小 生成 對抗 網絡 鋼軌 裂紋 聲發 信號 檢測 方法 | ||
一種基于改進最小二乘生成式對抗網絡的鋼軌裂紋聲發射信號檢測方法,本發明解決了針對不同種類的噪聲環境下,通過對抗神經網絡訓練噪聲模型實現自動濾除復雜噪聲問題。本發明的步驟為:一、合成不同噪聲背景下含噪信號樣本庫并歸一化。二、生成式對抗網絡的初始化。三、將去噪樣本與參考樣本共同輸入判別器網絡并根據判別誤差更新判別網絡權值。四、根據判別器損失值及去噪后均方誤差更新生成網絡權值。五、交替訓練判別網絡與生成網絡最終用生成器前向網絡實現噪聲的有效去除。本發明與現有技術相比,具有以下優點:1)可用相同結構同時抑制多種噪聲;2)自動學習噪聲模型,不需任何先驗知識;3)在高速強噪背景下仍能檢測出裂紋聲發射信號。
技術領域
本發明涉及高速鐵路鋼軌裂紋信號檢測領域的方法,具體涉及一種基于改進最小二乘生成式對抗網絡的鋼軌裂紋聲發射信號檢測方法。
背景技術
目前,我國的四縱四橫高鐵網進入全面收官階段,八縱八橫的高鐵網建設也已經出臺。在高速鐵路快速發展的同時,列車高速、平穩的運行關系到人民生命和國家財產的安全,高鐵的安全性越來越受到人們的高度重視。鐵路中的鋼軌在長期使用過程中,由于疲勞發生剝離、斑脫、裂紋、斷裂及其它影響其性能的鋼軌傷損也在逐漸增多。在高速鐵路系統中,高速列車產生的長期碰撞、擠壓等作用更加突出,裂紋出現的概率以及裂紋擴展的速度都會提高,如不及時檢測并采取安全措施,裂紋在后續持續作用的外力下極易擴展,從而造成斷軌,甚至列車脫軌等重大事故。
鋼軌裂紋活動時會產生大量聲發射現象,以彈性波形式釋放應變能并在鋼軌中傳播,這種彈性波可被聲發射傳感器采集,記錄于聲發射信號中,因此從聲發射信號中可解讀出大量與動態裂紋直接相關的信息。聲發射檢測技術可以用于動態裂紋特性研究,通過對行車負載下鋼軌中信號的被動式實時監聽,能夠檢測出裂紋萌生及擴展情況,非常適合于對鋼軌包含傷損的嚴重等級乃至鋼軌壽命階段的評估,從而及早采取相應的維護措施。
但由于聲發射檢測技術具有敏感性與被動式特性,聲發射采集信號較易受到噪聲影響。鐵路現場采集得到的信號中通常存在較復雜的噪聲成分,背景噪聲主要由輪軌間相互機械作用伴隨的摩擦、磨損引起,存在較明顯的平穩性與時序性;另外也有一些未知因素引起的隨機性異常噪聲。因此本發明提出一種基于改進最小二乘生成式對抗網絡的鋼軌裂紋聲發射信號檢測方法,基于深度學習中的生成式對抗模型(Generative adversarialnetworks,GAN)實現對復雜噪聲模型的建立與噪聲成分的消除,這種模型自身包含兩部分:生成器網絡(Generator,G)及判別器網絡(Discriminator,D)。本方法針對不同種類的噪聲訓練時序模型并在生成器網絡中形成針對同種噪聲的濾波器,起到對原始含噪信號的濾波作用,通過判別器網絡判斷處理后信號是否仍含有噪聲成分,使得二者在對抗中交替迭代優化,最終實現對復雜噪聲成分的復合濾波作用,并進一步提高濾波精度。
發明內容
本發明提出了一種基于改進最小二乘生成式對抗網絡的鋼軌裂紋聲發射信號檢測方法。在裂紋信號完全被輪軌噪聲淹沒的條件下,結合所提出的方法,能夠實現抑制鐵路現場中復雜噪聲成分,檢測裂紋聲發射信號發生的目的,從而為鋼軌裂紋傷損的特征提取與分類提供進一步指導。
本發明通過以下技術方案實現:
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于哈爾濱工業大學,未經哈爾濱工業大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201811029104.X/2.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種汽車零部件加工用翻轉裝置
- 下一篇:一種高效的汽車零部件用壓接裝置





