买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华东交通大学申请的专利一种基于HSROA的轨道故障识别方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120277617B 。

龙图腾网通过国家知识产权局官网在2025-09-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510749047.6，技术领域涉及：G06F18/25；该发明授权一种基于HSROA的轨道故障识别方法及系统是由王晓明;林子新;刘林芽;夏凯权设计研发完成，并于2025-06-06向国家知识产权局提交的专利申请。

本一种基于HSROA的轨道故障识别方法及系统在说明书摘要公布了：本发明公开了一种基于HSROA的轨道故障识别方法及系统，包括：计算至少一个IMF分量信号的频带熵值，根据频带熵值大小在至少一个IMF分量信号中选取敏感IMF分量信号；根据带通滤波器对敏感IMF分量信号进行第二次滤波，得到目标信号，并对目标信号进行包络功率谱分析，得到故障特征频率；将故障特征频率与轨道振动信号中的时域特征、频域特征、时频域特征进行融合，得到融合特征向量，并根据融合特征向量构建融合特征矩阵；将融合特征矩阵输入至预设的深度信念网络中进行迭代训练，得到轨道故障识别模型，并将获取的实时轨道振动信号输入至轨道故障识别模型中，轨道故障识别模型输出得到轨道故障识别结果。

本发明授权一种基于HSROA的轨道故障识别方法及系统在权利要求书中公布了：1.一种基于HSROA的轨道故障识别方法，其特征在于，包括： 获取轨道振动信号，并采用超频带信号精炼优化算法作为预滤波器对所述轨道振动信号进行第一次滤波，得到预滤波后的窄频带信号，其中，所述采用超频带信号精炼优化算法作为预滤波器对所述轨道振动信号进行第一次滤波，得到预滤波后的窄频带信号包括： 采用多小波包分解将所述轨道振动信号通过低通滤波器和高通滤波器分解为第一低频信号和第一高频信号，表达式为： ， ， ， ， 式中，为第一低频信号，为低通滤波器系数，为输入信号采样点索引，为输出信号采样点索引，为原始轨道振动信号，为第一高频信号，为高通滤波器系数，为第一低频子信号，为第一高频子信号，为滤波器索引，为单位冲激函数，为输入到下一层分解的低频信号，用于计算第一低频子信号； 将所述第一低频信号再通过低通滤波器和高通滤波器进行分解，得到第一低频子信号和第一高频子信号，并根据所述第一低频子信号的非线性组合能量和频率特征，以及所述第一高频子信号的非线性组合能量和频率特征计算各个第一低频信号的综合评分，表达式为： ， 式中，为非线性组合能量项，为指数衰减项，为频率特征项，为频率特征指数，为第i个第一低频信号的综合评分； 将综合评分大于预设阈值的第一低频信号定义为目标第一低频信号，并通过预设的重构滤波器将所述目标第一低频信号进行信号重构，得到预滤波后的窄频带信号，其中，表达式为： ， 式中，为预滤波后的窄频带信号，为目标第一低频信号，为优化后的重构低通滤波器系数，为第一低频子信号在卷积操作中的采样点位置，为衰减系数，为各个第一低频信号的综合评分，为时间窗函数，为噪声抑制项，为优化后的重构高通滤波器系数，为第一高频子信号在卷积操作中的采样点位置； 所述重构滤波器的滤波器系数通过改进PSO算法进行优化得到，具体包括： 初始化粒子群并随机生成一组粒子，每个粒子代表一组重构滤波器系数和，即，每个粒子包含相应位置和速度且初始值为随机值，结合均方误差和信噪比两个指标，创建综合适应度函数，表达式为： ， 式中，为综合适应度函数，为信噪比，为信噪比的权重指数，为衰减系数，为均方误差，为均方误差的调节指数，为权重，和为学习因子； 根据适应度函数的计算结果，更新个体最优位置和全局最优位置，再根据个体最优位置和全局最优位置，不断更新粒子的速度和位置，直到迭代预设次数时终止，得到最终粒子速度和位置，与此同时得到优化后的滤波器系数，表达式为： ， ， ， ， 式中，为个体最优位置，为全局最优位置，为粒子i在时间t的位置，为粒子在位置处的综合适应度值，为粒子在个体最优位置处的综合适应度值，为更新后粒子的速度，为权重，为粒子i在时间t的速度，和为学习因子，和为[0,1]内的随机因子，为更新后粒子的位置； 对所述窄频带信号进行EEMD分解，得到至少一个IMF分量信号，并计算所述至少一个IMF分量信号的频带熵值，根据频带熵值大小在所述至少一个IMF分量信号中选取敏感IMF分量信号； 根据带通滤波器对敏感IMF分量信号进行第二次滤波，得到目标信号，并对所述目标信号进行包络功率谱分析，得到故障特征频率； 将所述故障特征频率与所述轨道振动信号中的时域特征、频域特征、时频域特征进行融合，得到融合特征向量，并根据所述融合特征向量构建融合特征矩阵； 将所述融合特征矩阵输入至预设的深度信念网络中进行迭代训练，得到轨道故障识别模型，并将获取的实时轨道振动信号输入至所述轨道故障识别模型中，所述轨道故障识别模型输出得到轨道故障识别结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华东交通大学，其通讯地址为：330000 江西省南昌市经济技术开发区双港东大街808号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。