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！

龙图腾网恭喜哈尔滨工业大学申请的专利基于字典融合增强的车载钢轨伤损声发射检测方法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：CN118916836B 。

龙图腾网通过国家知识产权局官网在2025-04-01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：202411024027.4，技术领域涉及：G06F18/25；该发明授权基于字典融合增强的车载钢轨伤损声发射检测方法是由宋树帜;章欣;陈逸飞;沈毅设计研发完成，并于2024-07-29向国家知识产权局提交的专利申请。

本基于字典融合增强的车载钢轨伤损声发射检测方法在说明书摘要公布了：本发明公开了一种基于字典融合增强的车载钢轨伤损声发射检测方法，首先提出了一种镜像扩展的自适应局部均值分解算法用于重构多通道数据集，以消除信号中的随机噪声，通过镜像扩展和自适应调整滑动步长，平衡地保留了信号的局部细节和全局特征，避免了端点效应和模态混叠。同时，开发了一种创新的基于Cramér'sV系数的相关性约束增强型字典融合算法用于训练统一的字典，融合多通道信号中的冗余有效信息，进一步消除WRRN。最后，从重构的融合信号中提取样本熵包络，构建自适应阈值，以准确检测伤损，提示工作人员及时维护钢轨。该方法能有效增强伤损特性，检测被噪声淹没的伤损信号，为钢轨伤损分析和评估提供指导。

本发明授权基于字典融合增强的车载钢轨伤损声发射检测方法在权利要求书中公布了：1.一种基于字典融合增强的车载钢轨伤损声发射检测方法，其特征在于所述方法包括如下步骤：步骤一：对多通道AE信号数据集X进行镜像翻转操作，并结合原数据构建镜像延拓-多通道AE数据集Xe，提高信号片段端点的连续性以避免端点效应和模态混叠，随后利用信号片段的短时能量调整自适应平滑步长SL，以提取信号的局部包络，求解调频信号最后保留互相关系数最大的PF用于重构多通道AE数据集消除随机噪声，具体步骤如下：步骤一一：对于一个多通道AE数据集其中，Q为通道数，q为通道序号，M为每列信号的长度，N为每个通道的信号列数，为整数域，将第q个通道中第j列信号片段沿时间轴反转，生成与原始信号对称的镜像数据其中为第q个通道中第j列信号中的第M个元素；步骤一二：将生成的镜像数据与原始数据结合，构建第q个通道第j列包含原始信号和其镜像的镜像延拓-AE信号： 其中，表示第q个通道中第j列的镜像延拓-AE信号，进而构建镜延拓-多通道AE数据集步骤一三：对每个信号片段计算其短时能量，根据短时能量的大小，构建能动态调整的自适应步长SL： 其中，为初始步长，η为一常数，为向上取整运算，η≥2为最小迭代步长；步骤一四：提取Xe中每列信号的全部的局部均值αi′和局部包络γi′：αi′＝σi′+σi′+12γi′＝|σi′-σi′+12|其中，σi′为每列信号的第i′个极值点；步骤一五：基于自适应步长，通过平均滑动运算处理分别计算局部均值函数和包络估计函数： 其中，j表示列序号，Ls为初始的滑动步长，fα,i′jt表示局部均值函数在时刻t中第j列第i′个元素，fγ,i′jt表示包络估计函数在时刻t中第j列第i′个元素；步骤一六：结合fα,i′jt和fγ,i′jt构建调频信号Sf,i′jt： 其中，PFh为第h次迭代产生的乘积函数，xt表示在t时刻的信号元素，重复步骤一五和步骤一六的迭代过程，直到产生纯调频信号；步骤一七：依据不同通道之间的互相关系数确定保留的PF并重构多通道数据集其中，表示第q个通道对应的重构信号集，公式如下： 其中，代表q1通道中第h1次迭代产生的PF，Rc代表互相关函数，IME·为镜像延拓的逆操作；步骤二：针对重构的多通道AE数据集，采用K-SVD算法分别为每个通道的重构信号训练子字典Φq，随后根据Cramér'sV系数对每个子字典中的原子进行加权，并将其融合为统一的字典Φf，稀疏矢量求解过程中，通过加入相关性约束求解共享稀疏系数B，并采用ADMM算法求解，以消除残余的WRRN，最后重构融合信号Xre＝ΦfΒ，具体步骤如下：步骤二一：对重构的多通道数据集构建如下稀疏表达形式： 其中，Φq为第q个通道对应的子字典，为第q个通道对应的稀疏系数矩阵中的第j列，在字典训练阶段，每个原子对同一伤损表示的贡献通过每个子字典相应位置原子之间的关联程度来衡量，每个通道对应的子字典采用K-SVD算法进行训练；步骤二二：引入Cramér'sV系数衡量两个随机变量之间的关联强度，Cramér'sV系数的公式如下： 其中，χ2表示卡方统计量，θ1和θ2分别表示交叉表中的两个序列，g和u分别表示交叉表的列和行的数量，则在字典融合重建伤损信号的过程中，每个基于Cramér'sV系数的原子贡献度公式化为： 其中，为中的第k列信号，表示第k列子字典原子，表示第q个子字典对应的第k行稀疏系数；步骤二三：通过原子贡献度对每个子字典原子加权，构建第k列的融合字典原子φf,k，公式如下： 其中，分母项表示贡献度归一化后的总和；步骤二四：融合字典的优化目标公式化如下： 步骤二五：利用共同的稀疏系数矩阵进行稀疏表达，则基于ADMM算法，联合稀疏系数的求解过程如下： 其中，l2范数增强了共享稀疏系数的简洁性，η′为正则化参数，Ra·为自相关函数，ρ为惩罚系数；步骤二六：基于融合字典和共享稀疏系数矩阵，得到重构的融合信号：Xre＝ΦfΒ；步骤三：基于重构的融合信号Xre，对每列信号提取样本熵SE，随后结合每列融合信号的SE值计算自适应阈值Th，最后，查找融合信号中幅值高于自适应阈值的信号片段为伤损信号，其他低于自适应阈值的信号为非伤损信号，所述自适应阈值Th通过如下公式构建：Th＝ωElowerSE+δ其中ω＝0.5，δ为惩罚系数，Elower·表示提取下包络线操作。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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”。