申请/专利权人：哈尔滨工业大学

申请日：2018-09-05

公开（公告）日：2021-09-17

公开（公告）号：CN110879254B

主分类号：G01N29/14(20060101)

分类号：G01N29/14(20060101);G01N29/44(20060101)

优先权：

专利状态码：有效-授权

法律状态：2021.09.17#授权;2020.04.07#实质审查的生效;2020.03.13#公开

摘要：一种基于改进最小二乘生成式对抗网络的钢轨裂纹声发射信号检测方法，本发明解决了针对不同种类的噪声环境下，通过对抗神经网络训练噪声模型实现自动滤除复杂噪声问题。本发明的步骤为：一、合成不同噪声背景下含噪信号样本库并归一化。二、生成式对抗网络的初始化。三、将去噪样本与参考样本共同输入判别器网络并根据判别误差更新判别网络权值。四、根据判别器损失值及去噪后均方误差更新生成网络权值。五、交替训练判别网络与生成网络最终用生成器前向网络实现噪声的有效去除。本发明与现有技术相比，具有以下优点：1可用相同结构同时抑制多种噪声；2自动学习噪声模型，不需任何先验知识；3在高速强噪背景下仍能检测出裂纹声发射信号。

主权项：1.一种基于改进最小二乘生成式对抗网络的钢轨裂纹声发射信号检测方法，其特征在于包括如下步骤：步骤一：采集铁路现场列车行驶时产生的特定轮轨噪声信号xinoise，并保持初始幅值与相同时间长度的参考裂纹信号xi相叠加，合成含噪裂纹信号，对含噪裂纹信号做预处理得归一化含噪信号zi，zi＝xi+xinoisemaxabsxi+xinoise；其中，max·代表求向量最大值，abs·代表求取向量元素绝对值，i为信号样本在训练集中的序号，给出对应裂纹信号的标签并将之映射为One-hot编码格式的属性标签xic，弹性阶段裂纹信号的对应标签为[0,1]，塑性阶段对应标签为[1,0]，将标签xic拼接在归一化含噪信号zi之后共得n个训练样本z,xcn×l，同理得m个测试样本zt,xctm×l，其中l为标准含噪信号所含的采样点数；步骤二：生成式对抗网络的初始化过程，包括：设定生成器网络G及判别器网络D的初始值及结构参数：包括网络层数、节点数及权值初始值、训练最小批次nbatch、迭代次数N、学习率α、正则化权值λ1，λ2；生成器网络和判别器网络的前向网络都采用全连接层，其层间计算公式如下： 其中，为l+1层i单元的输出，为生成器或判别器网络中连接l层j单元与l+1层i单元的权值，为l+1层i单元的偏置为l+1层i单元的输出，f·代表激活函数，选用sigmoid函数或双曲正切函数，对应表达式如下： 具体在激活函数的选择原则上，由于生成器网络用于滤波，因此采用降噪自编码器DenoisingAutoEncoder,DAE的结构且输出层的激活函数应选择双曲正切函数以模拟输出信号在正负范围内的波动；而判别器网络用于判断滤波后信号是否仍含有噪声成分，需采用sigmoid函数做输出层函数，这样较容易将输出值压缩在[0,1]范围内，给出二分类的近似概率结果，生成器网络G及判别器网络D的输入输出关系如下： 其中，D·为判别器网络的映射算子，θd为判别器网络D权值矩阵参数，其作用在于对去噪信号与参考信号进行判别，给出判别结果用于反向传播及参数更新；G·为生成器网络的映射算子，θg为生成器网络G权值矩阵参数，其作用在于对含噪输入zi进行预测及滤波处理得到对应的去噪信号判别器网络D及生成器网络G迭代优化过程中的目标函数如下： 其中，λ1为对抗损失函数的正则化权值，λ2为均方误差的正则化权值，λ1+λ2＝1；步骤三：将去噪样本与参考样本共同输入判别器网络并根据判别误差更新判别网络权值；将归一化含噪信号样本输入生成器前向网络，得到滤波后样本与不含噪声的参考样本共同代入判别器网络D中，并计算两者间均方误差MeanSquareError,MSE及对抗损失函数的随机梯度，根据损失函数的随机梯度下降方向更新判别器网络D权值矩阵参数θd： 其中，Δθd为θd的更新量，为梯度算子，D·为判别器网络的映射算子，G·为生成器网络的映射算子；步骤四：根据判别器损失值及去噪后均方误差MSE更新生成器网络权值θg；步骤五：交替训练判别器网络与生成器网络，用训练完成的生成器网络实现噪声的有效去除，提取出去噪裂纹信号计算峰值信噪比并判断是否符合去噪精度要求。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学 一种基于改进最小二乘生成式对抗网络的钢轨裂纹声发射信号检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD