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！

龙图腾网获悉中国铁路设计集团有限公司申请的专利一种基于列车振声复合特征的轨道交通钢轨波磨识别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：CN115575508B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202211205278.3，技术领域涉及：G01N29/12；该发明授权一种基于列车振声复合特征的轨道交通钢轨波磨识别方法是由陶功权;刘冀钊;何宾;齐春雨;胡文林;谢清林;温泽峰;王少林;姜博龙;陈江雪;宋哲男设计研发完成，并于2022-09-30向国家知识产权局提交的专利申请。

本一种基于列车振声复合特征的轨道交通钢轨波磨识别方法在说明书摘要公布了：本发明属于铁路轨道的技术领域，具体公开了一种基于列车振声复合特征的轨道交通钢轨波磨识别方法，包括以下步骤：列车振动、噪声及关联信号采集与处理；振动、噪声信号增强、融合；振动、噪声复合数据与波磨关系映射和样本集建立；振动、噪声复合样本集卷积神经网络结构设计与训练；钢轨波磨状态识别。本发明基于振声融合数据，使用一维卷积神经网络对振动融合数据的样本集进行自适应特征提取。同时采用随机搜索法确定最优参数，缩短样本训练与识别时间，满足钢轨波磨检测、监测精度和时效性需求。

本发明授权一种基于列车振声复合特征的轨道交通钢轨波磨识别方法在权利要求书中公布了：1.一种基于列车振声复合特征的轨道交通钢轨波磨识别方法，其特征在于，包括以下步骤： 步骤S101：列车振动、噪声及关联信号采集与处理； 步骤S102：振动、噪声信号增强、融合； 步骤S103：振动、噪声复合数据与波磨关系映射和样本集建立； 步骤S104：振动、噪声复合样本集卷积神经网络结构设计与训练； 步骤S105：钢轨波磨状态识别； 所述步骤S101中，在车外设置加速度传感器采集振动信号和列车速度信号，同时采集钢轨波磨状态数据，在车内设置声压传感器采集噪声信号；对采集的速度信号进行时间积分获得列车位移信息，将速度信号转换为位移域信号，根据列车位移与时间的一一对应关系，用位移信号替换振动信号和噪声信号的时间坐标； 所述步骤S102中，采用具有0-1之间重叠系数的空间滑移窗对步骤S101中得到的空间域的振动信号和噪声信号进行切割，将同一个滑移窗内的振动数据和噪声数据并联形成双通道数据； 所述步骤S103包括以下步骤： 步骤S301：定义钢轨波磨超限原则，约定连续3个13倍频程处的粗糙度超限3dB或单个频率处超限6dB，判断该区段波磨超限； 步骤S302：根据波磨是否超标赋予对应振动、噪声的复合数据响应标签，波磨超限标签定义为“1”，否则为“0”； 步骤S303：将映射样本集分为训练集和测试集，分别占比p%和1-p%； 所述加速度传感器设置在列车轴箱或转向架处，所述声压传感器设置在转向架上方的列车内，高度为距离车厢内底部1.2m处； 所述步骤S104中，根据数据量确定振动、噪声的复合样本集采用一维卷积神经网络结构，确定其层数、作用和函数，采用随机搜索法确定最优参数； 所述一维卷积神经网络结构共7层，包括1层为输入层，用于将输入数据送入卷积神经网络进行特征提取； 2层为大卷积核卷积层，用于进行振动噪声融合样本短时特征提取； 3-6层为小卷积核卷积层，用于样本的局部与全局特征捕捉； 7层为sigmoid分类层，用于判定样本标签； 所述一维卷积神经网络结构使用函数包括： same零补命令，卷积层使用，使卷积层输入与输出长度相等； Adam优化训练网络，使训练网络基于样本数据迭代更新神经网络权重，设定学习率为0.0001，损失函数采用binary_crossentropy； 批处理，利用批处理样本进行训练，避免梯度弥散与梯度爆炸； 5折交叉验证法，对模型进行训练以提高其泛化能力，提高训练模型的模型鲁棒性。

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中国铁路设计集团有限公司，其通讯地址为：300450 天津市滨海新区自贸试验区(空港经济区)东七道109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”。

以上内容由龙图腾AI智能生成。