龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：哈尔滨工业大学
摘要：本发明提出基于自监督对比学习的轨道剪力绞和阻尼器缺失损伤识别方法。该方法利用切比雪夫滤波器对振动采集到的振动响应数据进行滤波，并利用网格法和双阈值截断方法提取过车时的振动响应信号，搭建基于自监督对比学习的时间序列表征学习模型，以准确识别轨道的损伤。自监督对比学习可以从大量未标注的数据中提取到有价值的信息，可以仅用很少的标签数据就可以实现有效的训练和优异的性能，同时利用对比学习的机制更好的学习数据特性，从而提供更好的识别结果。本发明能在少量标记数据的基础上实现有效的训练和优异的轨道损伤识别性能，从而降低了模型对人工标注数据的依赖性，适用于不方便人工大量标注的情况下实现轨道损伤的高效识别。
主权项：1.基于自监督对比学习的轨道剪力绞和阻尼器缺失损伤识别方法，其特征在于，所述方法包括以下步骤：步骤一、收集城市轨道在列车荷载作用下剪力绞和阻尼器缺失损伤所对应的振动监测响应数据；步骤二、提取过车振动响应数据，利用切比雪夫滤波器对实验采集得到的振动响应数据进行滤波，用网格法选取短时能量和短时低频能量双阈值截断法的最佳参数，使用双阈值截断方法从大量振动监测响应数据中提取列车经过时的振动响应数据；对过车振动响应数据进行预处理，利用移动平均法将每五个点的数据Xt,Xt+1,Xt+2,Xt+3,Xt+4平均为X't＝Xt+Xt+1+Xt+2+Xt+3+Xt+45，之后随机截取长度为5120的振动响应信号，形成模型训练数据集矩阵步骤三、将步骤二中得到的矩阵X按90％和10％的比例分为两个数据集，90％的数据集代入基于时间和上下文对比的时间序列表征学习模型进行预训练，保存预训练结果，权重和模型参数；步骤四、将步骤三中得到的10％数据集分为训练集、测试集和验证集代入预训练模型中进行再训练，分析测试结果，能准确识别轨道剪力绞和阻尼器缺失损伤。
全文数据：
权利要求：
百度查询： 哈尔滨工业大学 基于自监督对比学习的轨道剪力绞和阻尼器缺失损伤识别方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号