-
公开(公告)号：CN105534546B
公开(公告)日：2018-09-07
申请号：CN201511022823.5
申请日：2015-12-30
Applicant: 哈尔滨工业大学
IPC: A61B8/00
Abstract: 本发明公开了一种基于ZYNQ系列FPGA的超声成像方法，具体步骤如下：步骤1：用ZYNQ系列FPGA自带的Vivado HLS软件设计超声信号的发射控制以及信号接收的程序，控制超声收发芯片，获取超声成像所需的数据。步骤2：通过Vivado HLS软件，利用ZYNQ内PL部分对接收到的超声回波信号进行处理。步骤3：通过SDK软件，利用ZYNQ内PS部分对处理后的超声回波图像进行成优化并传输给后端。本方法在ZYNQ内实现了超声成像的全过程，有效地提高了控制芯片的集成度，缩小了超声成像设备的体积；同时通过使用Vivado HLS和SDK软件，有效地提高了研发效率，降低了开发的难度，增强了方法的可移植性，很适合应用于便携、无线超声成像设备等小型化产品。
-
公开(公告)号：CN104977357B
公开(公告)日：2017-05-24
申请号：CN201510471722.X
申请日：2015-08-04
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于卡尔曼滤波的钢轨裂纹声发射信号提取与去噪方法，其步骤如下：步骤一：钢轨裂纹声发射信号到达时间自动识别；步骤二：建立有色轮轨接触噪声AR模型及其噪声方程；步骤三：建立钢轨裂纹信号时变参数AR模型及钢轨裂纹信号卡尔曼滤波基本方程；步骤四：有色轮轨接触噪声卡尔曼滤波估计钢轨裂纹信号。本发明具有如下优点：1)在检测到钢轨裂纹信号的基础上，进一步建立钢轨裂纹信号的时变参数AR模型，采用有色测量噪声卡尔曼滤波方法，直接对钢轨裂纹信号进行估计，提取出钢轨裂纹信号；2)将有色轮轨接触噪声情况下的卡尔曼滤波递推公式化简为与一般卡尔曼滤波递推公式一致的一般形式，简化了算法，减小了算法复杂度。
-
公开(公告)号：CN106248801A
公开(公告)日：2016-12-21
申请号：CN201610803720.0
申请日：2016-09-06
Applicant: 哈尔滨工业大学
CPC classification number: G01N29/14 , G01N29/4481 , G01N2291/2623
Abstract: 一种基于多声发射事件概率的钢轨裂纹检测方法，本发明提出用卷积神经网络输出的相对概率作为声发射事件概率，解决了当前钢轨裂纹检测未充分利用样本间时序信息的问题。本发明的步骤为：一、加载声发射时域信号数据矩阵，对声发射信号做FFT变换及预处理，获得折叠为三维矩阵的频谱矩阵与标签向量。二、设定卷积网络结构参数及初始值。三、输入频谱矩阵，逐层计算迭代卷积神经网络模型误差，更新权值矩阵及偏置，进行特征提取，输出测试集分类结果及分类概率。四、基于多声发射事件概率对卷积神经网络输出修正，优化分类结果。本发明用多次声发射事件概率改进分类结果，提高了钢轨裂纹伤损的检测精度，有较强的理论与工程实际意义。
-
公开(公告)号：CN103784166B
公开(公告)日：2015-08-19
申请号：CN201410074903.4
申请日：2014-03-03
Applicant: 哈尔滨工业大学
Abstract: 多功能一体化数字超声诊断系统，涉及一种多功能的可利用超声实现对人体肌肉组织、心脏心血管疾病及骨质健康进行一体化检测与诊断的数字化超声系统。它为了解决现有的超声设备功能单一且操作复杂，不能实现远程操作的问题。本发明采用集成的探头单元、集成发射驱动/接收单元以及数字信号处理单元等，通过嵌入式计算机主控系统控制各模块单元采集信号和处理数据，并通过无线及网络通讯模块发送数据。本发明体积小、集成度高、使用携带方便，并且能够实现诊断数据的上传、下载，实现远程诊断。本发明适用于人体肌肉组织、心脏心血管疾病及骨质健康情况的诊断。
-
公开(公告)号：CN119985719A
公开(公告)日：2025-05-13
申请号：CN202510150223.4
申请日：2025-02-11
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于动态权重融合驱动的钢轨伤损梅尔频谱特征检测方法，首先，针对采集到的声发射信号，计算其信号一致性方差来确定数值融合权重；然后，通过传感器的实际安装位置计算其位置可靠性函数，并结合动态补偿机制从而计算位置权重；进而，将获得的数值权重和位置权重结合起来，获得用于信号融合的自适应权重来进行信号融合；最后，从融合信号中提取梅尔频谱滚降点特征，并结合统计阈值来确定钢轨是否存在伤损。本发明根据信号一致性方差和传感器几何位置动态调整融合权重，可以更灵活地适应不同情况下的传感器数据，并引入梅尔频谱滚降点作为特征提取指标，有效地去除噪声干扰并保留伤损信息，适用于需要高精度的钢轨伤损检测领域。
-
Patent Agency Ranking
公开(公告)号：CN118916836A
公开(公告)日：2024-11-08
申请号：CN202411024027.4
申请日：2024-07-29
Applicant: 哈尔滨工业大学
IPC: G06F18/25 , G06F18/213 , G01N29/04 , G01N29/44
Abstract: 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's V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。
-
公开(公告)号：CN116821737B
公开(公告)日：2024-04-30
申请号：CN202310676504.4
申请日：2023-06-08
Applicant: 哈尔滨工业大学
IPC: G06F18/23213 , G06F18/25 , G06F18/214 , G06F18/24 , G06N3/0464 , G06N3/0442 , G06N3/0895
Abstract: 本发明公开了一种基于改进弱监督多特征融合的裂纹声发射信号识别方法，所述方法包括如下步骤：一：加载从具有不同裂纹的钢轨获得的声发射信号，从这些声发射信号中提取25维特征，依据K‑means算法对特征进行聚类处理，根据聚类精度进行特征筛选，获得能够有效区分不同裂纹信息的特征集；二：将特征集输入到SCNN‑LSTM深度学习模型中，结合弱监督学习标签进行多特征融合，获得钢轨健康指数；三：依据钢轨健康指数的特性，构建自适应钢轨裂纹识别阈值，准确判别来自四段具有不同裂纹的钢轨的声发射信号，完成钢轨裂纹声发射信号识别。本发明运算速率快，识别精度高，在高铁钢轨裂纹伤损识别领域，具有很高的社会意义和经济价值。
-
公开(公告)号：CN117647590A
公开(公告)日：2024-03-05
申请号：CN202311673072.8
申请日：2023-12-07
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于改进局部均值分解和倒谱系数的钢轨裂纹检测方法，首先，加载车轮在钢轨上运动全周期内的声发射信号，利用改进局部均值分解方法，将这些声发射分解成若干个乘积函数；然后，选择每组声发射信号分解得到的第一维乘积函数进行线性叠加，排除噪声和其他不相关信息的干扰，获得重构信号；接下来，从重构信号中提取13维伽马通倒谱系数，依据线性回归模型，推导构建一个转换矩阵，将第2维‑第6维伽马通倒谱系数融合为一维的倒谱信息系数；最后，基于三倍标准差法则构建伤损检测阈值，实现钢轨裂纹声发射信号的精准检测。本发明运算速率快，检测精度高，在高铁钢轨裂纹伤损检测领域具有很高的社会意义和经济价值。
-
公开(公告)号：CN115019045A
公开(公告)日：2022-09-06
申请号：CN202210730784.8
申请日：2022-06-24
Applicant: 哈尔滨工业大学
IPC: G06V10/26 , G06V10/44 , G06V10/762 , G06V10/764 , G06V10/80 , G06T7/11 , G06N20/00
Abstract: 本发明公开了一种基于多成分邻域的小数据甲状腺超声图像分割方法，所述方法如下：加载甲状腺超声原始成分图像，为每幅图像匹配对应的图像分割标签并划分原始成分数据集，然后提取边缘成分图像和超像素成分图像；利用多成分数据集训练三个U‑Net分割算法，以获得初步分割结果和多成分分割输出，进而提取多成分小邻域特征并配以像素二分类标签；在多成分邻域极限学习机中完成特征融合、最小冗余度‑最大相关度特征筛选和极限学习机训练，获取像素分类结果并重构，以获得増补性分割结果；利用増补性分割结果，改进初步分割结果的边缘环形关注区域，以获取改进的最终分割结果。本发明方法可以在小数据下获得精度更高的甲状腺超声分割结果。
-
公开(公告)号：CN112730628B
公开(公告)日：2022-06-03
申请号：CN202110155082.7
申请日：2021-02-04
Applicant: 哈尔滨工业大学
Abstract: 一种基于不平等距离优化聚类算法的伤损裂纹声发射信号检测方法，涉及伤损裂纹信号处理与检测领域的方法，解决了传统裂纹信号检测方法速度慢、效率低的问题。本发明的步骤为：一、加载原始声发射信号，获得噪声声发射信号；二、对噪声声发射信号提取γ倒谱系数特征，依据自适应鲁棒系数对其进行筛选；三、将噪声信号特征聚类，计算各特征到各聚类质心的距离，计算各聚类的不平等优化距离值；提取待测声发射信号的γ倒谱系数特征，依照步骤二选择待测信号特征，计算各特征到各聚类质心的距离，依据不平距离优化判别算法，判别待测信号。本发明运算速率快，检测精度高。在高铁钢轨与车轮伤损裂纹检测领域，具有很高的社会意义和经济价值。
-
-
-
-
-
-
-
-
-
Search Results
84
records
(took 0.036 seconds)
