一种基于改进EMD-CNN的轮轨故障噪声识别方法及系统
本发明公开了一种基于改进EMD‑CNN的轮轨故障噪声识别方法及系统,方法包括:对获取的轮轨噪声信号进行经验模式分解,得到原始噪声序列;根据预设的波段筛选策略对所述原始噪声序列进行筛选,得到包含目标故障信息的至少一个IMF分量,并提取所述至少一个IMF分量的能量以及峭度特征;将所述至少一个IMF分量的能量以及峭度特征输入至预先构建的改进卷积神经网络中,所述改进卷积神经网络输出得到与所述轮轨噪声信号相对应的轮轨故障噪声类别。能够提高轮轨故障类型识别的准确性,分类的精准度,有利于对轮轨故障的排查。
《一种基于改进EMD-CNN的轮轨故障噪声识别方法及系统》是一发明专利,专利号为 2024105785740,当前法律状态为已下证,由华东交通大学提出申请,发明人为殷雄;姚道金;韩硕;王晓明;陈伊涵;王鑫;陈聪;刘国庆,申请日期为2024-05-11,公开(公告)日期为2024-07-23,国际专利分类号(IPC)为 G06F 18/24 (2023.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明公开了一种基于改进EMD‑CNN的轮轨故障噪声识别方法及系统,方法包括:对获取的轮轨噪声信号进行经验模式分解,得到原始噪声序列;根据预设的波段筛选策略对所述原始噪声序列进行筛选,得到包含目标故障信息的至少一个IMF分量,并提取所述至少一个IMF分量的能量以及峭度特征;将所述至少一个IMF分量的能量以及峭度特征输入至预先构建的改进卷积神经网络中,所述改进卷积神经网络输出得到与所述轮轨噪声信号相对应的轮轨故障噪声类别。能够提高轮轨故障类型识别的准确性,分类的精准度,有利于对轮轨故障的排查。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
