[发明专利]一种基于改进长短时记忆网络的钢轨裂纹声发射信号检测方法

权利要求书

1.一种基于改进长短时记忆网络的钢轨裂纹声发射信号检测方法，其特征在于它包括如下步骤：

步骤一：将原始信号x(t)分割并归一化得到训练数据集z₁(t)及测试集z_test(t)，对应标签为y₁(t)与y_test(t)；

步骤二：四层单步预测LSTM前向网络P_NN1搭建及结构参数初始化；

步骤三：将一段短时间内典型背景噪声信号分割得到的数据集z₁(t)输入LSTM网络训练后获得对背景噪声的最佳单步预测模型

步骤四：将测试样本z_test(t)输入背景噪声预测模型对原始信号进行预测，得到预测的背景噪声成分输出用测试集信号的标签y_test(t)减去预测背景噪声得误差信号e₁(t)；

步骤五：从误差信号e₁(t)中选取长度为n₂的裂纹信号峰值部分，构成新训练数据集z₂(t)，训练与P_NN1具有相同结构的LSTM网络模型P_NN2用于对裂纹信号预测；

步骤六：将全部误差信号e₁(t)输入裂纹模型预测得到去噪裂纹信号的初步估计用误差信号e₁(t)减去去噪裂纹信号的初步估计得到异常误差信号e₂(t)；

步骤七：通过求局部极大值及线性插值求上包络，对e₁(t)及e₂(t)分别求上包络e_envelope1(t)与e_envelope2(t)，并将二者的上包络做差，用于消除其中的异常噪声成分，得到最终检测到的裂纹事件

2.根据权利要求1所述的一种基于改进长短时记忆网络的钢轨裂纹声发射信号检测方法，其特征在于所述的步骤一为：数据集分割并预处理，具体方法如下：

采集铁路现场列车行驶时产生的含噪裂纹声发射信号x(t)，设原始信号中包含的总采样点数为N，从原始信号中截取长度为n₁的连续背景噪声数据作为训练集，将训练集数据有重叠地连续分割长度为n_seg的信号样本x₁(t)，分割方式如下式所示：

而为使LSTM网络提取样本中的时序结构特征并对样本作出单步预测，截取样本后的第一个点会作为对应第i个样本的训练标签，对截取后获得的含噪裂纹信号做得归一化预处理得到可输入网络的训练数据集z₁(t)及训练数据的标签集y₁(t)，

z₁(t)＝x₁(t)/max(abs(x₁(t)))∈[-1,1]，y₁(t)＝x_i+nseg-1/max(abs(x₁(t)))∈[-1,1]；

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；采用同样的方法对长度为N的整体原始信号进行分割后归一化得到测试集z_test(t)∈[-1,1]及测试标签集y_test(t)∈[-1,1]。