技術(shù)特征：

1.一種基于多聲發(fā)射事件概率的鋼軌裂紋檢測方法，其特征在于它包括如下步驟：

步驟一：加載聲發(fā)射時域信號數(shù)據(jù)矩陣與標(biāo)簽向量，對聲發(fā)射信號做FFT變換及預(yù)處理，獲得數(shù)據(jù)矩陣與標(biāo)簽向量；

步驟二：卷積網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)及初始值的設(shè)定；

步驟三：逐層計算卷積神經(jīng)網(wǎng)絡(luò)模型特征與誤差，更新權(quán)值矩陣及偏置，進(jìn)行提取特征，并輸出測試集分類結(jié)果及分類概率；

步驟四：基于多聲發(fā)射事件概率對卷積神經(jīng)網(wǎng)絡(luò)輸出修正，優(yōu)化分類結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種基于多聲發(fā)射事件概率的鋼軌裂紋檢測方法，其特征在于所述的步驟一為：

1）加載聲發(fā)射時域信號數(shù)據(jù)矩陣與標(biāo)簽向量；

其中l₀表示信號向量的長度，即每個信號包含采樣點個數(shù)，N₀表示矩陣包含的聲發(fā)射信號個數(shù)，標(biāo)簽有兩種取值， ，分別代表鋼軌聲發(fā)射信號安全與非安全；

2）提取出信號的上升時間及持續(xù)時間，記為向量、，使對應(yīng)上升時間與持續(xù)時間之比小于λ，，Tⁱ_r、Tⁱ_d表示第i個信號的上升時間、持續(xù)時間，篩選出符合條件的信號，組成新數(shù)據(jù)庫及新標(biāo)簽庫，N₁為篩選后聲發(fā)射信號個數(shù)；

3）對聲發(fā)射信號的數(shù)據(jù)矩陣進(jìn)行FFT變換，得到頻譜矩陣，再對頻譜矩陣進(jìn)行截取，在滿足香農(nóng)采樣定理的前提下，去掉冗余高頻帶，將頻譜范圍限定在聲發(fā)射信號常用頻率1MHz內(nèi)，得到新的頻譜矩陣；

4）對的每列元素進(jìn)行折疊，得到三維數(shù)據(jù)矩陣，將每個信號轉(zhuǎn)換為二維矩陣，矩陣元素總數(shù)，a₀、b₀分別為信號折疊成的矩陣行數(shù)、列數(shù)，再對數(shù)據(jù)矩陣進(jìn)行歸一化處理，得到最大幅值為1的頻譜矩陣，其標(biāo)簽向量仍為。

3.根據(jù)權(quán)利要求1所述的一種基于多聲發(fā)射事件概率的鋼軌裂紋檢測方法，其特征在于所述的步驟二為：

1）對上一步得到的三維頻譜矩陣，N₁為樣本總數(shù)，a₀、b₀為折疊后矩陣的行數(shù)、列數(shù)，將及數(shù)據(jù)集分割為訓(xùn)練數(shù)據(jù)集、訓(xùn)練集標(biāo)簽及測試數(shù)據(jù)集、測試集標(biāo)簽，其中n₁是訓(xùn)練集樣本數(shù)，n₂是測試集樣本數(shù)，，設(shè)，x_i是維實矩陣樣本，是與x_i相關(guān)類別標(biāo)簽；

2）設(shè)定網(wǎng)絡(luò)的深度為p、迭代步數(shù)為k、初始迭代步數(shù)，設(shè)定卷積層與降采樣層的特征子圖參數(shù)，對卷積核權(quán)重進(jìn)行隨機(jī)值初始化，并初始化每層偏置，每層網(wǎng)絡(luò)權(quán)重梯度，偏置梯度；設(shè)置學(xué)習(xí)率為α，誤差限為er，k^l_ij為連接第l-1層第i個特征圖中第l層中第j個特征圖權(quán)值矩陣，b^l_j為第l層第j個特征圖的偏置項。

4.根據(jù)權(quán)利要求1所述的一種基于多聲發(fā)射事件概率的鋼軌裂紋檢測方法，其特征在于所述的步驟三為：

構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)，卷積層模型： ，降采樣層模型：，輸入逐層計算卷積層與下采樣層加權(quán)矩陣與偏置項的梯度，反復(fù)迭代直到達(dá)到迭代次數(shù)，完成卷積神經(jīng)網(wǎng)絡(luò)的前向與反向傳播步驟，實現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程，得到相應(yīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)；

再添加一層全連接層和softmax層，對測試集頻譜進(jìn)行分類，得到初步分類結(jié)果，包括輸出的標(biāo)簽向量及概率矩陣，其中softmax層假設(shè)函數(shù)為，θ^T為該層的參數(shù)向量，n₂是測試集樣本數(shù)，概率矩陣中概率值為，j=0,1，。

5.根據(jù)權(quán)利要求1所述的一種基于多聲發(fā)射事件概率的鋼軌裂紋檢測方法，其特征在于所述的步驟四為：

1）求出測試集中所有輸出的各類樣本的某一類概率值均值，由于本發(fā)明為針對安全性判定的二分類問題，取非安全概率，即j=1類即可，假設(shè)測試集輸出包含安全樣本m₀個，非安全樣本m₁個，以下簡記非安全概率為f_j(i)，0<i<m_j, j=0,1；

則兩類樣本的概率分布均值分別為

；

2）根據(jù)兩類樣本的概率分布均值及各類樣本總數(shù)，求取下面分界面閾值：

，

若概率大于此閾值，則分類為非安全，反之為安全；

3）將測試集中每n個樣本分為一組，共得到s組，，n₂是測試集樣本數(shù)；

對每組相應(yīng)softmax分類概率求取均值，求得多聲發(fā)射事件概率，按照本步驟中第2）步規(guī)則對所有組類別再次進(jìn)行階段性判定，得到優(yōu)化后的判定結(jié)果，提高分類精度。