基于超声导波技术的 钢轨断裂监测研究

我国现代轨道交通系统近几年在智能、高速和信息集成化技术方面均取得了新的突破,轨道线路设备作为 行车运营的基础条件,钢轨在运行系统中起着不可或缺的主导作用,因此保证城市轨道交通的安全运营,钢轨的 伤损监测和维护非常重要。基于超声导波技术可对现代轨道交通钢轨进行实时断裂监测,研究表明：钢轨实时监 测系统能够检测不完全断裂和通断情况,并对中长远距离监测准确预判,降本提质。以期构建现代轨道交通综合监 测体系,并深入发展超声导波检测方法在现代轨道交通的应用,对于保障轨道交通安全运营具有重要的实践意义。     

基于灰狼算法的轨道交通钢轨缺陷的稀疏全聚焦成像方法

[目的]采用超声相控阵技术可实现轨道交通钢轨缺陷的高精度成像检测,但广泛应用的全矩阵捕获全聚焦成像方法存在计算耗时长、实时性不高的缺点。为缩短成像计算时间,采用稀疏矩阵替代全矩阵进行超声成像,但传统智能优化算法在解决稀疏阵列设计问题时存在收敛慢、易陷入局部最优的问题。为提高收敛性能和全局搜索能力,提出基于灰狼算法的轨道交通钢轨缺陷的稀疏全聚焦成像方法。[方法]对优化算法下的稀疏阵列性能进行了分析;利用超声相控阵仪器在钢轨试样上采集超声信号,通过稀疏矩阵进行全聚焦成像,以分析成像质量和成像时间。[结果及结论]利用优化算法得到的稀疏阵列具有较高的旁瓣抑制力,PSL(峰值旁瓣水平)可达到-12.83 dB;当PSL阈值为-6 dB时,稀疏阵列主瓣宽度与全阵列2.8°的主瓣宽度相当;稀疏率为75%时,钢轨成像性能指标质量接近全阵列,成像时间缩短了56.35%。     

基于LabVIEW的超声导波断轨检测系统的设计

为解决无轨道电路区段环线加计轴闭塞设备不具备断轨检测功能、现有钢轨探伤设备不能在线动态监测断轨的问题,设计开发基于LabVIEW的超声导波断轨检测系统,介绍其设计方法和测试步骤。该系统以超声导波为检测信号,不易受道床电气参数影响,具有断轨检测、报警记录和历史查询等功能,可有效检测出无轨道电路区段的钢轨断裂,对改善工务部门断轨检测现状,防止断轨事故的发生具有重要意义。     

YOLOv5超声波图像识别技术在高原高寒钢轨探伤中的应用

高原高寒地区环境复杂、昼夜温差大，对铁路建设与运营产生不良影响，容易发生由于钢轨内部伤损引起的断裂事故。研究基于YOLOv5的超声波图像识别技术在青藏铁路钢轨探伤检测中的应用，特别是针对轨头核伤、轨面鱼鳞伤等常见伤损类型进行检测。通过智能钢轨探伤仪采集高寒地段钢轨数据，以YOLOv5方法对数据集进行整理、处理和模型训练，精准识别和定位轨头核伤、轨面鱼鳞伤等损伤。研究表明，基于YOLOv5的模型在识别和定位各类钢轨损伤方面具有很高的准确性和实时性，可以同时进行目标检测和类别分类，并能在保持较高准确度的同时实现快速检测。提供一种新的、更有效的钢轨探伤检测数据分析方法，有助于提高铁路安全和运营效率。     

基于背景建模的钢轨表面缺陷像素级检测方法

钢轨表面缺陷具有独特性和稀疏性,利用机器视觉技术自动地检测钢轨表面缺陷仍存在很大挑战。提出一种基于背景建模的钢轨表面缺陷像素级检测方法,利用钢轨图像固有特性构建图像背景分布模型,找到背景分布簇中心,以定位到可疑像素点;提出一种钢轨表面缺陷像素级识别方法,根据可疑像素点的上下文特征和空间位置先验概率识别该像素点是否属于真实缺陷,并在钢轨缺陷数据集和实际线路上进行试验验证。研究结果表明:该方法在重载铁路和客运铁路2种钢轨缺陷数据集上均取得良好的识别性能,并在实际线路上达到100%的检测率。     

基于导波速度的无缝钢轨应力检测方法

为提高无缝钢轨应力检测精度,基于半解析有限元方法,分析应力作用下的钢轨导波模态传播规律,提出最优导波模态的选取、激励与接收方法。利用希尔伯特变换及二维傅里叶变换计算目标模态群速度和相速度,提出二次加权修正方法,以降低阵列换能器单元数量对相速度计算精度的影响。以此为基础,建立不同频率导波模态的速度与应力关系,分析基于群速度、相速度的应力检测精度。研究结果表明:随着导波频率的增大,导波群速度的计算误差逐渐增大,而相速度计算误差受到的影响较小;以200 Hz低频激励导波时,需选用群速度作为钢轨应力检测参数,应力估计精度约为0.219 MPa;以2kHz中频激励或20kHz高频激励时,需选用相速度作为检测参数,应力估计精度分别约为0.638和0.012MPa。因此,在实际应用中需根据导波频率选择不同类型的速度作为检测参数估计钢轨应力。     

基于超声导波的结构损伤识别方法与技术研究

随着我国高速铁路行业的迅速发展,对车辆的安全运营提出了更高的挑战,为了满足高速列车运行参量和关键结构状态实时监测需求,文章介绍了一种可用于高速列车关键结构件疲劳损伤检测的超声导波监测系统。首先对超声导波疲劳损伤检测机理进行了数学分析;然后介绍了监测系统的整体设计思路,以及压电超声传感器、超声导波检测仪等重要组成部分的工作原理及特征参数;最后,通过仿真分析与疲劳加载试验,验证了超声导波损伤监测系统用于关键结构的损伤监测识别的有效性和准确性。     

基于深度学习的钢轨伤损智能识别方法

基于钢轨探伤车检测数据通道设计、B显数据生成原理和钢轨伤损分类,对比钢轨探伤车检测数据伤损识别与普通图像识别特点的不同,将检测数据视为由16个通道二进制矩阵叠加成的图像;设计包含1个输入层、3个卷积层、3个池化层、2个全连接层、1个输出层的深度学习架构,并通过噪声和通道预处理,将钢轨伤损的"物体检测"问题转换为"分类"问题。以某地人造钢轨伤损检测数据扩充后作为训练集,得到基于深度学习的钢轨伤损智能识别模型,以另一地的人造钢轨伤损检测数据作为测试数据分析该模型的识别效果,并与钢轨探伤车既有系统识别结果和人工分析结果进行对比。结果表明:基于深度学习的钢轨伤损智能识别模型在准确率、误报率指标上均优于钢轨探伤车既有系统,达到人工分析的指标要求,提高了准确率。     

基于机器视觉的圆斑状钢轨擦伤检测算法

针对现有基于灰度阈值的钢轨擦伤检测算法受光照等外部环境的影响较大的问题，本文提出了一种基于机器视觉的圆斑状钢轨擦伤检测算法。首先通过分析采集图像在垂直方向的灰度均值曲线，提取出钢轨顶面区域；然后运用边缘检测的方法得到擦伤区域边缘的候选像素点；最后运用形态学处理删除不属于擦伤区域的虚假边缘，确定钢轨擦伤区域的位置。用测试数据集对本文算法进行检测性能评测，并与基于灰度阈值的算法进行对比。结果表明：本文算法对圆斑状钢轨擦伤样本的检测准确率为96.4%，而基于灰度阈值的算法的检测准确率为86.8%，本文算法的检测准确率大幅提升，能够对钢轨擦伤进行有效检测。     

钢轨缺陷在线高速检测

由圣地牙哥加利福尼亚大学研发的钢轨缺陷检测样机在最近进行的现场试验中取得了令人鼓舞的结果。该研究项目是由美国联邦铁路局研究与开发办公室提供资助。在2008年3月进行的现场试验中,最高检测速度达到10mph。试验轨道包括三节轨头有不同程度内部缺陷的钢轨(占轨头面积的比例分别为3.5%、35%和12%)。其中,二节为表面横向轨头断裂(2%和5%),一节为表面斜向轨头断裂(3.5%)。试验结果表明,对所有缺陷的检测成功率非常高。在不同环境条件下进行的24次试验中,包括大风天气和雨天,成功率达到75～100%。此项研究的目的是开发一种新的钢轨缺陷检测系统,与目前使用的检测系统相比,效果更好、可靠性更高、速度更快。其主要目的是对轨头横向缺陷进行检测。系统采用超声导波,能在钢轨表面断裂处下传播,减少了因钢轨表面剥落引起的横向裂缝所带来的掩蔽作用。同时,由于超声导波在衰减之前可传播较长的距离,因此可大大提高检测的速度。该项研究目前从两方面进行。首先,采用半分析有限元素法(SAFE),预测钢轨中非强制导波及强制导波的传播;其次,在2008年3月安装了基于非接触式激励和超声导波检测的样机,并进行了现场试验。最新的样机利用了SA...     

基于Anchors设计和模型迁移的钢轨内部伤损检测方法

钢轨内部伤损的准确检测是保障列车安全运行的重要环节，如何提高伤损检测算法的泛化能力和鲁棒性是当前自动检测该类伤损面临的主要问题。为此，提出一种基于Anchors设计和模型迁移的钢轨内部伤损检测方法。首先，采用图像数据增强技术扩充现有图像数据集，获取适量的训练样本。其次，设计以交并比为距离度量的K-means聚类算法获取新的Anchors多维度约束，提高伤损检测精度。最后，在基于改进Faster R-CNN模型的迁移学习方法基础上，训练所提的钢轨伤损检测模型。试验结果表明，本文检测方法所得精确率、召回率和F₁值均达到99%,对不同类型的内部伤损取得了较好的检测效果；与现有方法相比，本文所提方法的识别准确率高、误报率低，可有效检测钢轨内部伤损。     

基于多层级特征融合的钢轨表面伤损检测方法

现有的钢轨表面伤损检测方法存在鲁棒性差、误检率高和容易漏检小面积伤损区域的问题。为此,提出一种基于多层级特征融合的钢轨表面伤损检测方法。首先,利用高速综合检测车搭载轨道图像采集系统,在实际的铁路线路采集轨道图像,并对表面伤损进行人工标注;然后,在钢轨图像数量有限的情况下,利用钢轨表面伤损数据集构建策略,提升训练样本图像的数量和多样性;最后,利用上述数据集,训练基于多层级特征融合的目标检测网络,实现钢轨表面伤损区域的自动检测。将所提新方法与现有方法进行对比试验,结果表明:新方法在钢轨表面伤损数据集上具有最优性能,实现了端到端的钢轨表面伤损检测,能够满足实际应用需求。     

基于涡流检测和神经网络的钢轨表面滚动接触疲劳裂纹特征评估

基于钢轨表面不同深度和角度的2组人工伤损及涡流检测系统,在100～2 000 kHz激励频率范围内进行钢轨裂纹检测试验,确定最佳激励频率;在最佳激励频率769 kHz条件下对人工伤损进行检测,分析伤损尺寸参数与信号特征值的关系;基于最小二乘法曲线拟合原理,分别采用指数函数和三次多项式函数对伤损深度和角度进行定量评估;采用基于LM算法的BP神经网络方法,对伤损深度和角度进行定量评估;对2类定量评估结果进行对比。结果表明:基于曲线拟合原理的定量评估中指数函数更适用,其对深度和角度定量评估分类准确率分别为75%和66.67%;神经网络方法对深度和角度定量评估分类准确率分别为100%和83.33%,均高于指数函数定量评估。     

基于半解析有限元法的钢轨导波适用模态研究

研究目的:为选择出适用于钢轨导波无损检测的优势模态,采用半解析有限元法并基于哈密顿原理建立钢轨导波传播的控制方程,求解0~100 k Hz频率范围内的钢轨导波频散特性曲线。通过建立有限元模型对钢轨低频范围内的振动模态进行分析,验证半解析有限元法的准确性。在此基础上,提出将有限元法与半解析有限元法相结合的方法,用以分类并追踪钢轨理想导波模态,并根据相应的振型对理想模态导波进行激励和验证。研究结论:(1)随着频率的增大,钢轨导波振动模态数目迅速增加,但频散效应呈减小趋势;(2)对于钢轨基本振动模态,其横截面变形由整体变形逐渐演化为局部变形,其中扭转振动模态适用于轨腰检测,横向弯曲振动模态及竖向弯曲振动模态适用于轨底缺陷的检测;(3)在理想导波模态最大变形位置处施加激励荷载可以成功地激励出理想的导波;(4)本研究结果可为导波传感器设计与优化以及检测试验提供理论参考。     

基于图像智能识别的钢轨伸缩调节器位移监测技术

针对传统大桥钢轨伸缩调节器位移检测方法检测成本高、设备维护复杂等问题，提出了一种基于二维码的位移检测方法。采用先粗检测后精检测的策略，粗检测环节使用Viola-Jones快速目标检测框架确定待检测图像中二维码的候选区域，精检测环节基于二维码的定位标志确定各候选区域中二维码的三个顶点。在检测定位二维码的基础上利用模板匹配算法，计算出钢轨伸缩调节器的位移，从而对桥梁健康状况进行检测。试验结果表明，利用二维码技术进行桥梁结构位移检测具有较高的精度，检测精度可以达到毫米级。     

基于2D的钢轨轮廓特征点提取方法研究

钢轨轮廓数据特征点快速、准确提取是保证钢轨轮廓精确匹配、轨道几何不平顺精确检测的前提。对基于二维激光位移传感器(2D)的钢轨轮廓测量数据特征点提取方法进行研究,通过对采集的钢轨半断面轮廓数据采用基于中值误差与连续度自适应调整权值的平滑滤波方法对实测轮廓数据进行平滑处理,解决存在分段的轮廓数据达到分段平滑的效果。提出钢轨轮廓特征曲线的概念,并给出特征曲线的一种定义方式,利用特征曲线上的特征点去快速定位实测轮廓特征点。最后,采用GJ-2型轨道检测车进行试验,通过对实际轨道进行轮廓测量,采用本文所提出的特征点提取方法对实测轮廓数据进行特征点提取,试验证明,该方法能快速、准确地定位轮廓特征点。     

基于WiSARD无权重神经网络的铁路信号系统入侵检测方法研究

铁路信号系统是保障列车高效安全运行的关键信息基础设施，其安全性直接影响到行车安全。为保证信号系统的网络安全，需准确检测网络入侵。提出基于WiSARD无权重神经网络的铁路信号系统入侵检测方法：采用一种新型数据集构建信号系统流量特征，依据RSSP-I/II协议特点，利用核主成分分析法进行降维处理；选取信号系统中常见的4种攻击方式并结合真实流量组成训练数据集；从准确率和F₁两方面，对比WiSARD和其余3类典型神经网络算法分别在单一、混合攻击流量下的性能。实验结果表明：WiSARD在平均准确率和时间开销之间提供了最佳权衡，能有效提高信号系统入侵检测效率，为提升网络安全感知能力提供有力支撑。     

基于Faster R-CNN的铁路扣件定位方法研究

准确的扣件定位是进行扣件状态检测、保障轨道交通车辆安全运行的基础,传统的基于图像处理的方法难以满足快速准确智能检测的需要。针对这一情况,提出一种基于改进FasterR-CNN的深度学习理论方法,进行扣件定位。首先,建立检测图像数据集并进行图像标注,然后根据实际扣件图像特点建立FasterR-CNN检测模型,利用标注数据优化模型中区域候选网络边框信息以提高检测的召回效率及精度。通过实际检测数据分析验证,本文提出方法提高了检测效率和定位效果,与其他目标检测方法相比,具有更高的召回率和识别准确度,能够快速准确进行扣件定位。     

钢轨轨头内缺陷的超声相控阵DAC定量方法

为改善钢轨现行超声检测方法效率低和定量评价难度大的不足,将传统单探头DAC曲线定量方法引入超声相控阵检测领域,研究一种基于超声相控阵全矩阵数据的轨头内部缺陷定量评价方法。对轨头检测断面进行网格划分,模拟各网格节点处缺陷尺寸。利用超声相控阵测量模型,求得各网格节点处的DAC曲线。基于Kriging插值方法,构建轨头缺陷DAC定量评价模型,实现对检测断面内任意位置缺陷的定量评价。通过搭建钢轨超声相控阵检测试验系统,对钢轨人工缺陷试块进行检测试验。研究结果表明:相比工业中常用的-6 d B缺陷定量方法,本文方法在轨头内部缺陷检测精度和效率上均有明显优势。     

基于改进Mask R-CNN的轨道扣件状态检测方法

为提高轨道扣件状态检测的准确率,基于K均值聚类算法改进掩膜区域卷积神经网络(Mask R-CNN)实例分割算法中的区域建议网络.进行基于改进Mask R-CNN的轨道扣件状态检测方法研究,并将该方法分别应用于普速铁路有砟轨道2个扣件数据集和高速铁路无砟轨道1个扣件数据集上进行轨道扣件状态检测.结果 表明:该方法能对普速...