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Wav2vec2.0神经网络的轨道交通钢轨损伤压电阵列超声导波定位方法

鉴于普通超声波检测方法无法实现对轨道交通钢轨的长距离检测，基于超声导波的SHM (结构健康监测)技术难以从响应信号中提取损伤特征而影响损伤定位精度，提出了一种基于Wav2vec2.0神经网络的压电阵列超声导波定位方法对轨道交通钢轨损伤进行定位。基于压电阵列超声导波数据的特点，对该方法进行了简要介绍。搭建了钢轨损伤的超声导波检测系统，并利用该系统进行数据集的采集。采用ABAQUS有限元软件建立钢轨损伤超声导波检测三维有限元模型，并利用该模型进行数据集的采集。利用小波信号处理方法对超声导波试验信号进行重构，以达到信号去噪的目的；在仿真信号中加入随机噪声，将叠加随机噪声后的超声导波仿真信号作为补充数据集；通过计算模型中钢轨损伤定位的准确率和误差对模型的性能进行评估。结果表明，当迭代轮次达到第120次时，训练样本的准确率达到100%。利用基于Wav2vec 2.0神经网络的压电阵列超声导波定位方法可实现轨道交通钢轨损伤的准确定位。