[发明专利]基于深度学习的超声波铁轨探伤小车系统及其控制方法

摘要

本发明公开了一种基于深度学习的超声波铁轨探伤小车系统及其控制方法，该超声波铁轨探伤小车系统包括探伤系统、小车控制器和第一工控机；所述探伤系统包括第二工控机、喷淋机构、涂料机构和与第二工控机连接的超声波探轮；所述超声波探轮包括填充有耦合剂的胶轮，和设置在胶轮上的超声波换能器；所述小车控制器控制小车沿铁轨运动或对小车制动，还分别与第一工控机、第二工控机、喷淋机构和涂料机构连接。小车结构采用模块化的设计方法，能够实现小车重要部件的快速拆装；本发明同时将深度学习运用到铁轨探伤应用中，实现探伤数据实时、高效、高准确率的检测。

主权项

1.一种基于深度学习的超声波铁轨探伤小车系统，其特征在于，包括探伤系统、小车控制器和第一工控机；所述探伤系统包括第二工控机、喷淋机构、涂料机构和与第二工控机连接的超声波探轮；所述超声波探轮包括填充有耦合剂的胶轮，和设置在胶轮上的超声波换能器；所述小车控制器控制小车沿铁轨运动或对小车制动，还分别与第一工控机、第二工控机、喷淋机构和涂料机构连接；/n在任意一个循环的探伤作业中，所述喷淋机构根据所述小车控制器向其发送的启动信号，将耦合剂喷洒在铁轨表面；/n所述第二工控机将所述小车控制器发送的启动信号提供给超声波探轮，/n以驱使所述超声波探轮的超声波换能器向铁轨发出超声波信号并接收来自铁轨的反射信号；所述第二工控机还接收所述反射信号进行处理，得到超声波探伤图像信息；/n所述第一工控机包含有基于深度神经网络模型的深度学习模块，其根据超声波探伤图像信息进行判断，将铁轨是否存在缺陷的状态信息输出给所述小车控制器；/n所述小车控制器根据铁轨不存在缺陷的状态信息，发送执行下一循环的探伤作业的启动信号；或者，所述小车控制器根据铁轨存在缺陷的状态信息，驱使所述涂料机构将涂料喷涂在存在缺陷的铁轨上进行标记后，/n发送执行下一循环的探伤作业的启动信号。/n