[发明专利]高速铁路钢轨高速漏磁巡检的缺陷定量识别方法

说明书

技术领域

本发明涉及一种基于神经网络的高速铁路钢轨高速漏磁巡检的缺陷定量识别方法，涉及电磁无损检测中的高速漏磁检测技术、人工神经网络算法和钢轨结构健康检测评估技术，属于无损检测技术领域。

背景技术

随着我国高速铁路的大规模发展，以及铁路运营七次大提速，切实保障了经济发展对运输的需求，促进了我国经济的发展，为社会带来了巨大的经济效益。与此同时，由于列车速度和行车密度的增加以及我国超期服役的钢轨数量较大，使得钢轨损伤呈现新形式。在列车的高速运行状态下，钢轨的损伤形式主要表现为钢轨踏面接触疲劳引发的各种不规则裂纹，并向轨头内部扩展并形成大尺寸横向疲劳裂纹，最终导致钢轨发生横向折断。钢轨损伤直接威胁到列车的行车安全，轻者行车中断，扰乱社会运输秩序，重者车毁人亡，造成重大的经济损失和社会影响。为保证钢轨的安全，积极寻求高效准确的钢轨检测方法实现对铁路钢轨进行高速巡检，及时发现和判断钢轨缺陷日益重要。

传统的钢轨检测主要是人工查看或者敲打听音，这种方法不仅检测效率低，更是对检测人员的技术要求比较高，需要大量的实践经验。随着无损检测的快速发展，人们开始把多种无损检测技术应用到钢轨的检测中来，并取得了良好的效果。采用无损检测技术对钢轨进行检测不仅能及时发现列车安全运行隐患，防止安全事故的发生，更重要的是可通过已知的早期缺陷及其发展规律，在确定其位置、类型、尺寸等参数的基础上，对钢轨的结构健康和安全寿命进行预测与评估。目前常用的铁路钢轨裂纹的无损检测方法有射线式、超声式和电磁式几种。其中，射线式检测方法由于检测设备不易制备、具有放射性、操作较困难、不易实现在线检测等原因，很难用于轨道的在线检测应用；而通常的超声式检测方法由于需要耦合作用，难以实现非接触式测量，另外设备结构较复杂，存在检测盲区，使其在在线检测的高可靠性要求下难以胜任。

与超声探伤检测技术和其他检测技术不同，漏磁检测技术（Magnetic Flux leakage Testing，即MFL）是利用铁磁性材料的电磁特性来判断被测材料的性能。漏磁检测技术具有探头结构简单、无污染、检测灵敏度高，可实现非接触测量,有利于实现高速铁路钢轨缺陷的高速巡检；而且根据缺陷三维漏磁信号的具体特征与钢轨缺陷特征参数之间的映射关系，可以通过一定的手段实现对铁路钢轨缺陷的某些特征参数的定量识别，有利于高效准确地发现铁路钢轨的早期缺陷及其发展规律和钢轨缺陷的位置、类型、尺寸等特征参数，进一步可实现对铁路钢轨结构健康和安全寿命的预测和评估。

缺陷的定性检测技术已经比较成熟，但是对缺陷的检测不仅仅只是需要确定缺陷的有无，还要确定缺陷的尺寸、性质等，使对缺陷的检测实现从定性检测走向定量检测，也就是要解决电磁求逆反演的问题，而这一问题一直是电磁无损检测研究的难点和热点。人为因素会对检测结果造成一定的影响，而借助智能化的处理方法可以有效消除这一影响，所以许多人工智能方法如专家系统、事例推理、模式识别等都为缺陷的定量分析技术研究开辟了有效的途径，但是在诸多的智能方法中，人工神经网络技术以其具有高度非线性映射、快速并行处理和自适应学习等功能的优势，可以有效提高有限元模型的计算速度，在漏磁场与缺陷几何参数间建立起相对稳定的映射关系。人工神经网络是有许多个基本神经单元构造的一种计算模型，它模拟生物的神经系统，按照生物系统的方式来处理现实生活中的客观事物。目前，人工神经网络已经繁衍出许多种网络结构，在电磁定量无损检测技术研究方面取得了较好的应用效果，其中最典型的神经网络是基于输入层、隐含层和输出层的三层神经网络模型结构，各层之间通过权重链接在一起，每一层都包含各自的神经单元，如说明书附图1所示。

发明内容

本发明为实现对铁路钢轨结构健康和安全寿命的预测和评估，提出了一种基于神经网络的高速铁路钢轨高速漏磁巡检的缺陷定量识别方法。

本发明为实现上述发明目的具体采用如下技术方案：

一种高速铁路钢轨高速漏磁巡检的缺陷定量识别方法，其特征在于分析提取不同巡检速度下的缺陷漏磁场信号特征值，针对钢轨缺陷不同的特征参数各自构建神经网络建立缺陷定量识别模型，实现钢轨缺陷的识别和定量分析预测，具体包括如下步骤：

（1）获取钢轨缺陷三维漏磁场信号和巡检速度，通过对三维漏磁场信号的数据处理提取能够反映钢轨缺陷特征参数的相应缺陷漏磁场信号特征值；