大准铁路快速相控阵钢轨探伤技术研究

随着大准铁路运量逐年增加,钢轨伤损数量增多,种类复杂化,危及铁路行车安全。目前大准铁路钢轨探伤主要采用手推式探伤仪,效率低,成本高。近年来国内各铁路企业逐渐引进国外大型钢轨探伤车,取得了一定的使用效果,但受对中不良等因素制约,核伤漏检率高,无法适应国内重载铁路钢轨探伤需求。本文基于国际先进的快速相控阵技术,提出一种相控阵超声波探头布局方式,在高速、高效检测前提下,可较好兼容不同轨型或不同打磨量钢轨,有效克服了对中不良等问题对检测的影响,提升了钢轨缺陷尤其是轨头核伤的检出率,节省了探伤成本。     

钢轨探伤车轨头伤损检测率低的原因及对策

分析了探伤车在钢轨检测中轨头伤损检测率低的主要原因,提出了控制检测速度、提高轨面光洁度、加强设备维修保养、培训操作人员、及时调整设备参数等有针对性的措施,以达到提高钢轨轨头伤损检测率,确保铁路运输安全的目的。     

基于逻辑回归的轨头核伤检出概率预测分析

钢轨伤损危及高速铁路的安全运行。针对高速铁路的轨头核伤,通过设计不同类型的人工伤损,安排不同的检测设备按照不同的速度等级进行检测,以研究对轨头损伤的检出能力。制定了原始数据分析评判标准,进一步运用了逻辑回归数据挖掘和机器学习算法,研究了探伤车对高速铁路轨头核伤的检出能力,并在高速铁路进行了实际验证。研究结果为高速铁路安全评价提出了评估方法和标准建议,并为全路探伤管理改革提供相应的技术支撑。     

贝氏体钢轨母材轨头核伤原因分析

通过断口宏观与微观形貌观察、扫描电镜及能谱分析、金相显微组织分析等方式对3根贝氏体钢轨母材轨头核伤的原因予以分析,发现伤损均为氢致裂纹引起的轨头内部横裂型核伤。断口中心区域存在粗大的非金属夹杂物是导致钢轨中的氢在此处富集并形成裂纹的主要原因。贝氏体钢轨氢致裂纹型核伤的主要特征有:伤损位于轨头内部踏面下方4~10 mm处,断口中部存在粗大夹杂物;断口附近的低倍样中观察不到微细裂纹。通过采取改进生产工艺、降低钢中的氢含量(将钢水氢含量控制在1.7×10^-6以下)、减少钢中的粗大夹杂物等措施,再上线的贝氏体钢轨未出现该类伤损。     

朔黄铁路线路设备状态检测模式分析

通过现场调研、数据整理和统计分析,研究朔黄铁路的线路设备病害及线路设备状态检测模式。朔黄铁路线路设备病害主要是线路钢轨伤损和线路几何状态不平顺。朔黄铁路钢轨伤损主要集中在上行线,钢轨伤损的主要类型为轨头核伤,现有探伤周期基本可以及时发现大部分轨头核伤。朔黄铁路上行线测量区段内轨道几何状态不平顺(轨距、水平、三角坑)动、静态波形趋势重合较好,但是幅值有一定差异,动静态幅值最大差异在3.0 mm以内,静态值与动态平均值具有较强的相关性,可适当采用动态检测替代静态检测。     

重载铁路U78CrVH钢轨闪光焊接头轨头核伤缺陷分析北大核心

针对一重载铁路出现多个闪光焊接头因轨头探伤反射回波超标下道的问题,对其中一个接头采用落锤试验、宏观观察、金相显微观察、扫描电镜观察、能谱成分测试等方法进行了研究。结果表明:经过轨头受拉落锤试验折断的接头断口上存在核伤疲劳裂纹(白核),裂纹源位于踏面下13 mm处且存在横向扩展裂纹;裂纹源完全处于闪光焊接头的焊缝中心,并存在硅、锰、氧等灰斑夹杂元素。焊缝中的灰斑夹杂物破坏了焊缝组织的连续性,降低了接头的综合力学性能,当接头在服役过程中受车轮循环载荷作用时,灰斑夹杂物首先萌生出裂纹并横向扩展,最终形成轨头核伤。核伤附近的钢轨母材中A类夹杂物较多,应引起注意。建议改进焊接工艺参数,避免焊接过程中氧气进入;提高探伤检测技术,加强重载铁路钢轨焊接接头轨头部位的探伤检查。     

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。     

钢轨探伤车特殊核伤B型图分析

钢轨轨头横向疲劳裂纹俗称核伤,严重影响行车安全。钢轨核伤多出现在距钢轨踏面8～12mm和距内侧5～10mm处,方向与钢轨纵剖面接近垂直,与踏面有10°～25°倾角(单行线上)或接近垂直(复行线上)。核伤可导致钢轨横向断裂,危害性极大,是最危险的钢轨疲劳缺陷之一。因此,对钢轨核伤检测尤为重要,根据B型图正确判断核伤关系到大型钢轨探伤车能否承担保障线路安全责任问题。1核伤产生原因     

高速钢轨超声波探伤中螺孔70°幻象波的分析识别

在高速钢轨超声波探伤过程中,B型显示中有时会在螺孔附近的钢轨轨头出现一些异常回波信号点,但该信号实际并非伤损回波,而是螺孔幻象波,该信号与较严重的轨头核伤有很高的相似性,因此容易被误判为重伤。根据幻象波的产生原理,基于钢轨探伤车检测的60 kg/m钢轨的B型显示数据,对螺孔幻象波进行了传播路径分析,并通过与实际数据相比较和CIVA软件仿真,验证了分析的正确性。对该幻象波的特点进行了总结,为工程应用中对螺孔幻象波的识别提供了理论支持,可提高钢轨探伤的准确性,降低检测误报率。     

双轨式钢轨超声波探伤仪一次波和二次波70°超声波换能器检测效果对比分析

为深入了解采用双轨式钢轨超声波探伤仪检测钢轨伤损的效果,对比分析一次波和二次波轮式探头中70°超声波换能器布置,模拟计算的声场覆盖范围,以及钢轨伤损检测效果。结果表明,采用一次波和二次波轮式探头,均能检测钢轨伤损;采用一次波轮式探头检测时,检测范围在钢轨轨头两侧存在盲区,而采用二次波轮式探头检测时,检测范围能够覆盖整个钢轨轨头,还能检测出钢轨鱼鳞伤下的小核伤。     

超声波钢轨探伤车B显数据伤损模式分类技术研究

既有钢轨探伤车超声检测系统均为国外引进。中国铁道科学研究院自主化钢轨探伤系统目前已经通过试验验证,所采用的伤损模式分类技术是其中的一项关键技术。根据自主化钢轨探伤系统的探轮设置,规定伤损的类别设置,并将伤损类别划分为四大类:核伤类、螺孔裂纹类、轨底裂纹类、水平裂纹类。归属于不同大类的伤损采用不同神经网络进行识别。以螺孔裂纹类为例进行说明,采用标定线数据进行测试,验证算法的有效性。     

超声波交叉多发多收技术在钢轨探伤中的应用研究

超声波探伤在铁路工务钢轨检查和维护中应用极为广泛,主要有钢轨母材探伤和焊缝探伤,两者单独开展且各有优缺点,还不能实现对轨头和轨腰各类伤损快速、有效的全覆盖探测。阐述钢轨和焊缝探伤的现状,研究超声波多发多收技术在钢轨探伤中的应用,解决当前探伤方式对一些特定伤损检出效果不足的问题,也为后续钢轨探伤中进一步提高作业效率提供了研究方向。     

U71Mn钢轨焊缝处核伤扩展寿命的估算

根据包兰线银川段U71Mn 50kg/m钢轨运营情况,在应力比R为0.1、0.5条件下对钢轨轨头焊缝处材料进行三点弯曲疲劳裂纹扩展速率测试。采用七点递增多项式法进行回归分析,得出其裂纹扩展速率材料常数C和m。按照50kg/m钢轨实际尺寸建立模型,利用ANSYS有限元分析软件计算其轨顶动弯应力,并根据Paris公式对焊缝处钢轨进行使用寿命估算。相同运营情况下,若核伤由可探测范围(核伤直径不小于10mm)扩展至核伤面积占轨头面积的30%,则应力比为0.1时,容许通过总质量不超过8.65Mt,运营时间不超过87d;应力比为0.5时,容许通过总质量不超过6.28Mt,运营时间不超过63d。研究成果可为确定线路探伤周期和正确评价钢轨运营现状提供依据。     

基于智能识别与周期检测的钢轨伤损自动预警方法研究

目前采用人工回放方式对钢轨探伤车的检测数据进行分析,并与同一线路周期检测的钢轨伤损记录表进行对比,形成当次检测报告,实现钢轨伤损预警。人工回放与对比分析过程效率较低。提出一种基于智能识别技术与周期检测的钢轨伤损自动预警方法,结合线路基础信息数据库,通过对钢轨探伤车检测数据中的超声波反射体进行智能识别,输出超声波反射体的类别与位置,生成含有各类超声波反射体的序列(区段检测数据),基于编辑距离法将区段检测数据与区段标准检测数据(由周期检测数据生成)进行自动对比,形成检测报告,提高了数据分析效率。通过对某铁路集团有限公司5个区段的检测数据进行伤损自动预警测试,将自动预警结果与人工预警结果进行对比,验证了该方法的有效性和高效性。     

道岔部位特殊轨件探伤方法

由于道岔的几何尺寸和结构特殊性,探伤检查时容易发生伤损漏检。分析道岔部位常见伤损特点及产生原因,针对道岔部位轨件的特殊情况,总结钢轨手工及外观检查、辙叉部位探伤检查、道岔尖轨部位探伤检查和轨底核伤的具体操作方法。     

钢轨踏面斜裂纹与轨头核伤的B型图对比分析

1核伤与斜裂纹的特点钢轨轨头横向疲劳裂纹俗称轨头核伤(简称核伤),呈椭圆形,长、短轴之比约3:2。核伤疲劳源一般位于距踏面8～12mm、距内侧5～10mm处。核伤方向与轨头侧面近乎垂直,与踏面多呈10°～25°夹角(单行线上)或近乎垂直(复行线上)。核伤在未发展到外表面时肉眼不可见,称"白核";已扩展到外表面时,因氧化变为黑色,称"黑核"。核伤可导致钢轨横向折断,严重影响铁     

基于深度学习与支持向量机的钢轨伤损智能识别系统

目前国内钢轨探伤车检测系统都带有自动伤损识别功能,但由于采用了基于既有规则的简单逻辑判断方法,其自动识别的准确率不高,误报较多,伤损漏报的现象时有发生.针对该问题,根据钢轨探伤车所检测数据的特点,提出了基于深度学习与支持向量机的钢轨伤损智能识别系统技术方案;采用深度可分离卷积与选择性搜索相结合的方法进行目标定位;基于人...     

基于声发射技术的道岔尖轨伤损监测系统研究

道岔尖轨是轨道的风险控制关键点，针对现有伤损检测技术在道岔尖轨处存在盲区的问题，提出一种基于声发射信号的铁路道岔尖轨伤损监测方法，研发出道岔尖轨损伤监测系统。系统基于伤损模式分类算法对列车经过钢轨时所产生的声发射信号进行分析，实现对尖轨伤损状态的识别。现场测试数据表明该方法能够有效识别道岔尖轨的伤损。     

大秦铁路道岔疲劳伤损病害整治及打磨周期的探讨

通过对典型重载通道道岔的观测,对特定重载铁路钢轨病害如接头轨端冒沿、鱼鳞伤、钢轨侧磨、肥边等随时间推移的发展变化进行了重点统计分析,掌握设备伤损变化规律,同时对此类道岔的钢轨打磨周期给予初步提出,促进科学维修养护研究。     

我国高速铁路钢轨隐伤形成机理及维护策略

针对我国高速铁路出现的钢轨隐伤伤损,采用现场观测与实验室试验相结合的方法,研究这种钢轨隐伤形成的机理,分析高速铁路钢轨初期、中期及后期隐伤的外观特征、裂纹形貌及微观组织特征;通过分析擦伤白层诱发隐伤和延性耗竭诱发隐伤2种伤损诱发机理,探讨应对隐伤的维护策略。结果表明：初期隐伤以V型裂纹为主,中期隐伤呈现黑斑和低塌,而后期隐伤则发展为剥离掉块或内部核伤;高速铁路钢轨由擦伤白层诱发的隐伤伤损多集中在站区和长大坡道,隐伤裂纹附近存在较浅的白层组织,厚度小于0.2 mm;由延性耗竭诱发的隐伤伤损多集中在站内和道岔区,隐伤裂纹附近未发现白层组织,轨面较大的切应力（加速区与制动区）或轨面不平顺（如周期性硌伤）均可能诱发此类隐伤。为此,应加强隐伤频发线路（站内、道岔区及长大坡道）轨顶面硬度、平直度及白层马氏体检测。