钢轨探伤车轨底闸门的灵敏度动态设置方法

为了解决钢轨探伤车37.5°超声波通道轨底闸门灵敏度动态设置问题,更精准地检出轨底横向伤损,通过分析37.5°超声波通道检测螺孔时得到的B显图谱特点,对螺孔下裂、轨底横向伤损的声压反射特点和检测增益值进行了理论计算和定量分析,提出了37.5°超声波通道灵敏度动态设置方法.该方法以不同检测速度和扫查间距下螺孔出现合理回波...     

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。     

基于改进Faster R-CNN的CRTSⅡ型轨道板裂缝检测方法

高速铁路无砟轨道伤损检测维修的准确率和时效性关乎高速铁路的运营安全，采用机器视觉技术进行高速铁路无砟轨道板裂缝伤损检测可极大提升检测工作的准确率和效率，为此根据CRTSⅡ型轨道板裂缝伤损样本数据特点，提出一种基于改进Faster R-CNN的方法对轨道板裂缝进行检测。该改进方法将检测问题转化为定位问题，精简网络模型，其主干网络选用残差网络，避免网络深度过深而导致学习速度下降；引入引导锚框，以减少冗余锚框，提高检测针对性；采用Soft-NMS算法，改善轨道板裂缝检测的重叠状况，提高裂缝检测效果。为评估该改进方法的可靠性，建立CRTSⅡ型轨道板裂缝检测评价标准，并依据该评价标准将改进方法与R-FCN,YOLO-v5,Faster R-CNN及YOLOx网络算法进行对比测试。结果表明：提出的改进方法综合表现优于其他算法，具有更高的准确率以及最小的漏检率，最佳模型查准率为95.9%，查全率为89.6%，相较于其他几种经典算法分别提高了约2%～4%和2%～6%，能够较好地应用于CRTSⅡ型轨道板裂缝检测场景。     

国内外预应力混凝土轨枕纵裂伤损研究综述

预应力混凝土轨枕作为铁路轨道中重要的部件，目前总体使用效果良好，但也存在不同类型的伤损，其中以纵裂伤损最为突出。本文分析确定了预应力轨枕纵裂伤损的主要特征，归纳了铁路线路中出现的6种纵裂伤损类型，调研和总结了国内外预应力混凝土轨枕纵裂伤损的研究现状及预防措施。结果表明，纵裂伤损的两大主要原因是轨枕结构受力不合理和材料性能劣化，最常见的影响因素是轨枕的预应力过大和混凝土材料的碱骨料反应。此外，轨枕使用的环境条件、后期线路状态、列车疲劳动荷载对轨枕纵裂伤损的发生和发展具有一定的影响。建议轨枕设计时，应在保证承载强度的前提下合理设计轨枕预应力，并配置一定的箍筋；在轨枕生产过程中，应确保原材料的性能以及生产工艺都满足相应规范的要求。     

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。     

面向大数据分析的道岔轨件磨耗统计方法

道岔尖轨、辙叉等轨件的特征断面与区间钢轨的特征断面有明显区别，依据传统的轨件垂直磨耗和侧面磨耗统计方法很难全面地反映全轨头断面的磨耗情况。为解决这一问题，本文提出了径向磨耗的概念，即沿钢轨轨头设计廓形法向的磨耗。通过计算径向磨耗，可得到钢轨轨头各个位置的磨耗量；利用动力学分析结果，分析廓形改变与伤损之间的联系；计算问题轨件的径向磨耗，绘制径向磨耗图并总结其特点，可有效、直观地把理论与现场使用情况联系起来。未来在大数据采集基础上，可利用径向磨耗图对道岔区轨件养护维修提供指导意见。     

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。     

高速铁路无砟轨道支承层服役现状及伤损机理

支承层是路基段CRTSⅡ型板式无砟轨道及双块式无砟轨道的重要结构，其服役性能直接关系到无砟轨道结构整体稳定性和高速列车的安全运行。本文介绍了支承层的材料、作用及其性能指标。通过调研不同地区、不同时期建造的高速铁路无砟轨道支承层服役现状，发现个别地区无砟轨道支承层出现不同程度伤损。根据支承层伤损特点划分了支承层伤损类型，分析了环境冻融循环、温度梯度及高速列车动荷载对支承层伤损的影响。对某服役近10年的高速铁路粉化支承层取样测试，结果表明：Ⅲ级粉化支承层抗压强度低于设计强度，支承层总碱含量满足标准要求，水化产物中未发现有害物质，支承层抗冻性不足可能是其粉化的主要原因。     

基于深度学习和虚拟模型的路面全域伤损状态自动化感知

路面全域伤损的有效感知是全面、系统地实施维护决策的关键依据。提出一种基于深度学习和虚拟模型的路面全域伤损状态自动化感知方法。该方法首先基于无人机实测数据建模生成路面虚拟实体；然后使用深度语义分割网络从实测数据中精细化地检测路面伤损；最后，将输出的伤损特征检测结果与虚拟实体数据进行匹配和UV映射，获取各个伤损在虚拟空间中的定位信息并逐一部署，得到面向路面全域的伤损状态感知模型。结果表明：在现场实测统计长为236 m,宽为20 m的实际路面区域试验研究中，充分训练的U-Net网络的平均交并比(MIoU)达到0.86,显示出对无人机采集到的路面伤损区域极佳的分割精度。建立的路面伤损状态感知模型有效感知实际存在的伤损91处，与传统的二维检测结果相比，能够更加系统地对路面全域伤损进行全局表征，便于高效地推断伤损的特征和位置信息，实现精准、动态的路面服役状态评估。     

钢轨探伤车疑似1 孔轨身上裂伤损报警分析北大核心

针对钢轨探伤车报告疑似1孔轨身上裂伤损报警但探伤仪复核确认无伤的问题,基于探伤车探轮37°通道螺孔裂纹检测技术,分析了正常1孔轨身上裂和疑似1孔轨身上裂B显出波特征。通过声学几何解算,论证了疑似1孔轨身上裂的出波是接头低塌导致的,并给出了接头低塌工况下呈现疑似轨身上裂出波须满足的低塌角度和低塌高度条件。对接头低塌工况下探伤仪复核无回波的原因进行了分析,并结合典型案例,提出了伤损判定建议。结果表明:当探伤车B显数据中接头1孔轨身上裂位置出现37°通道反射点群且伴随Ⅰ区孔壁波消失时,可不判定为1孔轨身上裂伤损报警。本文方法可降低探伤车1孔轨身上裂伤损报警误报,提高探伤车伤损报警的准确率。