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;基于人工构建的多维特征,采用支持向量机方式进行伤损图像分类;并通过使用实际线路所测数据中的人工标注样本进行测试,验证了方法的有效性。测试结果表明,该系统在各项技术指标上均表现优异,伤损检出率达到99.8%,误报率降为12%,分类准确率达到95%以上。     

钢轨探伤车综合智能检测系统

大型钢轨探伤车普遍采用超声波检测钢轨内部疲劳伤损,但国内已有的超声波系统架构平台在复杂线路区间探伤检测运用时存在数据拥塞和计算机死机现象而导致区段漏检,并且伤损的识别主要依靠人工全程回放.为提高信号处理速度和伤损识别能力,降低人工回放的工作量,进行了基于新型总线的超声波探伤系统和基于卷积神经网络深度学习的伤损智能识别技...     

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。     

基于深度学习的钢轨伤损超声检测与分类

钢轨内部伤损的实时检测与治理将有效地降低事故发生的风险.人工物探方法费时费力;超声检测技术能够实时地探查钢轨的内部状态,但伤损的辨识仍依赖于人工或图像处理技术逐个手动处理,易漏检或错检.提出一种新的基于深度学习的钢轨内部伤损超声检测数据后处理方法以实现伤损识别和分类的自动化,并从数据,方法和干扰因素三个方面对分类效果进...     

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。     

钢轨探伤车自主化超声检测系统的关键技术

钢轨探伤车既有超声检测系统均为国外引进,为克服既有超声检测系统维护升级困难、数据传输与处理能力及伤损识别能力不足等问题,开展超声检测系统的自主化研究。空间转换计算机中的发射接收板和发射接收处理板分别采用模拟器件和数字器件,且相互独立设置;因为各闸门的回波声程测量数据的量大且实时性要求最高,故采用直接存储器存取技术传输;对于超声波通道控制参数,由于其数据量最小且实时性要求最低,故采用PXI总线技术传输;超声波回波重定位数据的量及实时性要求中等,因此采用TCP/IP协议方式传输;超声波重定位的计算采用并行查表转换方法,并且运用基于决策树的伤损智能识别算法实现了钢轨伤损的智能识别。与既有的超声检测系统相比,自主化系统在0.5~68.4km·h-1的检测速度范围内有更小的扫查间距,在0.5km·h-1以下和68.4km·h-1以上的检测速度范围内二者的扫查间距相等;在平均伤损误报率基本相当的前提下,自主化系统的平均人工伤损检出率比既有系统提高了7%以上。     

YOLOv5超声波图像识别技术在高原高寒钢轨探伤中的应用

高原高寒地区环境复杂、昼夜温差大，对铁路建设与运营产生不良影响，容易发生由于钢轨内部伤损引起的断裂事故。研究基于YOLOv5的超声波图像识别技术在青藏铁路钢轨探伤检测中的应用，特别是针对轨头核伤、轨面鱼鳞伤等常见伤损类型进行检测。通过智能钢轨探伤仪采集高寒地段钢轨数据，以YOLOv5方法对数据集进行整理、处理和模型训练，精准识别和定位轨头核伤、轨面鱼鳞伤等损伤。研究表明，基于YOLOv5的模型在识别和定位各类钢轨损伤方面具有很高的准确性和实时性，可以同时进行目标检测和类别分类，并能在保持较高准确度的同时实现快速检测。提供一种新的、更有效的钢轨探伤检测数据分析方法，有助于提高铁路安全和运营效率。     

基于大型钢轨探伤车的顶面伤损漏磁检测技术研究

我国铁路主要依靠人工对钢轨顶面伤损进行检查,缺乏有效的钢轨顶面伤损深度检测评价技术手段。研究基于大型钢轨探伤车的顶面伤损漏磁检测技术,设计开发了检测探头、模拟信号调理模块、数据采集和处理模块及上位机软件,完成了钢轨顶面伤损漏磁检测系统的开发。该系统在实验室条件下能够以最高50m/s速度检测宽度为0.2mm的顶面伤损,并进行了40km/h的车载试验。车载试验表明,检测系统在钢轨探伤车上能够安全运行,不干扰其他检测设备,能够适应铁路现场电磁环境,能够检测钢轨顶面人工伤损,但对顶面微裂纹的检测、电磁参数调整、安装方式和试验验证需深入研究。     

钢轨探伤车普速铁路检测能力及适用条件技术方案设计

随着铁路运输的发展,高效率的钢轨探伤车承担起越来越多的探伤检测任务,尤其在高铁线路、高原线路上,由于区间里程长、环境恶劣等原因造成人工探伤作业困难,将主要采用钢轨探伤车进行探伤。针对探伤车在普速铁路的检测能力和适用条件,提出"人工伤损试块静态检测能力测试+人工伤损试验线动态检测能力测试+运营线路自动对中专项试验测试+运营线路自然伤损动态检测能力验证"的综合研究方案,进行各模块技术方案的详细设计,给出评价测试方法和评价测试标准,为下一步具体技术研究的开展做好充分准备。     

大型钢轨探伤车X-FIRE 70°探轮晶片的应用

采用小型探伤仪器(探伤小车)人工检测钢轨伤损漏检率高,工作效率低,劳动强度大,探伤人员工作环境恶劣,安全性差,不能满足铁路提速要求.采用大型钢轨探伤车可提高探伤检测速度及钢轨伤损检出率,降低错、漏检率,改善探伤人员工作条件,降低劳动强度,提高工作效率,满足铁路发展需求.根据我国铁路养路机械化的发展方针,武汉铁路局主要干线钢轨探伤采用以大型钢轨探伤车为主、人工检测为辅的模式,特别是武广、合武、宜万、石武等高速线路开通后,人工检测难度增大,主要依靠钢轨探伤车定期进行检测,确保线路运营安全.     

钢轨探伤车数据中接头不明反射点群分析及应用

钢轨探伤车依靠多通道超声波B显数据进行伤损的综合判定。有缝线路的接头位置是伤损高发区域,但接头处固定反射波和伤损波易于混淆,尤其是中心70°通道在接缝处的不明反射波容易导致误判和漏判。基于60 kg/m钢轨接头处的钢轨探伤车B显数据,采用声学计算推算出中心70°通道的不明反射波为1孔侧上方的纵波回波,并利用Imagine3D超声仿真软件开展了仿真计算,验证了声学计算的正确性。结合1处自然伤损,分析该处中心70°通道不明反射点群的异常,进行了伤损综合判定。     

钢轨探伤车的检测运用模式与伤损分级探讨

1国外钢轨探伤车技术发展与应用钢轨探伤车(简称探伤车)在国外发达国家早已替代人工探伤设备,成为检测在役钢轨伤损的主要手段。由于超声波对检测钢轨疲劳裂纹和其他内部缺陷检测具有灵敏度高、检测速度快、定位准确等优点,国内外探伤车对内部裂纹检测都采用了超声波探伤技术,受限于检测模式和超声技术,检测速度一般为10～70km/h。北美地区绝大多数探伤车采用停顿式作业方式,即     

基于图像处理的钢轨伤损分类算法研究

钢轨伤损的种类众多且形态各异,即便对于同类伤损,在超声波钢轨探伤检测软件中形成的B显图像也会存在差异,而当某类伤损的B显图像变化超出一定范围后,检测软件便无法识别该伤损的类别。因此,提出一种基于图像处理的钢轨伤损分类算法,其采用Tamura纹理特征与局部二值模式(local binary pattern,LBP)相结合的算法提取伤损B显图像的特征值并组成特征向量,使得作为分类器的支持向量机(supportvector machine,SVM)能够对不同种类伤损的特征向量进行训练,从而用训练后的最优分类函数预测未训练过的待测伤损的类别。试验结果表明,所提算法在钢轨伤损图像分类方面实现了较高的分类准确率。     

高速轮式钢轨探伤变距式超声波发射模式的设计与应用

与传统的人工检测方法相比,探伤车具有检测速度快、可靠性高、重复性好的特点,对保障铁路运输安全起到了重要作用。目前国内大型钢轨探伤车最高检测速度可达80 km/h。本文基于高速轮式超声波探伤作业系统的研究开发,结合超声波在探轮和钢轨内传播的特点,对钢轨探伤车检测速度、扫查间距、超声波重复频率之间的关系进行了研究,比较了高速轮式探伤的3种超声波发射模式的优缺点,设计了适用于探伤作业系统的8个超声波发射模式。以XILINX公司的Virtex-ⅡXC2V3000型FPGA芯片为平台,进行了软硬件设计。采用变距式发射模式的超声波探伤作业系统在人工伤损线进行了标定试验和实际线路检测试验,试验结果证明变距式超声波发射模式可满足超声波探伤作业系统的检测能力需求,能够缩小超声波扫查间距,有助于提高探伤系统的伤损检出能力。     

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。     

重载铁路钢轨探伤高速试验平台超声验证研究

以新朔铁路钢轨探伤现状为背景,建立高速试验平台,研究高速下的超声探伤性能.基于钢轨超声检测原理设计了不同类型人工伤损,通过理论计算对比了60 kg/m钢轨和高速试验平台样板轮的超声反射路径差异.利用CIVA软件建立60 kg/m钢轨和样板轮仿真模型,对比分析其超声探伤结果.在高速试验平台进行静态和动态试验,对高速下超声...     

大秦线重载线路安全的“女探花”——秦皇岛西工务段柳村女子探伤工区

<正>秦皇岛西工务段柳村女子探伤工区于2007年成立,共有女子探伤工12名,是太原局集团公司唯一的女子探伤工区。担负着大秦线柳村、港站、秦东三个大型编组站,114.88公里线路和274组道岔的轨件探伤任务。这一区域坡道多,钢轨侧磨严重,探伤难度大。她们刻苦学习探伤技术,努力提高分析数据能力,钻研准确甄别钢轨伤损的技能。自创钢轨探伤"病案化"管理模式,将每次检测发现的伤损波     

钢轨探伤车检出可疑伤损的综合分析方法

钢轨探伤车超声检测发现B型图异常后,依据伤损形态和走势下发一级、二级、三级报警,目前的伤损报警等级判定只针对B型图伤损波形,未考虑伤损危害性。朔黄铁路重载综合检测车包括轨道检测、轨道巡检、钢轨波磨、断面磨耗、路基道床检测及钢轨探伤等功能,可同步提供工务各专业数据。对钢轨可疑伤损分析评定时,结合线路技术状况,综合应用钢轨波磨、断面磨耗、轨道巡检、轨道几何、路基道床检测等数据,多专业、全方位综合分析伤损的严重程度和危害性,同时分析钢轨伤损成因,形成一套成熟的综合分析方法,在实际应用中取得良好效果。     

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。     

探伤车合理检测速度及配套使用方案的研究

文章对大小探伤车的性能进行了比较,并结合实际线路中钢轨伤损的检测情况,通过对检测伤损的可靠性进行分析比较,得到大小探伤车对不同伤损的检测能力,制定了合理的探伤速度及配套使用方案。