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。     

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。     

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。     

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.     

基于SVM的地铁钢轨短波波磨特征识别

地铁钢轨短波波磨现象严重影响列车运行安全,更快速、准确地对钢轨波磨进行检测,有利于及时指导钢轨打磨,从而避免或减少由钢轨波磨引发的一系列问题。文章以轮轨噪声作为检测信号,提出了一种基于支持向量机（SVM）的地铁钢轨短波波磨特征识别框架;结合轮轨噪声和短波波磨类别特点,采用时域-频域特征提取方法,以最大化支持向量机分类精度为依据,实现对特征的有效提取和选择;较为全面地考虑现实中的各类钢轨短波波磨类型,实现对短波波磨的正确分类。分类测试结果表明,基于轮轨噪声和支持向量机的地铁钢轨短波波磨特征识别方法能够有效地对波磨波长和幅值进行正确分类,其中波长分类平均精度达到97.32%,幅值分类平均精度达到97.99%.     

GTC-80型钢轨探伤车及其运用

GTC-80型钢轨探伤车是我国集成研发的新一代钢轨探伤车,在原探伤系统基础上进行诸多改进,并在车辆系统、轨道巡检系统上采用完全自主化技术,整车实现对钢轨伤损和轨道状态的综合检测,整体检测速度达到80 km/h.结合我国铁路钢轨探伤检测和轨道巡检的实际情况,从整车结构布局、超声检测系统、轨道巡检系统3方面介绍GTC-80型钢轨探伤车及其在我国铁路钢轨探伤领域的运用情况.     

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。     

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     

基于涡流检测和神经网络的钢轨表面滚动接触疲劳裂纹特征评估

基于钢轨表面不同深度和角度的2组人工伤损及涡流检测系统,在100～2000 kHz激励频率范围内进行钢轨裂纹检测试验,确定最佳激励频率;在最佳激励频率769 kHz条件下对人工伤损进行检测,分析伤损尺寸参数与信号特征值的关系;基于最小二乘法曲线拟合原理,分别采用指数函数和三次多项式函数对伤损深度和角度进行定量评估;采用...     

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...     

北京地铁钢轨探伤车对钢轨常见伤损的检测

对北京地铁钢轨探伤车SYS-1900系统的使用进行研究,并对钢轨常见伤损的检测进行分析,对如何使钢轨探伤车更好的为北京地铁安全运营服务进行分析和总结。     

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。     

钢轨探伤管理系统:互联网+时代的钢轨管家——钢轨探伤管理系统应用现场会在成都召开

<正>5月25日,由中国铁路总公司运输局工务部主办的全路钢轨探伤管理系统应用现场会在成都召开。基于大数据时代的引领和现代市场的要求,中铁物轨道科技服务集团有限公司推出了钢轨探伤管理信息系统。该系统利用"互联网+"、大数据、云计算等现代信息技术手段,通过全路钢轨伤损数据库平台应用和管理,可及时存储动静态方式采集的不同线路钢轨伤损数据,评估钢轨使用状态,为铁路安全策略制定提供数据支持和决策依据,同时能够大大提升钢轨伤损管理水平和管理效率。该系统达到国际先进水平,填补了国内空白。     

依靠杂波设置探伤车检测标准的分析探讨

在钢轨超声探伤系统、HT-1型试验台的基础上,改进标准伤损试块GTS-60,搭建试验平台.通过对数据的测试和分析,得出在静态标定的基础上依照杂波设置探伤车动态检测标准是可行的.在数据分析结论中同时得出要想探伤车在动态检测中更好地检测出小伤损,不能只依靠提高增益值的方式,还应改变晶片检测径向上的尺寸.     

DGTC-80型地铁钢轨探伤车

为更快更好地完成地铁线路钢轨内部伤损的检测,并降低车辆尾气排放对线路周边环境的污染影响,宝鸡中车时代开发了DGTC-80型地铁钢轨探伤车。该探伤车搭载满足欧Ⅳ阶段排放标准的柴油发动机和代表国际先进水平的SYS-1900型探伤检测系统,配备先进的激光自动对中装置及辅助检测钢轨表面状态的高速摄像装置,能大幅提高地铁探伤车综合检测能力和减少尾气排放,满足地铁线路检测作业需求。     

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。