Page 88 - 无损检测2024年第六期

尹段泉：
基于超声检测的主动式钢轨伤损智能识别方法

系，对钢轨伤损进行识别；该方法伤损识别速度较 控制范围如表 1 所示，表中 G ain 为增益， V G 为输出
[4]
快，检出率高，具有较好的应用价值。胡文博等 针 电压。
对不同曲线半径的钢轨，基于深度学习技术，通过加 表1 增益控制范围
强数据对比以及周期交替对线路进行检测，该方法 输入方式 计算式 范围/dB
伤损识别误报较多，但是识别速度较快。 VOUT与反馈端FDBK短接 G ain =40V G +10 dB -10~30
超声波在传输过程中，会反射伤损的分布情况，
VOUT与反馈端FDBK接反
可以通过反射回来的超声信号，对伤损情况进行判 馈电阻 G ain =40V G +20 dB 0~40
断 。在检测识别过程中，会出现一部分外界环境的 反馈端FDBK接地 G ain =40V G +30 dB 10~50
[5]
干扰噪声，因此需要通过技术手段，对超声回波信号
按照增益范围，对数据进行模数转换，获取回波
进行处理。文章基于超声检测技术，对主动式钢轨
信号，并设置超声换能器的滤波器，对信号进行转
伤损进行智能识别，首先，采集包括正常钢轨和带有
换，其变换的结构可表示为
不同类型损伤的钢轨的超声信号数据；其次，对采集
（1）
到的超声信号进行预处理，包括去除噪声、滤波、数
据归一化等；然后，从经过预处理的超声信号中提取 式中：K为滤波器的线性相位参数；χ为频率响应；W
[8]
包括时域、频域、时频域等特征信息（如振幅、频率、 为相位参数；E为变换参数；β为冲击响应 。
能量等），这些特征能够反映不同损伤类型下的波形 按照该参数，可将相位分为两类，相位特性函数
差异。根据提取的特征，使用机器学习算法或模式 θ （w）和延时频率响应函数h （w），即
识别技术对超声信号进行分类和识别；最后，以伤损
识别速度为验证指标进行试验，验证所提方法的可 （2）
行性。
式中：w为恒值延时；t为回波信号；c为频率参数；n
1 基于超声检测的主动式钢轨伤损智能 为中心频率参数； θ （w）为延时的相位特性；h（w）

识别方法 为延时的频率响应。
结合延时后的相位与频率，对恒值延时进行延
1.1 采集钢轨伤损数据
迟，得到带通滤波器的窗函数d，即
为了有效地对主动式钢轨伤损进行智能识别，
首先对钢轨伤损超声检测数据进行采集，通过高压 （3）
直流电压，发出一定频率的脉冲信号，得到驱动时
s
式中：为下限截止频率；g为采样频率。
间，按照脉冲式超声发射原理采集数据，脉冲式超声
由于超声检测的信号带有多个高频分量，所以
发射电路结构如图1所示 。
[6]
对阻带衰减系数进行一定的抑制 ，得到抑制后的
[9]
电压 超声脉冲波形（见图2）。
电阻 2.0
二极管
1.5

0.5
+
-
开关 幅度
二极管
0
输出电压 -0.5

图 1 脉冲式超声发射电路结构 -1.0 250 300 350 400
时间/µs
利用Simulink软件自带的测量工具，对脉冲生
图 2 阻带衰减系数抑制后的超声脉冲波形
成器进行测量 。由于超声回波信号的变化范围
[7]
较大，所以使用增益放大器对信号进行放大，增益 在此基础上，为了提高超声检测的整体精度，使
50
2024 年 第 46 卷 第 6 期
无损检测