CN102645298A - 带有温度修正作用的巴克豪森应力检测方法 - Google Patents
带有温度修正作用的巴克豪森应力检测方法 Download PDFInfo
- Publication number
- CN102645298A CN102645298A CN2012101009305A CN201210100930A CN102645298A CN 102645298 A CN102645298 A CN 102645298A CN 2012101009305 A CN2012101009305 A CN 2012101009305A CN 201210100930 A CN201210100930 A CN 201210100930A CN 102645298 A CN102645298 A CN 102645298A
- Authority
- CN
- China
- Prior art keywords
- barkhausen
- sample
- stress
- neural network
- network model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明公开了一种带有温度修正作用的巴克豪森应力检测方法,分析提取不同温度、不同应力下巴克豪森噪声信号的特征值,将温度和对应温度下巴克豪森噪声信号的特征值作为神经网络的输入,钢轨应力作为输出,来构建神经网络模型并进行训练验证和优化,以实现对温度的修正和对钢轨应力的定量检测,结果表明此方法能比较准确地定量钢轨的应力。
Description
技术领域
本发明涉及一种带有温度修正作用的巴克豪森应力检测方法,涉及电磁无损检测中的应力检测技术和人工神经网络算法,属于无损检测技术领域。
背景技术
随着火车高速化和重载化的发展,对钢轨的可靠性和平稳性有了较高的要求,作为火车提速关键设备的无缝钢轨得到了广泛的应用。由于无缝线路钢轨不能自由伸缩,当轨温发生变化时,将产生很大的纵向温度力。炎热的夏季,轨温随气温的升高而升高,且轨温高于气温20℃,当气温达到一定温度时,钢轨承受不了巨大的应力,就会在扣件阻力小或路基条件较差的区域内释放能量,当能量较大时,会发生胀轨跑道,造成重大交通事故。
由国内外铁轨运营实践可以说明,无缝线路是未来铁路的发展趋势,然而国内外的无缝铁轨线路均发生过胀轨跑道,这就要求必须对无缝钢轨温度应力检测做大量的研究,预防钢轨发生胀轨跑道的可能性,因此钢轨的温度应力检测是一个重大而有意义的课题。
现在广泛使用的检测应力的方法有磁巴克豪森噪声法,磁声发射法,基于逆磁致伸缩的应力检测法,金属磁记忆法,漏磁法和涡流检测法等。但是其中的大多数应力检测方法要么比较复杂需要耦合剂,要么只能检测比较表面的应力或裂纹,并不能很有效的检测铁磁性材料的应力,而巴克豪森噪声检测技术,是利用铁磁材料在磁化过程中发生磁畴翻转这一微观理论而测量的,通过铁磁材料表面放置的检测线圈就可以拾取此信号。该方法快捷,方便,成熟,更关键的是适合铁磁材料的应力检测,因此可以采用该方法检测铁轨的温度应力。
在实验中,压应力加载平台所显示的压应力值会随着铁轨试样温度的降低而减小,升高而增加,巴克豪森信号的特征值也会随之有相应变化,说明温度增加会导致铁轨的应力集中,带来温度应力;另外在实验中,在保证压应力不变的情况下,巴克豪森信号的特征值也会随着试件温度的降低而增加,升高而减小,这就说明温度可以产生温度应力从而影响巴克豪森信号,因此在采用巴克豪森方法来测量应力时需要对温度进行修正从而获得钢轨的实际应力值。
发明内容
本发明针对现有技术不足,提供一种基于BP人工神经网络、带有温度修正作用的巴克豪森应力检测方法。
本发明为实现上述发明目的具体采用如下技术方案:
一种带有温度修正作用的巴克豪森应力检测方法,包括以下步骤,
步骤1,在常温下对试件进行加热,升温至80°C左右后停止加热,然后对试样施加固定应力,每固定时间测量一次温度并记录,同时使用巴克豪森应力检测装置对试样进行检测来获取巴克豪森噪声信号;
步骤2,建立BP神经网络模型,将数据样本中的温度和对应温度下巴克豪森噪声信号的特征值作为输入,钢轨应力作为输出,建立BP神经网络模型,将样本数据分组为训练样本和验证样本;
步骤3,训练BP神经网络模型并验证,通过训练样本作为BP神经网络模型的输入对BP神经网络模型进行训练误差分析,再通过验证样本作为BP神经网络模型的输入对已训练过的BP神经网络模型进行验证和误差分析;
步骤4,利用通过验证的神经网络模型进行应力检测。
所述带有温度修正作用的巴克豪森应力检测方法,巴克豪森噪声信号的特征值包括巴克豪森噪声信号的均值、均方根、振铃数、峰值和峰宽比。
所述带有温度修正作用的巴克豪森应力检测方法, ⅔的数据样本作为训练样本,⅓的数据样本作为验证样本。
所述带有温度修正作用的巴克豪森应力检测方法,其特征在于:所述的BP神经网络模型包括一个输入层,一个隐含层和一个输出层,隐含层的网络神经元变换函数为双曲线正切S型变换函数,输出层的网络神经元变换函数为线性变换函数。
本发明的有益效果在于:
1、本发明分析提取不同温度下巴克豪森噪声信号的特征值,将温度和对应温度下巴克豪森噪声信号的特征值作为输入,钢轨应力作为输出,来构建神经网络模型并进行训练验证和优化,以实现对温度的修正和对钢轨应力的定量检测;
2、本发明把温度作为巴克豪森噪声信号的影响因子(神经网络的输入)之一,使得神经网络仿真得出的结果相对于实测应力值的最小误差是0.06%,最大误差是5.58%,能够达到钢轨应力检测的精度要求。
附图说明
图1为本发明BP神经网络模型结构示意图。
具体实施方式
现对本发明的具体实施进一步进行描述,以便更好理解本发明的技术方案。
首先,在常温(25°C左右)下对试件进行加热,升温至80°C左右后停止加热,然后通过应力加载仪对试样施加一定的应力,在实验过程中一直保持应力不变,固定在应力加载平台上的试样的温度在不停的下降,每过10分钟用红外测温枪测量一次温度,同时使用已设计好的巴克豪森应力检测装置对试样进行检测来获取巴克豪森噪声信号。本发明主要提取了以下5个特征值,分别是均值、均方根、振铃数、峰值和峰宽比。
然后,选取不同的样本数据构建BP神经网络模型:
(1)其中样本数据包括模型输入特征值和模型输出目标值,将具体实施方式1中的巴克豪森噪声信号的均值、均方根、振铃数、峰值和峰宽比和温度作为输入特征值,把应力作为输出目标值,然后将样本数据分组,其中⅔的样本数据作为模型的训练样本,⅓的样本数据作为模型的验证样本;
(2)根据以上步骤(1)中各个样本,确定BP神经网络模型,包括一个输入层,一个隐含层和一个输出层,隐含层的网络神经元变换函数为双曲线正切S型变换函数tansig,输出层的网络神经元变换函数为线性变换函数purelin。训练函数选用trainscg函数(尺度化共轭梯度反向传播算法);学习函数选用默认的learngdm函数(动量梯度下降权值和阈值学习函数);主要训练的参数为:样本训练的步长设置为50,训练次数设置为200000,训练设置目标即误差精度为0.0001,学习率为0.05,动量系数为0.9;选用mse(均方误差函数)作为性能函数,通过训练样本作为模型的输入对网络模型进行训练误差分析,再通过验证样本作为模型的输入对已训练过的网络模型进行验证和误差分析。通过对多个样本的反复的训练,将样本的多个特征值融合,不断对权值和阈值进行调整,使误差逐渐减小,达到一个相对稳定的状态。
Claims (4)
1.一种带有温度修正作用的巴克豪森应力检测方法,其特征在于:包括以下步骤,
步骤1,在常温下对试件进行加热,升温至80°C左右后停止加热,然后对试样施加固定应力,固定时间测量一次温度并记录,同时使用巴克豪森应力检测装置对试样进行检测来获取巴克豪森噪声信号;
步骤2,建立BP神经网络模型,将数据样本中的温度和对应温度下巴克豪森噪声信号的特征值作为输入,钢轨应力作为输出,建立BP神经网络模型,将样本数据分组为训练样本和验证样本;
步骤3,训练BP神经网络模型并验证,通过训练样本作为BP神经网络模型的输入对BP神经网络模型进行训练误差分析,再通过验证样本作为BP神经网络模型的输入对已训练过的BP神经网络模型进行验证和误差分析;
步骤4,利用通过验证的神经网络模型进行应力检测。
2.如权利要求1所述带有温度修正作用的巴克豪森应力检测方法,其特征在于:巴克豪森噪声信号的特征值包括巴克豪森噪声信号的均值、均方根、振铃数、峰值和峰宽比。
3.如权利要求1或2所述带有温度修正作用的巴克豪森应力检测方法,其特征在于: ⅔的数据样本作为训练样本,⅓的数据样本作为验证样本。
4.如权利要求1所述带有温度修正作用的巴克豪森应力检测方法,其特征在于:所述的BP神经网络模型包括一个输入层,一个隐含层和一个输出层,隐含层的网络神经元变换函数为双曲线正切S型变换函数tansig,输出层的网络神经元变换函数为线性变换函数purelin。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101009305A CN102645298A (zh) | 2012-04-06 | 2012-04-06 | 带有温度修正作用的巴克豪森应力检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101009305A CN102645298A (zh) | 2012-04-06 | 2012-04-06 | 带有温度修正作用的巴克豪森应力检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102645298A true CN102645298A (zh) | 2012-08-22 |
Family
ID=46658264
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012101009305A Pending CN102645298A (zh) | 2012-04-06 | 2012-04-06 | 带有温度修正作用的巴克豪森应力检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102645298A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104819795A (zh) * | 2015-04-07 | 2015-08-05 | 江苏省特种设备安全监督检验研究院 | 一种减小温度影响的巴克豪森应力检测方法 |
CN104865309A (zh) * | 2015-04-07 | 2015-08-26 | 江苏省特种设备安全监督检验研究院 | 一种减小巴克豪森噪声检测误差的方法及其传感器系统 |
CN109142057A (zh) * | 2018-09-11 | 2019-01-04 | 北京工业大学 | 铁磁性材料局域应力和应变场的巴克豪森噪声无损测量方法与系统 |
CN109409271A (zh) * | 2018-10-16 | 2019-03-01 | 北京工业大学 | 基于bp神经网络改进算法的铁磁材料硬度预测算法 |
CN110829885A (zh) * | 2019-11-22 | 2020-02-21 | 温州大学 | 一种磁致伸缩精密驱动装置的机械阻抗匹配控制方法 |
CN111948286A (zh) * | 2020-08-10 | 2020-11-17 | 湖南大学 | 一种基于超声波和深度学习的应力检测方法、装置及设备 |
CN111964817A (zh) * | 2020-07-08 | 2020-11-20 | 中国特种设备检测研究院 | 基于磁巴克豪森噪声的平面应力确定方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1995027888A1 (en) * | 1994-04-08 | 1995-10-19 | Nippon Steel Corporation | Rail axial force measuring method and rail whose axial force can be measured |
WO1997008627A1 (en) * | 1995-08-31 | 1997-03-06 | Arch Development Corporation | A neural network based system for equipment surveillance |
JP2000081418A (ja) * | 1998-09-04 | 2000-03-21 | Nippon Steel Corp | 電気鉄道レール用応力センサ板 |
HU219436B (hu) * | 1995-05-09 | 2001-04-28 | Magyar Államvasutak Rt. | Eljárás és berendezés hézag nélküli vágányok semleges hőmérsékletének meghatározására |
-
2012
- 2012-04-06 CN CN2012101009305A patent/CN102645298A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1995027888A1 (en) * | 1994-04-08 | 1995-10-19 | Nippon Steel Corporation | Rail axial force measuring method and rail whose axial force can be measured |
HU219436B (hu) * | 1995-05-09 | 2001-04-28 | Magyar Államvasutak Rt. | Eljárás és berendezés hézag nélküli vágányok semleges hőmérsékletének meghatározására |
WO1997008627A1 (en) * | 1995-08-31 | 1997-03-06 | Arch Development Corporation | A neural network based system for equipment surveillance |
JP2000081418A (ja) * | 1998-09-04 | 2000-03-21 | Nippon Steel Corp | 電気鉄道レール用応力センサ板 |
Non-Patent Citations (3)
Title |
---|
侯瑞生等: "基于人工神经网络的曲轴残余应力巴克豪森测试仪", 《机电产品开发与创新》 * |
朱秋君 等: "基于BP神经网络的巴克豪森铁轨温度应力检测", 《无损检测》 * |
郝爱云等: "巴克豪森噪声应力检测的人工神经网络数据处理方法", 《无损检测》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104819795A (zh) * | 2015-04-07 | 2015-08-05 | 江苏省特种设备安全监督检验研究院 | 一种减小温度影响的巴克豪森应力检测方法 |
CN104865309A (zh) * | 2015-04-07 | 2015-08-26 | 江苏省特种设备安全监督检验研究院 | 一种减小巴克豪森噪声检测误差的方法及其传感器系统 |
CN109142057A (zh) * | 2018-09-11 | 2019-01-04 | 北京工业大学 | 铁磁性材料局域应力和应变场的巴克豪森噪声无损测量方法与系统 |
CN109409271A (zh) * | 2018-10-16 | 2019-03-01 | 北京工业大学 | 基于bp神经网络改进算法的铁磁材料硬度预测算法 |
CN109409271B (zh) * | 2018-10-16 | 2022-03-11 | 北京工业大学 | 基于bp神经网络改进算法的铁磁材料硬度预测算法 |
CN110829885A (zh) * | 2019-11-22 | 2020-02-21 | 温州大学 | 一种磁致伸缩精密驱动装置的机械阻抗匹配控制方法 |
US20210159386A1 (en) * | 2019-11-22 | 2021-05-27 | Wenzhou University | Matching control method for mechanical impedance of magnetostrictive precision transducer |
CN110829885B (zh) * | 2019-11-22 | 2022-10-21 | 温州大学 | 一种磁致伸缩精密驱动装置的机械阻抗匹配控制方法 |
US11778916B2 (en) * | 2019-11-22 | 2023-10-03 | Wenzhou University | Matching control method for mechanical impedance of magnetostrictive precision transducer |
CN111964817A (zh) * | 2020-07-08 | 2020-11-20 | 中国特种设备检测研究院 | 基于磁巴克豪森噪声的平面应力确定方法及装置 |
CN111964817B (zh) * | 2020-07-08 | 2022-04-29 | 中国特种设备检测研究院 | 基于磁巴克豪森噪声的平面应力确定方法及装置 |
CN111948286A (zh) * | 2020-08-10 | 2020-11-17 | 湖南大学 | 一种基于超声波和深度学习的应力检测方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102645298A (zh) | 带有温度修正作用的巴克豪森应力检测方法 | |
CN100554955C (zh) | 一种测量材料残余应力变化的装置及方法 | |
CN104359389B (zh) | 一种测量铁磁构件壁厚相对变化量的脉冲涡流检测方法 | |
CN103852000B (zh) | 多层导电涂层厚度的涡流检测方法和装置 | |
CN104713762B (zh) | 一种涡流检测用模拟应力腐蚀裂纹的制备方法 | |
CN105740569B (zh) | 基于暂态大电流测试技术的电流互感器工程模型建立方法 | |
CN102122351A (zh) | 一种基于rbf神经网络的管道缺陷智能识别方法 | |
CN104007007A (zh) | 一种基于镁合金试件表面温度特征的疲劳分析方法 | |
CN110516735B (zh) | 一种基于LSTM网络和Adam算法的天然气管道事件分类方法 | |
Madej et al. | Computer aided development of the levelling technology for flat products | |
CN103994334B (zh) | 基于kpca-rbf曲线拟合的输油管道泄漏流量估计装置及方法 | |
CN102062743A (zh) | 钢材动态相变测试方法 | |
CN110095525A (zh) | 一种基于内聚力-磁机械耦合模型的界面裂纹评估方法 | |
CN110987676A (zh) | 随机多轴载荷下考虑裂纹闭合效应的全寿命预测方法 | |
CN107220485A (zh) | 一种适用于多道次压缩的本构模型的建立方法 | |
WO2010111816A1 (zh) | 钢丝绳载荷性能无损测评方法 | |
CN103472092A (zh) | 基于偏最小二乘回归的红外无损检测电磁激励数学模型建模方法 | |
CN103940663B (zh) | 不同应力比下材料疲劳门槛值的预测方法 | |
CN112630023B (zh) | 基于热致磁变原理的铁磁性金属材料轴向应力检测方法 | |
CN102081157B (zh) | 雷达散射截面测试方法 | |
CN103822960B (zh) | 极谱法多金属离子浓度在线检测方法 | |
CN116183718A (zh) | 基于Lamb波非线性混频和LT网络的微裂纹定位与评估方法 | |
CN101807260B (zh) | 变化场景下行人检测的方法 | |
Sha et al. | Deep Transfer Learning-Enabled Hardness Classification of Bearing Rings Using Pulsed Eddy Current Testing | |
Lijian et al. | Oil-gas pipeline magnetic flux leakage testing defect reconstruction based on support vector machine |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20120822 |