CN108982650A - 一种钢轨顶面伤损漏磁数据的自适应滤波方法 - Google Patents

Abstract

本发明提出了一种钢轨顶面伤损漏磁数据的自适应滤波方法，属于高速铁路钢轨高速漏磁巡检技术领域。该方法包括如下步骤：步骤1，利用垂直于列车行进方向排成一行的路霍尔传感器采集钢轨顶面伤损漏磁信号，进行信号放大处理后存储，转化为数字电压信号；步骤2，利用小波滤波算法对步骤1得到的钢轨缺陷漏磁信号进行第一次滤波；步骤3，根据钢轨伤损漏磁信号构建虚拟通道，作为步骤4中的参考信号；步骤4，基于自适应滤波算法，对钢轨漏磁信号进行第二次滤波。本发明使自适应滤波算法成功运用于钢轨顶面伤损漏磁数据的滤波，钢轨顶面伤损检测时更易于特征提取，检出率更高，滤波效果明显，并提高了数据处理的效率精度。

Description

一种钢轨顶面伤损漏磁数据的自适应滤波方法

技术领域

本发明涉及一种钢轨顶面伤损漏磁数据的自适应滤波方法，属于高速铁路钢轨高速漏磁巡检技术领域。

背景技术

随着无损检测在铁路钢轨检测领域运用越来越广泛，漏磁检测技术因其传感器结构简单、检测灵敏度高、可实现非接触式检测，被广泛运用于诸如钢轨等铁磁性机件表面裂纹的无损检测。钢轨漏磁检测设备在采集和传输过程中由于机车振动、信号漂移、工频干扰、白噪声干扰等等情况的发生，使得其采集到的钢轨顶面缺陷漏磁信号都带有噪声、振动等干扰，而且干扰信号与缺陷信号频谱重叠，幅值相近，因此找到合适的滤波方法实现对漏磁信号的有效滤波具有重要意义。目前常用的滤波方法有频域滤波、卡尔曼滤波和自适应滤波，由于干扰信号与缺陷信号的特点，频域滤波和卡尔曼滤波都不适用于该漏磁信号的滤波。自适应滤波无需知道信号的先验统计特性，可以用于滤除漏磁信号中的干扰。然而自适应滤波需要不含有缺陷信息的通道的数据作为参考信号才能对漏磁信号进行有效滤波，而在实际钢轨巡检中，阵列传感器中每个传感器都有可能测到缺陷信息，若想利用自适应滤波方法，需要构建出合理的虚拟通道作为参考信号，才能对多通道阵列传感器采集到的漏磁信号进行最优滤波。

发明内容

针对现有技术的缺陷，本发明提出了一种钢轨顶面伤损漏磁数据的自适应滤波方法，使自适应滤波算法成功运用于钢轨顶面伤损漏磁数据的滤波，钢轨顶面伤损检测时更易于特征提取，检出率更高，滤波效果明显，并提高了数据处理的效率精度。

本发明为解决其技术问题采用如下技术方案：

一种钢轨顶面伤损漏磁数据的自适应滤波方法，包括如下步骤：

步骤1：漏磁信号采集

利用垂直于列车行进方向排成一行的n路霍尔传感器采集钢轨顶面伤损漏磁信号，进行信号放大处理后存储，并转化为数字电压信号；单路霍尔传感器采集到的漏磁信号为其中：为第i路通道第1个采样点，为第i路通道第2个采样点，为第i路通道第2个采样点，为第i路通道第j个采样点，为第i路通道第m个采样点，m为每个霍尔传感器的数据点数。由n路霍尔传感器采集到的漏磁信号构成漏磁信号矩阵X＝(x₁,x₂,x₃,...,x_i,...,x_n)，其中，x₁为第1路通道采集到的数据向量，x₂为第2路通道采集到的数据向量，x₃为第3路通道采集到的数据向量，x_i为第i路通道采集到的数据向量，x_n为第n路通道采集到的数据向量；

步骤2：小波去噪

基于小波滤波算法对钢轨漏磁信号进行第一次滤波，由漏磁信号矩阵X经过小波去噪后得到漏磁信号矩阵

步骤3：构建虚拟通道

根据步骤2所得漏磁信号找出的每行中绝对值最小的元素，记为其中j＝1,2,3...m，为的第j行第1列的元素，为第j行第2列的元素，为第j行第3列的元素，为第j行最后一列的元素，为第j行第i列的元素；然后将找出的m个构成虚拟通道作为自适应滤波中的参考信号；其中：是第1行中绝对值最小的元素，是第2行中绝对值最小的元素，是第j行中绝对值最小的元素，是最后一行中绝对值最小的元素；

步骤4：基于自适应滤波算法，对钢轨漏磁信号进行第二次滤波

将步骤3中所得虚拟通道x₀作为自适应滤波的参考信号，将步骤2中所得漏磁信号的每一个通道作为自适应滤波的输入信号，对13路漏磁信号中每个通道x_i逐一进行单通道线滤波，最后实现整个漏磁信号矩阵的面滤波。

步骤1中，所述排成一行的n路霍尔传感器，排列长度需覆盖钢轨顶面宽度，n值由式子向上取整计算得出，其中D为钢轨顶面宽度，d为传感器宽度，s为伤损在垂直于列车行进方向上的分辨率。

步骤2的具体步骤如下：根据公式SNR为漏磁信号的信噪比，RMSE为漏磁信号的均方根误差，x(j)为原始纯净漏磁信号，为去噪后漏磁信号，m为某通道漏磁信号的采样点数，分别计算钢轨顶面漏磁检测数据的信噪比和均方根误差，由此确定小波去噪参数，通过计算选用的小波基是sym6小波，并进行10层小波分解。

步骤3中，所述虚拟通道x₀由漏磁信号每行中绝对值最小的元素组成，其中虚拟通道x₀第j行的元素是漏磁信号第j行中绝对值最小的元素，式中j＝1,2,3,...,m。

本发明的有益效果如下：

1，本发明能够在缺陷信号频谱和噪声频谱重叠，和难以获取缺陷信号与干扰信号的先验统计特性的情况下，有效抑制噪声。根据实验计算得知，该自适应滤波方法能够使噪声强度降低81.44％，滤波效果明显。

2，该自适应滤波方法构建出了一个只含干扰信息而不含有缺陷信息的虚拟通道，作为参考信号，从而实现针对多通道阵列传感器采集到的漏磁信号的自适应滤波。因为利用漏磁信号的特点——检测出缺陷的信号幅值大于同一时刻未检测出缺陷的信号幅值；同时在自然缺陷中极少存在类似钢轨接缝的缺陷，即极少存在每路传感器都能检测到的缺陷，所以取每一时刻霍尔阵列传感器中幅值最小者构成虚拟通道，则该通道仅含干扰信息而不含有缺陷信息，即满足自适应滤波参考信号的选取原则，将该虚拟通道作为参考信息对漏磁信号进行滤波可实现最优滤波。

附图说明

图1(a)是原始带噪信号多通道三维图；图1(b)是自适应滤波后多通道效果图。

图2是滤波前后单通道对比图。

图3是钢轨顶面伤损漏磁数据自适应滤波方法流程图。

具体实施方式

以下结合附图及实例对本发明进行进一步详细说明。此处所描述的具体实例仅用于解释本发明，并不用于限定本发明。

参照图1，钢轨顶面伤损漏磁数据的自适应滤波方法应用于钢轨顶面缺陷漏磁数据的滤波，滤波方法包括以下步骤：

步骤1：漏磁信号采集。根据(其中D为钢轨顶面宽度，d为传感器宽度，s为裂纹在垂直于列车行进方向上的分辨率)计算确定n＝13，因此采用13路霍尔传感器采集钢轨顶面伤损漏磁信号，并将信号放大处理后存储；单路霍尔传感器采集到的漏磁信号为其中：为第1时刻阵列传感器采集到的数据，为第2时刻阵列传感器采集到的数据，为第3时刻阵列传感器采集到的数据，为第j时刻阵列传感器采集到的数据，为最后时刻阵列传感器采集到的数据，共有4401个数据采样点数)，13路霍尔传感器采集到的漏磁信号构成漏磁信号矩阵X＝(x₁,x₂,x₃,...,x_i,...,x₁₆)，其中：x₁为第1个霍尔传感器采集到的数据，x₂为第2个霍尔传感器采集到的数据，x₃为第3个霍尔传感器采集到的数据，x_i为第i个霍尔传感器采集到的数据，x₁₃为第13个霍尔传感器采集到的数据；

步骤2：小波去噪。基于小波滤波算法对钢轨漏磁信号进行第一次滤波，滤除步骤1中所得信号X的细节信息得到漏磁信号矩阵该步骤根据公式 其中：SNR为漏磁信号的信噪比，RMSE为漏磁信号的均方根误差，x(j)为原始纯净漏磁信号，为去噪后漏磁信号，m为某通道漏磁信号的采样点数，分别计算钢轨顶面漏磁检测数据的信噪比和均方根误差，由此确定小波去噪参数，即选用的小波基是sym6小波，进行10层小波分解，软阈值法对钢轨顶面漏磁检测数据进行滤波。

步骤3：构建虚拟通道。根据步骤2所得漏磁信号找出的每行中绝对值最小的元素，记为其中j＝1,2,3...,4401，为的第j行第1列的元素，为第j行第2列的元素，为第j行第3列的元素，为为第j行最后一列的元素，为中第j行第i列的元素；最后将找出的4401个数据构成虚拟通道作为自适应滤波中的参考信号，其中：为第1行中绝对值最小的元素，为第2行中绝对值最小的元素，为第j行中绝对值最小的元素，为最后一行中绝对值最小的元素；

步骤4：基于自适应滤波算法，对钢轨漏磁信号进行第二次滤波。将步骤3中所得虚拟通道x₀作为自适应滤波的参考信号，从第1路漏磁信号开始，逐一对13路漏磁信号x_i进行单通道线滤波，从而实现整个漏磁信号矩阵的面滤波；

结果发现，之前几乎被干扰信号“淹没”的八条缺陷信号在进行自适应滤波之后完整浮现出来了，并且更加易于缺陷的识别与查找，同时定量分析了滤波前后纯噪声能量的变化率，发现噪声强度降低了81.44％，显著提高了漏磁信号的信噪比。

Claims (4)

1.一种钢轨顶面伤损漏磁数据的自适应滤波方法，其特征在于，包括如下步骤：

步骤1：漏磁信号采集

利用垂直于列车行进方向排成一行的n路霍尔传感器采集钢轨顶面伤损漏磁信号，进行信号放大处理后存储，并转化为数字电压信号；单路霍尔传感器采集到的漏磁信号为其中：为第i路通道第1个采样点，为第i路通道第2个采样点，为第i路通道第2个采样点，为第i路通道第j个采样点，为第i路通道最后一个采样点，m为每个霍尔传感器采集的数据点数；由n路霍尔传感器采集到的漏磁信号构成漏磁信号矩阵X＝(x₁,x₂,x₃,...,x_i,...,x_n)，其中，x₁为第1路通道采集到的数据向量，x₂为第2路通道采集到的数据向量，x₃为第3路通道采集到的数据向量，x_i为第i路通道采集到的数据向量，x_n为最后一路通道采集到的数据向量；

步骤2：小波去噪

基于小波滤波算法对钢轨顶面漏磁信号进行第一次滤波，由漏磁信号矩阵X经过小波去噪后得到漏磁信号矩阵

步骤3：构建虚拟通道

根据步骤2所得漏磁信号找出的每行中绝对值最小的元素，记为其中j＝1,2,3...m，为的第j行第1列的元素，为第j行第2列的元素，为第j行第3列的元素，为第j行最后一列的元素，为第j行第i列的元素；然后将找出的m个构成虚拟通道作为自适应滤波中的参考信号；其中：r₁ ⁰是第1行中绝对值最小的元素，是第2行中绝对值最小的元素，是第j行中绝对值最小的元素，是最后一行中绝对值最小的元素；

步骤4：基于自适应滤波算法，对钢轨漏磁信号进行第二次滤波将步骤3中所得虚拟通道x₀作为自适应滤波的参考信号，将步骤2中所得漏磁信号的每一个通道作为自适应滤波的输入信号，对13路漏磁信号中每个通道x_i逐一进行单通道线滤波，最后实现整个漏磁信号矩阵的面滤波。

2.根据权利要求1所述的一种钢轨顶面伤损漏磁数据的自适应滤波方法，其特征在于，步骤1中所述排成一行的n路霍尔传感器，排列长度需覆盖钢轨顶面宽度，n值由式子向上取整计算得出，其中D为钢轨顶面宽度，d为传感器宽度，s为伤损在垂直于列车行进方向上的分辨率。

3.根据权利要求1所述的一种钢轨顶面伤损漏磁数据的自适应滤波方法，其特征在于，步骤2的具体步骤如下：根据公式SNR为漏磁信号的信噪比，RMSE为漏磁信号的均方根误差，x(j)为原始纯净漏磁信号，为去噪后漏磁信号，m为单通道漏磁信号的采样点数，分别计算钢轨顶面漏磁检测数据的信噪比和均方根误差，由此确定小波去噪参数，通过计算选用的小波基是sym6小波，并进行10层小波分解。

4.根据权利要求1所述的一种钢轨顶面伤损漏磁数据的自适应滤波方法，其特征在于，步骤3中，所述虚拟通道x₀由漏磁信号每行中绝对值最小的元素组成，其中虚拟通道x₀第j行的元素是漏磁信号第j行中绝对值最小的元素，式中j＝1,2,3,...,m。