CN112540087A - 一种轨道综合检测与诊断方法 - Google Patents
一种轨道综合检测与诊断方法 Download PDFInfo
- Publication number
- CN112540087A CN112540087A CN202011361750.3A CN202011361750A CN112540087A CN 112540087 A CN112540087 A CN 112540087A CN 202011361750 A CN202011361750 A CN 202011361750A CN 112540087 A CN112540087 A CN 112540087A
- Authority
- CN
- China
- Prior art keywords
- damage
- signal
- ultrasonic
- module
- processing unit
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 125
- 238000003745 diagnosis Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000012545 processing Methods 0.000 claims abstract description 311
- 230000006378 damage Effects 0.000 claims abstract description 261
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 106
- 239000010959 steel Substances 0.000 claims abstract description 106
- 230000005284 excitation Effects 0.000 claims abstract description 52
- 238000004364 calculation method Methods 0.000 claims abstract description 30
- 230000008569 process Effects 0.000 claims abstract description 9
- 230000004907 flux Effects 0.000 claims description 31
- 238000013135 deep learning Methods 0.000 claims description 23
- 238000004891 communication Methods 0.000 claims description 22
- 230000003750 conditioning effect Effects 0.000 claims description 21
- 238000001914 filtration Methods 0.000 claims description 21
- 238000000605 extraction Methods 0.000 claims description 10
- 230000005415 magnetization Effects 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 9
- 238000007373 indentation Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 6
- 241000251468 Actinopterygii Species 0.000 claims description 5
- 230000003321 amplification Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 5
- 238000007499 fusion processing Methods 0.000 claims description 5
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000000903 blocking effect Effects 0.000 claims description 4
- 238000002592 echocardiography Methods 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 4
- 230000006698 induction Effects 0.000 claims description 2
- 230000001678 irradiating effect Effects 0.000 claims description 2
- 230000036541 health Effects 0.000 abstract description 16
- 230000007547 defect Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 208000027418 Wounds and injury Diseases 0.000 description 7
- 208000014674 injury Diseases 0.000 description 7
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000005336 cracking Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009933 burial Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000000280 densification Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61K—AUXILIARY EQUIPMENT SPECIALLY ADAPTED FOR RAILWAYS, NOT OTHERWISE PROVIDED FOR
- B61K9/00—Railway vehicle profile gauges; Detecting or indicating overheating of components; Apparatus on locomotives or cars to indicate bad track sections; General design of track recording vehicles
- B61K9/08—Measuring installations for surveying permanent way
- B61K9/10—Measuring installations for surveying permanent way for detecting cracks in rails or welds thereof
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/72—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables
- G01N27/82—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws
- G01N27/83—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws by investigating stray magnetic fields
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4445—Classification of defects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- General Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Acoustics & Sound (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mechanical Engineering (AREA)
- Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种轨道综合检测与诊断方法，包括以下步骤：S11)前端传感组件进行所有通道原始传感信号的激发与反馈信号的采集；S12)伤损检测信号处理组件进行各通道传感器反馈信号的采集和并行处理，并对各通道传感器反馈信号进行实时管理、控制及目标结果数据处理；S13)智能识别处理计算机对伤损检测信号处理组件输出的数据进行智能化识别处理，完成最终伤损数据的解算、处理及动态输出。本发明能解决现有钢轨伤损检测方式存在的检测手段单一，智能化程度低，无法实现对铁路钢轨全方位伤损检测以及全面健康状态诊断的技术问题。
Description
技术领域
本发明涉及轨道工程机械技术领域，尤其是应用于铁路路轨无损检测的轨道综合检测与诊断方法。
背景技术
当前，随着铁路运输的大力发展，我国的铁路建设里程与日俱增，铁路行车高密度化、高速度化以及重载化逐渐成为现代铁路的主要特点，铁路钢轨的结构性能和健康状态对于确保铁路运输的安全性至关重要。铁路钢轨在列车长期高速、高密度的行驶过程中，容易产生各种各样的疲劳裂纹及磨损，这些前期伤损随着时间的推移，还会进一步持续发展，达到一定期限后，可以发展成为重伤，从而导致钢轨断裂，造成破坏性较大的安全事故。因此，对钢轨进行快速、准确的缺陷检测、识别具有十分重要的意义。
目前，针对铁路钢轨的伤损检测主要采用无损检测技术，即根据被测材料结构异常或缺陷处引起的电、磁、声、光、热等反应的变化，结合现代化测控技术，来检测被测对象内部或者表面是否存在缺陷，并进一步评价被测对象的使用性能。如：公告号为CN207300984U的中国实用新型专利公开了一种铁路钢轨探伤系统，包括：轮探头，用于进行铁路钢轨探伤，生成超声波射频信号；信号调理电路，与轮探头连接，用于对超声波射频信号进行信号调理；AD转换器，与信号调理电路连接，用于将信号调理后的超声波射频信号进行模数转换；可编程逻辑门阵列，与AD转换器连接，用于对模数转换后的超声波射频信号进行数字信号处理，将超声波射频信号转换为A型波形；对A型波形进行信号特征提取，所提取的特征用于生成B型图形及实时监控铁路钢轨探伤系统的状态。又如：公开号为CN110246134A的中国发明申请公开了一种钢轨伤损分类装置，包括：伤损图库建立模块、特征提取模块、伤损分类模块及分类结果显示模块。伤损图库建立模块基于标定的伤损图像数据创建伤损图库。特征提取模块提取伤损图库中伤损图像的特征值并组成特征向量。伤损分类模块对每类伤损图像的特征向量进行训练，得到伤损图像的最优分类函数，并将未经训练的伤损图像的特征向量输入最优分类函数进行测试。分类结果显示模块对伤损图像的分类测试结果进行可视化输出。
然而，由于钢轨伤损的种类繁多，形成原因多样，上述现有技术均采用单一的检测技术手段，智能化程度低，无法实现对众多类型铁路钢轨伤损的全方位检测以及全面健康状态诊断。
发明内容
有鉴于此，本发明的目的在于提供一种轨道综合检测与诊断方法，以解决现有钢轨伤损检测方式检测手段单一，智能化程度低，无法实现对众多类型铁路钢轨伤损的全方位检测以及全面健康状态诊断的技术问题。
为了实现上述发明目的，本发明具体提供了一种轨道综合检测与诊断方法的技术实现方案，轨道综合检测与诊断方法，包括以下步骤：
S11)前端传感组件进行所有通道原始传感信号的激发与反馈信号的采集；
S12)伤损检测信号处理组件进行各通道传感器反馈信号的采集和并行处理，并对各通道传感器反馈信号进行实时管理、控制及目标结果数据处理；
S13)智能识别处理计算机对所述伤损检测信号处理组件输出的数据进行智能化识别处理，完成最终伤损数据的解算、处理及动态输出。
进一步的，所述前端传感组件包括速度编码器、摄像传感装置、漏磁传感装置及超声传感装置。所述摄像传感装置包括红外激光传感器及线扫描相机，所述漏磁传感装置包括激励线圈、磁芯及磁敏感阵列，所述超声传感装置包括超声晶片。所述步骤S11)包括：
将所述速度编码器安装于轮对的联轴器上，轮对的转动带动速度编码器产生矩形脉冲信号，通过该脉冲信号计算行驶里程和当前车速；
将所述摄像传感装置安装于钢轨上方的车体上，且与所述钢轨保持设定距离；通过所述红外激光传感器向钢轨外表面进行照射，然后采用线扫描相机对钢轨外表面的图像进行拍摄；
将所述漏磁传感装置安装于钢轨上方的车体上，所述激励线圈缠绕在磁芯上，所述磁敏感阵列设置于磁芯的下部，并与钢轨保持设定距离；所述激励线圈通电后，磁芯产生感应磁场完成对钢轨近表面的磁化，同时磁敏感阵列完成对伤损漏磁信号的接收；所述漏磁传感装置上还设置有提离值传感器，以确保所述漏磁传感装置与钢轨保持设定的安全距离；
将所述超声传感装置安装于钢轨上方的车体上，高压脉冲信号作用于所述超声晶片上，产生相应的超声信号入射之钢轨的内部，同时所述超声晶片通过逆压电效应接收伤损的回波信号。
进一步的，所述伤损检测信号处理组件包括实时控制器、速度及里程处理单元、图像信号处理单元、漏磁信号处理单元及超声信号处理单元。所述步骤S12)包括：
所述伤损检测信号处理组件对前端传感组件采集的信号进行高速数字信号处理，然后从中提取出目标结果数据，再发送至智能识别处理计算机。所述实时控制器与速度及里程处理单元、图像信号处理单元、漏磁信号处理单元及超声信号处理单元之间采用并行高速数据总线通信。所述实时控制器与智能识别处理计算机之间通过高速以太网通信进行数据交互。
进一步的，所述图像信号处理单元包括图像左处理单元及图像右处理单元，所述图像左处理单元及图像右处理单元均包括图像信号处理及控制模块、相机控制模块及图像信号接收模块。所述步骤S12)还包括：
所述图像信号处理及控制模块实时接收来自于高速数据总线的图像触发信号，并将控制信号发送至相机控制模块。所述相机控制模块直接与摄像传感装置进行信号接口，并启动红外激光传感器产生红外光源对钢轨的外表面进行照射，同时线扫描相机对钢轨的轨面进行图像拍摄。图像画面数据通过网络通信发送至所述图像信号接收模块，然后再传送至图像信号处理及控制模块进行相应的图像数字信号处理，最终处理完的图像数据结果通过高速数据总线传输至的实时控制器。
进一步的，所述漏磁信号处理单元包括漏磁左处理单元及漏磁右处理单元，所述漏磁左处理单元及漏磁右处理单元均包括漏磁信号处理及控制模块、信号调理模块、提离值计算模块、激励控制模块、霍尔传感器阵列信号采集模块及提离传感器信号采集模块。所述步骤S12)还包括：
所述漏磁信号处理及控制模块实时监测来自于高速数据总线的漏磁触发信号，当漏磁触发信号有效时，发送控制命令至激励控制模块，此时所述激励线圈被施加激励电源，所述磁芯产生磁化场，所述磁敏感阵列接收到相应的磁场信号；所述磁敏感阵列采集到的漏磁信号被传送至信号调理模块进行包括隔直、放大、滤波在内的信号处理，最后传送至漏磁信号处理及控制模块，实现目标伤损波形提取、幅值计算及阈值判断，最终的漏磁伤损数据结果通过高速数据总线发送至实时控制器。所述提离传感器信号采集模块采集提离值传感器信号，并将其发送至提离值计算模块，从而实时获取所述漏磁传感装置相对于钢轨表面的距离。所述提离值计算模块将计算得到的提离值输出至信号调理模块，所述信号调理模块根据提离值对放大处理的增益值进行调整以补偿提离值波动对漏磁采集信号带来的影响。
进一步的，所述超声信号处理单元包括超声左处理单元及超声右处理单元，所述超声左处理单元及超声右处理单元均包括逻辑控制与数字信号处理模块、回波滤波放大模块、超声高压激发模块及回波高速采样模块。所述步骤S12)还包括：
所述逻辑控制与数字信号处理模块实时监测来自于高速数据总线的超声触发信号，当超声触发信号有效时，产生激发控制信号并传输至超声高压激发模块，所述超声高压激发模块生成高压激励信号并作用于所述超声传感装置的超声晶片上产生超声信号，该超声信号入射至钢轨的内部并产生回波信号。各个通道的超声回波被超声晶片接收并转化为电信号，该电信号被所述回波高速采样模块采集得到，并传输至所述回波滤波放大模块进行滤波放大处理后，再输出至逻辑控制与数字信号处理模块进行包括在内的数字正交检波、数字平滑滤波、幅度阈值控制、预期闸门叠加、回波时间提取及伤损位置计算的数字信号处理。各个通道最终处理完的超声伤损数据结果通过高速数据总线发送至所述实时控制器。
进一步的，所述步骤S12)还包括：
所述速度及里程处理单元实时采集速度编码器的矩形脉冲信号，计算得到车体当前的速度及位置信息并发送至所述实时控制器。所述速度及里程处理单元同时接收实时控制器发送的触发设置信息，从而产生图像触发信号、漏磁触发信号及超声触发信号。
进一步的，所述步骤S12)还包括：
所述实时控制器通过高速数据总线通信获取所述图像信号处理单元、漏磁信号处理单元及超声信号处理单元处理完的伤损结果数据，以及速度及里程处理单元处理完的速度里程数据后，先将伤损结果数据存入存储器。当实时控制器对伤损结果数据及速度里程数据进行统一数据融合处理时，形成按照里程位置信息编排好的伤损结果数据包，并将该数据包通过高速以太网通信发送至智能识别处理计算机进行后续处理。
进一步的，所述步骤S13)包括：
所述智能识别处理计算机通过高速以太网通信实时获取伤损检测信号处理组件处理完的伤损结果数据，并根据伤损结果数据进行分析与解算、位置编码与融合、动态输出与显示。
第一深度学习算法模块根据图像数据结果识别包括钢轨外表面鱼鳞纹、剥离掉块、压痕，以及轨底扣件脱落、缺失及损坏在内的伤损。
第二深度学习算法模块根据漏磁伤损数据结果识别包括钢轨浅表面10mm范围内垂直劈裂、纵向裂纹在内的伤损。
第三深度学习算法模块根据超声伤损数据结果识别包括钢轨内部轨头核伤、轨腰裂纹、轨底月牙伤在内的伤损。
进一步的，所述方法还包括以下步骤：
S14)所述智能识别处理计算机将伤损判断结果发送至伤损结果显示器进行显示。将所述伤损结果显示器的显示界面分为上轨伤损显示区和下轨伤损显示区进行显示，并将每一根钢轨的伤损显示区分为轨面图像伤损显示区、钢轨纵截面伤损显示区及钢轨横截面伤损显示区三个显示子分区进行显示。选中当前位置，能展示当前位置的横截面伤损显示结果。所述智能识别处理计算机同时对经过识别的具体伤损进行面积大小计算、深度计算、里程位置确定、种类区分及伤损严重程度判定，并根据所有识别到的伤损信息形成整体的钢轨伤损统计列表。
通过实施上述本发明提供的轨道综合检测与诊断方法的技术方案，具有如下有益效果：
(1)本发明轨道综合检测与诊断方法，采用前端传感+伤损检测信号处理+智能识别处理方式，能够解决现有钢轨伤损检测方式检测手段单一，智能化程度低，无法实现对众多类型铁路钢轨伤损的全方位检测以及全面健康状态诊断的技术问题；
(2)本发明轨道综合检测与诊断方法，综合采用了三种类型的伤损检测传感方式，且每一种类型的传感方式又包含多个单一信号检测通道，三种传感方式优势互补，能够最大限度地检测钢轨各种类型的伤损，实现了对钢轨外表面、轨头近表面、钢轨内部全方位的伤损检测与扫描；
(3)本发明轨道综合检测与诊断方法，智能识别处理计算机采用基于深度学习的智能伤损识别算法，能够有效地根据初始伤损数据进行判别输出，整个检测识别过程自动运行完成，能大幅度减少伤损判别的人工参与，体现了智能伤损检测的高效性；
(4)本发明轨道综合检测与诊断方法，伤损结果显示器实现了全面的伤损检测结果数据动态显示，将所有传感器信号通道的伤损检测结果集中显示在一个界面，用户既可以直观的查看到钢轨外表面的图像，又可以查看到钢轨内部埋藏的缺陷，整个钢轨的伤损情况展示的非常全面；
(5)本发明轨道综合检测与诊断方法，每次作业完毕都可以一键式生成钢轨健康诊断报告，通过该报告用户可以直观的查看到两根钢轨的详细伤损列表信息；当统计到大的缺陷类型时，用户可以根据报告中给出的伤损里程信息，在伤损文件中查看原始伤损图像界面来进行再次确认，实现了直观的钢轨健康状态诊断。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的实施例。
图1是基于本发明方法的轨道综合检测与诊断系统一种具体实施例的结构组成原理示意图；
图2是基于本发明方法的钢轨伤损分类的具体位置分布示意图；
图3是本发明轨道综合检测与诊断方法一种具体实施例中前端传感组件的结构组成原理示意图；
图4是本发明轨道综合检测与诊断方法一种具体实施例的结构组成框图；
图5是本发明轨道综合检测与诊断方法一种具体实施例中图像信号处理单元的结构组成框图；
图6是本发明轨道综合检测与诊断方法一种具体实施例中漏磁信号处理单元的结构组成框图；
图7是本发明轨道综合检测与诊断方法一种具体实施例中超声信号处理单元的结构组成框图；
图8是本发明轨道综合检测与诊断方法一种具体实施例中的智能识别模块的结构原理示意图；
图9是本发明轨道综合检测与诊断方法一种具体实施例的程序流程图；
图10是本发明轨道综合检测与诊断方法一种具体实施例中伤损数据显示界面的示意图；
图中：1-实时控制器，2-速度及里程处理单元，3-图像信号处理单元，4-漏磁信号处理单元，5-超声信号处理单元，6-速度编码器，7-摄像传感装置，8-漏磁传感装置，9-超声传感装置，10-伤损检测信号处理组件，11-存储器，12-智能识别处理计算机，13-伤损结果显示器，20-前端传感组件，30-车体，31-图像左处理单元，32-图像右处理单元，301-图像信号处理及控制模块，302-相机控制模块，303-图像信号接收模块，40-钢轨，41-漏磁左处理单元，42-漏磁右处理单元，401-漏磁信号处理及控制模块，402-信号调理模块，403-提离值计算模块，404-激励控制模块，405-霍尔传感器阵列信号采集模块，406-提离传感器信号采集模块，51-超声左处理单元，52-超声右处理单元，501-逻辑控制与数字信号处理模块，502-回波滤波放大模块，503-超声高压激发模块，504-回波高速采样模块，60-扣件，70-伤损点，71-红外激光传感器，72-线扫描相机，81-激励线圈，82-磁芯，83-磁敏感阵列，90-超声晶片，100-轮对，101-第一深度学习算法模块，102-第二深度学习算法模块，103-第三深度学习算法模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
需要说明的是，当元件被称为“固定于”或“设置于”另一个元件上，它可以直接在另一个元件上或者间接设置在另一个元件上；当一个元件被称为是“连接于”另一个元件，它可以是直接连接到另一个元件或间接连接至另一个元件上。
需要理解的是，术语“长度”、“宽度”、“上”、下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，“多个”、“若干个”的含义是两个或两个以上，除非另有明确具体的限定。
须知，本说明书附图所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本申请可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本申请所能产生的功效及所能达成的目的下，均应仍落在本申请所揭示的技术内容能够涵盖的范围内。
如附图1至附图10所示，给出了本发明轨道综合检测与诊断方法的具体实施例，下面结合附图和具体实施例对本发明作进一步说明。
实施例1
如附图1所示，一种本发明方法所基于的轨道综合检测与诊断系统的实施例，具体包括：依次相连的前端传感组件20、伤损检测信号处理组件10及智能识别处理计算机12。首先，前端传感组件20完成所有通道原始传感信号的激发与反馈信号的采集。其次，处于中间层的伤损检测信号处理组件10完成各通道传感器反馈信号的采集和并行处理，并采用实时控制器+新型高速数据总线的架构对各通道传感器反馈信号进行实时管理、控制及目标结果数据处理。最后，由顶层的智能识别处理计算机12对伤损检测信号处理组件10输出的数据进行智能化识别处理，完成最终伤损数据的解算、处理及动态输出，同时提供人机接口交互界面，实现用户的各种输入控制操作。整个轨道智能检测与综合诊断系统的信号处理具有高速、并行的特征。
钢轨40在长期的服役过程中，容易产生各种类型的伤损，根据伤损的分布位置情况，可以具体分为三大类，如附图2所示。第一类为钢轨外表面的伤损(如附图2中A所示)：包括鱼鳞纹(如A1所示)、剥离掉块(如A2所示)、压痕，钢轨轨底扣件的脱落、缺失(如A3所示)、损坏等。第二类为轨头近表面裂纹(如附图2中B所示)：包括浅表面垂直劈裂(如B1所示)、纵向裂纹(如B2所示)等；第三类为钢轨内部伤损(如附图2中C所示)：包括轨头核伤(如C1所示)、轨腰裂纹(如C2所示)、轨底月牙伤(如C3所示)等。钢轨伤损类型的多样性，导致伤损检测的难度也大幅度增加，为了应对多样性的伤损，本实施例具体提出一种基于综合性无损检测的轨道综合检测与诊断方法，即采用光、声、电磁三方面的综合检测手段，实现对钢轨全方位的伤损检测。同时，通过利用智能化的伤损识别，实现对钢轨整体健康状态结果的全面诊断与输出。
如附图3所示，前端传感组件20涉及的光、电磁、声三种类型传感装置具体包括：摄像传感装置7、漏磁传感装置8及超声传感装置9，此外前端传感组件20还进一步包括速度编码器6。首先，摄像传感装置7完成对钢轨40外表面的实时摄像，可以精确检测和识别到钢轨外表面的鱼鳞纹、剥离掉块、压痕，以及轨底扣件的脱落、缺失、损坏等。其次，漏磁传感装置8负责完成对钢轨40内部浅表面10mm范围内的裂纹检测。最后，超声传感装置9则用于探测钢轨40内部深度埋藏的缺陷，包括轨头核伤、轨腰螺孔裂纹等。三种类型的传感装置体现优势互补，最终能够实现对钢轨40的全方位扫描与伤损检测。
速度编码器6安装于轮对100的联轴器上，轮对100的转动带动速度编码器6产生矩形脉冲信号，通过该脉冲信号计算行驶里程和当前车速。
摄像传感装置7安装于钢轨40上方的车体30上，且与钢轨40保持设定距离，并包括红外激光传感器71及线扫描相机72。通过红外激光传感器71向钢轨外表面进行照射，然后采用线扫描相机72对钢轨外表面的图像进行拍摄。
漏磁传感装置8安装于钢轨40上方的车体30上，并包括激励线圈81、磁芯82及磁敏感阵列83，激励线圈81缠绕在磁芯82上，磁敏感阵列83设置于磁芯82的下部，并与钢轨40保持设定距离。激励线圈81通电后，磁芯82产生感应磁场完成对钢轨40近表面的磁化，同时磁敏感阵列83完成对伤损漏磁信号的接收。漏磁传感装置8上还设置有提离值传感器，以确保漏磁传感装置8与钢轨40保持设定的安全距离。
超声传感装置9安装于钢轨40上方的车体30上，并包括超声晶片90。高压脉冲信号作用于探轮内部的超声晶片90上，产生相应的超声信号入射之钢轨40的内部，同时超声晶片90通过逆压电效应接收伤损的回波信号。超声传感装置9具体采用轮式结构，需与钢轨40的表面接触，并采用液体进行耦合，使得超声能顺利进入钢轨40的内部。
为了实现对钢轨40的全方位检测与诊断，每种类型的传感装置均设计了多个，每个传感装置的内部设计了多个不同角度的传感器单元或传感器阵列(即线扫描相机72、磁敏感阵列83及超声晶片90)。如附图3所示为单边钢轨40的配置情况，两边钢轨40采用对称的传感装置布置方式。中间层采用伤损检测信号处理组件10来完成所有通道信号的高速采集与实时处理。顶层则采用智能识别处理计算机12完成对伤损数据的智能化识别处理与动态显示，以及输出最终的钢轨健康状态诊断报告。整个道智能检测与综合诊断系统具有伤损高速检测、信号实时处理、诊断结果一键输出等显著特点。
如附图4所示，伤损检测信号处理组件10进一步包括实时控制器1、速度及里程处理单元2、图像信号处理单元3、漏磁信号处理单元4及超声信号处理单元5。速度及里程处理单元2、图像信号处理单元3、漏磁信号处理单元4及超声信号处理单元5均设计有相应的信号处理板卡，且采用并行架构设计，能够实现多个信号通道的并行处理。为提高伤损数据处理的实时性，本实施例具体采用实时控制器+高速数据总线的架构设计，来实现对各个子功能单元的集中管控、大容量数据的融合处理与存储，最后通过千兆以太网通信方式实现与智能识别处理计算机12的数据交互。伤损检测信号处理组件10对前端传感组件20采集的信号进行一系列后续的高速数字信号处理，然后从中提取出目标结果数据，再发送至智能识别处理计算机12。实时控制器1与速度及里程处理单元2、图像信号处理单元3、漏磁信号处理单元4及超声信号处理单元5之间采用并行高速数据总线通信。实时控制器1与智能识别处理计算机12之间通过高速以太网通信进行数据交互。
如附图5所示，高速的图像信号采集处理单元3主要完成红外激光传感器71的触发控制以及线扫描相机72的图像信号实时采集与处理，图像信号处理单元3包括图像左处理单元31及图像右处理单元32，图像左处理单元31及图像右处理单元32在硬件层面为并行结构，并能独立工作。图像左处理单元31及图像右处理单元32均进一步包括图像信号处理及控制模块301、相机控制模块302及图像信号接收模块303。在实际工作过程中，图像信号处理及控制模块301实时接收来自于高速数据总线的图像触发信号(该触发信号由速度编码器6的信号以及设计的图像触发规律确定)，并将控制信号发送至相机控制模块302。相机控制模块302直接与摄像传感装置7进行信号接口，并启动红外激光传感器71产生红外光源对钢轨40的外表面进行照射，同时线扫描相机72对钢轨40的轨面进行图像拍摄。图像画面数据通过网络通信发送至图像信号接收模块303，然后再传送至图像信号处理及控制模块301进行相应的图像数字信号处理，最终处理完的图像数据结果通过高速数据总线传输至的实时控制器1。
如附图6所示，漏磁信号处理单元4主要完成对激励线圈81的激励电源加载，产生磁化场。同时，完成对霍尔传感器阵列(即磁敏感阵列83)采集到的漏磁信号的一系列数字化处理。为了完成两根钢轨40的漏磁检测，漏磁信号处理单元4包括漏磁左处理单元41及漏磁右处理单元42，漏磁左处理单元41及漏磁右处理单元42在硬件层面为并行结构，并能独立工作。漏磁左处理单元41及漏磁右处理单元42均进一步包括漏磁信号处理及控制模块401、信号调理模块402、提离值计算模块403、激励控制模块404、霍尔传感器阵列信号采集模块405及提离传感器信号采集模块406。漏磁信号处理及控制模块401实时监测来自于高速数据总线的漏磁触发信号(该触发信号由速度编码器6的信号以及设计好的漏磁触发规律确定)，当漏磁触发信号有效时，发送控制命令至激励控制模块404，此时激励线圈81被施加激励电源，磁芯82产生磁化场，磁敏感阵列83接收到相应的磁场信号。磁敏感阵列83采集到的漏磁信号被传送至信号调理模块402进行包括隔直、放大、滤波在内的信号处理，最后传送至漏磁信号处理及控制模块401，实现目标伤损波形提取、幅值计算及阈值判断，最终的漏磁伤损数据结果通过高速数据总线发送至实时控制器1。另外，漏磁传感装置8与钢轨40表面的距离大小，将较大程度地影响漏磁的幅值，所以需要精确测量得到提离距离，从而进行漏磁信号的放大补偿。提离传感器信号采集模块406采集提离值传感器信号，并将其发送至提离值计算模块403，从而实时获取漏磁传感装置8相对于钢轨40表面的距离。提离值计算模块403将计算得到的提离值输出至信号调理模块402，信号调理模块402根据提离值对放大处理的增益值进行调整以补偿提离值波动对漏磁采集信号带来的影响。
如附图7所示，超声信号处理单元5主要完成所有超声信号通道的激发控制及超声信号处理，轨道智能检测与综合诊断系统中的超声信号处理通道数多达30路及以上。为了提高超声数据处理的高效性，首先，超声晶片90的信号采集与处理采用并行架构设计，不同通道之间可完全并行处理、可完全独立控制，且具备一定的通道可扩展性。其次，对于单一信号通道，需以最快速度、最低延时完成单一通道信号的数据处理。超声信号处理单元5包括超声左处理单元51及超声右处理单元52，超声左处理单元51及超声右处理单元52在硬件层面为并行结构，并能独立工作。超声左处理单元51及超声右处理单元52均进一步包括逻辑控制与数字信号处理模块501、回波滤波放大模块502、超声高压激发模块503及回波高速采样模块504。在实际的信号处理过程中，逻辑控制与数字信号处理模块501实时监测来自于高速数据总线的超声触发信号(该触发信号由速度编码器6的信号以及设计的超声触发规律共同确定)，当超声触发信号有效时，产生激发控制信号并传输至超声高压激发模块503，超声高压激发模块503生成高压激励信号并作用于超声传感装置9的超声晶片90上产生超声信号，该超声信号入射至钢轨40的内部并产生回波信号。各个通道的超声回波被超声晶片90接收并转化为电信号，该电信号被回波高速采样模块504采集得到，并传输至回波滤波放大模块502进行滤波放大处理后，再输出至逻辑控制与数字信号处理模块501进行包括在内的数字正交检波、数字平滑滤波、幅度阈值控制、预期闸门叠加、回波时间提取及伤损位置计算的数字信号处理。各个通道最终处理完的超声伤损数据结果通过高速数据总线发送至实时控制器1。
速度及里程处理单元2实时采集速度编码器6的矩形脉冲信号，然后通过相应的公式计算得到车体30当前的速度及位置信息并发送至实时控制器1。同时，速度及里程处理单元2还需接收实时控制器1发送的三种类型触发设置信息，从而产生图像触发信号、漏磁触发信号及超声触发信号。三种类型的触发信号规律各不相同，通过高速数据总线的专用触发信号线分别传输值高速的图像信号采集处理单元3、漏磁信号处理单元4及超声信号处理单元5，用于各个子功能单元的同步启动控制。
实时控制器1的主要功能是集中管控其下的四大子功能单元，通过高速数据总线通信对各大子功能单元处理完之后的伤损结果数据以及速度里程数据进行获取，由于轨道智能检测与综合诊断系统底层传感装置的通道数比较多，所以伤损结果数据量也是非常大。为保证系统数据处理的实时性，必须先将从总线上获得的伤损数据存入超大容量的存储器11。因此，伤损检测信号处理组件10还包括超大容量的存储器11，如附图4所示。实时控制器1通过高速数据总线通信获取图像信号处理单元3、漏磁信号处理单元4及超声信号处理单元5处理完的伤损结果数据，以及速度及里程处理单元2处理完的速度里程数据后，先将伤损结果数据存入存储器11。当实时控制器1对伤损结果数据及速度里程数据进行统一数据融合处理时，形成按照里程位置信息编排好的伤损结果数据包，并将该数据包(即底层处理完成的结果数据)通过高速以太网通信发送至智能识别处理计算机12进行后续处理。超大容量的存储器11为轨道智能检测与综合诊断系统的稳定、快速运行提供了强大的支撑。
智能识别处理计算机12通过高速以太网通信实时获取伤损检测信号处理组件10处理完的伤损结果数据，并根据伤损结果数据进行分析与解算、位置编码与融合、动态输出与显示。同时，还需要利用智能化伤损识别处理模块，完成对钢轨伤损的自动化判别与评定，并生成最终的钢轨健康状态诊断报告。为了提高钢轨伤损识别的准确率，伤损识别处理采用基于深度学习智能识别算法的模块来实现，该模块可以根据不同类型伤损的典型特征，进行全面、深度的自学习，实现自动特征提取。学习完成之后再进行各种类型伤损的自动识别与判定。本实施例根据三种不同类型传感装置的伤损结果数据，分别设计了对应的深度学习算法模块，来完成各自多种类型伤损的自动识别与处理，基于深度学习的智能识别算法具有非常高的识别准确率。如附图8所示，智能识别处理计算机12进一步包括第一深度学习算法模块101、第二深度学习算法模块102及第三深度学习算法模块103。第一深度学习算法模块101根据图像数据结果识别包括钢轨40外表面鱼鳞纹、剥离掉块、压痕，以及轨底扣件60脱落、缺失及损坏在内的伤损。第二深度学习算法模块102根据漏磁伤损数据结果识别包括钢轨40浅表面10mm范围内垂直劈裂、纵向裂纹在内的伤损。第三深度学习算法模块103根据超声伤损数据结果识别包括钢轨40内部轨头核伤、轨腰裂纹、轨底月牙伤在内的伤损。
系统还包括与智能识别处理计算机12相连的伤损结果显示器13。为了更全面、更直观地输出伤损检测结果，伤损结果显示器13设计了专门的伤损数据动态显示界面。如附图10所示，伤损结果显示器13的显示界面分为上轨伤损显示区和下轨伤损显示区。每一根钢轨40的伤损显示区包括三个显示子分区，分别为轨面图像伤损显示区、钢轨纵截面伤损显示区及钢轨横截面伤损显示区。选中当前位置，能展示当前位置的横截面伤损显示结果。智能识别处理计算机12同时对经过识别的具体伤损进行面积大小计算、深度计算、里程位置确定、种类区分及伤损严重程度判定，并根据所有识别到的伤损信息形成整体的钢轨伤损统计列表。
实施例2
如附图9所示，一种本发明轨道综合检测与诊断方法的实施例，具体包括以下步骤：
S11)前端传感组件20进行所有通道原始传感信号的激发与反馈信号的采集；
S12)伤损检测信号处理组件10进行各通道传感器反馈信号的采集和并行处理，并对各通道传感器反馈信号进行实时管理、控制及目标结果数据处理；
S13)智能识别处理计算机12对伤损检测信号处理组件10输出的数据进行智能化识别处理，完成最终伤损数据的解算、处理及动态输出。
前端传感组件20进一步包括速度编码器6、摄像传感装置7、漏磁传感装置8及超声传感装置9。摄像传感装置7进一步包括红外激光传感器71及线扫描相机72，漏磁传感装置8进一步包括激励线圈81、磁芯82及磁敏感阵列83，超声传感装置9进一步包括超声晶片90。步骤S11)进一步包括：
将速度编码器6安装于轮对100的联轴器上，轮对100的转动带动速度编码器6产生矩形脉冲信号，通过该脉冲信号计算行驶里程和当前车速。
将摄像传感装置7安装于钢轨40上方的车体30上，且与钢轨40保持设定距离。通过红外激光传感器71向钢轨外表面进行照射，然后采用线扫描相机72对钢轨外表面的图像进行拍摄。
将漏磁传感装置8安装于钢轨40上方的车体30上，激励线圈81缠绕在磁芯82上，磁敏感阵列83设置于磁芯82的下部，并与钢轨40保持设定距离。激励线圈81通电后，磁芯82产生感应磁场完成对钢轨40近表面的磁化，同时磁敏感阵列83完成对伤损漏磁信号的接收。漏磁传感装置8上还设置有提离值传感器，以确保漏磁传感装置8与钢轨40保持设定的安全距离。
将超声传感装置9安装于钢轨40上方的车体30上，高压脉冲信号作用于超声晶片90上，产生相应的超声信号入射之钢轨40的内部，同时超声晶片90通过逆压电效应接收伤损的回波信号。
伤损检测信号处理组件10进一步包括实时控制器1、速度及里程处理单元2、图像信号处理单元3、漏磁信号处理单元4及超声信号处理单元5。步骤S12)进一步包括：
伤损检测信号处理组件10对前端传感组件20采集的信号进行高速数字信号处理，然后从中提取出目标结果数据，再发送至智能识别处理计算机12。实时控制器1与速度及里程处理单元2、图像信号处理单元3、漏磁信号处理单元4及超声信号处理单元5之间采用并行高速数据总线通信。实时控制器1与智能识别处理计算机12之间通过高速以太网通信进行数据交互。
图像信号处理单元3进一步包括图像左处理单元31及图像右处理单元32，图像左处理单元31及图像右处理单元32均包括图像信号处理及控制模块301、相机控制模块302及图像信号接收模块303。步骤S12)进一步包括：
图像信号处理及控制模块301实时接收来自于高速数据总线的图像触发信号，并将控制信号发送至相机控制模块302。相机控制模块302直接与摄像传感装置7进行信号接口，并启动红外激光传感器71产生红外光源对钢轨40的外表面进行照射，同时线扫描相机72对钢轨40的轨面进行图像拍摄。图像画面数据通过网络通信发送至图像信号接收模块303，然后再传送至图像信号处理及控制模块301进行相应的图像数字信号处理，最终处理完的图像数据结果通过高速数据总线传输至的实时控制器1。
漏磁信号处理单元4进一步包括漏磁左处理单元41及漏磁右处理单元42，漏磁左处理单元41及漏磁右处理单元42均包括漏磁信号处理及控制模块401、信号调理模块402、提离值计算模块403、激励控制模块404、霍尔传感器阵列信号采集模块405及提离传感器信号采集模块406。步骤S12)进一步包括：
漏磁信号处理及控制模块401实时监测来自于高速数据总线的漏磁触发信号，当漏磁触发信号有效时，发送控制命令至激励控制模块404，此时激励线圈81被施加激励电源，磁芯82产生磁化场，磁敏感阵列83接收到相应的磁场信号。磁敏感阵列83采集到的漏磁信号被传送至信号调理模块402进行包括隔直、放大、滤波在内的信号处理，最后传送至漏磁信号处理及控制模块401，实现目标伤损波形提取、幅值计算及阈值判断，最终的漏磁伤损数据结果通过高速数据总线发送至实时控制器1。提离传感器信号采集模块406采集提离值传感器信号，并将其发送至提离值计算模块403，从而实时获取漏磁传感装置8相对于钢轨40表面的距离。提离值计算模块403将计算得到的提离值输出至信号调理模块402，信号调理模块402根据提离值对放大处理的增益值进行调整以补偿提离值波动对漏磁采集信号带来的影响。
超声信号处理单元5进一步包括超声左处理单元51及超声右处理单元52，超声左处理单元51及超声右处理单元52均包括逻辑控制与数字信号处理模块501、回波滤波放大模块502、超声高压激发模块503及回波高速采样模块504。步骤S12)进一步包括：
逻辑控制与数字信号处理模块501实时监测来自于高速数据总线的超声触发信号，当超声触发信号有效时，产生激发控制信号并传输至超声高压激发模块503，超声高压激发模块503生成高压激励信号并作用于超声传感装置9的超声晶片90上产生超声信号，该超声信号入射至钢轨40的内部并产生回波信号。各个通道的超声回波被超声晶片90接收并转化为电信号，该电信号被回波高速采样模块504采集得到，并传输至回波滤波放大模块502进行滤波放大处理后，再输出至逻辑控制与数字信号处理模块501进行包括在内的数字正交检波、数字平滑滤波、幅度阈值控制、预期闸门叠加、回波时间提取及伤损位置计算的数字信号处理。各个通道最终处理完的超声伤损数据结果通过高速数据总线发送至实时控制器1。
步骤S12)进一步包括：
速度及里程处理单元2实时采集速度编码器6的矩形脉冲信号，计算得到车体30当前的速度及位置信息并发送至实时控制器1。速度及里程处理单元2同时接收实时控制器1发送的触发设置信息，从而产生图像触发信号、漏磁触发信号及超声触发信号。
步骤S12)进一步包括：
实时控制器1通过高速数据总线通信获取图像信号处理单元3、漏磁信号处理单元4及超声信号处理单元5处理完的伤损结果数据，以及速度及里程处理单元2处理完的速度里程数据后，先将伤损结果数据存入存储器11。当实时控制器1对伤损结果数据及速度里程数据进行统一数据融合处理时，形成按照里程位置信息编排好的伤损结果数据包，并将该数据包通过高速以太网通信发送至智能识别处理计算机12进行后续处理。
步骤S13)进一步包括：
智能识别处理计算机12通过高速以太网通信实时获取伤损检测信号处理组件10处理完的伤损结果数据，并根据伤损结果数据进行分析与解算、位置编码与融合、动态输出与显示。
第一深度学习算法模块101根据图像数据结果识别包括钢轨40外表面鱼鳞纹、剥离掉块、压痕，以及轨底扣件60脱落、缺失及损坏在内的伤损。
第二深度学习算法模块102根据漏磁伤损数据结果识别包括钢轨40浅表面10mm范围内垂直劈裂、纵向裂纹在内的伤损。
第三深度学习算法模块103根据超声伤损数据结果识别包括钢轨40内部轨头核伤、轨腰裂纹、轨底月牙伤在内的伤损。
轨道综合检测与诊断方法进一步包括以下步骤：
S14)智能识别处理计算机12将伤损判断结果发送至伤损结果显示器13进行显示。将伤损结果显示器13的显示界面分为上轨伤损显示区和下轨伤损显示区进行显示，并将每一根钢轨40的伤损显示区分为轨面图像伤损显示区、钢轨纵截面伤损显示区及钢轨横截面伤损显示区三个显示子分区进行显示。选中当前位置，能展示当前位置的横截面伤损显示结果。各个深度学习算法模块中的智能伤损识别算法自动运行，伤损点70直接在纵截面及横截面伤损显示区上显示出来，并将识别到的典型伤损直接框选出来如附图10中H所示。三种类型传感装置的伤损数据通过里程信号确定位置，实现了在同一显示界面的同步输出，用户通过该界面既能够看到钢轨40内部检测到的缺陷，又能够看到钢轨40表面实际的图像，显示非常的直观与形象。
根据钢轨伤损的程度，钢轨的伤损类型可以分为轻伤、重伤与折断。智能识别处理计算机12同时对经过识别的具体伤损进行面积大小计算、深度计算、里程位置确定、种类区分及伤损严重程度判定，并根据所有识别到的伤损信息形成一个整体的钢轨伤损统计列表。本发明具体实施例描述的轨道综合检测与诊断方法通过综合性的无损检测能够一键式生成钢轨健康诊断报告，实现对铁路钢轨全方位的伤损检测以及全面的健康状态结果诊断。该诊断报告主要由两部分组成：1)作业信息表头；2)钢轨伤损统计列表。其中，作业信息表头主要包括作业区间站点名称、作业时间、操作员名称、伤损文件名称等总体信息。详细伤损列表信息则主要包括每一条识别出的伤损记录的详细信息。每次作业完毕，都能够自动生成钢轨健康诊断报告，通过该报告可以系统、全面地了解当前钢轨的健康状况。
通过实施本发明具体实施例描述的轨道综合检测与诊断方法的技术方案，能够产生如下技术效果：
(1)本发明具体实施例描述的轨道综合检测与诊断方法，采用前端传感+伤损检测信号处理+智能识别处理方式，能够解决现有钢轨伤损检测方式检测手段单一，智能化程度低，无法实现对众多类型铁路钢轨伤损的全方位检测以及全面健康状态诊断的技术问题；
(2)本发明具体实施例描述的轨道综合检测与诊断方法，综合采用了三种类型的伤损检测传感方式，且每一种类型的传感方式又包含多个单一信号检测通道，三种传感方式优势互补，能够最大限度地检测钢轨各种类型的伤损，实现了对钢轨外表面、轨头近表面、钢轨内部全方位的伤损检测与扫描；
(3)本发明具体实施例描述的轨道综合检测与诊断方法，智能识别处理计算机采用基于深度学习的智能伤损识别算法，能够有效地根据初始伤损数据进行判别输出，整个检测识别过程自动运行完成，能大幅度减少伤损判别的人工参与，体现了智能伤损检测的高效性；
(4)本发明具体实施例描述的轨道综合检测与诊断方法，伤损结果显示器实现了全面的伤损检测结果数据动态显示，将所有传感器信号通道的伤损检测结果集中显示在一个界面，用户既可以直观的查看到钢轨外表面的图像，又可以查看到钢轨内部埋藏的缺陷，整个钢轨的伤损情况展示的非常全面；
(5)本发明具体实施例描述的轨道综合检测与诊断方法，每次作业完毕都可以一键式生成钢轨健康诊断报告，通过该报告用户可以直观的查看到两根钢轨的详细伤损列表信息；当统计到大的缺陷类型时，用户可以根据报告中给出的伤损里程信息，在伤损文件中查看原始伤损图像界面来进行再次确认，实现了直观的钢轨健康状态诊断。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭示如上，然而并非用以限定本发明。任何熟悉本领域的技术人员，在不脱离本发明的精神实质和技术方案的情况下，都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同替换、等效变化及修饰，均仍属于本发明技术方案保护的范围。
Claims (10)
1.一种轨道综合检测与诊断方法，其特征在于，包括以下步骤：
S11)前端传感组件(20)进行所有通道原始传感信号的激发与反馈信号的采集；
S12)伤损检测信号处理组件(10)进行各通道传感器反馈信号的采集和并行处理，并对各通道传感器反馈信号进行实时管理、控制及目标结果数据处理；
S13)智能识别处理计算机(12)对所述伤损检测信号处理组件(10)输出的数据进行智能化识别处理，完成最终伤损数据的解算、处理及动态输出。
2.根据权利要求1所述的轨道综合检测与诊断方法，其特征在于，所述前端传感组件(20)包括速度编码器(6)、摄像传感装置(7)、漏磁传感装置(8)及超声传感装置(9)；所述摄像传感装置(7)包括红外激光传感器(71)及线扫描相机(72)，所述漏磁传感装置(8)包括激励线圈(81)、磁芯(82)及磁敏感阵列(83)，所述超声传感装置(9)包括超声晶片(90)；所述步骤S11)包括：
将所述速度编码器(6)安装于轮对(100)的联轴器上，轮对(100)的转动带动速度编码器(6)产生矩形脉冲信号，通过该脉冲信号计算行驶里程和当前车速；
将所述摄像传感装置(7)安装于钢轨(40)上方的车体(30)上，且与所述钢轨(40)保持设定距离；通过所述红外激光传感器(71)向钢轨外表面进行照射，然后采用线扫描相机(72)对钢轨外表面的图像进行拍摄；
将所述漏磁传感装置(8)安装于钢轨(40)上方的车体(30)上，所述激励线圈(81)缠绕在磁芯(82)上，所述磁敏感阵列(83)设置于磁芯(82)的下部，并与钢轨(40)保持设定距离；所述激励线圈(81)通电后，磁芯(82)产生感应磁场完成对钢轨(40)近表面的磁化，同时磁敏感阵列(83)完成对伤损漏磁信号的接收；所述漏磁传感装置(8)上还设置有提离值传感器，以确保所述漏磁传感装置(8)与钢轨(40)保持设定的安全距离；
将所述超声传感装置(9)安装于钢轨(40)上方的车体(30)上，高压脉冲信号作用于所述超声晶片(90)上，产生相应的超声信号入射之钢轨(40)的内部，同时所述超声晶片(90)通过逆压电效应接收伤损的回波信号。
3.根据权利要求2所述的轨道综合检测与诊断方法，其特征在于：所述伤损检测信号处理组件(10)包括实时控制器(1)、速度及里程处理单元(2)、图像信号处理单元(3)、漏磁信号处理单元(4)及超声信号处理单元(5)；所述步骤S12)包括：
所述伤损检测信号处理组件(10)对前端传感组件(20)采集的信号进行高速数字信号处理，然后从中提取出目标结果数据，再发送至智能识别处理计算机(12)；所述实时控制器(1)与速度及里程处理单元(2)、图像信号处理单元(3)、漏磁信号处理单元(4)及超声信号处理单元(5)之间采用并行高速数据总线通信；所述实时控制器(1)与智能识别处理计算机(12)之间通过高速以太网通信进行数据交互。
4.根据权利要求3所述的轨道综合检测与诊断方法，其特征在于，所述图像信号处理单元(3)包括图像左处理单元(31)及图像右处理单元(32)，所述图像左处理单元(31)及图像右处理单元(32)均包括图像信号处理及控制模块(301)、相机控制模块(302)及图像信号接收模块(303)；所述步骤S12)还包括：
所述图像信号处理及控制模块(301)实时接收来自于高速数据总线的图像触发信号，并将控制信号发送至相机控制模块(302)；所述相机控制模块(302)直接与摄像传感装置(7)进行信号接口，并启动红外激光传感器(71)产生红外光源对钢轨(40)的外表面进行照射，同时线扫描相机(72)对钢轨(40)的轨面进行图像拍摄；图像画面数据通过网络通信发送至所述图像信号接收模块(303)，然后再传送至图像信号处理及控制模块(301)进行相应的图像数字信号处理，最终处理完的图像数据结果通过高速数据总线传输至的实时控制器(1)。
5.根据权利要求3所述的轨道综合检测与诊断方法，其特征在于，所述漏磁信号处理单元(4)包括漏磁左处理单元(41)及漏磁右处理单元(42)，所述漏磁左处理单元(41)及漏磁右处理单元(42)均包括漏磁信号处理及控制模块(401)、信号调理模块(402)、提离值计算模块(403)、激励控制模块(404)、霍尔传感器阵列信号采集模块(405)及提离传感器信号采集模块(406)；所述步骤S12)还包括：
所述漏磁信号处理及控制模块(401)实时监测来自于高速数据总线的漏磁触发信号，当漏磁触发信号有效时，发送控制命令至激励控制模块(404)，此时所述激励线圈(81)被施加激励电源，所述磁芯(82)产生磁化场，所述磁敏感阵列(83)接收到相应的磁场信号；所述磁敏感阵列(83)采集到的漏磁信号被传送至信号调理模块(402)进行包括隔直、放大、滤波在内的信号处理，最后传送至漏磁信号处理及控制模块(401)，实现目标伤损波形提取、幅值计算及阈值判断，最终的漏磁伤损数据结果通过高速数据总线发送至实时控制器(1)；所述提离传感器信号采集模块(406)采集提离值传感器信号，并将其发送至提离值计算模块(403)，从而实时获取所述漏磁传感装置(8)相对于钢轨(40)表面的距离；所述提离值计算模块(403)将计算得到的提离值输出至信号调理模块(402)，所述信号调理模块(402)根据提离值对放大处理的增益值进行调整以补偿提离值波动对漏磁采集信号带来的影响。
6.根据权利要求3所述的轨道综合检测与诊断方法，其特征在于，所述超声信号处理单元(5)包括超声左处理单元(51)及超声右处理单元(52)，所述超声左处理单元(51)及超声右处理单元(52)均包括逻辑控制与数字信号处理模块(501)、回波滤波放大模块(502)、超声高压激发模块(503)及回波高速采样模块(504)；所述步骤S12)还包括：
所述逻辑控制与数字信号处理模块(501)实时监测来自于高速数据总线的超声触发信号，当超声触发信号有效时，产生激发控制信号并传输至超声高压激发模块(503)，所述超声高压激发模块(503)生成高压激励信号并作用于所述超声传感装置(9)的超声晶片(90)上产生超声信号，该超声信号入射至钢轨(40)的内部并产生回波信号；各个通道的超声回波被超声晶片(90)接收并转化为电信号，该电信号被所述回波高速采样模块(504)采集得到，并传输至所述回波滤波放大模块(502)进行滤波放大处理后，再输出至逻辑控制与数字信号处理模块(501)进行包括在内的数字正交检波、数字平滑滤波、幅度阈值控制、预期闸门叠加、回波时间提取及伤损位置计算的数字信号处理；各个通道最终处理完的超声伤损数据结果通过高速数据总线发送至所述实时控制器(1)。
7.根据权利要求3至6中任一项所述的轨道综合检测与诊断方法，其特征在于，所述步骤S12)还包括：
所述速度及里程处理单元(2)实时采集速度编码器(6)的矩形脉冲信号，计算得到车体(30)当前的速度及位置信息并发送至所述实时控制器(1)；所述速度及里程处理单元(2)同时接收实时控制器(1)发送的触发设置信息，从而产生图像触发信号、漏磁触发信号及超声触发信号。
8.根据权利要求7所述的轨道综合检测与诊断方法，其特征在于，所述步骤S12)还包括：
所述实时控制器(1)通过高速数据总线通信获取所述图像信号处理单元(3)、漏磁信号处理单元(4)及超声信号处理单元(5)处理完的伤损结果数据，以及速度及里程处理单元(2)处理完的速度里程数据后，先将伤损结果数据存入存储器(11)；当实时控制器(1)对伤损结果数据及速度里程数据进行统一数据融合处理时，形成按照里程位置信息编排好的伤损结果数据包，并将该数据包通过高速以太网通信发送至智能识别处理计算机(12)进行后续处理。
9.根据权利要求1、2、3、4、5、6或8所述的轨道综合检测与诊断方法，其特征在于，所述步骤S13)包括：
所述智能识别处理计算机(12)通过高速以太网通信实时获取伤损检测信号处理组件(10)处理完的伤损结果数据，并根据伤损结果数据进行分析与解算、位置编码与融合、动态输出与显示；
第一深度学习算法模块(101)根据图像数据结果识别包括钢轨(40)外表面鱼鳞纹、剥离掉块、压痕，以及轨底扣件(60)脱落、缺失及损坏在内的伤损；
第二深度学习算法模块(102)根据漏磁伤损数据结果识别包括钢轨(40)浅表面10mm范围内垂直劈裂、纵向裂纹在内的伤损；
第三深度学习算法模块(103)根据超声伤损数据结果识别包括钢轨(40)内部轨头核伤、轨腰裂纹、轨底月牙伤在内的伤损。
10.根据权利要求9所述的轨道综合检测与诊断方法，其特征在于，所述方法还包括以下步骤：
S14)所述智能识别处理计算机(12)将伤损判断结果发送至伤损结果显示器(13)进行显示；将所述伤损结果显示器(13)的显示界面分为上轨伤损显示区和下轨伤损显示区进行显示，并将每一根钢轨(40)的伤损显示区分为轨面图像伤损显示区、钢轨纵截面伤损显示区及钢轨横截面伤损显示区三个显示子分区进行显示；选中当前位置，能展示当前位置的横截面伤损显示结果；所述智能识别处理计算机(12)同时对经过识别的具体伤损进行面积大小计算、深度计算、里程位置确定、种类区分及伤损严重程度判定，并根据所有识别到的伤损信息形成整体的钢轨伤损统计列表。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011361750.3A CN112540087A (zh) | 2020-11-27 | 2020-11-27 | 一种轨道综合检测与诊断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011361750.3A CN112540087A (zh) | 2020-11-27 | 2020-11-27 | 一种轨道综合检测与诊断方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112540087A true CN112540087A (zh) | 2021-03-23 |
Family
ID=75015308
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011361750.3A Pending CN112540087A (zh) | 2020-11-27 | 2020-11-27 | 一种轨道综合检测与诊断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112540087A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113247043A (zh) * | 2021-05-20 | 2021-08-13 | 中国十七冶集团有限公司 | 一种移动式轨道裂纹检测装置及使用方法 |
| CN113264082A (zh) * | 2021-04-08 | 2021-08-17 | 南京航空航天大学 | 一种高速轨道缺陷检测装置及其检测方法 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103353479A (zh) * | 2013-06-28 | 2013-10-16 | 厦门大学 | 一种电磁超声纵向导波与漏磁检测复合的检测方法 |
| CN104237381A (zh) * | 2014-10-15 | 2014-12-24 | 北京新联铁科技股份有限公司 | 一种激光超声和高速摄像的图像融合的钢轨探伤方法 |
| CN104515804A (zh) * | 2013-09-26 | 2015-04-15 | 中国铁道科学研究院 | 超声波在役钢轨高速探伤系统及超声检测装置 |
| CN105092705A (zh) * | 2015-08-28 | 2015-11-25 | 哈尔滨工业大学（威海） | 一种钢轨缺陷的多模态信号检测方法及装置 |
| CN105929019A (zh) * | 2016-05-31 | 2016-09-07 | 武汉华宇目检测装备有限公司 | 一种非接触式钢管漏磁检测探头系统 |
| CN106049210A (zh) * | 2016-07-14 | 2016-10-26 | 北京鹰路科技有限公司 | 一种轨道状态智能检测平台 |
| CN107091884A (zh) * | 2017-06-21 | 2017-08-25 | 株洲时代电子技术有限公司 | 一种钢轨探伤作业数据显示和存储方法 |
| CN108482427A (zh) * | 2018-02-22 | 2018-09-04 | 中车长春轨道客车股份有限公司 | 一种非接触式轨道车辆障碍物检测系统和安全控制方法 |
| CN109060947A (zh) * | 2018-08-31 | 2018-12-21 | 南京航空航天大学 | 基于漏磁检测装置的钢轨缺陷表面夹角的检测方法 |
| CN110596253A (zh) * | 2019-07-22 | 2019-12-20 | 株洲时代电子技术有限公司 | 一种钢轨探伤信号发生及处理装置 |
| CN210294160U (zh) * | 2019-05-31 | 2020-04-10 | 中国计量大学 | 一种管道表面提离高度自适应漏磁探伤系统 |
| JP2020060382A (ja) * | 2018-10-05 | 2020-04-16 | Ｊｆｅスチール株式会社 | レールの検査装置及び検査台車 |
-
2020
- 2020-11-27 CN CN202011361750.3A patent/CN112540087A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103353479A (zh) * | 2013-06-28 | 2013-10-16 | 厦门大学 | 一种电磁超声纵向导波与漏磁检测复合的检测方法 |
| CN104515804A (zh) * | 2013-09-26 | 2015-04-15 | 中国铁道科学研究院 | 超声波在役钢轨高速探伤系统及超声检测装置 |
| CN104237381A (zh) * | 2014-10-15 | 2014-12-24 | 北京新联铁科技股份有限公司 | 一种激光超声和高速摄像的图像融合的钢轨探伤方法 |
| CN105092705A (zh) * | 2015-08-28 | 2015-11-25 | 哈尔滨工业大学（威海） | 一种钢轨缺陷的多模态信号检测方法及装置 |
| CN105929019A (zh) * | 2016-05-31 | 2016-09-07 | 武汉华宇目检测装备有限公司 | 一种非接触式钢管漏磁检测探头系统 |
| CN106049210A (zh) * | 2016-07-14 | 2016-10-26 | 北京鹰路科技有限公司 | 一种轨道状态智能检测平台 |
| CN107091884A (zh) * | 2017-06-21 | 2017-08-25 | 株洲时代电子技术有限公司 | 一种钢轨探伤作业数据显示和存储方法 |
| CN108482427A (zh) * | 2018-02-22 | 2018-09-04 | 中车长春轨道客车股份有限公司 | 一种非接触式轨道车辆障碍物检测系统和安全控制方法 |
| CN109060947A (zh) * | 2018-08-31 | 2018-12-21 | 南京航空航天大学 | 基于漏磁检测装置的钢轨缺陷表面夹角的检测方法 |
| JP2020060382A (ja) * | 2018-10-05 | 2020-04-16 | Ｊｆｅスチール株式会社 | レールの検査装置及び検査台車 |
| CN210294160U (zh) * | 2019-05-31 | 2020-04-10 | 中国计量大学 | 一种管道表面提离高度自适应漏磁探伤系统 |
| CN110596253A (zh) * | 2019-07-22 | 2019-12-20 | 株洲时代电子技术有限公司 | 一种钢轨探伤信号发生及处理装置 |
Non-Patent Citations (2)
| Title |
|---|
| 张浪: "探伤车车载钢轨高速巡检系统研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
| 彭成庆等: "基于经验模态分解的管道超声回波信号识别", 《信息技术》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113264082A (zh) * | 2021-04-08 | 2021-08-17 | 南京航空航天大学 | 一种高速轨道缺陷检测装置及其检测方法 |
| CN113264082B (zh) * | 2021-04-08 | 2022-06-24 | 南京航空航天大学 | 一种高速轨道阵列acfm检测探头及其检测方法 |
| CN113247043A (zh) * | 2021-05-20 | 2021-08-13 | 中国十七冶集团有限公司 | 一种移动式轨道裂纹检测装置及使用方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106274977A (zh) | 一种触发式采集模式的直流漏磁检测系统及其方法 | |
| CN105258785B (zh) | 声学监测站、车轮检测方法和列车轴承故障被动声学诊断系统 | |
| CN106353397B (zh) | 一种车载的钢轨顶面伤损漏磁检测的设备以及系统 | |
| CN102288883B (zh) | 异步双端电力电缆振荡波局部放电识别与定位方法 | |
| CN104608799B (zh) | 基于信息融合技术列车轮对踏面损伤在线检测与识别方法 | |
| CN112540087A (zh) | 一种轨道综合检测与诊断方法 | |
| CN207089320U (zh) | 一种弓网离线状态非接触式检测装置 | |
| CN112362669A (zh) | 一种轨道综合检测与诊断系统 | |
| CN111024728B (zh) | 一种基于计算机视觉与超声波探伤的铁路检测方法和系统 | |
| CN102495078B (zh) | 基于量子点红外荧光显示技术的焊缝检测方法 | |
| CN101699273A (zh) | 一种在线钢轨探伤的图像处理辅助检测装置及方法 | |
| CN108279294A (zh) | 用于钢结构桥梁健康监测的无损自动监测系统及方法 | |
| CN102980894B (zh) | 钢结构特种焊接无损检测系统及方法 | |
| CN104391033B (zh) | 金属磁记忆钢轨焊缝检测装置 | |
| CN105115605A (zh) | 轨道列车红外检测系统及检测方法 | |
| CN101424664A (zh) | 钢轨踏面裂纹超声波检测装置及检测方法 | |
| CN103693072A (zh) | 金属磁记忆钢轨温度应力检测装置 | |
| CN113466247B (zh) | 基于惯性技术及机器视觉融合的钢轨焊缝检测方法及系统 | |
| KR20000016972A (ko) | 이동하는 열차 바퀴들상의 롤링 밴드의 상태를 자동 평가하기위한 장치 | |
| CN203544024U (zh) | 一种金属磁记忆钢轨温度应力检测装置 | |
| CN110745160B (zh) | 铁路道岔尖轨断裂损伤实时探测报警系统与方法 | |
| CN108871431A (zh) | 轮对动态检测系统和方法 | |
| CN215931690U (zh) | 轨道综合检测与诊断系统 | |
| CN113281401B (zh) | 无砟轨道隐蔽病害的检测方法、系统与装置 | |
| CN103115961A (zh) | 一种基于b超的防水卷材搭接缝质量检测方法及仪器 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210323 |