CN112598654B - 一种列车车轮超声判伤方法及其系统 - Google Patents

一种列车车轮超声判伤方法及其系统 Download PDF

Info

Publication number
CN112598654B
CN112598654B CN202011566668.4A CN202011566668A CN112598654B CN 112598654 B CN112598654 B CN 112598654B CN 202011566668 A CN202011566668 A CN 202011566668A CN 112598654 B CN112598654 B CN 112598654B
Authority
CN
China
Prior art keywords
connected domain
domain set
image
ultrasonic
black
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.)
Active
Application number
CN202011566668.4A
Other languages
English (en)
Other versions
CN112598654A (zh
Inventor
张渝
赵波
彭建平
黄炜
王祯
章祥
胡继东
王小伟
王艾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Antie Software Technology Co ltd
Original Assignee
Beijing Antie Software Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Antie Software Technology Co ltd filed Critical Beijing Antie Software Technology Co ltd
Priority to CN202011566668.4A priority Critical patent/CN112598654B/zh
Publication of CN112598654A publication Critical patent/CN112598654A/zh
Application granted granted Critical
Publication of CN112598654B publication Critical patent/CN112598654B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • 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
    • G01N29/4454—Signal recognition, e.g. specific values or portions, signal events, signatures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/02—Indexing codes associated with the analysed material
    • G01N2291/023—Solids
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/26—Scanned objects
    • G01N2291/269—Various geometry objects
    • G01N2291/2696—Wheels, Gears, Bearings
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10132—Ultrasound image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)

Abstract

本发明公开了一种列车车轮超声判伤方法及其系统，包括：获取由列车车轮的超声B扫图像构成的第一图像；剔除第一图像中的台阶回波线条和辐板孔回波线条生成第二图像和台阶回波线条对应的台阶回波声程；将第二图像进行二值化处理并提取符合条件判伤的第一连通域集合；对第一连通域集合进行空间分布散度判别并生成用于表征缺陷部位的第二连通域集合。本发明将超声B扫图像转化为二值化黑白图像后，通过计算黑色连通域的空间分布离散度，识别并剔除列车车轮的轮辋轮辐过渡区外表面附着的异物产生的干扰回波，避免了列车车轮超声判伤系统因过渡区外表面附着的异物产生误报的问题，解决了传统的列车车轮超声判伤方法存在的检测结果可靠性低的问题。

Description

一种列车车轮超声判伤方法及其系统
技术领域
本发明涉及轨道车辆检测技术领域，具体涉及一种列车车轮超声判伤方法及其系统。
背景技术
列车车轮在长期负载运转下易产生疲劳裂纹，为了保证高速列车运行安全，须使用超声自动探伤技术进行列车车轮缺陷检测。如国内现在列车检修运用的移动式轮辋轮辐探伤系统，该设备采用先进的相控阵超声探伤技术和常规探伤技术，对各型动车组车轮进行在线的轮辋轮辐探伤，实现对各类疲劳缺陷及材质缺陷的检测，但检测结果中缺陷的定位只进行单一的基于回波幅值的闸门判伤，仍然需要现场操作人员进行人工判别及缺陷框定。
并且，目前列车车轮超声探伤设备缺乏较为有效的自动判伤算法，特别是实际运用中，车轮结构过渡区域外表面易附着油污等异物，传统的超声判伤算法都无法有效滤除车轮结构过渡区域外表面附着的异物带来的干扰而导致大量误报的问题。
具体的，传统的自动判伤算法只能根据脉冲噪声在B扫中呈现点斑干扰特征进行中值滤波，根据台阶回波的直线特征进行霍夫变换找直线后滤除，根据辐板孔一周分布间隔相等利用周向的相关性进行滤除；但车轮结构过渡区域外表面附着的油污等异物的回波不是点斑状，其与缺陷回波特征基本一致，且不是直线也没有周向等间隔分布特征。即，传统的自动判伤算法会将车轮结构过渡区域外表面附着的油污等异物的回波误判定为缺陷回波进而生成车轮在车轮结构过渡区域处存在缺陷的检测结果。因此，传统的自动判伤算法无法解决车轮结构过渡区域外表面附着的异物造成系统误报的问题。
综上所述，现有的列车车轮超声判伤方法存在检测结果可靠性低的问题。
发明内容
有鉴于此，本发明提供一种用于列车车轮超声判伤方法及其系统，通过改进超声图像的图像处理方法，解决了现有的列车车轮超声判伤方法存在检测结果可靠性低的问题。
为解决以上问题，本发明的技术方案为采用一种列车车轮超声判伤方法，包括：S1：获取由列车车轮的超声B扫图像构成的第一图像；S2：剔除所述第一图像中的台阶回波线条和辐板孔回波线条生成第二图像和所述台阶回波线条对应的台阶回波声程；S3：将所述第二图像进行二值化处理并提取符合条件判伤的第一连通域集合；S4：对所述第一连通域集合进行空间分布散度判别并生成用于表征缺陷部位的第二连通域集合。
可选地，所述S4包括：S41：提取所述第一连通域集合中声程大于所述台阶回波声程且与所述台阶回波声程的声程差小于第一阈值的连通域构建第三连通域集合；S42：对所述第三连通域集合进行空间分布散度判别，提取空间分布离散度值超过第二阈值的连通域构建第四连通域集合；S43：剔除所述第一连通域集合中的第四连通域集合包含的连通域，生成所述第二连通域。
可选地，对所述第三连通域集合进行空间分布散度判别，包括：S421：计算所述第三连通域集合中各个黑色连通域的中心点；S422：以任一黑色连通域的中心点为中心构建预设大小的提取框，分别计算所述提取框中其余黑色连通域与所述中心的欧氏距离并构建欧氏距离集合；S423：计算所述欧氏距离集合的有效值作为所述黑色连通域的所述空间分布散度值；S424：重复步骤S422-S423直至生成所述第三连通域集合中的全部黑色连通域的所述空间分布散度值。
可选地，提取所述空间分布离散度值超过所述第二阈值的连通域构建第四连通域集合，包括：遍历所述第三连通域集合中包含的全部黑色连通域，剔除所述空间分布散度值小于所述第二阈值的所述黑色连通域，提取所述空间分布离散度值超过所述第二阈值的连通域构建第四连通域集合。
可选地，所述S2包括：对所述第一图像进行特征检测，剔除所述第一图像中包含的表征台阶回波的水平直线；提取所述水平直线对应的所述台阶回波声程；基于标准辐板孔回波数据构成的预设模板信息，利用模板匹配方法剔除所述第一图像中包含的辐板孔回波线条。
可选地，所述S3包括：将所述第二图像进行二值化处理生成黑白图像；提取所述黑白图像中最大幅值高于第三阈值的黑色连通域，并构建所述第一连通域集合。
可选地，所述特征检测为霍夫变换。
相应地，本发明提供，一种列车车轮超声判伤系统，包括：超声采集单元，用于获取由列车车轮的超声B扫图像构成的第一图像；数据处理单元，用于剔除所述第一图像中的台阶回波线条和辐板孔回波线条生成第二图像和所述台阶回波线条对应的台阶回波声程，将所述第二图像进行二值化处理并提取符合条件判伤的第一连通域集合，并对所述第一连通域集合进行空间分布散度判别并生成用于表征缺陷部位的第二连通域集合。
可选地，所述超声判伤系统还包括数据存储单元，用于存储所述第一图像和所述第二连通域集合。
可选地，所述数据处理单元通过提取所述第一连通域集合中声程大于所述台阶回波声程且与所述台阶回波声程的声程差小于第一阈值的连通域构建第三连通域集合，并对所述第三连通域集合进行空间分布散度判别，提取空间分布离散度值超过第二阈值的连通域构建第四连通域集合，剔除所述第一连通域集合中的第四连通域集合包含的连通域，生成所述第二连通域。
本发明的首要改进之处为提供的用于列车车轮超声判伤方法，通过剔除超声B扫图像中的台阶回波线条和辐板孔回波线条，消除台阶回波与辐板孔对检测结果的影响，并且通过将超声B扫图像转化为二值化黑白图像后，通过计算黑色连通域的空间分布离散度，识别并剔除列车车轮的轮辋轮辐过渡区外表面附着的异物产生的干扰回波，避免了列车车轮超声判伤系统因过渡区外表面附着的异物产生误报的问题，解决了传统的列车车轮超声判伤方法存在的检测结果可靠性低的问题。
附图说明
图1是本发明的列车车轮超声判伤方法的简化流程图；
图2是本发明的列车车轮超声判伤系统的简化模块连接图。
具体实施方式
为了使本领域的技术人员更好地理解本发明的技术方案，下面结合附图和具体实施例对本发明作进一步的详细说明。
如图1所示，一种列车车轮超声判伤方法，包括：
S1：获取由列车车轮的超声B扫图像构成的第一图像。
S2：剔除所述第一图像中的台阶回波线条和辐板孔回波线条生成第二图像和所述台阶回波线条对应的台阶回波声程。
进一步的，由于台阶回波线条呈水平直线，因此对所述第一图像进行特征检测，剔除所述第一图像中包含的表征台阶回波的水平直线，即可消除台阶回波影响。提取所述水平直线对应的所述台阶回波声程。由于辐板孔回波形状及特征相对固定，因此基于标准辐板孔回波数据构成的预设模板信息，利用模板匹配方法剔除所述第一图像中包含的辐板孔回波线条，即可消除辐板孔回波影响。其中，特征检测可以是霍夫变换算法。
S3：将所述第二图像进行二值化处理并提取符合条件判伤的第一连通域集合。
进一步的，所述S3包括：将所述第二图像进行二值化处理生成黑白图像；提取所述黑白图像中最大幅值高于第三阈值的黑色连通域，并构建所述第一连通域集合。其中，第三阈值可以是满量程幅值的40％或满量程幅值的30％等，本领域技术人员可根据实际检测结果自行设置。
S4：对所述第一连通域集合进行空间分布散度判别并生成用于表征缺陷部位的第二连通域集合。
进一步的，所述S4包括：S41：由于过渡区域外部的异物回波声程大于过渡区域的台阶回波，因此，提取所述第一连通域集合中声程大于所述台阶回波声程且与所述台阶回波声程的声程差小于第一阈值的连通域构建第三连通域集合，即可得到能够表征过渡区域外表面的回波声程的黑色连通域；S42：由于过渡区域外表面的异物回波声程对应的黑色连通域分布较为离散，因此，对所述第三连通域集合进行空间分布散度判别，提取空间分布离散度值超过第二阈值的连通域构建第四连通域集合，即可得到能够表征过渡区域外表面的异物回波声程的黑色连通域；S43：剔除所述第一连通域集合中的第四连通域集合包含的连通域，生成所述第二连通域。其中，第一阈值可以是10mm声程距离，本领域技术人员可根据车轮尺寸、轮辋尺寸、轮辐尺寸等影响因素灵活设置第一阈值大小，本发明不对第一阈值的数值进行具体限定；第二阈值由于与图像的像素和分辨率有关，没有绝对物理意义，因此本发明不对第二阈值的数值进行具体限定。
更进一步的，对所述第三连通域集合进行空间分布散度判别，包括：S421：计算所述第三连通域集合中各个黑色连通域的中心点；S422：以任一黑色连通域的中心点为中心构建预设大小的提取框，分别计算所述提取框中其余黑色连通域与所述中心的欧氏距离并构建欧氏距离集合；S423：计算所述欧氏距离集合的有效值作为所述黑色连通域的所述空间分布散度值；S424：重复步骤S422-S423直至生成所述第三连通域集合中的全部黑色连通域的所述空间分布散度值。提取框的预设大小可根据实际应用场景进行灵活设置，本发明不对提取框的大小做具体限定。其中，计算所述第三连通域集合中各个黑色连通域的中心点的方法可以是：提取所述第三连通域集合中各个黑色连通域的最大幅值坐标作为各个所述黑色连通域的中心点；或提取所述第三连通域集合中各个黑色连通域的几何中心点坐标作为各个所述黑色连通域的中心点。
更进一步的，计算任一黑色联通域的所述空间分布散度值的方法可以是：利用公式计算空间分布散度值k，其中，(x0，y0)为该黑色连通域的中心点坐标，area0为该黑色连通域的面积，n为以该黑色连通域的中心点为中心构建的预设大小的提取框内的其余黑色连通域个数，(xi，yi)为其余黑色连通域中的第i个黑色连通域的中心点坐标，areai为其余黑色连通域中的第i个黑色连通域的面积。
更进一步的，提取所述空间分布离散度值超过所述第二阈值的连通域构建第四连通域集合，包括：遍历所述第三连通域集合中包含的全部黑色连通域，剔除所述空间分布散度值小于所述第二阈值的所述黑色连通域，提取所述空间分布离散度值超过所述第二阈值的连通域构建第四连通域集合。
本发明通过剔除超声B扫图像中的台阶回波线条和辐板孔回波线条，消除台阶回波与辐板孔对检测结果的影响，并且通过将超声B扫图像转化为二值化黑白图像后，通过计算黑色连通域的空间分布离散度，识别并剔除列车车轮的轮辋轮辐过渡区外表面附着的异物产生的干扰回波，避免了列车车轮超声判伤系统因过渡区外表面附着的异物产生误报的问题，解决了传统的列车车轮超声判伤方法存在的检测结果可靠性低的问题。
相应的，如图2所示，本发明提供，一种列车车轮超声判伤系统，包括：超声采集单元，用于获取由列车车轮的超声B扫图像构成的第一图像；数据处理单元，用于剔除所述第一图像中的台阶回波线条和辐板孔回波线条生成第二图像和所述台阶回波线条对应的台阶回波声程，将所述第二图像进行二值化处理并提取符合条件判伤的第一连通域集合，并对所述第一连通域集合进行空间分布散度判别并生成用于表征缺陷部位的第二连通域集合。其中，所述超声采集单元可以是传统的超声波传感器；所述超声采集单元与所述数据处理单元通信连接；所述超声判伤系统还包括数据存储单元，用于存储所述第一图像和所述第二连通域集合；所述数据存储单元分别与所述所述处理单元、所述超声采集单元通信连接。
进一步的，所述数据处理单元通过提取所述第一连通域集合中声程大于所述台阶回波声程且与所述台阶回波声程的声程差小于第一阈值的连通域构建第三连通域集合，并对所述第三连通域集合进行空间分布散度判别，提取空间分布离散度值超过第二阈值的连通域构建第四连通域集合，剔除所述第一连通域集合中的第四连通域集合包含的连通域，生成所述第二连通域。
以上对本发明实施例所提供的列车车轮超声判伤方法及其系统进行了详细介绍。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他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

Claims (8)

1.一种列车车轮超声判伤方法，其特征在于，包括：
S1：获取由列车车轮的超声B扫图像构成的第一图像；
S2：剔除所述第一图像中的台阶回波线条和辐板孔回波线条生成第二图像和所述台阶回波线条对应的台阶回波声程；
S3：将所述第二图像进行二值化处理并提取符合条件判伤的第一连通域集合；
S4：对所述第一连通域集合进行空间分布散度判别并生成用于表征缺陷部位的第二连通域集合；其中，所述S4包括：
S41：提取所述第一连通域集合中声程大于所述台阶回波声程且与所述台阶回波声程的声程差小于第一阈值的连通域构建第三连通域集合；
S42：对所述第三连通域集合进行空间分布散度判别，提取空间分布离散度值超过第二阈值的连通域构建第四连通域集合；
S43：剔除所述第一连通域集合中的第四连通域集合包含的连通域，生成所述第二连通域集合。
2.根据权利要求1所述的超声判伤方法，其特征在于，对所述第三连通域集合进行空间分布散度判别，包括：
S421：计算所述第三连通域集合中各个黑色连通域的中心点；
S422：以任一黑色连通域的中心点为中心构建预设大小的提取框，分别计算所述提取框中其余黑色连通域与所述中心的欧氏距离并构建欧氏距离集合；
S423：计算所述欧氏距离集合的有效值作为所述黑色连通域的所述空间分布散度值；
S424：重复步骤S422-S423直至生成所述第三连通域集合中的全部黑色连通域的所述空间分布散度值。
3.根据权利要求1所述的超声判伤方法，提取所述空间分布离散度值超过所述第二阈值的连通域构建第四连通域集合，包括：
遍历所述第三连通域集合中包含的全部黑色连通域，剔除所述空间分布散度值小于所述第二阈值的所述黑色连通域，提取所述空间分布离散度值超过所述第二阈值的连通域构建第四连通域集合。
4.根据权利要求1所述的超声判伤方法，其特征在于，所述S2包括：
对所述第一图像进行特征检测，剔除所述第一图像中包含的表征台阶回波的水平直线；
提取所述水平直线对应的所述台阶回波声程；
基于标准辐板孔回波数据构成的预设模板信息，利用模板匹配方法剔除所述第一图像中包含的辐板孔回波线条。
5.根据权利要求1所述的超声判伤方法，其特征在于，所述S3包括：
将所述第二图像进行二值化处理生成黑白图像；
提取所述黑白图像中最大幅值高于第三阈值的黑色连通域，并构建所述第一连通域集合。
6.根据权利要求4所述的超声判伤方法，其特征在于，所述特征检测为霍夫变换算法。
7.一种列车车轮超声判伤系统，其特征在于，包括：
超声采集单元，用于获取由列车车轮的超声B扫图像构成的第一图像；
数据处理单元，用于剔除所述第一图像中的台阶回波线条和辐板孔回波线条生成第二图像和所述台阶回波线条对应的台阶回波声程，将所述第二图像进行二值化处理并提取符合条件判伤的第一连通域集合，并对所述第一连通域集合进行空间分布散度判别并生成用于表征缺陷部位的第二连通域集合；其中，
所述数据处理单元还用于提取所述第一连通域集合中声程大于所述台阶回波声程且与所述台阶回波声程的声程差小于第一阈值的连通域构建第三连通域集合，并对所述第三连通域集合进行空间分布散度判别，提取空间分布离散度值超过第二阈值的连通域构建第四连通域集合，剔除所述第一连通域集合中的第四连通域集合包含的连通域，生成所述第二连通域集合。
8.根据权利要求7所述的超声判伤系统，其特征在于，所述超声判伤系统还包括数据存储单元，用于存储所述第一图像和所述第二连通域集合。
CN202011566668.4A 2020-12-25 2020-12-25 一种列车车轮超声判伤方法及其系统 Active CN112598654B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011566668.4A CN112598654B (zh) 2020-12-25 2020-12-25 一种列车车轮超声判伤方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011566668.4A CN112598654B (zh) 2020-12-25 2020-12-25 一种列车车轮超声判伤方法及其系统

Publications (2)

Publication Number Publication Date
CN112598654A CN112598654A (zh) 2021-04-02
CN112598654B true CN112598654B (zh) 2023-12-08

Family

ID=75202696

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011566668.4A Active CN112598654B (zh) 2020-12-25 2020-12-25 一种列车车轮超声判伤方法及其系统

Country Status (1)

Country Link
CN (1) CN112598654B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0889322A2 (de) * 1997-07-03 1999-01-07 Friedhelm Dr.-Ing. Schneider Verfahren zur zerstörungsfreien Prüfung eines Eisenbahnrads
DE102006012678A1 (de) * 2005-03-31 2006-10-05 Siemens Ag Verfahren zur akustischen Untersuchung eines Messobjektes sowie entsprechende Anordnung zur Durchführung des Verfahrens
CN102230915A (zh) * 2011-04-07 2011-11-02 华南理工大学 一种基于三向超声衍射的小型履带式钢轨探伤装置与方法
CN102841147A (zh) * 2011-06-23 2012-12-26 阿母斯替德铁路公司 用于火车车轮超声测试设备的方法和设备
CN103278565A (zh) * 2013-06-20 2013-09-04 成都铁安科技有限责任公司 一种周期性扫查超声波探伤数据快速封装及分析的方法
CN103558291A (zh) * 2013-11-13 2014-02-05 北京安铁软件技术有限公司 一种车轮检测数据的显示方法及装置
CN103884773A (zh) * 2014-02-20 2014-06-25 马钢(集团)控股有限公司 一种车轮轮辋自动超声波探伤方法
CN103969343A (zh) * 2014-05-22 2014-08-06 株洲时代电子技术有限公司 钢轨探伤仿真试验装置及其系统
CN104608800A (zh) * 2015-01-21 2015-05-13 南京拓控信息科技有限公司 基于激光超声车轮缺陷非接触探伤在线检测装置
CN104849349A (zh) * 2015-05-18 2015-08-19 田国良 采用相控阵超声组合技术检测薄壁小径管焊缝的方法
CN105606708A (zh) * 2015-11-10 2016-05-25 南京拓控信息科技有限公司 一种列车车轮便携式探伤系统及其检测方法
CN106198743A (zh) * 2016-08-31 2016-12-07 北京安铁软件技术有限公司 一种列车轮对探伤数据的显示方法及装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101706475B (zh) * 2009-11-12 2011-04-20 哈尔滨工业大学 一种列车车轮轮箍在线检测装置及方法
EP3624056B1 (en) * 2018-09-13 2021-12-01 Siemens Healthcare GmbH Processing image frames of a sequence of cardiac images
CN112903813B (zh) * 2021-01-14 2023-03-14 北京安铁软件技术有限公司 一种铁路轨道超声自动探伤方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0889322A2 (de) * 1997-07-03 1999-01-07 Friedhelm Dr.-Ing. Schneider Verfahren zur zerstörungsfreien Prüfung eines Eisenbahnrads
DE102006012678A1 (de) * 2005-03-31 2006-10-05 Siemens Ag Verfahren zur akustischen Untersuchung eines Messobjektes sowie entsprechende Anordnung zur Durchführung des Verfahrens
CN102230915A (zh) * 2011-04-07 2011-11-02 华南理工大学 一种基于三向超声衍射的小型履带式钢轨探伤装置与方法
CN102841147A (zh) * 2011-06-23 2012-12-26 阿母斯替德铁路公司 用于火车车轮超声测试设备的方法和设备
CN103278565A (zh) * 2013-06-20 2013-09-04 成都铁安科技有限责任公司 一种周期性扫查超声波探伤数据快速封装及分析的方法
CN103558291A (zh) * 2013-11-13 2014-02-05 北京安铁软件技术有限公司 一种车轮检测数据的显示方法及装置
CN103884773A (zh) * 2014-02-20 2014-06-25 马钢(集团)控股有限公司 一种车轮轮辋自动超声波探伤方法
CN103969343A (zh) * 2014-05-22 2014-08-06 株洲时代电子技术有限公司 钢轨探伤仿真试验装置及其系统
CN104608800A (zh) * 2015-01-21 2015-05-13 南京拓控信息科技有限公司 基于激光超声车轮缺陷非接触探伤在线检测装置
CN104849349A (zh) * 2015-05-18 2015-08-19 田国良 采用相控阵超声组合技术检测薄壁小径管焊缝的方法
CN105606708A (zh) * 2015-11-10 2016-05-25 南京拓控信息科技有限公司 一种列车车轮便携式探伤系统及其检测方法
CN106198743A (zh) * 2016-08-31 2016-12-07 北京安铁软件技术有限公司 一种列车轮对探伤数据的显示方法及装置

Also Published As

Publication number Publication date
CN112598654A (zh) 2021-04-02

Similar Documents

Publication Publication Date Title
CN109410230B (zh) 一种可抗噪声的改进Canny图像边缘检测方法
CN104535586B (zh) 带钢边部缺陷检测识别方法
GB2610449A8 (en) Efficient high-resolution non-destructive detecting method based on convolutional neural network
CN111855803B (zh) 一种金属增材制造微型缺陷的激光超声高信噪比成像方法
CN109377485A (zh) 一种方便面包装缺陷机器视觉检测方法
CN112858482B (zh) 一种空心轴超声自动判伤方法及其系统
CN102928435A (zh) 基于图像和超声信息融合的飞机蒙皮损伤识别方法及装置
CN111272428B (zh) 一种基于改进切比雪夫距离的滚动轴承故障诊断方法
CN1869677A (zh) 涡流检查方法及其系统
CN112598654B (zh) 一种列车车轮超声判伤方法及其系统
CN108931574A (zh) 一种超声无损检测数据的结构噪声数字滤波方法
CN115047073A (zh) 一种基于超声导波的管道缺陷动态检测方法及装置
CN107369163A (zh) 一种基于最佳熵双阈值分割的快速sar图像目标检测方法
CN113219054B (zh) 一种磁瓦内部缺陷检测装置及检测方法
CN112014478B (zh) 一种淹没于超声草状信号中的缺陷回波盲提取自适应方法
CN113436216A (zh) 基于Canny算子的电气设备红外图像边缘检测方法
CN109307715B (zh) 储罐底板主被动声融合检测方法
CN114841218A (zh) 一种语音啸叫检测算法
CN113689449B (zh) 一种中尺度涡特征参数的反演方法及系统
CN112700438B (zh) 一种列车车轴镶入部位超声判伤方法及其系统
JP4606860B2 (ja) 超音波探傷検査による欠陥識別方法とその装置
CN115389514A (zh) 一种材料缺陷检测方法和装置
CN109459451A (zh) 一种基于射线造影的金属内部微小裂纹检测方法
CN114972898A (zh) 一种基于低频声波的排水管道在线检测方法
CN111353942B (zh) 一种超声波信号噪声提取及量化算法

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
GR01 Patent grant
GR01 Patent grant