CN113916990A - 一种钢轨伤损全息识别系统 - Google Patents
一种钢轨伤损全息识别系统 Download PDFInfo
- Publication number
- CN113916990A CN113916990A CN202111152566.2A CN202111152566A CN113916990A CN 113916990 A CN113916990 A CN 113916990A CN 202111152566 A CN202111152566 A CN 202111152566A CN 113916990 A CN113916990 A CN 113916990A
- Authority
- CN
- China
- Prior art keywords
- damage
- data
- type
- detection data
- type detection
- 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
- 230000006378 damage Effects 0.000 title claims abstract description 325
- 238000001514 detection method Methods 0.000 claims abstract description 305
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 114
- 239000010959 steel Substances 0.000 claims abstract description 114
- 238000012545 processing Methods 0.000 claims abstract description 19
- 230000000737 periodic effect Effects 0.000 claims description 34
- 208000027418 Wounds and injury Diseases 0.000 claims description 18
- 238000011161 development Methods 0.000 claims description 17
- 238000012544 monitoring process Methods 0.000 claims description 17
- 238000005299 abrasion Methods 0.000 claims description 15
- 208000014674 injury Diseases 0.000 claims description 15
- 230000001360 synchronised effect Effects 0.000 claims description 14
- 238000010586 diagram Methods 0.000 claims description 13
- 230000000694 effects Effects 0.000 claims description 9
- 238000003466 welding Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 6
- 230000007547 defect Effects 0.000 claims description 6
- 241000251468 Actinopterygii Species 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 description 34
- 238000005516 engineering process Methods 0.000 description 14
- 230000004927 fusion Effects 0.000 description 8
- 238000012360 testing method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000005284 excitation Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 238000004393 prognosis Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000009933 burial Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
Images
Classifications
-
- 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
- G01N29/06—Visualisation of the interior, e.g. acoustic microscopy
- G01N29/0654—Imaging
- G01N29/069—Defect imaging, localisation and sizing using, e.g. time of flight diffraction [TOFD], synthetic aperture focusing technique [SAFT], Amplituden-Laufzeit-Ortskurven [ALOK] technique
-
- 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
- G01N29/4472—Mathematical theories or simulation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Signal Processing (AREA)
- Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Acoustics & Sound (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种钢轨伤损全息识别系统,超声检测单元、视频图像检测单元及激光自动对中单元通过共用里程编码器信号实现里程同步。超声检测单元、视频图像检测单元、激光自动对中单元分别生成基于里程编码器计数的B型和A型检测数据、钢轨表面图像数据及廓形匹配数据。B型和A型检测、钢轨表面图像及廓形匹配数据发送至伤损识别显示单元,并分别在B型数据显示窗口、A型数据显示窗口、视频图像数据显示窗口及廓形数据显示窗口显示。通过对B型和A型检测、钢轨表面图像及廓形匹配数据进行分析处理,生成伤损报表。本发明能解决现有钢轨伤损识别系统存在的检测方式单一,伤损识别准确性低导致误报率高,工作效率低的技术问题。
Description
技术领域
本发明涉及路轨超声检测技术领域,尤其涉及一种针对在役钢轨基于高速全息探伤模式的伤损识别系统。
背景技术
随着我国铁路里程不断增长,铁路运输速度不断加快,城市轨道交通越来越发达,对确保铁路及城市轨道交通安全的工程机械设备要求也越来越高。以超声检测为基本原理的钢轨探伤车,目前已广泛运用于铁路工务系统及城市轨道交通领域中。
随着钢轨探伤检测技术的不断完善,自动对中技术、里程定位技术等辅助技术的不断发展,大型探伤车已完全适应高速、不同环境条件下的检测运用。但是,在钢轨的伤损分析识别领域还存在许多不足,尤其是在高速探伤领域,由于A显数据量巨大,以往的大型探伤车对A显数据仅作显示而不做存储,伤损识别时仅依靠对超声反射波经阈值(二值化)判断后数据融合成B型图信息对钢轨内部伤损进行识别(系统初步筛选,人工补充识别)。由于缺少A显信息所表征的超声能量信息以及路轨状态(含精准里程定位)等辅助信息,伤损识别方面存在一定的漏报和大量虚警(误报)。因此,大型探伤车钢轨探伤还需要结合手推式钢轨探伤仪进行检测和复核。另外,手推式探伤仪因检测速度和效率较低,检测效果过于依赖人的主观能动性(人的技术水平和操作状态等),且在高铁、客专等线路的大高架、长桥隧路段探伤制约明显。
在现有技术中,与本发明较为相关的技术方案主要有:
现有技术1为本申请人株洲时代电子技术有限公司于2019年06月24日申请,并于2019年09月17日公开,公开号为CN110246134A的中国发明申请。该发明公开了一种钢轨伤损分类装置,其主要描述的是根据伤损图像的特征进行伤损分类。现有技术2为梁帆、余旸于2019年05月31日申请,并于2019年08月27日公开,公开号为CN110175422A的中国发明申请,该发明公开了一种基于数据挖掘的多周期钢轨伤损趋势预测方法。现有技术3为梁帆、余旸于2019年05月31日申请,并于2019年08月30日公开,公开号为CN110188777A的中国发明申请,该发明公开了一种基于数据挖掘的多周期钢轨伤损数据对齐方法。现有技术2和3均描述的是利用A型数据进行深度学习判别,实现周期数据对齐的方法,进而实现适用于小仪器探伤领域。现有技术4为西安理工大学于2020年03月03日申请,并于2020年07月10日公开,公开号为CN111398431A的中国发明申请。该发明公开了一种自适应高度的多闸门钢轨判伤系统及方法,描述的是针对A型数据进行闸门自适应调节的一种伤损判别方法。
上述现有技术1-4或是根据伤损图像特征进行伤损分类,又或是利用A型数据进行深度学习判别,以实现周期数据对齐,再或是需要针对A型数据进行闸门自适应调节,以实现伤损判别,均存在检测方式单一,伤损识别准确性低导致误报率高,工作效率低的技术问题。
发明内容
有鉴于此,本发明的目的在于提供一种钢轨伤损全息识别系统,以解决现有钢轨伤损识别系统存在的检测方式单一,伤损识别准确性低导致误报率高,工作效率低的技术问题。
为了实现上述发明目的,本发明具体提供了一种钢轨伤损全息识别系统的技术实现方案,钢轨伤损全息识别系统,包括:车载系统和伤损识别系统,所述车载系统包括超声检测单元、视频图像检测单元及激光自动对中单元。所述伤损识别系统包括伤损识别显示单元,所述伤损识别显示单元包括B型数据显示窗口、A型数据显示窗口、视频图像数据显示窗口及廓形数据显示窗口。所述超声检测单元、视频图像检测单元及激光自动对中单元通过共用里程编码器信号实现里程同步。所述超声检测单元生成基于里程编码器计数的点对点对齐的B型和A型检测数据。所述视频图像检测单元生成基于里程编码器计数的同步脉冲信号的钢轨表面图像数据。所述激光自动对中单元生成基于里程编码器计数的同步脉冲信号的廓形匹配数据,并能计算轨廓磨耗量。所述B型和A型检测数据、钢轨表面图像数据及廓形匹配数据发送至伤损识别显示单元,并分别在所述B型数据显示窗口、A型数据显示窗口、视频图像数据显示窗口及廓形数据显示窗口显示。通过对B型和A型检测数据、钢轨表面图像数据及廓形匹配数据进行分析处理,生成伤损报表。
进一步的,所述伤损识别系统还包括伤损识别处理单元,由所述伤损识别处理单元和/或人工判伤方式对B型和A型检测数据、钢轨表面图像数据及廓形匹配数据进行分析处理,并生成伤损报表。
进一步的,所述B型检测数据用于对钢轨是否存在伤损进行判断。所述A型检测数据用于重现B型检测数据每一个信号点对应的超声回波显示状态,辅助识别钢轨伤损的真实性。所述钢轨表面图像数据用于直观展示钢轨表面状态,排除表面伤损、表面状态对B型检测数据的干扰。所述廓形匹配数据用于提供钢轨内侧的磨耗状态、对中状态信息,辅助判断检测状态是否良好,作为B型检测数据中不良图像来源的判断依据,辅助伤损识别。
进一步的,所述伤损识别显示单元通过同屏或多屏邻近显示A型检测数据、廓形匹配数据,以及带多周期数据对比的B型检测数据和钢轨表面图像数据。所述A型检测数据、B型检测数据、钢轨表面图像数据及廓形匹配数据通过基于里程编码器计数的同步脉冲信号进行位置校准、对齐并同步显示。根据不同信号所反映的特征进行伤损分析识别,最终通过所述伤损识别处理单元分析处理自动生成伤损报表,并能通过手动干预进行伤损识别。
进一步的,所述B型数据显示窗口还用于显示周期性历史B型检测数据,所述周期性历史B型检测数据为上一周期或之前最近若干周期的B型检测数据。
进一步的,以所述B型数据显示窗口为主显示窗口同步播放数据,当B型检测数据中出现疑似伤损或其它可疑信号时,结合同一位置的周期性历史B型检测数据、A型检测数据、钢轨表面图像数据及廓形匹配数据进行综合判定,并对判定结果进行标记。
进一步的,通过线路里程增减、左/右轨信息对两个或多个B型检测数据文件的显示方向进行调整并保持方向一致。先将两个或多个B型检测数据按线路里程信息进行粗对齐,然后通过B型检测数据显示的特征图像进行精确对齐。当本次B型检测数据某位置对应的B型图显示为疑似伤损时,通过识别周期性历史B型检测数据在同一位置的B型图信号特征,若同样显示类似伤损信号特征,则进行识别并生成发展趋势表。
进一步的,当B型数据显示窗口中调用两个或多个B型检测数据文件时,所调用的B型检测数据文件需为同一被测线路的钢轨检测文件。若调用两个B型检测数据文件,则为本次B型检测数据文件及上一周期的B型检测数据文件。若调用多个B型检测数据文件,则为本次B型检测数据文件及与本次检测时间最接近的若干个B型检测数据文件。
进一步的,针对带有连续性特征的钢轨表面伤损,结合B型图中包括轨头部位信号、轨底失波信号在内的特征,根据线路里程进行区域性记录识别,自动生成伤损报表,以对该区域线路进行重点监控。
进一步的,通过B型图中钢轨轨头部位信号结合所述视频图像数据显示窗口中的钢轨轨面光带,间接反馈包括钢轨错牙、高低接头、坡度在内引起的线路异常,记录线路里程区段并自动生成伤损报表。
进一步的,当B型检测数据中某通道数据不全或点数较少,或因为速度等级变化因素未及时调整通道增益的情况下,通过A型检测数据将该通道的增益放大,并重构B型检测数据,然后通过固定闸门内出现伤损回波的位置,以及伤损回波幅值与阈值的相对关系,辅助伤损识别。
进一步的,当通过B型检测数据发现疑似伤损不能做出判断时,能查看A型检测数据对应的信号,并通过伤损回波是否出现在特定的闸门范围内,以及伤损回波出现在一次波闸门内还是二次波闸门内来判断是否为非伤损缺陷的其它特定位置的反射回波。
进一步的,通过A型检测数据中伤损回波的位置偏差反馈伤损检测设备工作时的状态,并据此进行下一周期伤损检测设备的调整。
进一步的,通过廓形匹配数据反馈钢轨内侧的磨耗状态,对磨耗较大的线路区段进行记录并自动生成伤损报表。所述钢轨的廓形匹配数据通过线路里程同步定位进行区段统计,并设定磨耗面积阈值,对钢轨磨耗面积超过磨耗面积阈值的区段进行重点监控。
进一步的,在所述B型数据显示窗口中,当B型检测数据对应的B显信号出现在包括钢轨的轨头、疑似焊缝部位在内的位置而不能明确识别时,能通过查看所述视频图像数据显示窗口中同位置的钢轨表面图像辅助判断包括表面擦伤、表面鱼鳞纹、剥落掉块、焊筋在内的钢轨伤损,融合所述伤损识别显示单元的判伤自动生成伤损报表。
进一步的,通过廓形匹配数据结合钢轨表面图像数据及B型检测数据进行综合识别,对检测效果不良的线路区段进行记录并自动生成伤损报表,作为重复检测或重点监控的依据,同时还能间接反馈检测设备工作时的状态,为检测设备包括对中基准、倾角在内的参数修正提供参考,还能为钢轨打磨提供原始数据参考。
通过实施上述本发明提供的钢轨伤损全息识别系统的技术方案,具有如下有益效果:
(1)本发明钢轨伤损全息识别系统,建立了一种高速全息探伤模式,将检测生成的B型(检测)数据,融合已有的A型(检测)数据存储和显示技术、表面视频数据及廓形匹配数据,搭建了一套伤损数据分析识别系统,实现了在高速全息探伤模式下检测数据的分析识别;
(2)本发明钢轨伤损全息识别系统,充分利用基于里程编码器的里程同步功能(可用射频标签里程校准),将超声检测技术、高速视频图像技术、激光廓形检测技术等多种维度的检测数据融合在一起,极大可能重现了超声检测状态及线路状态;
(3)本发明钢轨伤损全息识别系统,导入周期性历史数据等多维度信息,能与周期性历史数据进行比对进行伤损发展趋势分析,大大提高了伤损识别的准确性,减少了误报率,加强了线路监控,提高了工作效率;
(4)本发明钢轨伤损全息识别系统,利用点对点A显信号辅助伤损识别,通过对A显信号存储与调用,在伤损识别时重现A显图中伤波出现的位置、幅值等,提升了伤损识别的准确性,同时还能选择性进行局部增益调整,弥补了B显信号的不足;
(5)本发明钢轨伤损全息识别系统,周期数据是B型(检测)数据,通过导入需进行对比的B型(检测)数据,然后通过基于编码器的里程定位信号+B型图像特征信号进行对齐,参考B型数据并利用A型显示融合判伤,无需自适应调节闸门参数;
(6)本发明钢轨伤损全息识别系统,采用基于B型数据的对齐方法进行多周期数据比对融合判伤,提高了伤损识别率;通过调用周期性历史B型数据,基于B型数据信号,通过检测方向、里程增减、里程数值、线路特殊位置的B型图特征信息等进行对齐,然后对疑似伤损位置进行多周期数据比对,能大幅提高伤损识别的准确性,并可生成伤损发展趋势表,加强线路监控,还可提供大量关于轨道在不同环境、不同运用条件下的使用寿命信息,对于提升钢轨伤损识别和检测的全面性和准确性,提高铁路运行的安全性具有十分重要意义。
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是本发明中B型显示界面示意图;
图2是本发明中0度通道超声晶片的A型显示及触发信号波形示意图;
图3是本发明钢轨伤损全息识别系统一种具体实施方式的系统结构框图;
图4是基于本发明系统的钢轨伤损全息识别方法一种具体实施方式的程序流程图;
图5是本发明钢轨伤损全息识别系统一种具体实施方式中伤损识别显示界面的示意图;
图6是本发明钢轨伤损全息识别系统一种具体实施方式中通过A型显示辅助伤损识别的波形示意图;
图7是本发明钢轨伤损全息识别系统一种具体实施方式中周期数据对齐同步回放界面的示意图;
图8是本发明钢轨伤损全息识别系统一种具体实施方式中视频图像辅助伤损识别界面的示意图;
图9是本发明钢轨伤损全息识别系统一种具体实施方式中廓形匹配信息显示界面的示意图;
图中:1-车载系统,11-超声检测单元,12-视频图像检测单元,13-激光自动对中单元,2-伤损识别系统,20-伤损识别显示单元,21-B型数据显示窗口,22-A型数据显示窗口,23-视频图像数据显示窗口,24-廓形数据显示窗口,25-伤损识别处理单元,26-伤损报表,3-钢轨。
具体实施方式
为了引用和清楚起见,将下文中使用的技术名词、简写或缩写记载如下:
A型显示:是通过示波器(或虚拟示波器)显示模拟超声波信号的一种显示方式,水平方向为信号的时间量,垂直方向为反射体超声波反射信号的幅度;
B型显示:是通过图像直观地显示钢轨内部超声波反射点信息的一种显示方式,水平方向为超声反射点的里程位置,垂直方向为反射点的埋藏深度。
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。
如附图1至附图9所示,给出了本发明钢轨伤损全息识别系统的具体实施例,下面结合附图和具体实施例对本发明作进一步说明。
钢轨探伤车的钢轨探伤检测系统一般都具有A型显示和B型显示两个图形窗口用以判伤。其中,A型显示通过示波器(或虚拟示波器)显示超声回波模拟信号,如附图2所示。而B型显示通过图像直观地显示钢轨内部超声信号反射点信息,如附图1所示。A型显示因为通道多、数据量大,只显示不保存,而A型显示包含很多有用的信息,例如:回波信号的幅值,激励信号是否有拖尾,激励信号距离界面反射信号的时域值对探伤人员判定轨面状况、对中是否良好、探轮充液是否充足、是否破轮等具有重要意义。如附图2中上半部分波形所示,以入射角度为0度通道的超声晶片为例,一种典型的A型显示波信号包括超声激励信号B、界面波闸门C、监视闸门E和轨底闸门F,其中在监视闸门E中可能接收到一个超声回波信号D。如附图2中下半部分所示,为触发信号A的波形,触发信号A的下降沿与超声激励信号B的上升沿间隔时间t。通过引入闸门,只有位于闸门区间内的超声回波信号才被采集,而该闸门区间与一次超声回波的声长对应或与特定的钢轨探伤区域对应,钢轨可探测的深度为超声信号在钢轨中传播速度和传播时间乘积的1/2,从而能够最大限度地减小时域内非有效区域引入的噪声影响。闸门的延迟和宽度参数则对应钢轨的可探测区间,可通过探伤车上位机的闸门参数设置模块进行设定。对于B型显示,对应探伤检测系统,能够显示被检钢轨纵截面图像并指示钢轨中超声反射体的大致尺寸和相对位置,其中,截面横坐标表示伤损里程位置,纵坐标表示伤损在轨面下的深度。
一种本发明钢轨伤损全息识别系统的实施例,具体包括:车载系统1和伤损识别系统2,伤损识别系统2由一套工作站组成(或采用计算机系统),其核心为伤损识别软件模块(包括显示部分和识别部分,即伤损识别显示单元20及伤损识别处理单元25)。车载系统1包括超声检测单元11、视频图像检测单元12及激光自动对中单元13,此外还可包括其他可扩展系统。伤损识别系统2包括伤损识别显示单元20,伤损识别显示单元20包括B型数据显示窗口21、A型数据显示窗口22、视频图像数据显示窗口23及廓形数据显示窗口24。超声检测单元11、视频图像检测单元12及激光自动对中单元13通过共用里程编码器信号实现里程同步(可辅以射频标签里程校准)。超声检测单元11生成基于里程编码器计数的点对点对齐的B型和A型检测数据。视频图像检测单元12生成基于里程编码器计数的同步脉冲信号的钢轨表面图像数据。激光自动对中单元13生成基于里程编码器计数的同步脉冲信号的廓形匹配数据,并能计算轨廓磨耗量。B型和A型检测数据、钢轨表面图像数据及廓形匹配数据发送至伤损识别显示单元20,并分别在B型数据显示窗口21、A型数据显示窗口22、视频图像数据显示窗口23及廓形数据显示窗口24显示。在全息探伤模式下的所有数据信息文件均通过网络(或转储设备)发送到伤损识别系统2(工控机),通过对B型和A型检测数据、钢轨表面图像数据及廓形匹配数据进行分析处理,生成伤损报表26。如附图3所示,W1为B型数据显示窗口21,W2为A型数据显示窗口22,W3为视频图像数据显示窗口23,W4为廓形数据显示窗口24,W5为基于A型检测数据的B显重构窗口。伤损识别系统2还包括伤损识别处理单元25,由伤损识别处理单元25和/或人工判伤方式对B型和A型检测数据、钢轨表面图像数据及廓形匹配数据进行分析处理,并生成伤损报表26。
其中,B型检测数据为系统对超声回波处理后生成的一种图像显示形式,用于对钢轨是否存在伤损进行判断,是系统判断钢轨3是否存在伤损的重要识别依据。A型检测数据用于重现B型检测数据每一个信号点对应的超声回波显示状态,辅助识别钢轨伤损的真实性(辅助识别其是否为真实的伤损信息),以提高识别准确性。钢轨表面图像数据用于直观展示钢轨表面状态,排除表面伤损、表面状态对B型检测数据的干扰。(激光对中)廓形匹配数据用于提供钢轨3内侧的磨耗状态、对中状态信息,辅助判断检测状态是否良好,作为B型检测数据中不良图像来源的判断依据,辅助伤损识别。
伤损识别显示单元20通过同屏或多屏邻近显示A型检测数据、廓形匹配数据,以及带多周期数据对比的B型检测数据和钢轨表面图像数据。A型检测数据、B型检测数据、钢轨表面图像数据及廓形匹配数据通过基于里程编码器计数的同步脉冲信号进行位置校准、对齐并同步显示。根据不同信号所反映的特征进行伤损分析识别,最终通过伤损识别处理单元25分析处理自动生成伤损报表26,并能通过手动干预进行伤损识别。B型数据显示窗口21还用于显示周期性历史B型检测数据,周期性历史B型检测数据为上一周期或之前最近若干周期的B型检测数据。周期性历史B型检测数据为时间较近的历史检测数据,一般以上一周期或最近上两个周期的检测数据为宜。
以B型数据显示窗口21为主显示窗口同步播放数据,当B型检测数据中出现疑似伤损或其它可疑信号时,结合同一位置的周期性历史B型检测数据、A型检测数据、钢轨表面图像数据及廓形匹配数据进行综合判定,并对判定结果进行标记。通过线路里程增减、左/右轨信息对两个或多个B型检测数据文件的显示方向进行调整并保持方向一致。先将两个或多个B型检测数据按线路里程信息进行粗对齐,然后通过B型检测数据显示的特征图像进行精确对齐。当本次B型检测数据某位置对应的B型图显示为疑似伤损时,通过识别周期性历史B型检测数据在同一位置的B型图信号特征,若同样显示类似伤损信号特征,则进行识别并生成发展趋势表。
在进行检测数据回放识别时,可在伤损识别软件的显示回放功能模块中调用周期性历史数据同屏或多屏邻近显示,并通过方向识别+基于编码器信号的里程定位(可用射频标签里程校准)+B型图特征信号点等方式,准确定位疑似伤损位置,识别伤损发展趋势,并自动生成伤损发展趋势表。当B型数据显示窗口21中调用两个或多个B型检测数据文件时,所调用的B型检测数据文件需为同一被测线路的钢轨检测文件。若调用两个B型检测数据文件,则为本次B型检测数据文件及上一周期的B型检测数据文件。若调用多个B型检测数据文件,则为本次B型检测数据文件及与本次检测时间最接近的若干个B型检测数据文件。
本实施例描述的钢轨伤损全息识别系统采用高速全息探伤模式进行伤损智能识别,以基于编码器信号(可用射频标签里程校准)的里程同步,融合超声检测、A型和B型检测信号同存同显、激光自动对中、廓形匹配及钢轨表面高速视频摄像等进行在役钢轨的高速全息探伤,将所得超声检测B型检测数据文件、超声检测A型检测数据文件、表面视频信息文件、(激光对中)廓形匹配文件,以及周期性历史B型数据文件融合进伤损识别软件的数据回放分析系统,进行融合判伤,并可自动生成伤损报表26。本实施例描述的钢轨伤损全息识别系统,针对在役钢轨提出了一种以大型探伤车为核心主力的高速全息探伤模式,利用已有技术进行充分融合,搭建一套钢轨伤损识别系统,通过理论和技术支撑提高伤损识别的准确性,利用大型探伤车取代手推式探伤仪的检测周期,并大大减少(伤损识别置信度提升后甚至可取消)手推探伤仪的复核工作。
针对带有连续性特征的钢轨表面伤损,结合B型图中包括轨头部位信号、轨底失波信号在内的特征,根据线路里程进行区域性记录识别,自动生成伤损报表26,以对该区域线路进行重点监控。通过B型图中钢轨轨头部位信号结合视频图像数据显示窗口23中的钢轨轨面光带,间接反馈包括钢轨错牙、高低接头、坡度在内引起的线路异常,记录线路里程区段并自动生成伤损报表26。
当进行检测数据回放识别时,对于B型图显示的疑似伤损点,通过对应的A型图伤损波形所在闸门中的位置,识别出是否为真实伤损波形(排除幻象波和草状噪声),判定结果可自动生成伤损报表26。当B型检测数据中某通道数据不全或点数较少,或因为速度等级变化因素未及时调整通道增益的情况下,可通过对应的A型图伤波在闸门中的幅值判断,并通过A型检测数据将该通道的增益进行局部放大,并重构B型检测数据,然后通过固定闸门内出现伤损回波的位置,以及伤损回波幅值与阈值的相对关系,综合判断是否为真实伤损,判定结果可自动生成伤损报表26。
当通过B型检测数据发现疑似伤损不能做出判断时,能查看A型检测数据对应的信号,并通过伤损回波是否出现在特定的闸门范围内,以及伤损回波出现在一次波闸门内还是二次波闸门内来判断是否为非伤损缺陷的其它特定位置的反射回波。通过A型检测数据中伤损回波的位置偏差反馈伤损检测设备工作时的状态,并据此进行下一周期伤损检测设备的调整。通过廓形匹配数据反馈钢轨3内侧的磨耗状态,对磨耗较大的线路区段进行记录并自动生成伤损报表26。钢轨3的廓形匹配数据通过线路里程同步定位进行区段统计,并设定磨耗面积阈值,对钢轨磨耗面积超过磨耗面积阈值的区段进行重点监控。
在B型数据显示窗口21中,当B型检测数据对应的B显信号出现在包括钢轨3的轨头、疑似焊缝部位在内的位置而不能明确识别时,能通过查看视频图像数据显示窗口23中同位置的钢轨表面图像辅助判断包括表面擦伤、表面鱼鳞纹、剥落掉块、焊筋在内的钢轨伤损,融合伤损识别显示单元20的判伤自动生成伤损报表26。通过廓形匹配数据结合钢轨表面图像数据及B型检测数据进行综合识别,对检测效果不良的线路区段进行记录并自动生成伤损报表26,作为重复检测或重点监控的依据,同时还能间接反馈检测设备工作时的状态,为检测设备包括对中基准、倾角在内的参数修正提供参考,还能为钢轨打磨提供原始数据参考。根据视频图像数据与B型检测数据比对,同时参考钢轨廓形匹配信息,综合识别钢轨表面伤损,并自动生成伤损报表26,同时还可在伤损报表26中记录线路的区段性状态信息。
上述本发明实施例具体给出了一种全息钢轨探伤模式,车载系统1所得的多维度数据(超声A显、B显,视频图像、激光传感器对中状态等)文件可全部由伤损识别系统(基于工作站)调用并分析处理,生成伤损报表26。
伤损识别系统2可在同一显示窗口中显示A型检测数据、廓形匹配数据,以及带多周期数据对比的B型检测数据和钢轨表面图像数据(即视频图像数据)等,所有融合在一起的检测数据(周期性历史B型检测数据除外)都通过基于里程编码器计数的同步脉冲信号进行校准并同步显示,根据不同信号所反映的特征进行伤损分析识别,最终自动生成伤损报表(可手动干预进行伤损识别)。基于上述本发明具体实施例钢轨伤损全息识别系统的钢轨伤损全息识别方法,其显示功能流程图如附图4所示,该方法具体包括以下步骤:
S1)开启钢轨伤损识别模式,调用B型检测数据、A型检测数据、钢轨表面图像数据及廓形匹配数据,并进行多窗口同屏或多屏邻近显示。B型数据显示窗口22用于显示B型检测数据,A型数据显示窗口21用于显示A型检测数据,视频图像数据显示窗口23用于显示钢轨表面图像数据,廓形数据显示窗口24用于显示廓形匹配数据。
在伤损识别系统中,打开伤损识别软件,调用全息探伤模式下的检测数据文件,文件包含超声检测单元11生成的A型检测数据文件和B型检测数据文件、视频图像检测数据文件,以及廓形匹配数据文件,并在伤损识别软件显示窗口(即伤损识别显示单元20)中同屏或多屏邻近显示,可分为不同的功能分区显示,如附图5所示。
S2)判断B型数据显示窗口是否调用周期性历史B型检测数据,如果是则继续执行步骤S3),如果否则跳转至步骤S5)执行。
S3)B型数据显示窗口调用周期性历史B型检测数据进行多窗口同屏或多屏邻近显示。
根据需求调用周期性历史B型检测数据文件,在伤损识别显示单元20的B型数据显示窗口21分区同屏或多屏邻近显示。
S4)进行多周期B型检测数据位置对齐。
根据检测方向、里程增减、里程位置、B型图特征信号等因素综合识别实现多数据位置对齐。
S5)多窗口显示数据进行里程匹配,并顺序播放。
将伤损识别显示单元20显示的所有窗口(包括B型数据显示窗口21、A型数据显示窗口22、视频图像数据显示窗口23及廓形数据显示窗口24)信号通过里程匹配进行位置对齐,并以B型数据显示窗口21为主显示窗口同步顺序播放数据。
S6)根据播放的包括B型检测数据、A型检测数据、钢轨表面图像数据及廓形匹配数据在内的多窗口显示数据进行伤损识别,生成伤损报表26。
当B型(数据)显示中出现疑似伤损或其它可疑信号时,结合同一位置的周期性历史B型检测数据、A型检测数据、视频图像数据(即钢轨表面图像数据)、廓形数据,以及其它辅助信息进行综合判定,将判定结果进行标记。周期性历史B型检测数据可与当次的B型检测数据进行比对,判断钢轨伤损的发展趋势,提高伤损判别准确性,生成伤损趋势发展表,表中还可附对比图片。B型检测数据存在某些位置信号通道不全、信号显示位置异常、异常杂波等情况时,还可通过A型检测数据中伤损波形显示的位置、幅值、增益调节功能等辅助判断,降低钢轨伤损漏检率,提高伤损识别准确性。B型图中轨头显示的信息可结合视频图像数据判断,可提高表面伤损、焊缝伤损的识别准确性,还可将表面伤损进行区段性标记,为后期线路监控提供依据。廓形数据可反映线路钢轨内侧的磨耗程度,可结合B型检测数据进行分析,区段性反馈超声检测效果,进行伤损的综合识别,也可进行区段性标记以作为线路状态依据。自动生成伤损报表26,报表中包含融合判伤的各种信息,也可针对某一种或多种结论信息分开生成伤损报表26。
大型钢轨探伤车目前主要通过B型显示的信号进行伤损识别,由于缺少检测的实时状态信息(尤其是表征信号实时能量的A显信息),常常容易造成伤损误报。在以下情况,基于上述本发明具体实施例钢轨伤损全息识别系统的钢轨伤损全息识别方法,其通过A型检测数据显示辅助钢轨伤损识别以提高伤损识别的准确性,该方法具体包括以下步骤:
S11)当B型图中某通道信号不全,或因为速度等级变化等因素检测人员没有及时调整通道增益情况下,可利用A型显示将该通道增益放大,然后通过固定闸门内出现伤波以及伤波幅值与阈值的相对关系,辅助钢轨伤损识别。如:当检测速度从30km/h提高至70km/h时,检测人员没有根据速度的变化同步增加某通道的增益值。在B型显示图像中,该通道的特征信号点数明显较少,如果该区段内有疑似伤损,系统会因为点数少而造成漏判,此时可通过A显数据信息对该通道增益放大(根据速度等级定量),并重构B显,然后再通过重构后的信息点数及位置综合判断是否为真实伤损。
S12)当发现疑似伤损不能做出判断时,可查看A型显示对应的信号,其伤损波形是否出现在特定闸门范围内,还可通过发现是在一次波闸门内还是二次波闸门内来判断是否为非缺陷的其它特定位置反射。
S13)同时,还可通过A型显示的出波位置(如附图6中I所示)偏差反馈设备检测时的状态,以便于下一周期进行设备调整,如附图6所示。
S14)在伤损识别软件中标记识别结果,系统自动生成伤损报表26。
如:由某通道一次波检测的伤损,第一次脉冲信号在其信号传输时间T0内有符合条件的伤损回波(t1),则为真实的伤损波形。如果该信号出现在第二次脉冲信号传输时间(T0+t2)内,则不是真实的伤损波形,而是由其它固定反射后被第二个脉冲的监视闸门接收,被系统认为是第二个脉冲的真实回波信号。诸如此类的误报信息,可以在B型图中调用A型显示信息,通过A显中伤损波形在闸门中的具体位置综合识别。
如附图7所示,基于上述本发明具体实施例钢轨伤损全息识别系统的钢轨伤损全息识别方法,还给出了一种多周期数据比对并生成发展趋势表的方法,该方法具体包括以下步骤:
S21)伤损识别显示单元20的B型数据显示窗口21中调用两个或多个B型检测数据文件,所调用的数据文件需是同一被测线路的检测文件。如果是调用两个文件,一般为本次检测数据文件和上一周期检测数据文件。如果是调用多个文件,则为本次检测数据文件和与与本次时间最近的数个检测数据文件。
S22)通过里程增减、左/右轨等信息将多个检测数据文件的显示方向调整,并保持一致。
S23)进行数据对齐,对齐方式为先按线路里程信息进行粗对齐,然后通过B型图显示的特征图像进行精确对齐。道岔、接头、导线孔、夹板、焊缝等带有明显特征的B型图信息都是优选的参照点。
S24)识别钢轨伤损并生成发展趋势表,当本次检测数据文件某位置的B型图显示为疑似伤损时,系统通过识别历史周期数据中同一位置的B型图信号特征,如同样显示类似伤损信号特征(可能信号点数少,该次系统未识别为伤损),则进行识别并生成发展趋势表,表中附有局部放大的B型显示图片以便于随时查看。
如附图8所示,基于上述本发明具体实施例钢轨伤损全息识别系统的钢轨伤损全息识别方法,还给出了一种通过高速视频图像和廓形匹配信息辅助伤损识别的方法,该方法具体包括以下步骤:
S31)在伤损识别显示单元20的B型数据显示窗口21中,当显示的B型信号出现在钢轨3的轨头部位、疑似焊缝部位等位置而不能明确识别时,可通过查看同位置的钢轨视频图像(即钢轨表面图像数据)辅助判断,如表面擦伤、表面鱼鳞纹、剥落掉块、焊筋等,融合判伤并确定,并自动生成伤损报表26。
S32)对于一些钢轨表面伤损带有连续性特征,结合B型图中轨头部位信号、轨底失波信号等特征,可根据线路里程进行区域性记录识别,自动生成报表26,以便于对该区域线路钢轨的重点监控。
S33)通过B型图轨头部位的信号结合钢轨视频图像中的轨面光带,可间接反馈线路钢轨的异常,如错牙、高低接头、坡度等引起的线路,记录线路里程区段并自动生成伤损报表26。
例如:某次检测数据回放分析时,左侧夹板位置的轨头有疑似伤损信息(如附图8中椭圆线框标识位置所示),但不确定具体何种情况,此时可以通过同步里程调出该位置的钢轨表面图像进一步识别,从钢轨表面图像可以看出该位置为钢轨表面压溃伤损,如附图8所示。
S34)钢轨廓形匹配数据可反馈线路钢轨内侧的磨耗,对于磨耗较大的线路区段进行记录并自动生成伤损报表26。还可结合钢轨视频图像和B型显示数据进行综合识别,对检测效果不良区段进行记录并自动生成伤损报表26,作为重复检测或重点监控的依据,还可间接反馈设备检测时的状态,为设备对中基准、倾角等参数修正提供参考,还可为钢轨打磨提供原始数据参考。如附图9所示,G所示为磨耗位置,H所示为磨耗面积,图中的廓形匹配数据通过线路里程同步定位进行区段统计,设定钢轨磨耗面积阈值(可以是参考标准值或经验值),可对磨耗面积超过阈值的线路区段进行重点监控。
上述本发明具体实施例描述的钢轨伤损全息识别方法,采用全息探伤模式进行多维度数据融合判伤,并采用不同的软件将数据调用显示在同一显示屏(或相邻位置的多个显示屏),或者采用同一软件仅减少窗口显示数量或显示位置,诸如此类实现多维度融合判伤的显示方式,均属于本发明请求保护的范围。同时,采用本发明具体实施例描述的融合判伤方法,无论是人工手动判伤还是系统自动判伤,或是采用人工手动结合系统自动判伤,是手动生成伤损报表还是自动生成伤损报表,均属于本发明请求保护的范围。下面以举例方式进行具体说明。
在钢轨伤损全息识别方法的具体实施例中,显示窗口的主体还是B型数据显示窗口21。其它数据都是基于B型图并在里程同步基础上,用于进一步完善伤损识别准确性及伤损报表的完整性。在检测数据回放过程中,有更多其它类型的检测数据融合进来,钢轨伤损全息识别系统可以采用自动识别+人工手动干预进行综合处理。首先是基于自动识别,其次针对每个检测数据,保留手动干预控制按键及参数设置控制按键(也有的是输入识别条件,根据具体数据进行设置)进行人工识别确认,最后采用自动方式生成完整的伤损报表26。下面针对每个数据显示窗口具体说明如下:
(1)对于A型检测数据同屏或多屏邻近显示。例如:在B型检测数据手动回放过程中,有10公里长度的B型显示信号,45°通道的点数偏少,A型检测数据明显幅值比较低(发现此段是速度从40km/h升到了70km/h,而操作人员没有根据速度提升将增益提高)。那么,在进行B型检测数据回放时,利用手动干预控键,找到该通道,手动增加3个dB,并输入需要干预的里程范围,伤损识别软件自动生成干预后的A型检测数据显示结果,并生成新的B型图。又如:某个位置的B型信号,如螺孔位置的中70°幻象波,从A型显示信号上看,其伤损波形出现的位置不正确,不应当判定为伤损,但B型图显示为伤损。此时,经过综合判断,手动干预对该B型显示信息判断为“正常”。经过多次的手动干预该类型伤损,机器学习后将自动判定为“正常”。最终自动生成的伤损报表26,并保留手动干预后的结果。
(2)对于视频图像数据显示。视频图像数据显示窗口23可根据拍摄的视频图像,自动识别表面伤损,并自动分类统计(如表面擦伤、掉块、鱼鳞纹等)。该自动统计并分类的表面伤损表,具备人工再次确认的功能,如:根据B型检测数据显示信息,以及对钢轨表面图片的仔细识别,发现此处不是擦伤,而是焊缝,则人工干预识别为“焊缝”。又如:表面伤在B型图上有明显的信号特征(如果只看B型图,则无法识别具体是什么类型的表面伤),当结合视频图像数据显示确定的表面伤后,在B型图上的波形信息则可自动定性,同样保留手动干预控制按键(即设置识别控制按键),后续经过机器学习,自动识别程度更高。最终自动生成伤损报表26,并保留手动干预后的结果。
(3)对于廓形数据显示。此处主要是利用廓形信息的钢轨磨耗统计,伤损识别软件可以设置若干个磨耗等级,例如:磨耗大于10mm2,则自动记录至B型数据显示窗口21。当回放B型检测数据时,会综合考虑一些杂波或者B型信号不正常的形成原因,在识别B型检测数据的疑似伤损时就可增加一些手动干预的伤损判别及备注信息。最终在自动生成的伤损报表26中,将自动增加磨耗增大的备注信息,并保留手动干预后的结果。
(4)对于周期性历史B型检测数据对比。周期性历史检测数据同步回放,可以只针对B型检测数据,也可以进一步针对钢轨表面图像数据。伤损识别软件首先自动进行里程对齐,并保留人工调整(如发现系统有些位置没有对齐,可人工再次修订)。对于本次被识别的疑似伤损,伤损识别软件自动生成伤损报表26,报表中包含本次B型检测数据显示图片、放大的B型检测数据显示图片,以及与上一次B型检测数据显示图片的发展趋势相对比的对照图片。保留人工干预操作,如某个疑似伤损,不希望进行对比,则可以人工通过控制按键取消。最终自动生成带有钢轨伤损发展趋势图片的伤损报表26,并保留手动干预后的结果。
(5)对于伤损识别处理。所有的数据信息均可以结合起来进行判伤,既可以采用自动方式也可以采用手动干预方式,并最终由伤损识别软件生成伤损报表26,伤损报表26中包含所有检测数据需要体现或期望体现的信息。
通过实施本发明具体实施例描述的钢轨伤损全息识别系统的技术方案,能够产生如下技术效果:
(1)本发明具体实施例描述的钢轨伤损全息识别系统,建立了一种高速全息探伤模式,将检测生成的B型(检测)数据,融合已有的A型(检测)数据存储和显示技术、表面视频数据及廓形匹配数据,搭建了一套伤损数据分析识别系统,实现了在高速全息探伤模式下检测数据的分析识别;
(2)本发明具体实施例描述的钢轨伤损全息识别系统,充分利用基于里程编码器的里程同步功能(可用射频标签里程校准),将超声检测技术、高速视频图像技术、激光廓形检测技术等多种维度的检测数据融合在一起,极大可能重现了超声检测状态及线路状态;
(3)本发明具体实施例描述的钢轨伤损全息识别系统,导入周期性历史数据等多维度信息,能与周期性历史数据进行比对进行伤损发展趋势分析,大大提高了伤损识别的准确性,减少了误报率,加强了线路监控,提高了工作效率;
(4)本发明具体实施例描述的钢轨伤损全息识别系统,利用点对点A显信号辅助伤损识别,通过对A显信号存储与调用,在伤损识别时重现A显图中伤波出现的位置、幅值等,提升了伤损识别的准确性,同时还能选择性进行局部增益调整,弥补了B显信号的不足;
(5)本发明具体实施例描述的钢轨伤损全息识别系统,周期数据是B型(检测)数据,通过导入需进行对比的B型(检测)数据,然后通过基于编码器的里程定位信号+B型图像特征信号进行对齐,参考B型数据并利用A型显示融合判伤,无需自适应调节闸门参数;
(6)本发明具体实施例描述的钢轨伤损全息识别系统,采用基于B型数据的对齐方法进行多周期数据比对融合判伤,提高了伤损识别率;通过调用周期性历史B型数据,基于B型数据信号,通过检测方向、里程增减、里程数值、线路特殊位置的B型图特征信息等进行对齐,然后对疑似伤损位置进行多周期数据比对,能大幅提高伤损识别的准确性,并可生成伤损发展趋势表,加强线路监控,还可提供大量关于轨道在不同环境、不同运用条件下的使用寿命信息,对于提升钢轨伤损识别和检测的全面性和准确性,提高铁路运行的安全性具有十分重要意义。
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 (16)
1.一种钢轨伤损全息识别系统,其特征在于,包括:车载系统(1)和伤损识别系统(2),所述车载系统(1)包括超声检测单元(11)、视频图像检测单元(12)及激光自动对中单元(13);所述伤损识别系统(2)包括伤损识别显示单元(20),所述伤损识别显示单元(20)包括B型数据显示窗口(21)、A型数据显示窗口(22)、视频图像数据显示窗口(23)及廓形数据显示窗口(24);所述超声检测单元(11)、视频图像检测单元(12)及激光自动对中单元(13)通过共用里程编码器信号实现里程同步;所述超声检测单元(11)生成基于里程编码器计数的点对点对齐的B型和A型检测数据;所述视频图像检测单元(12)生成基于里程编码器计数的同步脉冲信号的钢轨表面图像数据;所述激光自动对中单元(13)生成基于里程编码器计数的同步脉冲信号的廓形匹配数据,并能计算轨廓磨耗量;所述B型和A型检测数据、钢轨表面图像数据及廓形匹配数据发送至伤损识别显示单元(20),并分别在所述B型数据显示窗口(21)、A型数据显示窗口(22)、视频图像数据显示窗口(23)及廓形数据显示窗口(24)显示;通过对B型和A型检测数据、钢轨表面图像数据及廓形匹配数据进行分析处理,生成伤损报表(26)。
2.根据权利要求1所述的钢轨伤损全息识别系统,其特征在于:所述伤损识别系统(2)还包括伤损识别处理单元(25),由所述伤损识别处理单元(25)和/或人工判伤方式对B型和A型检测数据、钢轨表面图像数据及廓形匹配数据进行分析处理,并生成伤损报表(26)。
3.根据权利要求2所述的钢轨伤损全息识别系统,其特征在于:所述B型检测数据用于对钢轨是否存在伤损进行判断;所述A型检测数据用于重现B型检测数据每一个信号点对应的超声回波显示状态,辅助识别钢轨伤损的真实性;所述钢轨表面图像数据用于直观展示钢轨表面状态,排除表面伤损、表面状态对B型检测数据的干扰;所述廓形匹配数据用于提供钢轨(3)内侧的磨耗状态、对中状态信息,辅助判断检测状态是否良好,作为B型检测数据中不良图像来源的判断依据,辅助伤损识别。
4.根据权利要求3所述的钢轨伤损全息识别系统,其特征在于:所述伤损识别显示单元(20)通过同屏或多屏邻近显示A型检测数据、廓形匹配数据,以及带多周期数据对比的B型检测数据和钢轨表面图像数据;所述A型检测数据、B型检测数据、钢轨表面图像数据及廓形匹配数据通过基于里程编码器计数的同步脉冲信号进行位置校准、对齐并同步显示;根据不同信号所反映的特征进行伤损分析识别,最终通过所述伤损识别处理单元(25)分析处理自动生成伤损报表(26),并能通过手动干预进行伤损识别。
5.根据权利要求4所述的钢轨伤损全息识别系统,其特征在于:所述B型数据显示窗口(21)还用于显示周期性历史B型检测数据,所述周期性历史B型检测数据为上一周期或之前最近若干周期的B型检测数据。
6.根据权利要求5所述的钢轨伤损全息识别系统,其特征在于:以所述B型数据显示窗口(21)为主显示窗口同步播放数据,当B型检测数据中出现疑似伤损或其它可疑信号时,结合同一位置的周期性历史B型检测数据、A型检测数据、钢轨表面图像数据及廓形匹配数据进行综合判定,并对判定结果进行标记。
7.根据权利要求6所述的钢轨伤损全息识别系统,其特征在于:通过线路里程增减、左/右轨信息对两个或多个B型检测数据文件的显示方向进行调整并保持方向一致;先将两个或多个B型检测数据按线路里程信息进行粗对齐,然后通过B型检测数据显示的特征图像进行精确对齐;当本次B型检测数据某位置对应的B型图显示为疑似伤损时,通过识别周期性历史B型检测数据在同一位置的B型图信号特征,若同样显示类似伤损信号特征,则进行识别并生成发展趋势表。
8.根据权利要求7所述的钢轨伤损全息识别系统,其特征在于:当B型数据显示窗口(21)中调用两个或多个B型检测数据文件时,所调用的B型检测数据文件需为同一被测线路的钢轨检测文件;若调用两个B型检测数据文件,则为本次B型检测数据文件及上一周期的B型检测数据文件;若调用多个B型检测数据文件,则为本次B型检测数据文件及与本次检测时间最接近的若干个B型检测数据文件。
9.根据权利要求7或8所述的钢轨伤损全息识别系统,其特征在于:针对带有连续性特征的钢轨表面伤损,结合B型图中包括轨头部位信号、轨底失波信号在内的特征,根据线路里程进行区域性记录识别,自动生成伤损报表(26),以对该区域线路进行重点监控。
10.根据权利要求9所述的钢轨伤损全息识别系统,其特征在于:通过B型图中钢轨轨头部位信号结合所述视频图像数据显示窗口(23)中的钢轨轨面光带,间接反馈包括钢轨错牙、高低接头、坡度在内引起的线路异常,记录线路里程区段并自动生成伤损报表(26)。
11.根据权利要求10所述的钢轨伤损全息识别系统,其特征在于:当B型检测数据中某通道数据不全或点数较少,或因为速度等级变化因素未及时调整通道增益的情况下,通过A型检测数据将该通道的增益放大,并重构B型检测数据,然后通过固定闸门内出现伤损回波的位置,以及伤损回波幅值与阈值的相对关系,辅助伤损识别。
12.根据权利要求2、3、4、5、6、7、8、10或11所述的钢轨伤损全息识别系统,其特征在于:当通过B型检测数据发现疑似伤损不能做出判断时,能查看A型检测数据对应的信号,并通过伤损回波是否出现在特定的闸门范围内,以及伤损回波出现在一次波闸门内还是二次波闸门内来判断是否为非伤损缺陷的其它特定位置的反射回波。
13.根据权利要求12所述的钢轨伤损全息识别系统,其特征在于:通过A型检测数据中伤损回波的位置偏差反馈伤损检测设备工作时的状态,并据此进行下一周期伤损检测设备的调整。
14.根据权利要求2、3、4、5、6、7、8、10、11或13所述的钢轨伤损全息识别系统,其特征在于:通过廓形匹配数据反馈钢轨(3)内侧的磨耗状态,对磨耗较大的线路区段进行记录并自动生成伤损报表(26);所述钢轨(3)的廓形匹配数据通过线路里程同步定位进行区段统计,并设定磨耗面积阈值,对钢轨磨耗面积超过磨耗面积阈值的区段进行重点监控。
15.根据权利要求14所述的钢轨伤损全息识别系统,其特征在于:在所述B型数据显示窗口(21)中,当B型检测数据对应的B显信号出现在包括钢轨(3)的轨头、疑似焊缝部位在内的位置而不能明确识别时,能通过查看所述视频图像数据显示窗口(23)中同位置的钢轨表面图像辅助判断包括表面擦伤、表面鱼鳞纹、剥落掉块、焊筋在内的钢轨伤损,融合所述伤损识别显示单元(20)的判伤自动生成伤损报表(26)。
16.根据权利要求2、3、4、5、6、7、8、10、11、13或15所述的钢轨伤损全息识别系统,其特征在于:通过廓形匹配数据结合钢轨表面图像数据及B型检测数据进行综合识别,对检测效果不良的线路区段进行记录并自动生成伤损报表(26),作为重复检测或重点监控的依据,同时还能间接反馈检测设备工作时的状态,为检测设备包括对中基准、倾角在内的参数修正提供参考,还能为钢轨打磨提供原始数据参考。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111152566.2A CN113916990A (zh) | 2021-09-29 | 2021-09-29 | 一种钢轨伤损全息识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111152566.2A CN113916990A (zh) | 2021-09-29 | 2021-09-29 | 一种钢轨伤损全息识别系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113916990A true CN113916990A (zh) | 2022-01-11 |
Family
ID=79237090
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111152566.2A Pending CN113916990A (zh) | 2021-09-29 | 2021-09-29 | 一种钢轨伤损全息识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113916990A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114485751A (zh) * | 2022-01-21 | 2022-05-13 | 中国铁道科学研究院集团有限公司 | 钢轨探伤车检测数据空间同步系统及方法 |
CN116152237A (zh) * | 2023-04-18 | 2023-05-23 | 中铁四局集团有限公司 | 一种钢轨剥落掉块检测方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107255675A (zh) * | 2017-06-21 | 2017-10-17 | 株洲时代电子技术有限公司 | 一种钢轨探伤闸门参数设置和同步显示系统 |
CN107422042A (zh) * | 2017-06-21 | 2017-12-01 | 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系统 |
CN109910947A (zh) * | 2019-01-28 | 2019-06-21 | 北京城建设计发展集团股份有限公司 | 搭载式轨道健康状态动态监测与智慧分析系统及方法 |
CN113320447A (zh) * | 2021-07-13 | 2021-08-31 | 魏运 | 轨道-接触网设备健康状态一体化综合检测机器人 |
-
2021
- 2021-09-29 CN CN202111152566.2A patent/CN113916990A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107255675A (zh) * | 2017-06-21 | 2017-10-17 | 株洲时代电子技术有限公司 | 一种钢轨探伤闸门参数设置和同步显示系统 |
CN107422042A (zh) * | 2017-06-21 | 2017-12-01 | 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系统 |
CN109910947A (zh) * | 2019-01-28 | 2019-06-21 | 北京城建设计发展集团股份有限公司 | 搭载式轨道健康状态动态监测与智慧分析系统及方法 |
CN113320447A (zh) * | 2021-07-13 | 2021-08-31 | 魏运 | 轨道-接触网设备健康状态一体化综合检测机器人 |
Non-Patent Citations (2)
Title |
---|
吴禄慎;冯伟;陈华伟;王伟杰;: "基于编码器的轨道里程记录系统设计", 铁道标准设计, vol. 59, no. 04, pages 45 - 48 * |
张玉华;许贵阳;李培;石永生;黄筱妍;: "钢轨探伤车自主化超声检测系统的关键技术", 中国铁道科学, no. 05, pages 131 - 136 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114485751A (zh) * | 2022-01-21 | 2022-05-13 | 中国铁道科学研究院集团有限公司 | 钢轨探伤车检测数据空间同步系统及方法 |
CN114485751B (zh) * | 2022-01-21 | 2023-09-12 | 中国铁道科学研究院集团有限公司 | 钢轨探伤车检测数据空间同步系统及方法 |
CN116152237A (zh) * | 2023-04-18 | 2023-05-23 | 中铁四局集团有限公司 | 一种钢轨剥落掉块检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113916990A (zh) | 一种钢轨伤损全息识别系统 | |
EP2697738B1 (en) | Method and system of rail component detection using vision technology | |
CN107433962B (zh) | 一种用于轨道交通故障监控与智能预警的方法和系统 | |
CN105806948B (zh) | 基于局部水浸耦合方式单晶直探头的中厚板超声检测方法 | |
Skarlatos et al. | Railway wheel fault diagnosis using a fuzzy-logic method | |
Rizvi et al. | Crack detection in railway track using image processing | |
CN111965246A (zh) | 一种基于多信息融合的刮板机故障检测方法及其检测系统 | |
CN110320285A (zh) | 一种基于超声波信号的钢轨缺陷识别方法、系统及电子设备 | |
CN103606221A (zh) | 清分机故障自动诊断方法以及装置 | |
JP2021196711A (ja) | 情報処理装置、判定方法、および情報処理プログラム | |
CN111845845A (zh) | 一种基于大数据的城市轨道交通安全智能检测系统 | |
WO2008099177A1 (en) | Photographic recording of a rail surface | |
CN109490416A (zh) | 一种应用于双轨式钢轨探伤的焊缝识别方法 | |
CN105913059A (zh) | 一种车辆vin码的自动识别系统及其控制方法 | |
CN115239632A (zh) | 一种融合巡检图像和超声波图像的钢轨表面伤损检测方法 | |
CN114708184A (zh) | 一种钢轨伤损全息识别方法 | |
KR20090085221A (ko) | 레일 모니터링 시스템 및 그 제어방법 | |
JP2001174413A (ja) | モノレールにおけるレール表面のひび割れ検出方法及びその表示方法 | |
JP3647610B2 (ja) | 超音波探傷装置及び欠陥識別支援装置 | |
Gao et al. | Use of combined railway inspection data sources for characterization of rolling contact fatigue | |
JPH05333001A (ja) | 溶接部欠陥検査装置 | |
CN1415959A (zh) | 超声波探伤闸门实时跟踪底波方法 | |
RU2753810C1 (ru) | Способ оценки работоспособности дефектоскопических средств при высокоскоростном контроле рельсов | |
NL9101640A (nl) | Werkwijze voor het kwantificeren van het niveau van weer- en zeeruis tijdens seismische opsporingen op zee. | |
CN116039713B (zh) | 一种钢轨智能伤损识别管理系统 |
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 |