基于涡流检测和神经网络的钢轨表面滚动接触疲劳裂纹特征评估

作     者：熊龙辉 张玉华 马运忠 李培 钟艳春 黄筱妍 XIONG Longhui;ZHANG Yuhua;MA Yunzhong;LI Pei;ZHONG Yanchun;HUANG Xiaoyan

作者机构：中国铁道科学研究院集团有限公司基础设施检测研究所北京100081 北京铁科英迈技术有限公司北京100081 

出 版 物：《中国铁道科学》 (China Railway Science)

年 卷 期：2021年第42卷第5期

页      面：69-75页

核心收录：

学科分类：08[工学] 0814[工学-土木工程] 082301[工学-道路与铁道工程] 0823[工学-交通运输工程] 

基　　金：国家重点研发计划科技助力经济2020重点专项资助项目(2020YFF01015400ZL) 中国国家铁路集团有限公司科技研究开发计划课题(P2019G025) 中国铁道科学研究院集团有限公司院基金课题(2020YJ153) 

主　　题：钢轨检测 钢轨伤损 滚动接触疲劳裂纹 涡流检测 曲线拟合 神经网络 

摘      要：基于钢轨表面不同深度和角度的2组人工伤损及涡流检测系统,在100~2000 kHz激励频率范围内进行钢轨裂纹检测试验,确定最佳激励频率;在最佳激励频率769 kHz条件下对人工伤损进行检测,分析伤损尺寸参数与信号特征值的关系;基于最小二乘法曲线拟合原理,分别采用指数函数和三次多项式函数对伤损深度和角度进行定量评估;采用基于LM算法的BP神经网络方法,对伤损深度和角度进行定量评估;对2类定量评估结果进行对比。结果表明:基于曲线拟合原理的定量评估中指数函数更适用,其对深度和角度定量评估分类准确率分别为75%和66.67%;神经网络方法对深度和角度定量评估分类准确率分别为100%和83.33%,均高于指数函数定量评估。