铁路货车车轮超声波在线检测中的缺陷识别算法
2016-04-10杨巨平
中国铁道科学 2016年5期
杨巨平
(神华铁路货车运输有限责任公司，北京 100011)
铁路货车车轮超声波在线检测中的缺陷识别，就是从大量的超声检测信号中，根据多个缺陷特征，寻找具备这些缺陷特征的信号，然后结合缺陷特征的判别法则，判定这些检测信号是否为缺陷信号。
现行铁路货车车轮超声波在线检测的缺陷识别主要通过设置波门，获取检测信号的幅度和声程等方面的信息，再结合检测人员的专业知识和经验，对检测信号作出判定[1]。这种人工缺陷识别方法的效率非常低，且受检测人员的专业知识、技能和经验等主观因素影响很大。现有的小波包变换[2]、神经网络分类等算法主要用于焊缝[3]、粘接材料等工件的缺陷自动识别上，虽然这些算法在工件缺陷的识别和分类上取得了一定的效果，但是在铁路货车车轮超声波在线检测方面的应用还未见报道，并且这些缺陷识别方法依靠波门的设置范围和阈值判别缺陷信号，虽然速度很快，但是过于简单、缺乏自适应能力，往往受到现场检测状态的影响，容易导致识别错误。
本文根据铁路货车车轮超声波在线检测信号的时域特性，选取检测信号的相关系数和信号背景比作为识别特征向量，以人工缺陷试块的检测信号组成训练样本，基于神经网络的感知器原理，结合现场检测要求，对传统的感知器分类算法进行改进，以获取无漏检、最小误检的分类器，以及良好的缺陷识别效果。
