基于深度学习的钢轨伤损超声检测与分类
2021-05-13胡文博许馨月王卫东
铁道学报 2021年4期
胡文博,邱 实,许馨月,魏 晓,王卫东
(1.中南大学 土木工程学院, 湖南 长沙 410075;2. 重载铁路工程结构教育部重点实验室, 湖南 长沙 410075;3. 中南大学 轨道交通基础设施智能监控研究中心, 湖南 长沙 410075)
随着铁路运营里程、速度、密度的不断增加,为保障铁路交通运输的安全性,对钢轨的检测要求也进一步提高。钢轨作为铁路运输系统的重要组成部件,在长期循环列车荷载作用及外部环境影响下,易产生轨头核伤、轨腰斜裂缝等内部组织损伤从而引起钢轨疲劳甚至断轨,导致列车脱轨等重大安全事故。因此及时准确地检测钢轨的内部损伤并对其进行精准地识别和分类,从而实现实时、高效的维护管理,对于保障铁路安全运营以及降低事故发生风险具有重大意义。
在钢轨内部伤损检测方面,传统的人工物探方法效率低、对检测人员要求高,正逐渐被其它检测方法所取代。近年来,多种无损检测方法逐步应用于钢轨内部伤损检测并取得了一定的效果。目前国内外常见的钢轨无损探伤技术主要包括超声波、射线、渗透、涡流等[1],其中超声波探伤法[2]被普遍应用于我国多条复杂铁路线路的日常巡检,得益于其优异的指向性、传播性和在界面上的反射、折射特性,能够在不破坏被检设施的前提下对钢轨内部进行探查,具备穿透能力强、操作安全、设备轻便、测量精度高、灵敏度高等优点,从而实现了钢轨内部伤损信息的高效和实时获取。
在基于超声检测的钢轨伤损数据的识别和分类方面,国内外科学家展开了大量的研究。……
登录APP查看全文
