高速铁路漏磁检测缺陷识别技术探究
来源:用户上传
作者:
摘 要：在高速铁路钢轨损伤检查方面，还要提出有效的缺陷识别技术手段。基于此，本文结合漏磁检测原理提出了相应的缺陷识别技术，对钢轨缺陷信号采集、处理等过程展开了分析。通过开展缺陷检测实验可以发现，采用该技术至少能够达到91%的缺陷识别率，因此能够满足高速铁路检测需求。
關键词：高速铁路;漏磁检测;缺陷识别
中图分类号：TP274 文献标识码：A 文章编号：1671-2064（2019）24-0000-00
0引言
在高速铁路运营的过程中，列车车轮将在钢轨表面行进，使得钢轨需要承受车轮施加的循环作用力。在钢轨与车轮接触区，则容易产生接触疲劳，导致钢轨发生表面材料剥离、裂开等缺陷，给列车运行安全带来威胁。而采用传统检测技术，难以实现钢轨缺陷的准确识别。应用漏磁检测技术则能实现钢轨损伤探测，为钢轨健康状态评估提供技术支撑。
1高速铁路漏磁检测原理分析
在高速铁路钢轨检测上，采用传统接触式超声检测技术容易受到高速运行列车带来的振动干扰。采用漏磁检测技术，能够对钢轨表面漏磁场进行无损检测。作为非接触的检测方式，可以尽可能减少检测结果受到的振动干扰，因此能够为高速检测的实现提供技术支撑。从原理上来看，在铁磁材料磁化后，缺陷部分会对磁力线进行切割，导致材料表面出现漏磁场。通过对材料表面漏磁场变化进行检测，能够发现材料存在的缺陷。如图1所示，被测工件在磁化之前，内部材料排布均匀、连续。磁化后，磁感应线将受到内部约束，使得工件表面出现平行磁通量。在内部材料产生缺陷后，将产生较大的磁阻，磁导率则随之减小，使得磁通量发生畸变，部分泄漏到材料表面，导致磁感应线发生变化，能够在漏磁检测中被发现[1]。在对钢轨进行磁化时，可以采用永磁体激励磁芯，利用激励源产生的磁场对被测工件进行处理。而磁化场拥有较强穿透能力，可以对工件近表面内部缺陷进行检测，得到的信号位于低频频段，能够与在高频频段集中的噪声干扰区分开来，因此能够满足铁路漏磁检测需求。
2基于漏磁检测的钢轨缺陷识别技术
2.1缺陷信号采集
2.1.1检测元件
采用漏磁检测技术对钢轨缺陷信号进行采集，需要利用磁敏传感器掌握被测钢轨表面的漏磁场分布情况。考虑到霍尔元件低频响应特性良好，并且尺寸较小，拥有较高单位空间分辨率，因此可以用于实现检测探头设计。选用的UGN3503线性霍尔传感器有效芯片面积不超0.2m㎡，钢轨表面横向宽70mm，想要对钢轨表面进行覆盖检测，还要完成霍尔传感器列阵的排布，用于对检测方向、垂直列车前进方向、垂直钢轨表面方向的漏磁场信号进行采集。每个方向分布16路传感器，最终能够得到48路的传感器列阵。而霍尔元件在信号检测方面只有一个有效面，所以需要使元件有效面处于检测方向，分别为钢轨径向BX、钢轨横向BY和垂直钢轨表面方向BZ，通过立体检测确定钢轨缺陷大小和深度[2]。
2.1.2采集电路
在铁路漏磁检测中，只有少数钢轨存在缺陷，如果不断采集钢轨信号，将面临较大数据运算负担。为降低数据运算量，需要采用触发采集电路，利用窗口比较器构成的闸门电路进行钢轨缺陷信号检测。在检测发现钢轨表面存在大缺陷时，电路将产生幅值较大漏磁信号，超出预先设定阈值将产生触发信号。通过与外设触发信号引脚连接，可以利用触发信号使采集卡开始进行缺陷信号采集。采用Altium Desiger软件进行仿真分析，能够确定信号阈值为-1V和4V，电路将输出高电平，超出阈值将输出低电平。在检测信号控制上，需要采用工业级运放芯片LM393，与闸门比较器输出端连接，能够用于实现电路调试。芯片比较信号为比较器正、负阈值电压，采用电位器AD7376完成参数设置。在漏磁检测系统工作过程中，利用上位机软件完成采集卡有效信号设置后，可以对触发采集阈值范围进行设定。采用串口通信方式，能够将协议发送至STM32下位机，促使其输出控制电平，使数字电位器控制采集卡实现信号检测。在传感器列阵检测发现存在电压信号超阈值情况，电路输出将从高电平转向低电平，触发采集设备对缺陷信号进行采集。
2.2信号特征识别
2.2.1特征提取
针对采集到的缺陷信号，还要利用上位机进行运算处理，完成信号特征识别。在检测得到的钢轨漏磁信号中，包含缺陷信号和各种干燥噪声。在钢轨缺陷位置，漏磁场将迅速增大，表现为异常信号波形。对信号进行消噪处理后，才能完成波形特征提取，与对应缺陷联系在一起。从信号变化规律上来看，在缺陷深度不变时，漏磁场水平分量峰值将随着缺陷深度增加而增加，反之深度不改变，将随着宽度增加而增加，甚至出现双峰情况。漏磁场垂直分量同样符合这一变化规律，但峰值间距不会随深度改变，但在一定范围内与宽度之间存在线性关系[3]。因此在缺陷信号处理中，需要确定缺陷深度和宽度，掌握走向、形状等信息。漏磁场信号峰值通常大于正常区域，但为排除各种噪声干扰，需要完成门限值设定，使背景磁场引发的幅度变化得到尽可能去除，以零值为基准线对幅度变化进行分析。而信号峰值差为特征量，与缺陷变化形状相对，能够用于判别缺陷。
2.2.2特征识别
在缺陷信号特征识别上，需要实现特征量的定量分析，根据信号强度完成缺陷尺寸推算。在实际分析时，需要采用支持向量机的信号融合统计识别方法，能够结合多个信号波形特征进行钢轨缺陷识别。在各特征量间，存在非线性关联关系。从信号中分离得到异常信号，能够先完成缺陷定性判断，然后抽取反映信号状态的特征向量，采用分类器完成信号特征分类与判别，如图2所示，需要输入训练模式样本特征数据，完成特征提取后得到判决准则。经过反复训练和学习，能够对准则进行改进，用于缺陷信号特征识别。在16个通道漏磁信号中，可以将27路信号当成是训练样本，用于实现各种缺陷识别特征提取，完成特征量融合，得到新的特征向量，完成SVM分类器训练，用于各种缺陷的识别和分类。而不同通道各个方向检测信号对缺陷不同段进行了覆盖，在BX方向上包含峰值、峰谷间距、面积等特征量;BY方向包含峰宽比、面积、峰值、能量等特征量;BZ方向包含极限峰值、峰间距等。总体包含缺陷特征信息具有一致性，因此能够取得良好特征识别效果。 2.3检测承载分析
在漏磁检测和缺陷识别过程中，需要利用承载机构进行检测装置的装载，以便能够使装置伴随着车轮运行对各处钢轨进行检测。结合列车车轮结构和轨道几何尺寸，需要采用连接弹簧结构和多部适应承载小车进行检测装置承载。在小车底部，可以进行霍尔传感器列阵电路板的固定，然后在钢轨侧面角进行小车摆放，保证传感器能够与车轮贴合，能够对钢轨与车轮接触面进行检测。实际在钢轨巡检的过程中，受表面不平整等因素的影响，容易导致承载结构发生上下振动，使得检测信号中存在大量干扰信号，叠加到缺陷信号上将导致装置采集精度不高[4]。而利用小车顶部弹簧进行微调，能够使机构紧贴钢轨表面，避免检测结果受到行车振动因素的影响。
3高速铁路漏磁检测的缺陷识别测试
3.1实验平台
按照上述方法进行高速铁路漏磁检测与缺陷识别测试，可以在GTC-80X型钢轨探伤车上进行实验平台搭建。从检测系统组成上来看，包含磁场激励、上位机、传感器列阵、工控机等。其中，磁场激励可以通过在硅钢片上缠绕线圈获得，采取通电控制和改变电源大小方式对线圈的磁化场及磁场强度进行调节，磁极与钢轨表面保持2mm空气间隙，磁化场强约1000mT。配备的数据采集卡能够达到96路12位3MS/s采样率，能够将数据传输至上位机进行处理、分析和显示。在标定线上进行测试，需要在探伤车承载机构上完成检测装置安装，为每股钢轨配备两组探头，并在探头支架上进行励磁和消磁装置安装，探头传感器与钢轨表面保持1mm距离。利用屏蔽线，能够将检测得到的信号传递给安装在探伤车上的工控机、上位机等部分。在探伤车运行过程中，探头可以完成漏磁信号检测，并根据设定阈值确定是否进行缺陷信号采集和上传。
3.2实验条件
实验采用的轨道为转盘钢轨试样，顶面和尺寸与正常轨道相同，材料为U71钢轨，需要完成不同缺陷加工。结合缺陷深度、宽度和夹角等参数，可以划分为A、B、C、D、E五组，编号范围分别为1-4、4-7、8-11、12-15、16-19。第一组只有宽度不同，第二组只有深度不同，第三组只有水平角不同，第四组只有垂直角不同，第五组除深度与宽度外其他参数均不同。结合实际线路损伤情况，需要将小车运行速度设定在2-55km/h范围内。为验证测试结果是否正确，需要采用人工检测方式。而检测的缺陷与钢轨顶面、纵向等成一定角度，还要在钢轨磁化时保证方向与缺陷尽量垂直相交，以便使缺陷能够高效识别。
3.3测试结果
如表1所示，为测试结果。从表中数据可以看出，采用漏磁检测技术进行高速铁路钢轨缺陷识别，平均能够达到98%的识别率，识别率最低能够达到91%。C组缺陷识别之所以会受到影响，主要是由于缺陷与水平面角度不断增加的过程中，缺陷信号幅值将会有所减小。而随着检测速度的增加，幅值将有所增加，信噪比也随之提升，导致缺陷检出率受到一定影响。通过频谱分析可以发现，在巡检速度得到最高值的情况下，车体振动信号频率不超过50Hz。而在钢轨接触区域，缺陷信号频率能够达到100Hz以上，因此车体振动不会给检测结果带来过大干扰，能够保证缺陷识别率在91%以上。此外，在55km/h运行速度下，采用传感器成像技術进行观测，可以发现标定线缺陷样例的电磁信号列阵成像能够看见清晰缺陷，成像大小、尺寸的变化趋势与实际相符，因此采用漏磁检测缺陷识别技术能够满足高速铁路钢轨检测需求。
4结论
综上所述，在高速铁路漏磁检测中，通过配备磁敏传感器、信号处理设备、检测承载机构能够得到用于钢轨缺陷识别的装置，顺利实现钢轨表面缺陷信号检测和处理，达到91%以上的缺陷识别率，为铁路检修、维护工作的开展提供科学数据依据。因此相信伴随着相关技术的发展与完善，系统能够在高速铁路管理方面获得良好应用前景。
参考文献
[1]白坚.钢轨顶面缺陷电磁无损检测关键部件研发[D].南京航空航天大学，2018.
[2]徐其瑞，石永生，熊龙辉，王平.基于大型钢轨探伤车的顶面伤损漏磁检测技术研究[J].中国铁路，2017（10）：39-44.
[3]朱兴俊.钢轨顶面裂纹巡检系统开发[D].南京航空航天大学，2017.
[4]杜晨琛，刘文波，陈旺才.多传感器特征决策融合的钢轨裂纹识别方法[J].电子测量技术，2017，40（11）：157-160.
收稿日期：2019-11-02
作者简介：陈雪菲（1996—），女，山东德州人，本科，助理工程师，研究方向：电气工程及其自动化。
转载注明来源:https://www.xzbu.com/8/view-15217302.htm
