[发明专利]基于漏磁检测装置和神经网络的钢轨缺陷深度检测方法

说明书

本发明公开了基于漏磁检测装置和神经网络的钢轨缺陷深度检测方法，首先将漏磁检测装置置于待检测的钢轨上，测得待检测钢轨在X方向和Y方向的漏磁信号，带通滤波、放大处理后得到X方向的信号时域分布图、与Y方向的信号时域分布图；然后提取出X方向、Y方向的信号峰值特征值和信号间距特征值，将其和提离值输入神经网络工具箱，得到X方向与Y方向的缺陷的系数；最后计算得到X方向、Y方向的缺陷深度。本发明在原有只能检测到漏磁信号的基础上对不同长度的缺陷信号进行定量分析，能够更精准地判断伤损严重情况。

技术领域

本发明涉及测量技术及仪器领域，尤其涉及基于漏磁检测装置和神经网络的钢轨缺陷深度检测方法。

背景技术

目前,漏磁检测无损已成为钢轨缺陷深度进行检测的主要方法之一。无损检测中漏磁检测的基本原理是指，铁磁性材料被局部磁化后，在局部磁化区，如果该材料有裂纹或者凹坑等伤损，伤损处的磁场分布会发生突变，有部分磁场会泄漏出来，形成漏磁场，通过检测铁磁性材料这部分的磁场变化，可以判断该材料的这部分是否存在损伤.

缺陷处的漏磁场强度与缺陷的大小、被测工件内部磁场的强弱以及传感器距被测工件表面的距离即提离值等密切相关,这些因素会同时影响检测的灵敏度和可靠性。合理选择上述参数对能否获得最优的检测结果至关重要。而缺陷长度的测量对被测工件伤损的评估也至关重要，不同的缺陷深度可能会影响对工件的打磨和替换。因此，本方法为一种确定钢轨缺陷深度的检测方法。

发明内容

本发明所要解决的技术问题是针对背景技术所涉及的缺陷，提供基于漏磁检测装置和神经网络的钢轨缺陷深度检测方法。

基于漏磁检测装置和神经网络的钢轨缺陷深度检测方法，所述漏磁检测装置包含壳体、磁轭、激励线圈、霍尔传感器阵列、第一脚轮和第二脚轮；

所述第一脚轮、第二脚轮均采用宽轮，分别设置在所述壳体的下端面，使得所述壳体能够在待检测的钢轨上滚动；

所述磁轭、激励线圈、霍尔传感器阵列均设置在所述壳体内，其中，所述磁轭呈倒置的U形，所述激励线圈缠绕在其上，所述激励线圈和外部电源相连，所述磁轭用于在激励线圈通电时朝待检测的钢轨发出磁信号；所述霍尔传感器阵列设置在所述磁轭内、和所述钢轨平行，用于收集漏磁信号；

基于漏磁检测装置和神经网络的钢轨缺陷深度检测方法包含以下步骤：

步骤1)，将漏磁检测装置置于待检测的钢轨上，使其沿着钢轨按照预设的速度阈值匀速前进。其中，霍尔传感器阵列与钢轨之间的间距、即提离值g等于预设的距离阈值；

步骤2)，令漏磁检测装置所在位置为原点O，漏磁检测装置的前进方向为X轴正方向，垂直待检测的钢轨顶面向上的方向为Z轴正方向，垂直于XOY平面向右的方向为Y轴正方向；通过所述霍尔传感器阵列获得待检测钢轨在X方向和Y方向的漏磁信号；

步骤3)，利用隔直方法分别对待检测钢轨在X方向和Y方向的漏磁信号进行带通滤波、放大处理后，得到X方向的信号时域分布图、与Y方向的信号时域分布图；

步骤4)，提取X方向的信号时域分布图中缺陷信号的峰峰值为X方向的信号峰值特征值TX，提取Y方向的信号时域分布图缺陷信号的峰峰值为Y方向的信号峰值特征值TY，TX、TY单位均为V；

步骤5)，提取X方向的信号时域分布图中缺陷信号的峰间距为X方向的信号间距特征值GX，提取Y方向的信号时域分布图缺陷信号的峰间距为Y方向的信号间距特征值GY，GX、GY单位均为t；

步骤6)，对特征值进行处理并输入神经网络：

步骤6.1)，将TX、GX、g与一阶滤波器进行卷积、在第一层产生三个关于X方向的特征映射信号后，将第一层产生的三个关于X方向的特征映射信号通过一个Sigmoid函数在第二层产生三个关于X方向的的特征映射信号；