[发明专利]一种基于图域特征和DS证据理论融合的钢轨裂纹识别方法

说明书

本发明公开了一种基于图域特征和DS证据理论融合的钢轨裂纹识别方法，针对DS证据融合基本概率赋值难以解决的问题，利用SVM对不同通道不同方向的漏磁信号进行分类，然后用SVM得到的对于一个样本的后验概率作为此分类器对样本的基本概率赋值，建立了SVM与证据理论相结合的多传感器信息融合模型。实验结果表明，基于图域特征和DS证据理论融合的钢轨裂纹识别方法在训练样本数较少和漏磁信号通道数较少的情况下具有良好的识别效果，具有一定工程应用价值。

技术领域

本发明涉及无损检测技术领域，尤其是一种基于图域特征和DS证据理论融合的钢轨裂纹识别方法。

背景技术

高速铁路的迅速发展，极大地促进了我国国民经济的发展和民生的改善。铁路健康状况的实时检测能够及时发现潜在的安全隐患，对保障高铁安全运行有着重大意义。

基于漏磁检测原理的探伤方法，是一种非接触式、快速、精确的检测手段。漏磁检测通过磁传感器获取漏磁场信息，实现钢轨表面及近表面缺陷检测。在获得检测信号的基础上，对检测到的漏磁信号进行分析至关重要。

有相关文献表明，充分利用多通道三维漏磁传感器阵列采集到的漏磁信号，有助于提升最终的检测识别精度，但是，如何有效的实现对全部信息的充分利用，是基于多通道三维漏磁信号的钢轨裂纹识别与检测的关键和难点。

对多通道三维漏磁信号进行分析，从本质上将属于信号融合的范畴，就信号融合来说，通常分为：数据级融合、特征级融合、决策融合。要实现多通道三维漏磁信号的分析，要从三个方向和不同通道两个方面解决融合问题。

对于不同方向的融合问题，通常有以下两种思路：一、将同一通道的三个方向采集到的漏磁信号进行数据融合后提取其特征；二、对同一通道上的三个不同方向上的漏磁信号提取特征，然后进行特征融合。对于不同通道间的融合问题，则通常采用决策融合进行，通常使用DS证据理论融合方法。

需要指出的是，以上两个问题的常用解决方法存在以下问题。首先是同一通道的不同方向的漏磁信号的融合方法缺乏有效的理论指导，另外就是DS证据理论中基本概率分配函数如何确定问题。

发明内容

本发明所要解决的技术问题在于，提供一种基于图域特征和DS证据理论融合的钢轨裂纹识别方法，从新特征提取和融合算法的角度出发，以较高精度实现了钢轨裂纹的检测和识别。

为解决上述技术问题，本发明提供一种基于图域特征和DS证据理论融合的钢轨裂纹识别方法，包括如下步骤：

(1)对不同通道不同方向的漏磁信号进行图域特征的提取，将提取的9个图域特征作为SVM的输入特征向量；

(2)按步骤(1)提取不同通道不同方向的漏磁信号的训练样本特征向量，分别训练不同通道不同方向漏磁信号对应的SVM分类器；

(3)对于未知类别的钢轨裂纹，将其对应的不同通道不同方向的漏磁信号按照步骤(1)提取测试样本特征向量，分别送入步骤(2)中对应通道对应方向的训练好的SVM分类器中，得到该钢轨裂纹在不同SVM分类器下属于不同类别的后验概率值；

(4)利用步骤(3)中基于不同通道不同方向漏磁信号得到的该裂纹属于不同种类裂纹的后验概率，将其后验概率作为该裂纹的基本概率赋值BPA；

(5)利用步骤(4)中得到的BPA，利用经典的DS证据理论的融合规则，就同一个裂纹同一方向不同通道上的BPA进行融合，得到同方向不同通道上融合结果BPA；

(6)利用步骤(5)中得到不同方向上BPA，仍采用经典的DS证据理论的融合规则，将不同方向的BPA融合得到最终的BPA；

(7)利用步骤(6)中得到同一个裂纹在不同通道不同方向的最终的BPA，是一个行向量，采用简单投票法，BPA最大值所在的列为测试样本的标签。