[发明专利]一种基于循环神经网络的轨底伤损识别方法及系统

说明书

本发明公开了一种基于循环神经网络的轨底伤损识别方法及系统，包括：获取待测区段的超声波探伤数据，将所述数据转换为具有时序特征的数字序列；将所述数字序列输入到训练好的RNN循环神经网络模型，输出是否具有伤损及伤损的位置信息；对于RNN循环神经网络模型的训练过程包括：构建原始数据集；对原始数据集中的B显数据进行通道预处理；将所述样本集转换为具有时序特征的数字序列，对样本集中的正负样本进行标记；利用标记后的样本集对RNN循环神经网络模型进行训练。本发明可在现行探伤作业条件下直接检测探伤车数据，不需要其他辅助设备对钢轨进行检测。解决了B显数据中钢轨伤损回波形式多样化、回波信号的确切表达式很难得出等问题。

技术领域

本发明涉及铁路系统钢轨无损检测下的超声波探伤技术领域，尤其涉及一种基于循环神经网络的轨底伤损识别方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

钢轨的伤损识别分类技术是我国钢轨探伤系统中的一项关键技术。我国目前常用的钢轨损伤检测系统中，超声波伤损检测是实际应用中的主流方式，绝大多数都是将采集的损伤信息直接在终端显示，通过探伤人员来判断钢轨是否存在缺陷。这种模式决定了在钢轨探伤中，伤轨的检出率与探伤工作人员的专业水平成正相关关系。随着新铁路的不断建设、铁路运量的不断提升以及车辆行驶速度的不断提高，伤轨出现的数量和探伤人员的工作量也将不断的增大，在探伤人员疲劳的情况下，会导致伤轨漏检率的增加。

现有技术公开了基于神经网络的钢轨损伤检测方法，但是，该方法采集的数据库中伤损类型混杂，导致最终检测出的结果伤损位置不明确，还需要人工进一步判定；另外，该方法不是对探伤仪数据的直接检测，需要借助一套自制的硬件设备进行波形匹配，而实际探伤工作时间紧、路程长，实际操作难度大。

发明内容

有鉴于此，本发明提出了一种基于循环神经网络的轨底伤损识别方法及系统，搭建循环神经网络，利用原始B显数据的通道分布特征、数字组合特征以及时间顺序上的排列组合特征，将B显图像形式的数据处理成具有时序特征的数字序列，利用搭建的循环神经网络对其进行识别，输出轨底伤损的位置信息，实现钢轨轨底伤损的快速检测。

为了实现上述目的，在一些实施方式中，采用如下技术方案：

一种基于循环神经网络的轨底伤损识别方法，包括：

获取待测区段的超声波探伤数据，将所述数据转换为具有时序特征的数字序列；将所述数字序列输入到训练好的RNN循环神经网络模型，输出是否具有伤损及伤损的位置信息；

其中，对于RNN循环神经网络模型的训练过程包括：

获取设定数量的带有轨底伤损和其他回波样本的B显数据，构建原始数据集；

对原始数据集中的B显数据进行通道预处理，从预处理后的数据集中分别截取若干正负样本，形成样本集，并划分为训练集和测试集；

将所述样本集转换为具有时序特征的数字序列，对样本集中的正负样本进行标记；利用标记后的样本集对RNN循环神经网络模型进行训练。

在另一些实施方式中，采用如下技术方案：

一种基于循环神经网络的轨底伤损识别系统，包括：

探伤数据解析模块：用于获取待测区段的超声波探伤数据，将所述数据转换为具有时序特征的数字序列；

伤损数据检测模块：用于将所述数字序列输入到训练好的RNN循环神经网络模型，输出是否具有伤损及伤损的位置信息；

其中，对于RNN循环神经网络模型的训练过程包括：

获取设定数量的带有轨底伤损和其他回波样本的B显数据，构建原始数据集；