[发明专利]钢轨缺陷识别方法及系统

说明书

本发明提供了一种钢轨缺陷识别方法及系统，包括如下步骤：采集钢轨在完好状态的导波检测信号以及裂纹状态、腐蚀状态下的多种缺陷类型的导波检测信号，将所有缺陷类型的所述导波检测信号形成m个样本，每个样本中导波检测信号数为n，进而形成一m×n的矩阵对所述矩阵进行降维生成矩阵将所述矩阵和对应的缺陷类型输入进行训练，生成钢轨缺陷识别模型。通过所述钢轨缺陷识别模型对钢轨缺陷进行识别，确定钢轨的缺陷类型。本发明超声导波检测技术进行特征提取，将提取的特征送入机器学习分类模型中进行训练，生成的钢轨缺陷识别模型能够准确的识别部钢轨的缺陷类型，且在辨识过程中减少对专业知识的依赖，具有普适性。

技术领域

本发明涉及人工智能，具体地，涉及一种钢轨缺陷识别方法及系统。

背景技术

铁路运输具有容量大、速度快的优点，已经成为了四大运输方式之一。钢轨，作为铁路运输的基本组成部件，它的健康状况直接影响铁路运输的安全。因此，钢轨的安全性检测具有重要的意义。

目前，在国内对于钢轨缺陷的检测，主要是由专业人员借助探伤设备，通过专业知识分析，判断缺陷钢轨是否存在缺陷，这样的方法可以实现高效检测，但比较耗时、费力，已不能满足铁路发展的新需求。为实现钢轨缺陷的自动检测，涌现出一些基于机器学习算法的检测方法，例如：通过对导波检测信号进行特征提取，然后将提取的特征送入BP神经网络或者支持向量机SVM，进行有监督学习，以实现钢轨的缺陷识别。

但这些方法的一个不足之处在于必须通过专业知识和经验，才能比较准确的提取出信号的特征。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种钢轨缺陷识别方法及系统。

根据本发明提供的钢轨缺陷识别方法，包括如下步骤：

步骤S1：采集钢轨在完好状态的导波检测信号以及裂纹状态、腐蚀状态下的多种缺陷类型的导波检测信号，将所有缺陷类型的所述导波检测信号形成m个样本，每个样本中导波检测信号数为n，进而形成一m×n的矩阵

步骤S2：对所述矩阵进行降维生成矩阵

步骤S3：将所述矩阵和对应的缺陷类型输入进行训练，生成钢轨缺陷识别模型。

步骤S4：通过所述钢轨缺陷识别模型对钢轨缺陷进行识别，确定钢轨的缺陷类型。

优选地，所述步骤S1包括如下步骤：

步骤S101：采集钢轨在完好状态的导波检测信号以及裂纹状态、腐蚀状态下的多种缺陷类型的导波检测信号；

步骤S102：将每一缺陷类型的所述导波检测信号形成m个样本，每个样本中导波检测信号元素数为n；

步骤S103：将样本信号m个，每个样本的元素个数为n，形成一个m×n的矩阵X，并将矩阵X中的元素进行归一化，形成矩阵

优选地，所述步骤S2包括如下步骤：

步骤S201：求解所述矩阵的特征值与特征向量；

步骤S202：获取主成分个数k；

步骤S203：根据所述主成分个数k对所述矩阵降维生成矩阵

优选地，在步骤S1中采用超声导波检测方法，通过一激一收的信号采集方式采集钢轨的导波检测信号。

优选地，在步骤S201中采用奇异值分解法(SVD)求解矩阵的奇异值与奇异向量，具体为：

式中：

U为左奇异矩阵，为矩阵的特征向量；

V为右奇异矩阵，为矩阵的特征向量；