[发明专利]一种基于压电阵列的轨底横向裂纹深度监测和评估方法

权利要求书

1.一种基于压电阵列的轨底横向裂纹深度监测和评估方法，其特征在于，包括如下步骤:

S1：基于钢轨轨底导波群速度频散特性，得到激励频率与可监测损伤尺寸之间的关系图，选择最佳导波激励频率；

S2：设计压电传感阵列多路径监测方法，仿真分析轨底横向裂纹深度与导波的关系特点，验证阵列的有效性；

S3：建立实验系统，采集不同深度裂纹的多路径信号；

S4：提取实验信号的特征信息，并通过BP神经网络初步建立轨底横向裂纹深度评估模型，再对模型优化重构，最终实现轨底横向裂纹深度评估。

2.根据权利要求1中所述的一种基于压电阵列的轨底横向裂纹深度监测和评估方法，其特征在于：所述步骤S1中：

伤损识别精度由超声导波的波长决定，超声导波损伤监测中损伤尺寸l大于其波长λ的一半，如等式所示，

其中c为导波某一模态的波速,f为该模态波的波速,依据这一基准原则，轨底一半的截面为梯形，根据中间厚度,得到进一步的钢轨轨底导波群速度频散曲线，提取导波反对称模态在每个频率点的最高波速除以所对应的频率值，得出激励频率与可监测损伤尺寸之间的关系图,对比模态波的波速差异和可识别的精度，选取最优激励频率。

3.根据权利要求1中所述的一种基于压电阵列的轨底横向裂纹深度监测和评估方法，其特征在于：所述步骤S2中，先提供压电传感阵列来监测钢轨轨底区域，该压电传感阵列是由2个子网络阵列组成，一个子网列阵列作为产生超声导波激励信号，另外一个作为超声导波信号接收端，每个子网列阵列由4个PZT构成，每个子网络在钢轨底部上表面布置3个PZT，钢轨轨底侧边缘各布置1个PZT，两个子网络阵列间隔500mm，形成16条路径可以对钢轨轨底进行多路径监测，再利用有限元分析软件进行仿真，建立一根长钢轨3D模型，在钢轨轨底区域布置传感器阵列，两组PZT传感器子网络，一侧压电传感子阵列作为激励端，一侧压电传感子阵列作为接收端，设置好两压电传感子阵列的距离，多点设置钢轨横向裂纹(横向裂纹宽1mm、长度12mm，深度3.8mm)，横向裂纹深度m分别为3.8mm、5.3mm、7.5mm、9mm、11mm、13mm、15mm、17.5mm，通过仿真云图观察超声导波在遇到钢轨轨底横向裂纹时，超声导波与钢轨裂纹都发生相互作用，并提取每种深度裂纹下，16个路径对应的时域信号，再将各路经时域信号与无损状态下的信号做差值，如公式所示，

S_ij-m＝V_ij-m-V_ij-0

其中，i＝1，2，3，4，j＝1，2，3，4，m分别为3.8、5.3、7.5、9、11、13、15、17.5。

4.根据权利要求1中所述的一种基于压电阵列的轨底横向裂纹深度监测和评估方法，其特征在于：所述步骤S3中，实验采用的钢轨的型号是CHN60型钢轨，长1200mm，压电陶瓷片选用的规格中心频率是350kHz，压电陶瓷片尺寸是压电传感子阵列超声导波激励端由4个压电陶瓷片分别命名为E1、E2、E3和E4，压电传感子阵列超声导波信号接收端由4个压电陶瓷片分别命名为R1、R2、R3和R4，超声导波激励端和超声导波接收端相距500mm，轨底横向裂纹伤损位置距离超声导波信号激励一侧200mm，轨底横向裂纹是使用钢锯进行锯割，伤损尺寸分别为3.8mm、5.3mm、7.5mm、9mm、11mm、13mm、15mm、17.5mm，激励波形采用五周期汉宁窗调制的正弦波，整个系统由信号发生器、功率放大器、数字示波器、传感器元件压电陶瓷片组成，其中，数字示波器是用来采集数据和保存数据，保存后的数据通过电脑进行处理；

系统搭建好后，通过信号发生器产生350kHz激励信号，信号初始峰值经过功率放大器放大后电压升高，在钢轨没有损伤状态下，先是激励压电陶瓷E1，压电陶瓷R1、R2、R3和R4同时接收，接着依次激励压电陶瓷E2、E3和E4，压电陶瓷R1、R2、R3和R4同时接收，这样即获得Ei-Rj(i＝1、2、3、4和j＝1、2、3、4)16个路径下钢轨无损状态下的数据，每条路径下数据保存20次，再通过钢锯制作钢轨轨底横向裂纹，按照钢轨无损状态下压电陶瓷阵列监测钢轨采集数据的步骤，进行多个伤损状态下的数据采集，每种伤损每个路径下数据采集20次。

5.根据权利要求1中所述的一种基于压电阵列的轨底横向裂纹深度监测和评估方法，其特征在于：所述步骤S4中，通过三个特征集进行特征提取，分别为时域特征集频域特征集和时频域特征集总的特征集表示为其中时域特征集包括最大值、最小值、平均值、方根幅值、方差有偏，标准差、峭度，频域特征集包含重心频率、平均值频率、均方根频率以及频率标准差，时频域特征集为小波变换将信号按照不同分辨率进行分解后的多个子频带，以及小波奇异熵和小波能量熵；

在提取并组合好各路经信号的特征信息后，将数据按3：1：1的形式分为训练集、测试集1和测试集2，先通过将训练集输入BP神经网络初步建立轨底横向裂纹深度评估模型，利用训练生成的模型，对测试集1的数据进行初步评估，评估结果为后续模型进行修正提供一个依据，将模型横坐标分解为8个小段，将每一个小段评估的数据计算其均方根误差，并比较16条路径中各对应小段的均方根误差，以均方根误差最小值作为评判标准，挑出最优小段，并记录其模型编号，重构8个最优小段模型，最终获得评估精度更高的模型。