英语原文共 14 页，剩余内容已隐藏，支付完成后下载完整资料
超声波引导波导轨道监测：实验室和现场测试
最近的火车事故重申需要开发一个比目前使用的更有效铁路缺陷检测系统。铁路检查的最有前途的技术之一是美国的超声波导波和非接触探头。基于这些概念的钢轨检测原型，致力于钢轨头部缺陷的自动检测，是本文研究的重点 。该原型包括一个基于小波变换和离群值的分析算法。离散小波变换用于超声信号的去噪，并产生一组相关的损害敏感数据。这些数据被组合成一个无损伤的学习算法的基础上的离群值分析，确定异常条件的轨道的损坏指数进行矢量馈送。第一，该文件的一部分显示在圣地亚哥加利福尼亚大学建造的铁路轨道模型的原型行动。模拟包含表面和内部缺陷。结果来自三个实验给出。特征选择的重要性，以最大限度地提高检查系统的灵敏度在这里展示。本文的第二部分显示了在美国联邦铁路管理局的主持下，在东南部进行实地测试的结果。
- 介绍
来自美国联邦铁路管理局的安全统计数据[ 1，2 ]表明，在1992-2002年十年，列车事故造成的原因包括铁路轨道故障，接头钢筋锚固造成2700的脱轨美元和441m的直接成本。这些事故发生的主要原因是横向缺陷的类型，发现负责541美元的成本脱轨91米在T 同一时期。横向缺陷裂纹垂直于轨道运行方向的方向发展，包括横向裂缝，开始在铁头，和详细的骨折开始在头部表面滚动接触疲劳缺陷。钢轨检测最常用的方法是磁感应和接触式超声波探伤。这个第一种方法是受环境磁噪声和它需要一个小的升空距离的传感器，以产生足够的灵敏度[ 6，7 ]。在脉冲回波配置中，超声波检测通常从轨道头的顶部执行。在这个系统中，超声换能器位于一个充满水的车轮和面向0◦从轨头表面检测水平裂缝，在70◦检测Tran 横向裂纹。这种方法受到从有限的检查速度和从与钢轨和检查轮之间的接触的要求的缺点。更重要的是，水平水平表面损伤如炮击和头部检查可以防止超声波束到达造成假阴性读数的内部缺陷。意外事故表面脱壳问题发生率高，如前几次的WI（1991）和哈特菲尔德（英国2000）。 最近，从一个测试方法的基础上，提出了红外热物理的测试方法。然而这种方法是由于各种配件和设备使用HOL引起的光遮蔽的挑战 d的轨道到位，和衰减所产生的污染物经常出现在轨道表面[ 8 ]。超声导波（ugws）正在轨道检查过轮型超声波方法改善近年来忧虑。总的来说，超声波是那些监控应用程序的理想选择，可以从内置的传导效益上看，有适度大的检测范围、灵敏度高和小瑕疵的优点。在铁路应用中，因为这些波传播，而不是交叉轨道，它们是理想的用于检测的关键横向缺陷。它们也可能对表面脱壳敏感，因为他们可以在这种类型的不连续的下面运行。有时，当ugws波长在轨道曲率半径的大小顺序相同，又称为表面导波[ 11 ]。波的频率范围通常根据不同的应用产生的超声源的类型来划分。超声波的频率范围是很重要的，以达到足够的渗透深度探测整个钢轨头横截面，允许从单个检查点筛选几个米轨，以减少非关键特征的敏感性的影响。
在过去的十年中，不需要相关技术询问（探针）和被询问的间隙（轨道）系统，已经被调查生成和检测UGWs。非接触性 IL测试已经通过脉冲激光器和空气耦合传感器[ 16，19 ]使用证明，机电换能器（EMAT）[ 12，18，20 ]，[ 11 ]和激光测振仪。然而，与传统的接触测试相比，任何非接触测试的缺点是降低的信噪比。近年来的研究表明，基于离散小波变换（DWT）的信号处理的使用在克服这一问题上有帮助。
本文提出了一种混合激光/空气耦合传感器系统，旨在通过ugws检测钢轨缺陷。激光是用于钢轨产生ugws。空气耦合对传感器用于检测沿轨道头传播的波。该系统被耦合到一个强大的信号处理算法专门用于自动损伤检测。该算法包括离散小波变换，特征提取，异常分析。DWT被施加到处理的原始信号。从所记录的信号和DWT处理后提取相关的统计数据 建立一个一维或多维的损伤指标向量，然后传到一个无监督的算法离群分析的基础上。本文的新颖之处是多方面的。第一，离群点分析应用于与检测相关的问题的轨道缺陷。二，系统调查特征选择，作为最大限度发挥敏感度的重要手段的探测系统。然后，尝试区分轨头的表面和内部缺陷是通过提出过滤分离过程进行的。硬件/软件/算法原型部署到车上移动的实验室轨道模拟，代表另一个本论文的新颖性。最后，从现场测试的检查算法的一部分已经应用于实践。
- 实验室测试
2.1检验原型。
轨道检测系统由混合激光/空气耦合传感器系统。Q开关型，脉冲激光被用来传递通过常规光学4 轨头上0毫米长的线梁。线源是已知的有效生成定向和宽带ugws传播法与线。三对空气耦合传感器被用来获取沿轨道头的超声波信号移动。三对被部署到提供的中心线，轨距侧，一个d轨头的场侧。传感器和超宽带换能器在空气khz-2.25带宽40兆赫声波。传统上与传统的楔形换能器，对齐 单的空气耦合探测器调整到最大程度的导波的灵敏度，遵循Snell定律。传感器位于距离大于50.8毫米（2′′）从钢轨头部的顶端。图1显示激光器放置在传感器对之间。纵向距离二维和 EN的中心对的换能器是等于343毫米，而之间的距离的元素的度量侧对和字段侧对的元素之间的距离等于254毫米。这些距离代表一个很好的妥协之间的高信噪比和高检测速度。混合系统连接到便携式PXI机LabVIEW设计执行上下运行控制与数据采集。一个购物车用于主机的混合动力系统和PXI单元。在5 MHz的采样率获得的超声波信号，并先后使用MATLAB小波工具盒分析。
2.2实验装置和协议。
铁路模拟特色约6米长的轨道。图2（a）中给出了此类设施的照片。测试段包括四个轨道部分的表面和内部缺陷。Rails 1 4美国110段，而2和3是美国轨道136部分。铁路接头和缺陷的位置列举和示于图2（b）。网站布局的详细信息见表1。出发点是确定位置# 1是图2（b）和轨道1之间未绘制的轨道之间的接头。第一部分包含四个轨道表面缺陷：在位置2 5有横向缺陷，和# 6和纵切口O.40毫米长。第二和第三部分包含每个内部缺陷。这些缺陷在位置8和10。一个手映射进行商业接触超声波仪器位于内部的缺陷接近度量侧的头。映射估计，他们扩展分别超过8%和23% 的横截面的头部区域。最后，第四部分包含在45度在X-Z平面位置# 12和表面横向缺陷定位导向斜缺陷。用电锯加工所有表面缺陷。进行了三个测试。手推车被手动推上模拟和超声每英寸进行采集。每次收购逐步列举。例如，杜环测试1，进行了78次收购和表2列5显示在每次收购哪个部分的轨道探测送到中央传感器。
在收购过程中记录的典型波形如图3所示。图3（a）和3（B）从前后中央跨传感器，分别记录的波形，当激光照射的轨道头从起点1150毫米。理想情况下，形状和幅值的波形管应该是相同的；然而，轻微的变化的灵敏度的传感器 ND对准，传感器和光束之间的相对距离，在波形的振幅产生了小的差异。图3（c）和3（d）显示超声波信号记录，激光的光刺着铁头在1965毫米。根据表1，本次收购应检测表面缺陷的位置# 6加工。事实上，即信号的振幅d 从小由前端传感器小于从后方的传感器信号的幅度，表明激光照射切口和后探针之间的区。这也证实了晚 R脉冲图3（C），这是从表面缺陷的反射的结果。最后，图3（e）和3（f）显示由第二关节放置B的存在影响的超声波信号 在激光和波前传感器。图3（f）中没有可见的超声波迹。由后传感器检测到的信号，如图3所示，显示了应力波从 激光和来自关节的回声。
三.信号处理
3.1离散小波变换。
超声波信号进行处理，通过DWT，分解原始的时域信号，通过计算其相关的短持续波称为 在时间和频率上灵活的母小波。DWT的处理包括两个主要部分：分解和重建。分解阶段将函数转换成小波 分层步骤或不同频带水平的系数。原始信号的去噪，可以实现，如果只有少数的小波系数，信号的代表性 一个或多个级别的保留和剩余的系数，相关的噪声，被丢弃。在重建过程中，系数通过重建滤波器关闭 LY相关但不相同的分解[ 5 ]。
3.2.孤立点分析。异常值是指与一组数据不一致的数据，该基线描述被调查结构的正常状态。一组P （多变量）数据由n个P变量观测。在这项研究中，检测异常是用马氏距离平方Dzeta;，这是一个非负标量定义为
D ({x = zeta zeta} - {x}) T? [K] - 1? ({x - {x} zeta}), (1)
在zeta;} { x是潜在的异常向量，{X}基线的平均向量，[K]的协方差矩阵
基线和t表示转置操作。两
向量zeta;}和{ x {X}是维而[K]是一阶方阵P.
的平均值和标准偏差，可以计算有或没有潜在的离群取决于是否包含或排除措施是首选。在本研究中，由于有效 空间离群总是知道先验的，Dzeta;计算完全没有污染
基线统计。为了确定一个新的多维数据的离群值，Dzeta;对应的值必须与阈值比较。作为数据集包括桑普 LES产生的超声波信号添加人工噪声，一旦确定了Dzeta;的基线分布值，阈值为
截至3sigma;上限值，等于99.73%的高斯置信限。
任何基线样本超过阈值，他们归类为离群值。在目前的框架的背景下，这些值代表虚假的损害迹象，即误报。转换 伊利，随时随地与缺陷相关的数据低于阈值，它被归类为假阴性。
3.3.结构健康监测算法。
在实验室测试中采用的整体算法如图4所示。从每个超声波测量其他19个信号是O 用添加高斯白噪声。因此，每个收购的20个样本总数。在以前的作品[ 24，27，28 ]噪声用Matlab randn函数产生。 根统计特征的均方根（RMS），波峰因数（CF），和峰峰值（PPK）是从这些信号计算。DWT适用于每一个信号。两个小波系数向量 通过将第二和第三分解级别从第四和第五分解级别分离而创建。第二和第三级包括大约300千赫1.2兆赫范围。这样的 以后的范围表示为高频带宽。第四和第五的水平而不是包括大约75 khz-300 kHz范围。这个范围以后表示为低频 带宽。由于其小的波长，高频声信号预期比内部缺陷更敏感的表面缺陷。每两个系数向量是门槛 D保留最大小波系数模。
利用小波重构得到去噪信号结构的过程。以上介绍的是相同的统计特征应用于小波系数向量和去噪后的信号。
为了提高特征集合，去除噪声的信号的傅里叶变换进行了评价，和地区（地区FFT）和均方根（RMS FTT）频谱的计算。
3.4.损伤指数向量。每一个选择的特征是他们用来计算损伤指数。当激光在传感器中间传递时，将损伤指数计算为 通过前端传感器、Ffront检测到信号的某一特征之间的比率，从后传感器相同的特征，Frear。逆计算以及
d.i.f / R = ffront d.i.r/ F =福瑞尔（2）
只有最大的价值D.I.f / R和F之间d.i.r/考虑。因此每一次缺陷的激光和传感器之间的任何一个，损伤指数预计将增加 E的理想值为1，随着缺陷尺寸的增加。两个或多个功能被用作多维损伤指数矢量的元素，它代表了多元分析的输入 姐妹.表2总结了母小波、保留系数的数目以及本研究所考虑的特征。
4。实验结果
4.1.特性和频率带宽灵敏度。
选择适当的统计特征和频率带宽的重要性进行了研究。图5 COM剥损伤指标 合并通过分解得到的小波系数向量的原与母亲的db10小波信号。六个系数在每个带宽的两个级别被保留。因此，在表2中引入的符号，过滤器组合C I使用。独立 XES绘制的采集位置函数。RMS，PPK，和CF的统计特征，应用。对于这一特定的研究也最大的系数模量的值是不利的 考虑。测试1的结果。图5（a）中示出了与中心传感器和量规侧传感器获得的信号所包含的高频带宽。 ND 5（c），分别。从低频分量的分析的结果，而不是在图5（b）和第5（d），分别呈现。提高图的可读性垂直 轴缩放。正如预期的那样，传感器对部署在轨距一侧的轨道是不太适合，以确定存在的异常位于中央部分的轨道，但它我 有效地展现轨距倾斜缺陷的存在。这是由损伤指标在采集#急剧增加了71。图5（d）在收购# 39峰可见 当考虑CF的统计特征时，这种峰值与第一内部缺陷的存在有关。这一结果证实了由传统的超声波接触的诊断 探针，也就是说，内部缺陷接近度量侧。
4.2.多因素分析
结合有限元分析的目的是为了增加对损伤的敏感性。然而，使用的所有十一个特征列在表2中可能不必要 Y和所有功能的选择可能会降低检测性能。为了研究这方面，进行了参数分析。所有的功能被认为是从所有组合 二维损伤指数矢量到11维矢量的单一组合。图6显示了最好和最坏组合作为函数的马氏平方距离 f样本数。的值相关的中央传感器对获得的超声波信号的高频带宽的分析。4.2。多因素分析。结合有限元分析的目的是为了增加对损伤的敏感性。然而，使用的所有十一个特征列在表2中可能不必要 Y和所有功能的选择可能会降低检测性能。为了研究这方面，进行了参数分析。所有的功能被认为是从所有组合 二维损伤指数矢量到11维矢量的单一组合。图6显示了最好和最坏组合作为函数的马氏平方距离 f样本数。的值相关的中央传感器对获得的超声波信号的高频带宽的分析。这个数字中的水平线代表了99.73%置信度阈值。该算法的性能范围从93%到57%。使用的标准分类成功率同4.3节所讨论的一些假阴性分别位于相应的 与纵、斜缺陷率计。组合C I（1-3，6，9）获得最佳性能。这样一个用db10小波母函数的组合，六大系数 两级2和3和五功能。与缺陷的存在的马氏平方距离的值是几个数量级相对于阈值高。这个 性能不佳的“最坏组合”B II（9，11）注意到许多假阴性位于与横向缺陷相关联的样品内。同样的例程被应用到过程中 由互感器对检测到的波形。图7（a）和7（b）显示了马氏平方距离作为高频和低频带宽样本数的函数 分别为。对于低频分量，他排名标准，以评估组合提供最好的算法性能给出了最高百分比的离群相关的内部缺陷和最低数量的误报。获得与coif4母小波的信号滤波性能最好，保持10和6的最大系数在等级4和5，分别用十个特征。这意味着 结合III（2-11）。
第一内部缺陷，包括样
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[26295]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
