楊志強(qiáng)， 王 平， 賈銀亮， 冀凱倫， 石永生

(1.南京航空航天大學(xué) 自動(dòng)化學(xué)院，江蘇 南京 211106； 2.中國鐵道科學(xué)研究院集團(tuán)有限公司基礎(chǔ)設(shè)施檢測研究所，北京 100081)

隨著列車的速度和行車密度的提高，鋼軌的滾動(dòng)接觸疲勞越來越嚴(yán)重，當(dāng)累積塑性變形超過鋼軌的最大韌性值時(shí)，會(huì)在鋼軌軌頭表面產(chǎn)生裂紋、剝離、掉塊、魚鱗傷等傷損[1]。這些傷損在鋼軌上普遍存在，為了確?；疖嚨男熊嚢踩?保證高速鐵路軌道的質(zhì)量完好無損,鋼軌傷損檢測是必不可少的重要環(huán)節(jié)[2]。因此快速、準(zhǔn)確地對(duì)鋼軌表面?zhèn)麚p狀態(tài)進(jìn)行評(píng)估，是鐵路安全維護(hù)的重要內(nèi)容之一，對(duì)保障鐵路運(yùn)輸安全具有重大意義[3]。

為了實(shí)現(xiàn)鋼軌表面?zhèn)麚p的檢測和評(píng)估，自1959年世界首輛鋼軌超聲檢測車投入使用以來，無損檢測技術(shù)已廣泛應(yīng)用到鐵路鋼軌傷損檢測和巡檢中，對(duì)鋼軌生產(chǎn)、安裝及服役條件下的故障檢測和狀態(tài)維護(hù)發(fā)揮了重要作用[4]。目前國內(nèi)外常用的鐵路鋼軌檢測技術(shù)主要包括超聲檢測[5]、渦流檢測[6]、漏磁檢測[7]等。

常規(guī)超聲檢測由于需要耦合劑，且超聲波技術(shù)存在表面盲區(qū)或雜波效應(yīng)，因此難以對(duì)表面小缺陷進(jìn)行測量[8]。

渦流檢測受提離變化的影響較大，檢測探頭與被測鋼軌表面的距離需盡量保持固定[9]，同時(shí)渦流檢測技術(shù)對(duì)信號(hào)處理的要求較高。

漏磁檢測(Magnetic Flux Leakage,MFL)通過檢測鐵磁性材料被磁化部分的磁場變化進(jìn)而發(fā)現(xiàn)缺陷。鐵磁性材料工件被局部磁化后，在局部磁化區(qū)，如果該工件表面有裂紋或者凹坑等傷損，傷損處的磁場分布會(huì)發(fā)生突變，有部分磁場會(huì)分布到表面外，形成漏磁場，通過檢測表面附件磁場的變化，可以判斷是否存在表面損傷。相比于其他方法，漏磁檢測具有原理簡單、對(duì)檢測環(huán)境要求低、檢測效果好等優(yōu)點(diǎn)[10]。楊理踐等[11]使用多級(jí)磁化的高速漏磁檢測技術(shù)，實(shí)現(xiàn)對(duì)鋼管缺陷進(jìn)行識(shí)別；程迪等[12]使用最小二乘支持向量機(jī)方法對(duì)油氣儲(chǔ)罐底板上的缺陷漏磁信號(hào)進(jìn)行量化分析；Chen等[7]、冷強(qiáng)等[13]根據(jù)鋼軌傷損信號(hào)的時(shí)頻特性，對(duì)人工標(biāo)定的規(guī)則形狀鋼軌傷損進(jìn)行定量分析。而實(shí)際中鋼軌軌頭表面自然傷多為不規(guī)則形狀且多以連續(xù)密集的形式出現(xiàn)，現(xiàn)有方法無法有效地對(duì)這種損傷狀態(tài)進(jìn)行準(zhǔn)確評(píng)估，更難以完全以規(guī)則的人工傷損樣例進(jìn)行模擬分析。

針對(duì)這種問題，筆者提出一種基于漏磁檢測的鋼軌傷損判定和統(tǒng)計(jì)方法，實(shí)現(xiàn)對(duì)鋼軌頂表面?zhèn)麚p的實(shí)時(shí)判定及數(shù)量統(tǒng)計(jì)。

1 連續(xù)傷損漏磁場有限元分析

當(dāng)傷損距離較近時(shí)，其漏磁場會(huì)互相疊加，給單個(gè)傷損的識(shí)別造成困難。為了準(zhǔn)確提取連續(xù)傷損信號(hào)的漏磁場的信號(hào)特征，使用Comsol Multiphysics多物理場仿真軟件對(duì)直流激勵(lì)的鋼軌漏磁信號(hào)進(jìn)行穩(wěn)態(tài)仿真。依據(jù)仿真結(jié)果分析傷損泄漏磁場的分布與傳感器提離的影響，研究不同間距傷損的漏磁場的分布，找到在一定激勵(lì)電壓、固定傳感器提離值和激勵(lì)磁軛提離值情況下可以明顯區(qū)分連續(xù)傷損信號(hào)的間距。

1.1 模型的構(gòu)建

根據(jù)鋼軌探傷車在實(shí)際應(yīng)用中的要求，建立圖1所示的二維傷損模型。水平方向?yàn)閄，垂直方向?yàn)閅，采用鐵磁性材料構(gòu)成U形磁軛，勵(lì)磁線圈采用4000匝銅漆包線，直流激勵(lì)電壓60 V，磁軛與鋼軌間提離為20 mm。鋼軌上建立5個(gè)傷損模型，寬度均為0.4 mm、深度均為5 mm。左側(cè)第一個(gè)傷損模型中心位于坐標(biāo)(0,40 mm)，5個(gè)傷損從左到右間距分別為2 mm、4 mm、8 mm、16 mm。傷損上方分別設(shè)置提離為1 mm、2 mm、5 mm的傳感器探頭的檢測線，用于測量不同提離下漏磁信號(hào)強(qiáng)度。

圖1 二維仿真模型

1.2 傷損磁場分布的仿真結(jié)果及分析

鋼軌傷損處的磁場主要分為3個(gè)部分：大部分磁力線從傷損附近的材料中通過；部分磁力線從傷損處通過；部分磁力線泄漏出被測件，從傷損處的材料表面通過。提取探頭檢測路徑上不同提離的漏磁場X分量研究其分布特征和實(shí)際檢測中傷損漏磁信號(hào)的特點(diǎn)。仿真結(jié)果如圖2所示，傷損處的漏磁信號(hào)X方向分量有明顯的峰值，有利于傷損的判定。提離越小傷損信號(hào)峰峰值越大，對(duì)連續(xù)信號(hào)分辨力也越好，且與間距大于4 mm信號(hào)幾乎無重疊。

圖2 不同提離連續(xù)傷損漏磁仿真結(jié)果

2 傷損數(shù)量實(shí)時(shí)統(tǒng)計(jì)算法

傷損數(shù)量實(shí)時(shí)統(tǒng)計(jì)方法主要包括自適應(yīng)閾值判傷、峰值窗口定位和峰峰值判傷計(jì)數(shù)。

2.1 自適應(yīng)閾值判傷

傳統(tǒng)傷損檢測方法一般使用固定閾值判傷，即使用某項(xiàng)特征值(一般為峰值)與預(yù)設(shè)的傷損閾值進(jìn)行比較，以此來判定是否存在傷損，大于閾值即判定為傷損信號(hào)。由于實(shí)際巡檢時(shí)存在環(huán)境、速度、提離等干擾，難以設(shè)置統(tǒng)一的閾值。本文使用標(biāo)準(zhǔn)差倍數(shù)自適應(yīng)閾值算法，通過對(duì)采集到的數(shù)據(jù)進(jìn)行處理，實(shí)時(shí)調(diào)整閾值，并根據(jù)此閾值對(duì)數(shù)據(jù)進(jìn)行判傷分析，減少誤報(bào)率。自適應(yīng)閾值Vth的計(jì)算公式為[14]

(1)

式中，xi為第i個(gè)采樣點(diǎn)的幅值；n為采樣點(diǎn)數(shù)；E為n個(gè)采樣點(diǎn)幅值的均值；A為經(jīng)驗(yàn)倍數(shù)值。

2.2 峰值窗口定位及峰峰值判傷計(jì)數(shù)

峰值判傷窗口定位及峰峰值判傷計(jì)數(shù)方法用于精確并快速地計(jì)算一段長度數(shù)據(jù)的傷損信號(hào)數(shù)量。峰值窗口定位方法能定位峰值電位，并以峰值電位為中心設(shè)定判傷窗口，可減少計(jì)算次數(shù)、提高處理速度，也解決了相鄰窗口分界處傷損重復(fù)檢測的問題。使用峰峰值進(jìn)行判傷，也解決了區(qū)分單峰信號(hào)和雙峰信號(hào)需使用正負(fù)雙閾值的問題。

以一次鋼軌探傷車漏磁檢測數(shù)據(jù)為例，算法實(shí)現(xiàn)方法如圖3所示。設(shè)置1000個(gè)采樣點(diǎn)為1次判傷計(jì)數(shù)樣本長度，同時(shí)也是自適應(yīng)閾值更新間隔。圖3中共2000個(gè)采樣點(diǎn)，第1～1000個(gè)采樣點(diǎn)進(jìn)行第一次判傷計(jì)數(shù)；第1001～2000個(gè)采樣點(diǎn)進(jìn)行第二次判傷計(jì)數(shù)。判傷閾值隨每次判傷的數(shù)據(jù)幅值不同而改變，既能滿足閾值大于最大噪聲的峰峰值，又能滿足小于最小傷損信息的峰峰值。

圖3 峰值定位判傷原理圖

以第二次判傷為例，首先計(jì)算出該數(shù)據(jù)段的峰峰值Vpp，根據(jù)式(1)計(jì)算自適應(yīng)閾值Vth，如果Vpp>Vth，即判定本段可能有傷損，以峰值點(diǎn)橫坐標(biāo)Pmax為中心定位選擇采樣點(diǎn)長度為Ws的第一個(gè)判傷窗口。窗口選擇過程中若出現(xiàn)窗口左邊界超出邊界即Pmax-Ws/2<1000,則選取最前端Ws個(gè)采樣點(diǎn)為判傷窗口；若出現(xiàn)窗右邊界超出邊界即Pmax+Ws/2>2000,則選取最后端Ws個(gè)采樣點(diǎn)為判傷窗口。計(jì)算窗口內(nèi)數(shù)據(jù)的峰峰值Vppw，并將此窗口內(nèi)數(shù)據(jù)歸零，若Vppw>Vth即判定為1個(gè)傷損，再重新計(jì)算本數(shù)據(jù)段的峰峰值Vpp，重復(fù)判傷直到Vpp不大于Vth，從而得到傷損計(jì)數(shù)值。

2.3 傷損數(shù)量實(shí)時(shí)統(tǒng)計(jì)算法實(shí)現(xiàn)

圖4為傷損數(shù)量實(shí)時(shí)統(tǒng)計(jì)算法流程圖。對(duì)原始直流漏磁數(shù)據(jù)以米為單位存入緩沖區(qū)BUFF[n]，緩沖區(qū)大小n由采集系統(tǒng)采樣率NKS/s及運(yùn)行速度Vm/s決定，n=N/V。判傷窗口Ws大小根據(jù)傷損間隔L設(shè)定，根據(jù)仿真結(jié)果可知，當(dāng)Ws=NL/V可保證一個(gè)Ws內(nèi)僅包含一個(gè)傷損信號(hào)時(shí)，使用自適應(yīng)閾值算法設(shè)定判傷閾值為Vth，運(yùn)用比較運(yùn)算求得BUFF[n]的最大值點(diǎn)所在橫坐標(biāo)Pmax和信號(hào)的峰峰值Vpp。通過判斷Vpp與判傷閾值Vth的大小來進(jìn)行預(yù)判傷。如預(yù)判傷結(jié)果為Vpp≤Vth，則判定本段無傷損，否則進(jìn)行下一步峰值窗口定位。以Pmax為中心在BUFF[n]上定位選取長度為Ws的數(shù)據(jù)，然后進(jìn)行一次峰峰值判傷，對(duì)判傷窗口內(nèi)的數(shù)據(jù)進(jìn)行特征值提取，得到其峰峰值Vppw，并對(duì)窗口內(nèi)的數(shù)據(jù)置零，以免影響下次判斷。比較Vppw與閾值Vth的大小，若Vppw>Vth，傷損計(jì)數(shù)加1，對(duì)BUFF[n]數(shù)據(jù)進(jìn)行循環(huán)判傷計(jì)數(shù)，最終得到BUFF[n]數(shù)據(jù)的傷損數(shù)量。

圖4 傷損數(shù)量實(shí)時(shí)統(tǒng)計(jì)流程圖

3 試驗(yàn)驗(yàn)證與結(jié)果分析

為了驗(yàn)證本算法的有效性，建立了圖5所示的檢測實(shí)驗(yàn)裝置樣機(jī)，分別對(duì)人工傷損樣例鋼軌及自然傷損樣例鋼軌進(jìn)行試驗(yàn)驗(yàn)證。系統(tǒng)配置工控機(jī)采集卡采樣率為10 KS/s，探頭使用霍爾傳感器探頭，探頭提離值為1 mm，勵(lì)磁激勵(lì)使用永磁體掛載在檢測小車上，小車速度控制約為2 m/s。

圖5 檢測實(shí)驗(yàn)樣機(jī)

3.1 人工傷損樣例試驗(yàn)

選用實(shí)驗(yàn)室?guī)в芯€切割不同深度傷損、不同長度傷損、與運(yùn)行方向不同角度傷損、與水平方向不同角度傷損、不同埋藏深度傷損的5種人工傷損標(biāo)準(zhǔn)鋼軌樣例進(jìn)行試驗(yàn)。鋼軌樣例如圖6所示，包含多個(gè)不同的傷損，傷損間隔約為50 mm，由仿真結(jié)果可知各個(gè)傷損的漏磁場無疊加。

圖6 傷損樣例實(shí)物圖

實(shí)驗(yàn)結(jié)果如圖7及表1所示，分別為測得傷損檢測原始數(shù)據(jù)識(shí)別結(jié)果及實(shí)時(shí)傷損數(shù)量統(tǒng)計(jì)算法計(jì)數(shù)結(jié)果。由圖7可知，傷損識(shí)別結(jié)果與被測鋼軌樣例傷損吻合。由表1可知，傷損數(shù)量實(shí)時(shí)統(tǒng)計(jì)算法結(jié)果與實(shí)際傷損數(shù)量一致。

表1 人工傷損數(shù)量統(tǒng)計(jì)結(jié)果

圖7 人工傷損樣例檢測數(shù)據(jù)

3.2 自然傷損試驗(yàn)

方法實(shí)現(xiàn)對(duì)在役鋼軌自然形成的傷損進(jìn)行判傷計(jì)數(shù)，由于人工傷損與實(shí)際在役鋼軌自然形成的傷損存在差異，所以對(duì)自然傷損進(jìn)行試驗(yàn)檢測。選取帶有自然傷損的鋼軌樣例(如圖8所示)，其中傷損5和傷損6間隔約為10 mm。

圖8 自然傷損樣例

實(shí)驗(yàn)結(jié)果如圖9及表2所示，分別為自然傷損樣例測得的原始數(shù)據(jù)及實(shí)時(shí)傷損數(shù)量統(tǒng)計(jì)算法結(jié)果。由圖9可知，識(shí)別得到9個(gè)傷損與被測鋼軌樣例的傷損數(shù)量吻合。由表2可知，傷損算法實(shí)時(shí)統(tǒng)計(jì)的結(jié)果與實(shí)際傷損數(shù)量一致。

圖9 自然傷損原始數(shù)據(jù)

表2 自然傷損數(shù)量統(tǒng)計(jì)算法結(jié)果

4 結(jié)束語

鋼軌表面的傷損判斷及數(shù)量統(tǒng)計(jì)是檢測表面?zhèn)麚p程度的基礎(chǔ)之一,在鋼軌檢測中占有重要地位。通過有限元仿真及對(duì)標(biāo)定的人工傷損及自然傷損的檢測試驗(yàn)表明，該算法能夠有效統(tǒng)計(jì)鋼軌表面的傷損數(shù)量，這種傷損數(shù)量統(tǒng)計(jì)算法簡單、運(yùn)算量小、環(huán)境適應(yīng)性強(qiáng)，滿足檢測實(shí)時(shí)性的要求。對(duì)于鋼軌表面損傷狀態(tài)的實(shí)時(shí)評(píng)估，傷損判定及數(shù)量統(tǒng)計(jì)只是其中一個(gè)指標(biāo)，對(duì)自然傷的傷損程度的研究還需要進(jìn)行相應(yīng)的后續(xù)工作。