一种钢轨疲劳微裂纹识别方法及装置与流程

技术特征：
1.一种钢轨疲劳微裂纹识别方法，其特征在于，包括：向待测钢轨内施加第一信号，所述第一信号为高频兰姆波信号；向待测钢轨内施加第二信号，所述第二信号为与第一信号相同的高频兰姆波信号以及低频振动信号的混合信号；获取第一信号的接收信号作为第一接收信号；获取第二信号的接收信号作为第二接收信号；利用变分模式分解算法(variational mode decomposition,vmd)分别对第一接收信号和第二接收信号进行模式分解；通过希尔伯特变换(hilbert transform,ht)分别获取完成模式分解后第一接收信号和第二接收信号的时频谱；利用第一接收信号的时频谱和第二接收信号的时频谱完成对待测钢轨上疲劳微裂纹的检测、定量和定位。2.根据权利要求1所述的方法，其特征在于，所述向待测钢轨内施加第二信号，包括：向待测钢轨内施加低频振动信号；判断低频振动信号是否形成稳定振动声场，如果是，继续向待测钢轨内施加低频振动信号，同时，向待测钢轨内施加与第一信号相同的高频兰姆波信号，将二者的混合信号作为第二信号。3.根据权利要求1所述的方法，其特征在于，所述利用第一接收信号的时频谱和第二接收信号的时频谱完成对待测钢轨上疲劳微裂纹的检测、定量和定位，包括：将第一接收信号的时频谱与第二接收信号的时频谱进行相减处理，得到差信号时频谱；利用高通滤波器滤除差信号时频谱中的低频振动信号，得到损伤辨识信号的时频谱；判断损伤辨识信号时频谱中是否含有调制边频成分，所述调制边频成分为第二信号经过疲劳微裂纹时产生的损伤调制信号反映在时频谱上的频率成分，如果是，确定待测钢轨内部含有疲劳微裂纹。4.根据权利要求3所述的方法，其特征在于，所述判断损伤辨识信号中是否含有调制边频成分，包括：计算损伤辨识信号时频谱中的极大值点；判断损伤辨识信号时频谱中叠加频率预设范围内是否出现幅值大于0.1的极大值点对，所述叠加频率为所述高频超声频率与所述低频振动频率的整数倍之和，或者，所述高频超声频率与所述低频振动频率的整数倍之差，如果是，确定损伤辨识信号中含有调制边频成分。5.根据权利要求1所述的方法，其特征在于，所述向待测钢轨内施加第二信号，包括：向待测钢轨内施加第三信号，所述第三信号为低频振动信号；获取第三信号的接收信号作为第三接收信号；判断第三信号是否在待测钢轨内形成稳定振动声场，如果是，继续向待测钢轨内施加第三信号，同时，向待测钢轨内施加与第一信号相同的高频兰姆波信号，将第三信号与高频兰姆波信号的混合信号作为第二信号。6.根据权利要求5所述的方法，其特征在于，所述利用第一接收信号的时频谱和第二接
收信号的时频谱完成对待测钢轨上疲劳微裂纹的检测、定量和定位，还包括：利用变分模式分解算法(variational mode decomposition,vmd)分别对第一信号、第二信号、第三信号和第三接收信号进行模式分解；通过希尔伯特变换(hilbert transform,ht)分别获取完成模式分解后第一信号、第二信号、第三信号和第三接收信号的时频谱；根据第一接收信号和第二接收信号的时频谱，判断待测钢轨内是否含有疲劳微裂纹，包括以下步骤：将第一接收信号的时频谱与第二接收信号的时频谱进行相减处理，得到差信号时频谱；利用高通滤波器滤除差信号时频谱中的低频振动信号，得到损伤辨识信号的时频谱；判断损伤辨识信号时频谱中是否含有调制边频成分，所述调制边频成分为第三信号经过疲劳微裂纹时产生的损伤调制信号反映在时频谱上的频率成分，如果是，确定待测钢轨内部含有疲劳微裂纹；在确定待测钢轨内含有疲劳微裂纹之后，利用每个信号的时频谱计算各自的能量值；包括：利用以下公式依次计算第一信号、第一接收信号、第二信号、第二接收信号、第三信号和第三接收信号的能量值；其中，t为时间，f为频率，x(t)为时域信号，x(f)为频域信号；计算第一信号能量值与第一接收信号能量值之间的差值；计算第二信号能量值与第二接收信号能量值之间的差值；计算第三信号能量值与第三接收信号能量值之间的差值；利用三个所述差值计算疲劳微裂纹造成的能量损失；包括：按照以下公式计算疲劳微裂纹造成的能量损失：e
dis
＝e
n(t)
e
v(t)
‑
e
s(t)
其中，e
dis
为疲劳微裂纹的接触非线性造成的能量损失，e
n(t)
是第一信号能量值与第一接收信号能量值之间的差值，即高频信号在传播过程中产生的能量损失；e
v(t)
是第三信号能量值与第三接收信号能量值之间的差值，即低频信号在传播过程中产生的能量损失；e
s(t)
是第二信号能量值与第二接收信号能量值之间的差值，即混合信号在传播过程中产生的能量损失；根据能量损失计算疲劳微裂纹的宽度和面积，包括：根据以下公式计算疲劳微裂纹的宽度：其中，e为杨氏模量，e
dis
为由接触非线性导致的能量损失，v为泊松比，a0为预设的激励振幅，σ为测量得到的裂纹处应变；根据以下公式计算疲劳微裂纹的面积：
其中，为调制边频幅值，a2为高频超声引起的疲劳微裂纹处的质点振动幅值，a
2wh
为二次谐波的幅值。7.根据权利要求1所述的方法，其特征在于，在待测钢轨上设置四个传感器，所述四个传感器构成边长为预设长度的正方形信号接收阵列；所述获取第一信号的接收信号作为第一接收信号，包括：分别获取每个传感器接收第一信号时的接收信号，作为对应传感器的第一接收信号；所述获取第二信号的接收信号作为第二接收信号，包括：分别获取每个传感器接收第二信号时的接收信号，作为对应传感器的第二接收信号；所述利用变分模式分解算法分别对第一接收信号和第二接收信号进行模式分解，包括：利用变分模式分解算法分别对每个传感器的第一接收信号和第二接收信号进行模式分解；所述通过希尔伯特变换分别获取完成模式分解后第一接收信号和第二接收信号的时频谱，包括：通过希尔伯特变换分别获取每个传感器完成模式分解后的第一接收信号和第二接收信号的时频谱；所述利用第一接收信号的时频谱和第二接收信号的时频谱完成对待测钢轨上疲劳微裂纹的检测、定量和定位，包括以下步骤：分别将每个传感器的第一接收信号的时频谱与第二接收信号的时频谱进行相减处理，得到对应传感器的差信号时频谱；利用高通滤波器滤除每个传感器对应的差信号时频谱中的低频振动信号，得到每个传感器的损伤辨识信号的时频谱；在得到每个传感器对应的损伤辨识信号的时频谱之后，判断每个传感器对应的损伤辨识信号时频谱中是否含均有调制边频成分，所述调制边频成分为第二信号经过疲劳微裂纹时产生的损伤调制信号反映在时频谱上的频率成分；如果是，确定待测钢轨上有疲劳微裂纹；在确定待测钢轨上有疲劳微裂纹之后，获取调制边频成分在每个传感器对应损伤辨识信号时频谱中出现的时刻，作为损伤调制信号到达所述传感器的时刻；在获得损伤调制信号到达每个传感器的时刻之后，利用损伤调制信号到达每个传感器的时刻计算损伤调制信号的传播速度；基于损伤调制信号到达每个传感器的时刻以及损伤调制信号的传播速度，计算损伤调制信号传播至各传感器的声程；包括：按照以下公式计算损伤调制信号传播至各个传感器的声程：oi＝v*(t
i
‑
t0)；其中，oi为损伤调制信号传播至传感器i的声程，t
i
为损伤调制信号传播至传感器i的时刻(i为a、b、c或d)，v为损伤调制信号的传播速度；获取每个传感器中心点的坐标，分别以每个传感器的中心点为圆心、对应的声程为半径作圆，并基于传感器中心点的坐标计算四个圆形相交处交点的坐标；利用所述交点的坐标确定待测钢轨上疲劳微裂纹的位置坐标。8.根据权利要求7所述的方法，其特征在于，利用损伤调制信号到达每个传感器的时刻计算损伤调制信号的传播速度，包括：
将疲劳微裂纹所在位置的中心点记为o，四个传感器按逆时针方向分别记为a、b、c、d，四个传感器组成的正方形信号接收阵列的预设边长记为a；由几何关系可知，三角形obd的面积可表示为：s
obd
＝s
oab
s
oad
s
abd
其中，三角形abd的面积为a2/2；将第二信号中的高频兰姆波信号传播至疲劳微裂纹处的时刻记为t0，损伤调制信号的传播速度记为v，各传感器接收到损伤调制信号的时刻分别记为t
a
、t
b
、t
c
、t
d
，损伤调制信号传播至各个传感器的声程分别表示为oa＝v(t
a
‑
t0)、ob＝v(t
b
‑
t0)、oc＝v(t
c
‑
t0)、od＝v(t
d
‑
t0)；利用海伦公式分别对三角形oab、oad的面积进行计算，并代入计算三角形obd面积公式的变形中，联立得到式一；海伦公式为：其中，s为三角形面积；l
a
、l
a
、l
a
分别为三角形三边长，p为半周长；式一为：按照上述计算方法，三角形obc的面积可表示为三角形oab、oac、abc的面积之和，其中，三角形abc的面积为a2/2,利用海伦公式整理得到式二：式二为：在式一和式二中，存在t0和v两个未知量，可通过联立两式进行求解，计算得到损伤调制信号的传播速度v和第二信号中的高频兰姆波信号传播至疲劳微裂纹处的时刻t0。9.根据权利要求8所述的方法，其特征在于，所述获取每个传感器中心点的坐标，并分别以每个传感器的中心点为圆心、对应的声程为半径作圆，并基于传感器中心点的坐标计算四个圆形相交处交点的坐标，包括：获取损伤调制信号传播至各个传感器的声程并作为对应圆形的半径，使r
a
＝oa，r
b
＝ob，r
c
＝oc，r
d
＝od；其中，r
a
、r
b
、r
c
、r
d
分别为传感器a、b、c、d对应圆形的半径；四个圆形的方程可分别表示为：式1：(x
‑
x1)2 (y
‑
y1)2＝r
a2
式2:(x
‑
x2)2 (y
‑
y2)2＝r
b2
式3:(x
‑
x3)2 (y
‑
y3)2＝r
c2
式4:(x
‑
x4)2 (y
‑
y4)2＝r
d2
其中，四个传感器a、b、c、d所对应圆形的圆心坐标分别为a(x1,y1),b(x2,y2),c(x3,
y3),d(x4,y4)；从四个圆形中任选3个组成一组，共有四种组合方式，包括：abc组、abd组、bcd组和acd组；联立式1和式2两个方程，得到两个交点的坐标；联立式1和式3两个方程，另得到两个交点的坐标，从而获得abc组的四个交点的坐标；联立式1和式2两个方程，得到两个交点的坐标；联立式1和式4两个方程，另得到两个交点的坐标，从而获得abd组的四个交点的坐标；联立式1和式3两个方程，得到两个交点的坐标；联立式1和式4两个方程，另得到两个交点的坐标，从而获得acd组的四个交点的坐标；联立式2和式3两个方程，得到两个交点的坐标；联立式2和式4两个方程，另得到两个交点的坐标，从而获得bcd组的四个交点的坐标。10.根据权利要求9所述的方法，其特征在于，所述利用所述交点的坐标确定待测钢轨上疲劳微裂纹的位置坐标，包括：针对传感器对应圆形的每种组合方式，均获取四个交点中距离最近的两个交点，并将两个交点之间连线的中点作为所述组合的定位结果；获取待测钢轨的平面投影作为监测区域；将监测区域划分为多个子单元，所有子单元均为面积相同的正方形单元，并且按顺序整齐排列；依次计算每个子单元中心点分别与所有组合定位结果之间的距离；利用每个子单元中心点与所有组合定位结果之间的距离，分别计算每个子单元的损伤概率；将损伤概率最大的子单元的中心点坐标作为待测钢轨上疲劳微裂纹的位置坐标。11.根据权利要求10所述的方法，其特征在于，所述依次计算每个子单元中心点分别与所有组合定位结果之间的距离，包括：获取每个子单元中心点的坐标；获取每个组合定位结果的坐标；根据子单元中心点的坐标，以及组合定位结果的坐标，按照以下公式分别计算每个子单元中心点与组合定位结果之间的距离：元中心点与组合定位结果之间的距离：元中心点与组合定位结果之间的距离：元中心点与组合定位结果之间的距离：其中，任意一个子单元中心点的坐标为(i,j)；s
abc
为子单元中心点与abc组定位结果之间的距离，abc组定位结果的坐标为(x
abc
,y
abc
)；s
abd
为子单元中心点与abd组定位结果之间的距离，abd组定位结果的坐标为(x
abd
,y
abd
)；s
acd
为子单元中心点与acd组定位结果之间的距离，acd组定位结果的坐标为(x
acd
,y
acd
)；s
bcd
为子单元中心点与bcd组定位结果之间的距离，bcd组定位结果的坐标为(x
bcd
,y
bcd
)。
12.根据权利要求11所述的方法，其特征在于，所述利用每个子单元中心点与所有组合定位结果之间的距离，分别计算每个子单元的损伤概率，包括：按照以下公式，分别计算每个子单元的初级损伤概率：个子单元的初级损伤概率：个子单元的初级损伤概率：个子单元的初级损伤概率：其中，p
abc
(i,j)为任意子单元在组合abc下的初级损伤概率；p
abd
(i,j)为任意子单元在组合abd下的初级损伤概率；p
acd
(i,j)为任意子单元在组合acd下的初级损伤概率；p
bcd
(i,j)为任意子单元在组合bcd下的初级损伤概率；σ＝1；分别计算每个子单元在四种组合下初级损伤概率之和作为总初级损伤概率；获取所有子单元总初级损伤概率中的最大值；按照以下公式分别计算每个子单元的损伤概率：p(i,j)＝p4(i,j)/max(p4(i,j))其中，p(i,j)为任意一个子单元的损伤概率；p4(i,j)为任意一个子单元的总初级损伤概率；max(p4(i,j))为所有子单元总初级损伤概率中的最大值。13.一种钢轨疲劳微裂纹识别装置，其特征在于，包括：第一信号施加模块，用于向待测钢轨内施加第一信号，所述第一信号为高频兰姆波信号；第二信号施加模块，用于向待测钢轨内施加第二信号，所述第二信号为与第一信号相同的高频兰姆波信号以及低频振动信号的混合信号；第一接收信号获取模块，用于获取第一信号的接收信号作为第一接收信号；第二接受信号获取模块，用于获取第二信号的接收信号作为第二接收信号；模式分解模块，用于利用变分模式分解算法(variational mode decomposition,vmd)分别对第一接收信号和第二接收信号进行模式分解；时频谱获取模块，用于通过希尔伯特变换(hilbert transform,ht)分别获取完成模式分解后第一接收信号和第二接收信号的时频谱；识别模块，用于利用第一接收信号的时频谱和第二接收信号的时频谱完成对待测钢轨上疲劳微裂纹的检测、定量和定位。

技术总结
本发明实施例公开了一种钢轨疲劳微裂纹识别方法及装置，首先，向待测钢轨内施加高频兰姆波信号，以及高频兰姆波信号和低频振动信号的混合信号；然后，获取两种信号的接收信号，并对两种接收信号进行模式分解和希尔伯特变换，获得两种接收信号的时频谱；最后，通过时频谱完成对待测钢轨上疲劳微裂纹的检测、定量和定位。本发明实施例中采用的激励信号，能够检测出待测钢轨上微小的疲劳微裂纹，不易发生漏检现象，且不受钢轨结构形状限制，适用范围较大。另外，采用变分模式分解算法不仅有效解决了其他算法模式混淆、虚假分量等问题，而且该算法将信号分解为多个具有特定稀疏属性的模态并同时再现输入，其计算速度也有了大幅提升。升。升。


技术研发人员：蔡国强 梁柯欣
受保护的技术使用者：北京交通大学
技术研发日：2021.06.29
技术公布日：2021/10/23