一种基于Lamb波时间场法在钢轨中的损伤检测方法与流程

一种基于lamb波时间场法在钢轨中的损伤检测方法
技术领域
1.本发明涉及轨道交通技术领域，尤其涉及一种基于lamb波时间场法在钢轨中的损伤检测方法。


背景技术：

2.近几年，轨道交通列车事故时常发生，威胁着人们的生命安全，甚至给国家、社会带来巨大损失。轨道交通系统中的转向架构架和钢轨都是非常重要的基础设施。转向架承载着整个车辆自身的重量还有乘客或者货物的重量，更是车辆沿轨道正常运行的走行部件。钢轨是铁路轨道的主要组成部件，在引导着车辆前进的同时承受着整个车辆的重量以及运行时巨大的冲击压力。如果转向架和钢轨中产生的裂纹不及时处理，可能会造成严重的行车安全事故。因此，本文针对轨道交通系统中的这两个重要部分，提出了基于lamb波的时间场法在钢轨中的损伤检测方法。


技术实现要素：

3.基于背景技术存在的技术问题，本发明提出了一种基于lamb波时间场法在钢轨中的损伤检测方法。
4.本发明提出的一种基于lamb波时间场法在钢轨中的损伤检测方法，包括如下步骤：
5.s1钢轨损伤信号的预处理；
6.对钢轨上采集的振动信号进行降噪、平滑，减少干扰对后续分析的影响；
7.s11振动信号的降噪、平滑方法包括滑动平均法，标准差法、小波去噪法；
8.s12分别使用均方误差、信噪比、平滑度三个评价参数指标对其进行比较分析，首先对参数进行取值，由于不同方法中参数取值不同也会对其结果产生影响，因此需进行多次对比，以激励函数中心频率为350khz、激励传感器和响应传感器距离为20mm的接收信号举例，进行对比分析；
9.s13小波变换能够有效识别钢轨损伤信号中的高频噪声成分，并且均方误差、信噪比和平滑度都较小，既能去除干扰噪声成分，又能保证接收信号的特征，因此，在将lamb波时间场法应用到钢轨的研究中，采用小波去噪的方法对所有损伤信号进行降噪和平滑的预处理；
10.s2钢轨损伤信号的希尔伯特变换；
11.在损伤信号分析之前先去除信号中的直流分量，再进行希尔伯特变换，使用dectrend函数去除直流分量，使用hilbert函数进行希尔伯特变换；
12.s3基于lamb波时间场法进行损伤识别；
13.s31纵向损伤识别：在使用时间场法识别裂纹时，在轨腰底部模拟不同长度的纵向损伤，在钢轨轨腰的损伤检测实验中，模拟三种不同大小的纵向损伤；
14.s32横向损伤识别：在焊缝两侧的母材中模拟不同大小的横向损伤，建立激励传感
器与接收传感器的位置以及整体平面坐标系，得到坐标为(0,
‑
20)的接收传感器获得的信号，以及对信号进行预处理之后，用希尔伯特变换方法获得lamb波在经过损伤反射之后的反射波到达最小时间为36.5μs；
15.s4损伤识别精度的分析；
16.使用基于lamb波时间场法分别对钢轨轨腰处横向、纵向的七种不同损伤进行识别。
17.优选的，所述滑动平均法：时间域思想上的信号光滑方法，将计算点附近的采样点计算算术平均，作为这个点光滑后的值；其中附近的采样点个数由设置的窗口大小确定，窗口一般为对称窗口，取奇数，防止出现相位偏差，计算公式如下：
[0018][0019]
其中n_windows为窗口大小，f(n)为原接收信号，f^(n)为降噪后的信号，滑动平均的思想还可以从卷积和z变换的角度考虑，公式相当于对f(n)和向量做卷积，或可当作进行z变换，matlab中使用smoothdata函数、movmean函数、conv卷积函数、filter滤波函数。
[0020]
优选的，所述标准差法：又称3σ法，规定一个数据波动阈值，当数据超过阈值时，认为该数据为离群值；阈值的确定可以为与窗口内所有数据均值相差三倍局部标准差的范围；离群值替换的填充方法有：替换成上一个非离群值、下一个非离群值、样条插值等等，在matlab中使用filloutliers函数。
[0021]
优选的，所述小波去噪法：基本思想是将信号通过小波变化后，原信号分解得到的小波系数较大，噪声的小波系数较小且会小于信号的小波系数了，通过选取合适的阈值，大于阈值的小波系数认为是信号产生的，予以保留；小于阈值的小波系数认为是噪声产生的，置为零。
[0022]
优选的，所述步骤s31传感器获得信号，对接收信号进行去噪预处理、去直流分量并使用希尔伯特变换方法处理，得到每个传感器的(t,x)数据，从而得到纵向损伤大小的时距曲线。
[0023]
优选的，通过纵向损伤大小的时距曲线，得到时间场法识别长度为20mm损伤的产状要素，入射波前与反射波前在1.7δt处相交，则损伤与激励点之间的距离为1.7
×
5μs
×
1052.6m/s＝8.95mm，根据惠更斯原理分析得到该纵向损伤长度为17.8mm。
[0024]
优选的，所述步骤s32处理之后得到每个传感器的(t,x)数据，从而得到纵向损伤大小的时距曲线，根据最短时间设置δt＝5μs，用时间场法分析得到长为20mm损伤的产状要素。
[0025]
优选的，通过纵向损伤大小的时距曲线，得到入射波前与反射波前在1.6δt处相交，从而得到损伤与激励点之间的距离为1.6
×
5μs
×
1052.6m/s＝8.42mm，根据惠更斯原理分析得到该横向损伤长度为15.4mm。
[0026]
优选的，所述步骤s4应用基于lamb波时间场法识别损伤大小时，钢轨轨腰横向损
伤的精度比纵向损伤要低一些，但总体误差在5mm范围内。
[0027]
优选的，所述步骤s1之前先建立钢轨轨腰损伤检测实验环境和模型，建立的模型为厚的钢板，为了减少模态，设置激励频率为200khz。
[0028]
本发明中，所述一种基于lamb波时间场法在钢轨中的损伤检测方法，确定合适的增益和频率分别为和，然后使用基于钢轨损伤信号的希尔伯特变换方法获得反射波包的准确到达时间，根据时间场法分析得到七种不同损伤的位置以及大小，结果表明，该方法对钢轨轨腰中损伤的识别精度较高，取得明显的应用效果。
附图说明
[0029]
图1为小波去噪结果示意图；
[0030]
图2为小波去噪的高频系数示意图；
[0031]
图3为直接使用希尔伯特变换的结果示意图；
[0032]
图4为去直流分量后的包络线图；
[0033]
图5为钢轨轨腰模拟纵向损伤示意图；
[0034]
图6为希尔伯特变换处理结果图；
[0035]
图7为时间场法识别纵向损伤产状要素图；
[0036]
图8为钢轨轨腰横向损伤图；
[0037]
图9为横向损伤识别整体平面坐标系图；
[0038]
图10为时间场法分析纵向损伤产状要素图。
具体实施方式
[0039]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
[0040]
参照图1
‑
10，一种基于lamb波时间场法在钢轨中的损伤检测方法，包括如下步骤：
[0041]
s1钢轨损伤信号的预处理；
[0042]
对钢轨上采集的振动信号进行降噪、平滑，减少干扰对后续分析的影响；
[0043]
s11振动信号的降噪、平滑方法包括滑动平均法，标准差法、小波去噪法；
[0044]
s12分别使用均方误差、信噪比、平滑度三个评价参数指标对其进行比较分析，首先对参数进行取值，由于不同方法中参数取值不同也会对其结果产生影响，因此需进行多次对比，以激励函数中心频率为350khz、激励传感器和响应传感器距离为20mm的接收信号举例，进行对比分析；
[0045]
s13小波变换能够有效识别钢轨损伤信号中的高频噪声成分，并且均方误差、信噪比和平滑度都较小，既能去除干扰噪声成分，又能保证接收信号的特征，因此，在将lamb波时间场法应用到钢轨的研究中，采用小波去噪的方法对所有损伤信号进行降噪和平滑的预处理；
[0046]
s2钢轨损伤信号的希尔伯特变换；
[0047]
在损伤信号分析之前先去除信号中的直流分量，再进行希尔伯特变换，使用dectrend函数去除直流分量，使用hilbert函数进行希尔伯特变换；如表1所示；
[0048]
表1包络法波速结果
[0049][0050]
s3基于lamb波时间场法进行损伤识别；
[0051]
s31纵向损伤识别：在使用时间场法识别裂纹时，在轨腰底部模拟不同长度的纵向损伤，在钢轨轨腰的损伤检测实验中，模拟三种不同大小的纵向损伤，如表2所示；
[0052]
表2模拟的三种纵向损伤
[0053][0054]
s32横向损伤识别：在焊缝两侧的母材中模拟不同大小的横向损伤，建立激励传感器与接收传感器的位置以及整体平面坐标系，得到坐标为(0,
‑
20)的接收传感器获得的信号，以及对信号进行预处理之后，用希尔伯特变换方法获得lamb波在经过损伤反射之后的反射波到达最小时间为36.5μs，如表3所示；
[0055]
表3模拟的四种横向损伤
[0056][0057]
s4损伤识别精度的分析；
[0058]
使用基于lamb波时间场法分别对钢轨轨腰处横向、纵向的七种不同损伤进行识别，如表4所示。
[0059]
表4横、纵向损伤分析结果
[0060][0061]
本发明中，滑动平均法：时间域思想上的信号光滑方法，将计算点附近的采样点计
算算术平均，作为这个点光滑后的值；其中附近的采样点个数由设置的窗口大小确定，窗口一般为对称窗口，取奇数，防止出现相位偏差，计算公式如下：
[0062][0063]
其中n_windows为窗口大小，f(n)为原接收信号，f^(n)为降噪后的信号，滑动平均的思想还可以从卷积和z变换的角度考虑，公式相当于对f(n)和向量做卷积，或可当作进行z变换，matlab中使用smoothdata函数、movmean函数、conv卷积函数、filter滤波函数。
[0064]
本发明中，标准差法：又称3σ法，规定一个数据波动阈值，当数据超过阈值时，认为该数据为离群值；阈值的确定可以为与窗口内所有数据均值相差三倍局部标准差的范围；离群值替换的填充方法有：替换成上一个非离群值、下一个非离群值、样条插值等等，在matlab中使用filloutliers函数。
[0065]
本发明中，小波去噪法：基本思想是将信号通过小波变化后，原信号分解得到的小波系数较大，噪声的小波系数较小且会小于信号的小波系数了，通过选取合适的阈值，大于阈值的小波系数认为是信号产生的，予以保留；小于阈值的小波系数认为是噪声产生的，置为零。
[0066]
本发明中，步骤s31传感器获得信号，对接收信号进行去噪预处理、去直流分量并使用希尔伯特变换方法处理，得到每个传感器的(t,x)数据，从而得到纵向损伤大小的时距曲线。
[0067]
本发明中，通过纵向损伤大小的时距曲线，得到时间场法识别长度为20mm损伤的产状要素，入射波前与反射波前在1.7δt处相交，则损伤与激励点之间的距离为1.7＝5μs
×
1052.6m/s＝8.95mm，根据惠更斯原理分析得到该纵向损伤长度为17.8mm。
[0068]
本发明中，步骤s32处理之后得到每个传感器的(t,x)数据，从而得到纵向损伤大小的时距曲线，根据最短时间设置δt＝5μs，用时间场法分析得到长为20mm损伤的产状要素。
[0069]
本发明中，通过纵向损伤大小的时距曲线，得到入射波前与反射波前在1.6δt处相交，从而得到损伤与激励点之间的距离为1.6
×
5μs
×
1052.6m/s＝8.42mm，根据惠更斯原理分析得到该横向损伤长度为15.4mm。
[0070]
本发明中，步骤s4应用基于lamb波时间场法识别损伤大小时，钢轨轨腰横向损伤的精度比纵向损伤要低一些，但总体误差在5mm范围内。
[0071]
本发明中，步骤s1之前先建立钢轨轨腰损伤检测实验环境和模型，建立的模型为厚的钢板，为了减少模态，设置激励频率为200khz。
[0072]
本发明：钢轨损伤信号的预处理；对钢轨上采集的振动信号进行降噪、平滑，减少干扰对后续分析的影响；振动信号的降噪、平滑方法包括滑动平均法，标准差法、小波去噪法；分别使用均方误差、信噪比、平滑度三个评价参数指标对其进行比较分析，首先对参数进行取值，由于不同方法中参数取值不同也会对其结果产生影响，因此需进行多次对比，以
激励函数中心频率为350khz、激励传感器和响应传感器距离为20mm的接收信号举例，进行对比分析；小波变换能够有效识别钢轨损伤信号中的高频噪声成分，并且均方误差、信噪比和平滑度都较小，既能去除干扰噪声成分，又能保证接收信号的特征，因此，在将lamb波时间场法应用到钢轨的研究中，采用小波去噪的方法对所有损伤信号进行降噪和平滑的预处理；钢轨损伤信号的希尔伯特变换；在损伤信号分析之前先去除信号中的直流分量，再进行希尔伯特变换，使用dectrend函数去除直流分量，使用hilbert函数进行希尔伯特变换；基于lamb波时间场法进行损伤识别；纵向损伤识别：在使用时间场法识别裂纹时，在轨腰底部模拟不同长度的纵向损伤，在钢轨轨腰的损伤检测实验中，模拟三种不同大小的纵向损伤；横向损伤识别：在焊缝两侧的母材中模拟不同大小的横向损伤，建立激励传感器与接收传感器的位置以及整体平面坐标系，得到坐标为(0,
‑
20)的接收传感器获得的信号，以及对信号进行预处理之后，用希尔伯特变换方法获得lamb波在经过损伤反射之后的反射波到达最小时间为36.5μs；损伤识别精度的分析；使用基于lamb波时间场法分别对钢轨轨腰处横向、纵向的七种不同损伤进行识别。
[0073]
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。