[發(fā)明專利]鋼軌缺陷識(shí)別方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110380409.0
• 申請(qǐng)日: 2021-04-08
• 公開（公告）號(hào): CN112906672A
• 公開（公告）日: 2021-06-04
• 發(fā)明（設(shè)計(jì)）人: 鄧菲;李樹清;周澄
• 申請(qǐng)（專利權(quán)）人: 上海應(yīng)用技術(shù)大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N20/00
• 代理公司: 上海漢聲知識(shí)產(chǎn)權(quán)代理有限公司 31236
• 代理人: 胡晶

1.一種鋼軌缺陷識(shí)別方法，其特征在于，包括如下步驟：

步驟S1：采集鋼軌在完好狀態(tài)的導(dǎo)波檢測(cè)信號(hào)以及裂紋狀態(tài)、腐蝕狀態(tài)下的多種缺陷類型的導(dǎo)波檢測(cè)信號(hào)，將所有缺陷類型的所述導(dǎo)波檢測(cè)信號(hào)形成m個(gè)樣本，每個(gè)樣本中導(dǎo)波檢測(cè)信號(hào)數(shù)為n，進(jìn)而形成一m×n的矩陣

步驟S2：對(duì)所述矩陣進(jìn)行降維生成矩陣

步驟S3：將所述矩陣和對(duì)應(yīng)的缺陷類型輸入進(jìn)行訓(xùn)練，生成鋼軌缺陷識(shí)別模型。

步驟S4：通過(guò)所述鋼軌缺陷識(shí)別模型對(duì)鋼軌缺陷進(jìn)行識(shí)別，確定鋼軌的缺陷類型。

2.根據(jù)權(quán)利要求1所述的鋼軌缺陷識(shí)別方法，其特征在于，所述步驟S1包括如下步驟：

步驟S101：采集鋼軌在完好狀態(tài)的導(dǎo)波檢測(cè)信號(hào)以及裂紋狀態(tài)、腐蝕狀態(tài)下的多種缺陷類型的導(dǎo)波檢測(cè)信號(hào)；

步驟S102：將每一缺陷類型的所述導(dǎo)波檢測(cè)信號(hào)形成m個(gè)樣本，每個(gè)樣本中導(dǎo)波檢測(cè)信號(hào)元素?cái)?shù)為n；

步驟S103：將樣本信號(hào)m個(gè)，每個(gè)樣本的元素個(gè)數(shù)為n，形成一個(gè)m×n的矩陣X，并將矩陣X中的元素進(jìn)行歸一化，形成矩陣

3.根據(jù)權(quán)利要求1所述的鋼軌缺陷識(shí)別方法，其特征在于，所述步驟S2包括如下步驟：

步驟S201：求解所述矩陣的特征值與特征向量；

步驟S202：獲取主成分個(gè)數(shù)k；

步驟S203：根據(jù)所述主成分個(gè)數(shù)k對(duì)所述矩陣降維生成矩陣

4.根據(jù)權(quán)利要求1所述的鋼軌缺陷識(shí)別方法，其特征在于，在步驟S1中采用超聲導(dǎo)波檢測(cè)方法，通過(guò)一激一收的信號(hào)采集方式采集鋼軌的導(dǎo)波檢測(cè)信號(hào)。

5.根據(jù)權(quán)利要求3所述的鋼軌缺陷識(shí)別方法，其特征在于，在步驟S201中采用奇異值分解法(SVD)求解矩陣的奇異值與奇異向量，具體為：

式中：

U為左奇異矩陣，為矩陣的特征向量；

V為右奇異矩陣，為矩陣的特征向量；

∑為矩陣的奇異值所組成的m*n矩陣，其主對(duì)角線為奇異值，其他位置為0。

6.根據(jù)權(quán)利要求3所述的鋼軌缺陷識(shí)別方法，其特征在于，所述主成分個(gè)數(shù)k等于最大投影方差

所述最大投影方差為：

其中，n：為每個(gè)導(dǎo)波檢測(cè)信號(hào)中的特征值數(shù)；

：為樣本矩陣中第i個(gè)特征向量；

w：為單位方向向量。

7.根據(jù)權(quán)利要求3所述的鋼軌缺陷識(shí)別方法，其特征在于，所述矩陣為：

8.根據(jù)權(quán)利要求5所述的鋼軌缺陷識(shí)別方法，其特征在于，所述步驟S203具體為：將所求的奇異值按照數(shù)值大小進(jìn)行排列，提取前k個(gè)奇異值及其奇異向量，構(gòu)成左、右奇異矩陣，進(jìn)而求解出對(duì)所述矩陣降維生成矩陣

9.根據(jù)權(quán)利要求1所述的鋼軌缺陷識(shí)別方法，其特征在于，所述樣本包括7種不同程度的裂紋缺陷、4種不同程度的腐蝕缺陷以及無(wú)缺陷時(shí)鋼軌的導(dǎo)波檢測(cè)信號(hào)。

10.一種鋼軌缺陷識(shí)別系統(tǒng)，其特征在于，包括如下模塊：

數(shù)據(jù)采集模塊，用于采集鋼軌在完好狀態(tài)的導(dǎo)波檢測(cè)信號(hào)以及裂紋狀態(tài)、腐蝕狀態(tài)下的多種缺陷類型的導(dǎo)波檢測(cè)信號(hào)，將每一缺陷類型的所述導(dǎo)波檢測(cè)信號(hào)形成m個(gè)樣本，每個(gè)樣本中導(dǎo)波檢測(cè)信號(hào)數(shù)為n，進(jìn)而形成一m×n的矩陣

矩陣生成模塊，用于對(duì)所述矩陣進(jìn)行降維生成矩陣

模型訓(xùn)練模塊，用于將所述矩陣和對(duì)應(yīng)的缺陷類型輸入機(jī)器學(xué)習(xí)分類模型進(jìn)行訓(xùn)練，生成鋼軌缺陷識(shí)別模型。

缺陷識(shí)別模塊，用于通過(guò)所述鋼軌缺陷識(shí)別模型對(duì)鋼軌缺陷進(jìn)行識(shí)別，確定鋼軌的缺陷類型。