[發明專利]鋼軌缺陷識別方法及系統

在審

• 申請號: 202110380409.0
• 申請日: 2021-04-08
• 公開（公告）號: CN112906672A
• 公開（公告）日: 2021-06-04
• 發明（設計）人: 鄧菲;李樹清;周澄
• 申請（專利權）人: 上海應用技術大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N20/00
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 胡晶

本發明提供了一種鋼軌缺陷識別方法及系統，包括如下步驟：采集鋼軌在完好狀態的導波檢測信號以及裂紋狀態、腐蝕狀態下的多種缺陷類型的導波檢測信號，將所有缺陷類型的所述導波檢測信號形成m個樣本，每個樣本中導波檢測信號數為n，進而形成一m×n的矩陣對所述矩陣進行降維生成矩陣將所述矩陣和對應的缺陷類型輸入進行訓練，生成鋼軌缺陷識別模型。通過所述鋼軌缺陷識別模型對鋼軌缺陷進行識別，確定鋼軌的缺陷類型。本發明超聲導波檢測技術進行特征提取，將提取的特征送入機器學習分類模型中進行訓練，生成的鋼軌缺陷識別模型能夠準確的識別部鋼軌的缺陷類型，且在辨識過程中減少對專業知識的依賴，具有普適性。

技術領域

本發明涉及人工智能，具體地，涉及一種鋼軌缺陷識別方法及系統。

背景技術

鐵路運輸具有容量大、速度快的優點，已經成為了四大運輸方式之一。鋼軌，作為鐵路運輸的基本組成部件，它的健康狀況直接影響鐵路運輸的安全。因此，鋼軌的安全性檢測具有重要的意義。

目前，在國內對于鋼軌缺陷的檢測，主要是由專業人員借助探傷設備，通過專業知識分析，判斷缺陷鋼軌是否存在缺陷，這樣的方法可以實現高效檢測，但比較耗時、費力，已不能滿足鐵路發展的新需求。為實現鋼軌缺陷的自動檢測，涌現出一些基于機器學習算法的檢測方法，例如：通過對導波檢測信號進行特征提取，然后將提取的特征送入BP神經網絡或者支持向量機SVM，進行有監督學習，以實現鋼軌的缺陷識別。

但這些方法的一個不足之處在于必須通過專業知識和經驗，才能比較準確的提取出信號的特征。

發明內容

針對現有技術中的缺陷，本發明的目的是提供一種鋼軌缺陷識別方法及系統。

根據本發明提供的鋼軌缺陷識別方法，包括如下步驟：

步驟S1：采集鋼軌在完好狀態的導波檢測信號以及裂紋狀態、腐蝕狀態下的多種缺陷類型的導波檢測信號，將所有缺陷類型的所述導波檢測信號形成m個樣本，每個樣本中導波檢測信號數為n，進而形成一m×n的矩陣

步驟S2：對所述矩陣進行降維生成矩陣

步驟S3：將所述矩陣和對應的缺陷類型輸入進行訓練，生成鋼軌缺陷識別模型。

步驟S4：通過所述鋼軌缺陷識別模型對鋼軌缺陷進行識別，確定鋼軌的缺陷類型。

優選地，所述步驟S1包括如下步驟：

步驟S101：采集鋼軌在完好狀態的導波檢測信號以及裂紋狀態、腐蝕狀態下的多種缺陷類型的導波檢測信號；

步驟S102：將每一缺陷類型的所述導波檢測信號形成m個樣本，每個樣本中導波檢測信號元素數為n；

步驟S103：將樣本信號m個，每個樣本的元素個數為n，形成一個m×n的矩陣X，并將矩陣X中的元素進行歸一化，形成矩陣

優選地，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：獲取主成分個數k；

步驟S203：根據所述主成分個數k對所述矩陣降維生成矩陣

優選地，在步驟S1中采用超聲導波檢測方法，通過一激一收的信號采集方式采集鋼軌的導波檢測信號。

優選地，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；