[发明专利]一种基于支持向量机的钢轨裂纹缺陷的识别方法

权利要求书

1.一种基于支持向量机的钢轨裂纹缺陷的识别方法，其特征在于，包括以下步骤：

步骤1：通过实验得到钢轨裂纹检测信号，构建样本库；

步骤2：对检测信号进行信号分析，计算出损伤特征值表征缺陷程度；

所述步骤2包括：

步骤21：计算机对获得的检测信号利用Matlab软件分别进行信号处理，将对获得的所有信号均采用同样窗宽的矩形窗进行截取，且截取的时间起点相同；

步骤22：将所有信号归一化，截取信号中缺陷回波/散波，确定缺陷相关波包时间窗口；

步骤23：计算出信号变化指数、时域差、频谱幅度差、频域互相关值和均方根差5个损伤特征值，用于表征缺陷损伤程度，其中：

(1)信号变化指数的计算公式：

其中，b(t)表示无缺陷时对应的基线信号，m(t)表示有缺陷时对应的检测信号，t₀和t₁是与所选信号时间窗口对应的起始和截止时间，μ_b(t)和μ_m(t)是信号的平均值,而σ_b(t)和σ_m(t)是方差；

(2)时域差的计算公式：

其中，b(t)表示无缺陷时对应的基线信号，m(t)表示有缺陷时对应的检测信号，t₀和t₁是与所选信号时间窗口对应的起始和截止时间；

(3)频谱幅度差的计算公式：

其中，b(t)表示无缺陷时对应的基线信号，m(t)表示有缺陷时对应的检测信号，t₀和t₁是与所选信号时间窗口对应的起始和截止时间，ω₀和ω₁是与所选频谱窗口对应的起始和截止频率；

(4)频域互相关值的计算公式：

其中，b(t)表示无缺陷时对应的基线信号，m(t)表示有缺陷时对应的检测信号，t₀和t₁是与所选信号时间窗口对应的起始和截止时间，ω₀和ω₁是与所选频谱窗口对应的起始和截止频率；

(5)均方根差的计算公式：

其中，b(t)表示无缺陷时对应的基线信号，m(t)表示有缺陷时对应的检测信号；

步骤3：以特征向量为输入，建立SVM训练模型并通过迭代交叉验证确定SVM最优参数；

所述步骤3包括：

步骤31：确定支持向量机的核函数，面对现实中多分类的问题，支持向量机通过引入核函数，将原始的空间映射到更高维的特征空间中，使得样本在这个空间内线性可分；

步骤32：通过迭代交叉验证，找到最佳的惩罚参数c的取值和核参数σ，在实际应用支持向量机中，惩罚参数c的取值和核参数的取值决定了SVM的性能的优劣；

步骤4：使用测试集测试模型，调整得到最佳的SVM模型；

步骤5：将实际工程中检测到的钢轨信号送入训练好的SVM模型中，实现从检测信号与裂纹损伤程度的非线性关系到不同损伤等级的缺陷分类的映射，最终达到损伤程度的准确识别和分类。

2.根据权利要求1所述的一种基于支持向量机的钢轨裂纹缺陷的识别方法，其特征在于，所述步骤1包括：

步骤11：将所选激励频率输入任意函数发生器，任意函数发生器生成调制好的激励信号；

步骤12：在钢轨表面布置陶瓷压电片，并用耦合剂使压电片与钢轨贴合；

步骤13：将陶瓷压电片与任意函数发生器和示波器相连接，用于发送时作为发送元件，在接收时作为接收元件使用；

步骤14：示波器用于信号接收和显示，导波沿轨头、轨腰和轨底传播时，遇到缺陷会发生反射、散射和模态转换，产生携带局部缺陷特征的回波，经导波激励/接收装置传输至示波器并将接收到的信号进行保存并传输给计算机。

3.根据权利要求1所述的一种基于支持向量机的钢轨裂纹缺陷的识别方法，其特征在于，所述步骤31中的核函数采用线性核函数、多项式核函数、Sigmoid核函数或RBF核函数。

4.根据权利要求1所述的一种基于支持向量机的钢轨裂纹缺陷的识别方法，其特征在于，步骤4包括：

使用测试集测试模型，看是否达到了预期的准确率，如若没有就继续调整，如若达到了就确定模型。