[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

说明书

本发明公开了一种基于支持向量机的钢轨裂纹缺陷的识别方法，包括：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；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；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。本发明重点在于提取信号的变化特征，不受限于复杂结构造成的复杂导波模态传播带来的影响，SVM在面对小样本时具有较好的性能与较高的识别率。

技术领域

本发明涉及人工智能与无损检测领域，特别涉及一种基于支持向量机的钢轨裂纹缺陷的识别方法。

背景技术

钢轨作为承载铁路运输的基本组件，钢轨的好坏直接的影响到铁路运营的安全。然而，钢轨经长期服役，繁忙的通车运行使得钢轨不断的受到碾压和摩擦，同时天气变化以及自然地貌变迁等等一系列的原因使得钢轨容易产生裂纹或者形变，甚至发生断裂，给国家和人民造成极大的损失。因此，因此为了防止重大事故的发生，及时了解在役钢轨的损伤程度并对损坏的钢轨进行更换显得非常的重要。

超声导波具有沿传播路径衰减小，传播距离远的特点，在检测信号中还可以包含从激励点到接收点间的整体信息，能够对钢轨上的缺陷进行远距离、快速、精确地检测。

钢轨的检测主要依靠有经验的铁路养护工对超声探伤仪器反馈的信息进行人工识别。随着中国铁路的不断发展，人工识别远远不能满足钢轨检测的工作需要，而且传统的信号处理方式不足以判断在役钢轨的受损程。计算机技术的进步使得我们可以采用机器学习的方法，替代养护工对钢轨探伤反馈的信息进行自动化识别，并对识别的信息进行有效的分类，识别出钢轨裂纹的损伤程度。

发明内容

为了克服现有技术中的不足，本发明提供一种基于支持向量机的钢轨裂纹缺陷的识别方法，通过智能分类的方法识别出钢轨的受损程度，并对达到一定受损程度的钢轨提出更换提示，确保民生安全。

为了达到上述发明目的，解决其技术问题所采用的技术方案如下：

一种基于支持向量机的钢轨裂纹缺陷的识别方法，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；

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；

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。

进一步的，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。

进一步的，所述步骤2包括：