李 偉 伍建軍 張鵬飛 呂福在 門 闊 唐志峰

(1.中國(guó)鐵道科學(xué)研究院鐵道建筑研究所,北京 100081;2.浙江大學(xué)流體動(dòng)力與機(jī)電系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室,杭州 310027;3.有研科技集團(tuán)有限公司智能傳感功能材料國(guó)家重點(diǎn)實(shí)驗(yàn)室,北京 100081;4.浙江大學(xué)數(shù)字技術(shù)與儀器研究所,杭州 310027)

0 引 言

我國(guó)的鐵路系統(tǒng)在近年內(nèi)飛速發(fā)展,截止2017年底,我國(guó)的鐵路總里程數(shù)超過(guò)12.7萬(wàn)km[1]。鐵路運(yùn)輸?shù)倪\(yùn)載能力和運(yùn)輸速度大幅提升對(duì)鐵路系統(tǒng)的組成模塊的安全性能形成了更大的考驗(yàn)。道岔尖軌為鐵路系統(tǒng)中列車轉(zhuǎn)向結(jié)構(gòu)的重要組成部分,在其運(yùn)作過(guò)程中,承受著列車對(duì)其作用的巨大的沖擊力。此外在其服役過(guò)程中,還承受著環(huán)境溫度變化以及尖軌上其他部件與尖軌之間的相互作用力影響。尖軌動(dòng)態(tài)的工作狀態(tài)及在上述多種因素共同作用下,相對(duì)于基本軌來(lái)說(shuō),尖軌上更容易出現(xiàn)缺陷[2]。缺陷的生長(zhǎng)將最終導(dǎo)致尖軌結(jié)構(gòu)失效,甚至使尖軌發(fā)生斷裂,嚴(yán)重威脅列車行車安全,甚至造成列車脫軌事故,帶來(lái)人員傷亡與財(cái)產(chǎn)損失[3]。綜上,對(duì)道岔尖軌的結(jié)構(gòu)健康進(jìn)行檢測(cè)或者監(jiān)測(cè)評(píng)估至關(guān)重要。

尖軌的非規(guī)則變截面結(jié)構(gòu)特征較為復(fù)雜,且在每天在運(yùn)行過(guò)程中留出的天窗時(shí)間較短。傳統(tǒng)的無(wú)損檢測(cè)技術(shù)包括超聲檢測(cè)[4]、漏磁檢測(cè)[5]、渦流檢測(cè)[6]、射線檢測(cè)[7]、滲透檢測(cè)[8]和機(jī)器視覺(jué)檢測(cè)[9]等都難以實(shí)現(xiàn)全截面覆蓋檢測(cè)。而且上述檢測(cè)技術(shù)都采用低效率的逐點(diǎn)式檢測(cè)形式,檢測(cè)工作只能在尖軌運(yùn)行的天窗時(shí)間段進(jìn)行。綜上原因,傳統(tǒng)的檢測(cè)手段難以應(yīng)用于尖軌檢測(cè)。超聲導(dǎo)波無(wú)損技術(shù)因其具有的單點(diǎn)激勵(lì)長(zhǎng)距離檢測(cè)、全截面覆蓋、高效率和低成本等優(yōu)勢(shì)成為無(wú)損檢測(cè)技術(shù)的研究熱點(diǎn)。基于超聲導(dǎo)波的無(wú)損監(jiān)測(cè)技術(shù)利用單次安裝后可長(zhǎng)期使用的固定式換能器配合定期檢測(cè)數(shù)據(jù)采集系統(tǒng)可實(shí)現(xiàn)道岔尖軌的在線結(jié)構(gòu)健康監(jiān)測(cè),這也是超聲導(dǎo)波未來(lái)的發(fā)展方向。

現(xiàn)有的比較成熟的超聲導(dǎo)波監(jiān)測(cè)信號(hào)處理方法為殘差分析法。首先從當(dāng)前采集的檢測(cè)信號(hào)減去在結(jié)構(gòu)完整情況下采集的基準(zhǔn)信號(hào)獲得殘差信號(hào),然后通過(guò)分析殘差信號(hào)實(shí)現(xiàn)缺陷判別及定位定征。這種方法的最大的問(wèn)題在于除了結(jié)構(gòu)中出現(xiàn)的缺陷外,尖軌所處的環(huán)境因素以及監(jiān)測(cè)設(shè)備的不穩(wěn)定性也會(huì)對(duì)導(dǎo)波信號(hào)產(chǎn)生影響。其中最大的影響因素即為環(huán)境溫度。環(huán)境溫度會(huì)對(duì)波導(dǎo)結(jié)構(gòu)及波導(dǎo)材料屬性造成影響,最終導(dǎo)致導(dǎo)波信號(hào)中波包發(fā)生相位偏移。現(xiàn)有的溫度補(bǔ)償?shù)姆椒òㄗ罴鸦鶞?zhǔn)法[10]和信號(hào)伸縮法[11],對(duì)于局部溫度不一致的波導(dǎo)還有局部相關(guān)法[12]。殘差分析法需要確定閾值才能實(shí)現(xiàn)缺陷判別,溫度補(bǔ)償難以消除信號(hào)中存在的其他噪聲因素影響。

本文提出一種基于獨(dú)立成分分析的導(dǎo)波監(jiān)測(cè)信號(hào)處理方法,在理論分析的基礎(chǔ)上利用導(dǎo)波檢測(cè)儀對(duì)尖軌進(jìn)行了模擬監(jiān)測(cè)實(shí)驗(yàn)。試驗(yàn)結(jié)果證明本文提出的方法能夠?qū)崿F(xiàn)尖軌缺陷的準(zhǔn)確判別及定位,為實(shí)現(xiàn)未來(lái)智能鐵路的在線監(jiān)測(cè)技術(shù)奠定有益基礎(chǔ)。

1 導(dǎo)波信號(hào)處理算法

超聲導(dǎo)波監(jiān)測(cè)過(guò)程可分為兩個(gè)階段。在第一個(gè)階段,被監(jiān)測(cè)的尖軌需要被確定為結(jié)構(gòu)完整的,在其處于盡可能復(fù)雜的工作環(huán)境下,采集盡可能多的導(dǎo)波信號(hào)建立基準(zhǔn)庫(kù)。在第二個(gè)階段正式開(kāi)始監(jiān)測(cè)過(guò)程,每隔一段時(shí)間采集監(jiān)測(cè)信號(hào),然后與基準(zhǔn)信號(hào)對(duì)比分析判斷當(dāng)前尖軌結(jié)構(gòu)的完整性。

本文提出的方法首先從基準(zhǔn)庫(kù)和當(dāng)前采集信號(hào)中隨機(jī)選擇部分信號(hào)構(gòu)建分析矩陣,即

(1)

式中:上標(biāo)b表示基準(zhǔn)信號(hào),上標(biāo)t表示當(dāng)前檢測(cè)信號(hào),n為選取的信號(hào)的個(gè)數(shù),所有信號(hào)按行向量排列構(gòu)成分析矩陣。

然后將分析矩陣使用獨(dú)立成分分析算法進(jìn)行分解。本研究中采用的算法為芬蘭學(xué)者Hyvarrinen提出的Fast-ICA算法[13]。其目的在于基于源信號(hào)之間的統(tǒng)計(jì)獨(dú)立性從分析矩陣的混合信號(hào)中提取源信號(hào)。其基本步驟包括預(yù)處理和解混矩陣求解,預(yù)處理包括對(duì)數(shù)據(jù)的中心化和白化。具體過(guò)程請(qǐng)參見(jiàn)參考文獻(xiàn)[13]。獲得解混矩陣后和分析矩陣相乘后即可從中提取出源信號(hào)矩陣。解混矩陣求逆即可獲得權(quán)重矩陣,即

X=AS

(2)

式中:A為權(quán)重矩陣；S為源信號(hào)矩陣。改寫成矩陣形式如下,

(3)

如果在權(quán)重矩陣中存在的明顯的階躍矢量Av1,Av2,…,Avk(k≤M),則通過(guò)階躍矢量及其對(duì)應(yīng)的源信號(hào)sv1,sv2,…,svk即可構(gòu)建最終的變化信號(hào),即

(4)

通過(guò)分析變化信號(hào)可從中提取缺陷的有效信息以實(shí)現(xiàn)缺陷定位定征,需要說(shuō)明的是源信號(hào)方差的不確定性會(huì)影響變化信號(hào)的整體幅值,而缺陷的位置信息主要包含在變化信號(hào)的波形當(dāng)中,整體幅值變化對(duì)于缺陷判別不會(huì)造成影響。

2 道岔尖軌監(jiān)測(cè)實(shí)驗(yàn)

2.1 實(shí)驗(yàn)設(shè)置

實(shí)驗(yàn)研究針對(duì)一根長(zhǎng)度為4.58 m 50AT尖軌。監(jiān)測(cè)實(shí)驗(yàn)系統(tǒng)示意圖如圖1所示。在軌腰上不同區(qū)域存在著分布間隔和孔徑不同的若干個(gè)通孔。列車運(yùn)行過(guò)程中,車輪與軌頭區(qū)域接觸,因此軌頭區(qū)域不適合長(zhǎng)期安裝換能器。軌腰裂紋是尖軌缺陷的常見(jiàn)類型,軌底邊緣區(qū)域是可能導(dǎo)致斷軌的細(xì)小裂紋缺陷起始生長(zhǎng)的區(qū)域。因此軌腰和軌底邊緣是尖軌結(jié)構(gòu)健康監(jiān)測(cè)的重點(diǎn)區(qū)域。所以實(shí)驗(yàn)監(jiān)測(cè)的區(qū)域也設(shè)置為軌腰和軌底邊緣區(qū)域。換能器安裝方式如圖1(a)所示。換能器安裝的位置距離尖軌的根端為0.94 m。在尖軌上距離換能器1.5 m和2.5 m的位置經(jīng)過(guò)打磨預(yù)處理后耦合質(zhì)量塊來(lái)人工模擬缺陷。質(zhì)量塊如圖1(b)所示。三種規(guī)格的質(zhì)量塊模擬的缺陷橫截面積分別為900 mm2、600 mm2和300 mm2。

圖1 尖軌超聲導(dǎo)波監(jiān)測(cè)實(shí)驗(yàn)示意圖Fig.1 Experimental diagram of switch rail monitoring using ultrasonic guided waves

實(shí)驗(yàn)中采用的數(shù)據(jù)采集儀器為杭州浙達(dá)精益機(jī)電技術(shù)股份有限公司研發(fā)的MSGW超聲導(dǎo)波檢測(cè)儀,連接筆記本電腦作為上位機(jī)控制。數(shù)據(jù)采集過(guò)程中使用一個(gè)溫度記錄儀記錄實(shí)驗(yàn)過(guò)程中尖軌的軌溫,在進(jìn)行數(shù)據(jù)分析過(guò)程中,確?；鶞?zhǔn)信號(hào)和當(dāng)前檢測(cè)信號(hào)的溫度在同一溫度變化范圍內(nèi)。實(shí)驗(yàn)中利用壓電式換能器實(shí)現(xiàn)超聲導(dǎo)波的激發(fā)與接收,即脈沖回波式檢測(cè)。因在該過(guò)程中僅使用單個(gè)換能器,無(wú)法實(shí)現(xiàn)對(duì)于導(dǎo)波傳播方向的控制,所以從信號(hào)中分析出的特征波包所在位置僅表示該特征與換能器之間的距離,不包含方向信息。

第一組實(shí)驗(yàn)設(shè)置的監(jiān)測(cè)區(qū)域?yàn)榧廛壾壍走吘?。換能器也相應(yīng)安裝于尖軌軌底窄邊邊緣。首先采集基準(zhǔn)信號(hào)800組建立基準(zhǔn)庫(kù)。尖軌所在的溫度范圍為16 ℃～23 ℃之間。然后在圖1所示的耦合處1處耦合小鐵塊模擬缺陷,其所占的截面損失為3.39%。在耦合小鐵塊后采集的數(shù)據(jù)為當(dāng)前檢測(cè)信號(hào),共212組,此時(shí)尖軌所在的溫度范圍為17 ℃～22 ℃。第二組實(shí)驗(yàn)設(shè)置的監(jiān)測(cè)區(qū)域?yàn)榧廛壾壯?。換能器安裝于尖軌軌腰單側(cè)。基準(zhǔn)庫(kù)包含400組基準(zhǔn)信號(hào)。尖軌所在的溫度范圍為11 ℃～15 ℃之間。然后在圖1所示的耦合處2處耦合小鐵塊模擬缺陷,其所占的截面損失為6.78%。在耦合小鐵塊后采集的數(shù)據(jù)為當(dāng)前檢測(cè)信號(hào),共300組,此時(shí)尖軌所在的溫度范圍為12 ℃～15 ℃。

2.2 實(shí)驗(yàn)分析

軌底邊緣與軌腰處的有無(wú)模擬缺陷狀態(tài)的典型監(jiān)測(cè)信號(hào)對(duì)比如圖2所示。僅僅從原始信號(hào)出發(fā),我們無(wú)法從中判別出是否有缺陷的存在以及代表缺陷的特征波包。

圖2 典型監(jiān)測(cè)信號(hào)對(duì)比Fig.2 Comparison of typical monitoring signals

經(jīng)過(guò)本文提出的算法處理后,可從基準(zhǔn)信號(hào)和當(dāng)前檢測(cè)信號(hào)中提取出兩組存在階躍特征的權(quán)重矢量及其對(duì)應(yīng)的源信號(hào)。尖軌軌底邊緣和軌腰處的監(jiān)測(cè)結(jié)果分別如圖3所示。權(quán)重矢量存在階躍性說(shuō)明存在源信號(hào)在基準(zhǔn)信號(hào)和當(dāng)前檢測(cè)信號(hào)中占不同水平的比重。而在實(shí)際導(dǎo)波信號(hào)采集過(guò)程中,除了模型缺陷的加入使得整個(gè)數(shù)據(jù)采集系統(tǒng)(包括被監(jiān)測(cè)對(duì)象)前后不同外,其他所有對(duì)數(shù)據(jù)采集系統(tǒng)存在影響的因素都是隨機(jī)的。溫度因素的影響也通過(guò)構(gòu)建分析矩陣時(shí)的信號(hào)的隨機(jī)化選取而變得隨機(jī)化。因此階躍性權(quán)重的存在也表明缺陷的存在,而缺陷定位定征信息包含于相應(yīng)的源信號(hào)中。通過(guò)源信號(hào)及其權(quán)重矢量可構(gòu)建變化信號(hào),尖軌軌底邊緣和軌腰的對(duì)應(yīng)信號(hào)分別如圖4(a)和圖5(a)所示。變化信號(hào)中首個(gè)顯著尖峰即為缺陷的位置,后續(xù)的尖峰皆由缺陷造成。作為對(duì)比,本實(shí)驗(yàn)中的數(shù)據(jù)還利用屬于殘差分析方法的最佳基準(zhǔn)法進(jìn)行處理,分別如圖4(b)和圖5(b)所示。觀察圖4(a)和圖5(a)中的變化信號(hào)可以判別缺陷分別位于距離換能器1.5 m和2.5 m處,結(jié)果與實(shí)際基本一致。圖4(b)和圖5(b)中缺陷的位置是根據(jù)先驗(yàn)知識(shí)標(biāo)識(shí)的,僅從信號(hào)中是無(wú)法判別出缺陷的位置。結(jié)果對(duì)比顯示,本文中提出的算法結(jié)果信噪比優(yōu)于最佳基準(zhǔn)法,減少了信號(hào)判斷過(guò)程中隨機(jī)因素的干擾,降低了缺陷信息解讀的難度。實(shí)驗(yàn)的結(jié)果驗(yàn)證了算法的有效性和優(yōu)越性。

3 結(jié) 論

針對(duì)的尖軌道岔導(dǎo)波信號(hào)復(fù)雜難以解讀的問(wèn)題,本研究提出了一種基于獨(dú)立成分分析的監(jiān)測(cè)算法,并通過(guò)監(jiān)測(cè)試驗(yàn)驗(yàn)證了該算法應(yīng)用于道岔尖軌監(jiān)測(cè)的可行性,具體結(jié)論如下:

(1) 獨(dú)立成分分析能夠?qū)⒒鶞?zhǔn)信號(hào)和當(dāng)前檢測(cè)信號(hào)用同一組源信號(hào)分解,通過(guò)觀察源信號(hào)在基準(zhǔn)信號(hào)和當(dāng)前檢測(cè)信號(hào)中所占的比重變化來(lái)判別缺陷存在性,通過(guò)源信號(hào)分析缺陷定位定征信息。

圖3 階躍特性權(quán)重矢量及表征缺陷的源信號(hào)Fig.3 Weight vectors with step changes and source signals related to defects

圖4 尖軌軌底邊緣監(jiān)測(cè)信號(hào)Fig.4 Monitoring signals for bottom edge of switch rail

(2) 不管是截面簡(jiǎn)單的軌底邊緣區(qū)域還是復(fù)雜的軌腰區(qū)域,利用超聲導(dǎo)波都可實(shí)現(xiàn)缺陷監(jiān)測(cè)。

(3) 基于獨(dú)立成分分析的尖軌監(jiān)測(cè)算法能夠排除道岔尖軌信號(hào)采集過(guò)程中固有因素以及隨機(jī)因素的影響,提取出缺陷引起的信號(hào)變化,相對(duì)殘差分析的最佳基準(zhǔn)法來(lái)說(shuō),分析結(jié)果信噪比更高。

圖5 尖軌軌腰監(jiān)測(cè)信號(hào)Fig.5 Monitoring signals for web of switch rail

后續(xù)研究中,將對(duì)在役道岔尖軌進(jìn)行監(jiān)測(cè)實(shí)驗(yàn)進(jìn)一步驗(yàn)證監(jiān)測(cè)算法的效果。在役鋼軌所處環(huán)境更為復(fù)雜,為減少實(shí)驗(yàn)過(guò)程中的不必要因素的干擾,需對(duì)整個(gè)監(jiān)測(cè)系統(tǒng)進(jìn)行優(yōu)化,保障數(shù)據(jù)采集的穩(wěn)定性,實(shí)現(xiàn)良好的監(jiān)測(cè)效果。