高速鋼軌缺陷的漏磁檢測及反演

潘海飛， 王武華， 陳新寧

（1.南京航空航天大學(xué)，江蘇 南京 210002；2.91388部隊(duì)96分隊(duì)，廣東 湛江 504022）

0 引 言

自從19世紀(jì)初英國修建世界上第一條鐵路，鐵路運(yùn)輸便在社會經(jīng)濟(jì)發(fā)展中起著至關(guān)重要的作用，我國由于地幅寬廣、人口眾多等原因，鐵路在交通運(yùn)輸體系中一向發(fā)揮著不可替代的作用。尤其近幾年隨著國民經(jīng)濟(jì)的不斷增長，建成了多條高速鐵路，高速鐵路的建成通車，一方面切實(shí)保障了我國經(jīng)濟(jì)發(fā)展對交通運(yùn)輸?shù)男枨?，促進(jìn)了經(jīng)濟(jì)的發(fā)展，為社會帶來了巨大的經(jīng)濟(jì)效益。另一方面，由于列車運(yùn)行速度和行車密度的增加以及我國超期服役鋼軌數(shù)量較大，使得鋼軌損傷出現(xiàn)新形式。在列車高速運(yùn)行狀態(tài)下，鋼軌的損傷形式主要表現(xiàn)為鋼軌踏面接觸疲勞引發(fā)的各種不規(guī)則裂紋，先沿著軌頭向鋼軌內(nèi)部擴(kuò)展，隨著時(shí)間的推移逐漸形成大尺寸的橫向疲勞裂紋，鋼軌最終發(fā)生橫向折斷。鋼軌損傷直接威脅到列車的安全行駛，輕者列車行駛中斷，擾亂交通運(yùn)輸秩序，重者車毀人亡，對國家和人民造成重大的經(jīng)濟(jì)損失和惡劣的社會影響；為此，對鋼軌進(jìn)行檢測并定量其損傷對保障高速鐵路的安全運(yùn)行起著至關(guān)重要的作用。

1 漏磁高速檢測的原理及缺陷分析

1.1 漏磁檢測的原理

漏磁檢測技術(shù)是指：通過施加外部磁場，對被測材料進(jìn)行局部磁化，如果被測材料沒有缺陷，則磁通全部從材料內(nèi)部穿過，空氣中沒有或者只有很少的磁通[1]；反之，如果被測材料表面或者是亞表面有裂紋等缺陷，由于缺陷處為空氣，該處的磁導(dǎo)率小，磁阻較大，本應(yīng)從該部分通過的磁通將從缺陷上面或者下面通過，部分磁通會從空氣中穿過，形成缺陷漏磁場。此時(shí)，霍爾傳感器、磁阻傳感器等磁敏元件檢測到的信號即為缺陷漏磁場信號，根據(jù)該信號可獲取缺陷的相關(guān)信息。缺陷漏磁場信號的形狀和大小隨著缺陷的形狀和尺寸發(fā)生變化。漏磁檢測系統(tǒng)中鋼軌無缺陷與有缺陷磁力線分布如圖1所示。

通過霍爾傳感器來拾取缺陷漏磁場的水平分量BX（與外加磁場平行）、法向分量BZ（與鋼軌表面垂直）和切向分量BY（與BX和BZ垂直），則構(gòu)成三維漏磁檢測系統(tǒng)[2]。通過對BX、BY、BZ進(jìn)行分析，可以獲得缺陷的相關(guān)信息，如缺陷的寬度、深度、與水平面的夾角、與缺陷主平面的夾角，進(jìn)而對鋼軌的健康狀況進(jìn)行評估。

1.2 漏磁檢測的速度效應(yīng)

根據(jù)高斯定理和安培環(huán)路定理可知，在靜磁場情況下，缺陷漏磁場的微分形式為：

式中：H——磁場強(qiáng)度矢量；

B——磁通密度矢量；

J——U型磁軛產(chǎn)生磁場等效的電流密度矢量；

μ——介質(zhì)磁導(dǎo)率[3]。

根據(jù)磁場的無源性，用磁矢勢A來分析，有

靜態(tài)場的漏磁分析模型為：

對鋼軌缺陷進(jìn)行高速漏磁檢測，檢測裝置的高速運(yùn)動，對鋼軌的磁化是一個(gè)動態(tài)磁化的過程。具有速度的漏磁檢測是一個(gè)瞬態(tài)問題，在原理分析時(shí)，應(yīng)充分考慮速度對鋼軌缺陷檢測帶來的影響[4]。鋼軌是鐵磁性材料，屬于導(dǎo)體。根據(jù)電磁感應(yīng)定律，變化的磁場在鋼軌內(nèi)部會引起感應(yīng)電流——渦流，該感應(yīng)電流又形成與外加磁場相反的磁場，阻礙磁通對鋼軌的穿透，從而改變外加磁場的分布。

當(dāng)檢測裝置以速度ν在鋼軌上方移動時(shí)，由檢測裝置運(yùn)動產(chǎn)生的感應(yīng)渦流為Je，則U型磁軛產(chǎn)生相同磁場的等效電路密度J變?yōu)?/p>

式中：JS——外加的激勵(lì)電流密度。

用磁矢勢表示瞬態(tài)磁場的微分方程

對比式（4）和式（5），在式（5）的右邊多出了兩項(xiàng)，這兩項(xiàng)就是由運(yùn)動感應(yīng)出的渦流。反應(yīng)了磁失勢隨時(shí)間變化產(chǎn)生的電流密度，即缺陷和磁場源空間位置的變化引起的渦流；?ν×（▽×A）反應(yīng)了漏磁檢測裝置移動速度產(chǎn)生的渦流大小，即磁場和被測對象的相對運(yùn)動產(chǎn)生的渦流大小。漏磁高速檢測系統(tǒng)施加的激勵(lì)為直流電壓，所以系統(tǒng)中的感應(yīng)渦流只有?ν×（▽×A）。另外，由于鋼軌磁化為一個(gè)動態(tài)磁化過程[5]，鋼軌被磁化的程度影響裂紋的漏磁通量，從而對漏磁場信號產(chǎn)生影響。

1.3 缺陷特征值的提取

漏磁缺陷信號為鋼軌局部異常的缺陷信號，為了分離出異常信號，并對鋼軌缺陷進(jìn)行分析，就要分析缺陷漏磁場信號的特征。信號的特征值提取是缺陷定量中非常重要的一步，其好壞直接影響到缺陷定量分析的準(zhǔn)確與否。特征值提取方法有很多種，國內(nèi)對特征值的提取主要有信號的絕對峰值、峰峰值和峰值間距這3個(gè)特征值；國外的研究更側(cè)重于特征值提取方法的研究，可以作為特征值的還有信號的微分、深寬比、缺陷的截面積。通過對漏磁場信號提取特征值并借助于一定的手段，可以得到缺陷的若干信息，如缺陷的寬度、深度、長度、缺陷與鋼軌水平面的夾角、缺陷主平面與鋼軌垂直面的夾角等[6-7]。本文特征值提取均是對缺陷的時(shí)域波形特征進(jìn)行提取。根據(jù)缺陷漏磁場三維信號波形的不同，主要提取了以下信號特征值：Z分量的峰峰值和峰間距、X分量微分后的峰峰值和峰間距、Y分量微分后的峰峰值和峰間距。信號絕對峰值與峰峰值示意圖見圖2。

圖1 漏磁檢測中鋼軌磁力線分布

圖2 信號的絕對峰值與峰峰值示意圖

2 基于神經(jīng)網(wǎng)絡(luò)的漏磁反演

2.1 神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)一般稱為人工神經(jīng)網(wǎng)絡(luò)（artificial neural network，ANN），是一種類似于大腦神經(jīng)突觸聯(lián)結(jié)結(jié)構(gòu)的信息處理的數(shù)學(xué)算法模型，主要由大量的節(jié)點(diǎn)及其之間相互連接構(gòu)成。依據(jù)系統(tǒng)的復(fù)雜程度，調(diào)節(jié)節(jié)點(diǎn)和節(jié)點(diǎn)之間的關(guān)系，達(dá)到信息處理的目的。人工神經(jīng)網(wǎng)絡(luò)技術(shù)具有高度非線性映射、快速并行處理和自適應(yīng)學(xué)習(xí)功能等優(yōu)勢。大量的研究及實(shí)驗(yàn)證明，神經(jīng)網(wǎng)絡(luò)具有極強(qiáng)的函數(shù)逼近能力，能夠?qū)崿F(xiàn)高度非線性函數(shù)的精確逼近和映射，此時(shí)的神經(jīng)網(wǎng)絡(luò)可以看作是一個(gè)高度復(fù)雜的非線性函數(shù)?？梢钥紤]利用神經(jīng)網(wǎng)絡(luò)的功能去尋找某高度復(fù)雜的非線性映射算子，實(shí)現(xiàn)從一個(gè)空間到另一個(gè)空間之間直接外推[8]。

2.2 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法

徑向基函數(shù)（RBF）神經(jīng)網(wǎng)絡(luò)源于數(shù)值分析中變量插值的徑向基函數(shù)方法。與BP網(wǎng)絡(luò)相比較，RBF神經(jīng)網(wǎng)絡(luò)同樣具有任意精度的泛函逼近能力，除此之外還具有更優(yōu)的泛函逼近特性和更快的收斂速度。由于在算法中避免了繁瑣和冗長的計(jì)算，所以相比較BP神經(jīng)網(wǎng)絡(luò)，它的學(xué)習(xí)速度也明顯得到提高；另外，RBF網(wǎng)絡(luò)還有一個(gè)優(yōu)點(diǎn)就是它的隱含層節(jié)點(diǎn)數(shù)不是人為設(shè)定的，而是在訓(xùn)練過程中確定的，所以該網(wǎng)絡(luò)更加容易得到最優(yōu)解[9]。

RBF神經(jīng)網(wǎng)絡(luò)分為兩類：第一類是Exact，訓(xùn)練函數(shù)是newrbe，特點(diǎn)是有多少組輸入數(shù)據(jù)就有多少個(gè)激勵(lì)函數(shù)，適合于數(shù)據(jù)比較少的網(wǎng)絡(luò)；第二類是Approximate，訓(xùn)練函數(shù)是newrb，特點(diǎn)是激勵(lì)函數(shù)的個(gè)數(shù)以滿足用戶對輸出結(jié)果的精確度要求為準(zhǔn)，適合數(shù)據(jù)多的網(wǎng)絡(luò)。本文研究的裂紋缺陷比較多，數(shù)據(jù)輸入輸出量比較大，選擇第二類RBF神經(jīng)網(wǎng)絡(luò)。

2.3 缺陷訓(xùn)練及反演

實(shí)驗(yàn)標(biāo)注鋼軌上的19個(gè)缺陷，分別在10，15，20，25，30，35，40，45，50m/s 9 個(gè)速度下進(jìn)行采樣測試，共取得171缺陷樣本，選取其中126樣本建立RBF神經(jīng)網(wǎng)絡(luò)，用45個(gè)樣本來驗(yàn)證所建網(wǎng)絡(luò)。

圖3為缺陷寬度的訓(xùn)練及驗(yàn)證。實(shí)驗(yàn)證明，只要給予RBF神經(jīng)網(wǎng)路足夠多的訓(xùn)練樣本，RBF神經(jīng)網(wǎng)絡(luò)就能很好地反演漏磁檢測的缺陷形狀，并且大量的訓(xùn)練工作是離線的，提高了工作效率。從結(jié)果上看，神經(jīng)網(wǎng)絡(luò)的反演結(jié)果與真實(shí)情況誤差非常小，完全可以實(shí)現(xiàn)檢測的預(yù)期目的。

圖3 缺陷寬度的訓(xùn)練及驗(yàn)證

3 結(jié)束語

經(jīng)過大量的實(shí)驗(yàn)及數(shù)據(jù)驗(yàn)證，對高速鋼軌采用漏磁檢測的方法是切實(shí)可行的，提取鋼軌缺陷的特征值，運(yùn)用神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練及反演，可以很好地定性鋼軌缺陷的形狀，為后續(xù)的鋼軌維護(hù)提供參考依據(jù)。

[1]Al-Naemi F I，Hall J P，Moses A J.FEM modeling techniques of magnetic flux leakage-type NDT for ferromagnetic plate inspections[J]. Journal of Magnetism and Magnetic Materials，2006，304：790-793.

[2]唐鶯，羅飛路，潘孟春，等.脈沖漏磁檢測的三維場特征分析及缺陷分類識別[J].儀器儀表學(xué)報(bào)，2009，30（12）：2506-2510.

[3]Niikuar S ，Kameari A.Analysis of eddy current and force in conductors with motion[J].IEEE Transactions on Magnetics，1992，28（2）：1450-1453.

[4]楊理踐，劉剛，高松巍，等.檢測裝置運(yùn)行速度對管道漏磁檢測的影響[J].化工自動化及儀表，2010，37（5）：57-59.

[5]姜壽亭，李衛(wèi).凝聚態(tài)磁性物理[M].北京：科學(xué)出版社，2003：285-287.

[6]Yan M Y，Satish U，Shreekanth M，et al.Solution of inverse problems in electromagnetic NDE using finite element methods[J].IEEE Transactions on Magnetics，1998，34（5）：2924-2927.

[7]Kenzo M.Recent advancement of electromagnetic nondestructive inspection technology in Japan[J].IEEE Transactions on Magnetics，2002，38（2）：321-326.

[8]李偉，李天偉，王桂軍，等.分形特征的模擬電路故障診斷方法[J].中國測試，2010，36（2）：14-17.

[9]楊虎，郭華東，王長林，等.基于神經(jīng)網(wǎng)絡(luò)的極化雷達(dá)地表參數(shù)反演[J].遙感學(xué)報(bào)，2002，6（6）：451-455.