曾楚琦 潘自立 莫宏愿 何 慶 王啟航
(1.西南交通大學(xué), 成都 610031;2.中鐵二院工程集團(tuán)有限責(zé)任公司, 成都 610031)
列車運(yùn)行速度的不斷提高對(duì)整個(gè)鐵路系統(tǒng)尤其是軌道工程提出了更高的要求,鋼軌作為軌道的重要部件[1],是列車直接的受力單位,列車速度提升帶來的輪軌作用加劇,不可避免地會(huì)使鋼軌出傷的頻率加快,鋼軌傷損如不及時(shí)處理,會(huì)出現(xiàn)斷軌等事故,將嚴(yán)重威脅行車安全。因此,實(shí)時(shí)、長(zhǎng)期、準(zhǔn)確的鋼軌智能化監(jiān)測(cè)裝置對(duì)列車的運(yùn)行安全至關(guān)重要[2]。
相比于一般高速鐵路,400 km/h及以上超高速鐵路的輪軌作用關(guān)系及高頻特性更為劇烈,對(duì)傳感器的要求也更高。而傳統(tǒng)壓電式傳感監(jiān)測(cè)儀器無法適應(yīng)惡劣的環(huán)境,且易產(chǎn)生零點(diǎn)漂移及電磁干擾,很難保證監(jiān)測(cè)結(jié)果的有效性。此外,電信號(hào)長(zhǎng)距離傳輸損耗嚴(yán)重導(dǎo)致其無法大規(guī)模布置傳感網(wǎng)絡(luò)[3],加之安裝時(shí)需在鋼軌上打孔等弊端,使得其在高速鐵路系統(tǒng)中的應(yīng)用越來越受限。相對(duì)于傳統(tǒng)傳感監(jiān)測(cè)技術(shù),光纖光柵傳感器具有抗電磁干擾能力強(qiáng)、光信號(hào)遠(yuǎn)程信號(hào)傳輸能力優(yōu)越、靈敏度高、體積小、成本低、重復(fù)穩(wěn)定性好且可實(shí)現(xiàn)大規(guī)模分布式測(cè)量等優(yōu)點(diǎn)[6-11],十分適用于超高速鐵路的鋼軌傷損高頻特性監(jiān)測(cè)。
目前,已有學(xué)者利用光纖光柵傳感器對(duì)鋼軌進(jìn)行監(jiān)測(cè)。葉肖偉等[12]利用FBG反射譜在正常及裂紋處的精細(xì)變化實(shí)現(xiàn)對(duì)道岔裂紋的識(shí)別;張兆亭等[13]研究發(fā)現(xiàn)光纖光柵中心反射波長(zhǎng)漂移量與載荷和應(yīng)變具有良好的數(shù)學(xué)模型,得出了光纖光柵應(yīng)變傳感器適用于鋼軌應(yīng)變監(jiān)測(cè)的結(jié)論。但對(duì)于光纖光柵傳感器具體放置于鋼軌何處才能使鋼軌傷損監(jiān)測(cè)效果最好的研究較少。
為此,本文根據(jù)光纖光柵傳感器在不同位置處采集到的鋼軌表面裂紋的應(yīng)變和加速度數(shù)據(jù),提出了基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)的鋼軌表面裂紋識(shí)別方法。加速度的測(cè)量位置分外側(cè)軌底、外側(cè)軌腰、內(nèi)側(cè)軌腰和內(nèi)側(cè)軌底4處,應(yīng)變的測(cè)量位置分內(nèi)側(cè)軌顎、外側(cè)軌顎、外側(cè)軌底、外側(cè)軌腰、內(nèi)側(cè)軌腰和內(nèi)側(cè)軌底6處。將應(yīng)變和加速度序列數(shù)據(jù)分為有損與無損兩種標(biāo)簽,形成訓(xùn)練庫(kù),通過CNN進(jìn)行訓(xùn)練,得出CNN分類器,再將測(cè)試集放入CNN分類器進(jìn)行分類測(cè)試,判定鋼軌損傷情況,找出最佳監(jiān)測(cè)位置。
光纖光柵傳感器原理如圖1所示。寬譜光源(如SLED或ASE)將有一定帶寬的光通過環(huán)行器入射到光纖光柵中,受光纖光柵的波長(zhǎng)選擇性作用,符合條件的光被反射回來(波長(zhǎng)即λB),再通過環(huán)行器送入解調(diào)裝置,測(cè)出光纖光柵的反射波長(zhǎng)變化。當(dāng)光纖光柵做探頭測(cè)量外界溫度、壓力或應(yīng)力時(shí),光柵柵距的變化引起反射波長(zhǎng)的變化,解調(diào)裝置即通過檢測(cè)波長(zhǎng)的變化推導(dǎo)出外界溫度、壓力或應(yīng)力。
圖1 光纖光柵傳感器原理圖
被反射回來的光波長(zhǎng)λB為[14]:
λB=2neffΛ
(1)
式中:λB——光纖光柵反射中心波長(zhǎng);
neff——光纖光柵纖芯有效折射率;
Λ——光纖光柵周期。
溫度、壓力或應(yīng)力發(fā)生變化時(shí)引起光纖光柵中心波長(zhǎng)的變化量公式為:
ΔλB=kεΔε+kTΔT
(2)
式中:ΔλB——光纖光柵反射中心波長(zhǎng)的變換量;
kε、kT——光纖光柵應(yīng)變與溫度靈敏度常數(shù),常數(shù)由人為進(jìn)行測(cè)量標(biāo)定[15]。
在鋼軌上安裝光纖光柵應(yīng)變和加速度傳感器,如圖2所示。
圖2 傳感器布置方式圖
安裝光纖光柵傳感器前,先在安裝位置處用酒精清洗并打磨一個(gè)面積適中的區(qū)域,并在該區(qū)域均勻涂抹混合后的AB膠,然后將光纖光柵傳感器貼在該區(qū)域并保證其與鋼軌軸向平行,待傳感器與鋼軌粘結(jié)達(dá)到一定強(qiáng)度后松開。因光纖光柵應(yīng)變傳感器所用材料為低溫敏電阻,且光纖光柵加速度傳感器已將溫度補(bǔ)償裝置封裝于傳感器內(nèi),故實(shí)驗(yàn)過程無需考慮溫度變化對(duì)采集數(shù)據(jù)造成干擾。
實(shí)驗(yàn)裝置如圖3所示。加載儀器所用疲勞加載試驗(yàn)機(jī)的最高加載頻率可達(dá)6 Hz,最高載荷可達(dá)160 kN(相當(dāng)于16 t的自重),可有效模擬列車運(yùn)行時(shí)鋼軌所受的載荷。加載方式為簡(jiǎn)支梁加載,集中荷載作用于支撐梁中點(diǎn)處,再由支撐梁分?jǐn)傊羶筛撥壣稀?/p>
圖3 實(shí)驗(yàn)裝置圖
實(shí)驗(yàn)所用兩根鋼軌均為標(biāo)準(zhǔn)60 kg/m鋼軌,其中一根表面無裂紋,另外一根有人為切割的表面裂紋,裂紋具體尺寸如表1所示。
表1 裂紋具體尺寸表
實(shí)驗(yàn)測(cè)量位置橫斷面如圖4所示。6處測(cè)量位置(標(biāo)號(hào)1~6)與鋼軌裂紋處在同一橫斷面。
圖4 測(cè)量位置圖
實(shí)驗(yàn)共采用4個(gè)傳感器(2個(gè)光纖光柵應(yīng)變傳感器和2個(gè)光纖光柵加速度傳感器),加速度和應(yīng)變?cè)囼?yàn)配置方案如表2所示。實(shí)驗(yàn)過程中,先把2個(gè)光纖光柵應(yīng)變傳感器粘結(jié)于正常鋼軌和有表面裂紋鋼軌的內(nèi)側(cè)軌顎處(1位置),然后由疲勞試驗(yàn)機(jī)輸入頻率為4 Hz 的正弦波振動(dòng),最大值為16 t的加載譜(加載譜可保證每次加載方式一致),測(cè)量15 min后終止,拆下傳感器,再將2個(gè)光纖光柵應(yīng)變傳感器粘結(jié)于正常鋼軌和有表面裂紋鋼軌的外側(cè)軌顎處(2位置),再進(jìn)行同樣加載,直到6個(gè)位置測(cè)量完畢。加速度傳感器的測(cè)量方法與應(yīng)變傳感器類似,但因加速度傳感器不便放置于軌顎位置處,故只進(jìn)行了4個(gè)位置(標(biāo)號(hào)3~6)的測(cè)量。多次重復(fù)加載后,得到6處位置有表面裂紋傷損與無表面裂紋傷損的應(yīng)變數(shù)據(jù)和4處位置有表面裂紋傷損與無表面裂紋傷損的加速度數(shù)據(jù)。
表2 加速度和應(yīng)變?cè)囼?yàn)配置方案表
實(shí)驗(yàn)所用光纖光柵解調(diào)儀為JEME-IFBG-S系列光纖光柵解調(diào)儀,采集頻率為 1 000 Hz,共采集15 min,每一次加載共采集 3 600 000 個(gè)應(yīng)變和加速度數(shù)據(jù),包括有裂紋處應(yīng)變數(shù)據(jù)、無裂紋處應(yīng)變數(shù)據(jù)、有裂紋處加速度數(shù)據(jù)和無裂紋處加速度數(shù)據(jù)各 900 000個(gè)。疲勞試驗(yàn)機(jī)加載頻率為4 Hz,相當(dāng)于每加載1次,每個(gè)光纖光柵傳感器采集250個(gè)數(shù)據(jù)。計(jì)算機(jī)處理數(shù)據(jù)使用二進(jìn)制算法,因此將每一個(gè)數(shù)據(jù)長(zhǎng)度定為256個(gè),將 900 000個(gè)數(shù)據(jù)以256個(gè)為標(biāo)準(zhǔn)進(jìn)行切片,故輸入進(jìn)神經(jīng)網(wǎng)絡(luò)的每一個(gè)樣本為256個(gè)數(shù)據(jù)。
為消除每一次測(cè)量對(duì)采集數(shù)據(jù)誤差及量綱的影響,按式(3)對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。
(3)
式中:x*——標(biāo)準(zhǔn)化之后的傳感器數(shù)據(jù);
x——原始傳感器數(shù)據(jù);
σ(x)——原始傳感器數(shù)據(jù)的標(biāo)準(zhǔn)差。
卷積神經(jīng)網(wǎng)絡(luò)(CNN)為目前深度學(xué)習(xí)領(lǐng)域的代表算法之一,可理解為普通深度神經(jīng)網(wǎng)絡(luò)的優(yōu)化版。普通神經(jīng)網(wǎng)絡(luò)不同網(wǎng)絡(luò)層之間采用全連接方式,處理圖像時(shí)需將圖像展開為向量,從而損失了圖像的空間信息,且圖像數(shù)據(jù)過大,需要的全連接參數(shù)量也過大,很容易過擬合。再者,其在處理一維時(shí)間數(shù)據(jù)時(shí),會(huì)損失數(shù)據(jù)包含的時(shí)間信息。相比于普通深度神經(jīng)網(wǎng)絡(luò),CNN在此方面擁有獨(dú)特的改進(jìn)機(jī)制和局部感知機(jī)制,CNN可模擬人眼看世界的方式(人的眼睛視野有限,每次只能看一部分),并找出局部視野中的主要特征,再將大量局部特征組合起來做出判斷。因此十分適合處理一維時(shí)間序列數(shù)據(jù),且在計(jì)算機(jī)視覺領(lǐng)域有較好的表現(xiàn)。
通常而言,卷積神經(jīng)網(wǎng)絡(luò)一般包含輸入層、卷積層、池化層及全連接層四個(gè)網(wǎng)絡(luò)層。卷積層為卷積神經(jīng)網(wǎng)絡(luò)的核心層,它產(chǎn)生了網(wǎng)絡(luò)中大部分的計(jì)算量。為提高計(jì)算效率及網(wǎng)絡(luò)性能,本文在每一池化層之后都加入了非線性激活函數(shù)Relu函數(shù),引入非線性因素,解決線性模型不能解決的問題。
卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)如圖5所示。具體步驟如下:
圖5 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖
(1)首先將批量歸一化之后的數(shù)據(jù)輸入輸入層,輸入格式為1×1×256(1代表1個(gè)通道,1×256代表尺寸)。
(2)接入卷積層,卷積層將數(shù)據(jù)的長(zhǎng)寬填充一層,此時(shí)數(shù)據(jù)格式為1×3×258,再連接尺寸為5個(gè)通道的3×3卷積核進(jìn)行卷積。
(3)接入池化層,同樣對(duì)數(shù)據(jù)長(zhǎng)寬填充一層,采用尺寸3×3、步長(zhǎng)為3的池化層進(jìn)行池化。
(4)使用非線性激活對(duì)數(shù)據(jù)進(jìn)行處理。
(5)重復(fù)2~4步驟一次。
(6)將輸出結(jié)果展開為一維數(shù)據(jù)。
(7)再使用4個(gè)全連接層進(jìn)行過渡,每一個(gè)全連接層之間加入一個(gè)Relu函數(shù)。
(8)輸出尺寸為2的輸出層。
CNN訓(xùn)練主要訓(xùn)練的是各層神經(jīng)網(wǎng)絡(luò)的參數(shù)大小,參數(shù)大小的選擇借助于反向傳播算法進(jìn)行更新,更新方式采用梯度下降算法。每15 min采集 900 000 個(gè)數(shù)據(jù),按256個(gè)分為一個(gè)樣本,共有 3 515個(gè)樣本,15 min內(nèi)同時(shí)采集的有表面裂紋與無表面裂紋數(shù)據(jù)共有 7 030 個(gè)樣本,每個(gè)樣本根據(jù)采集鋼軌是否有裂紋打上1或0的標(biāo)簽。將數(shù)據(jù)隨機(jī)打亂,選取50%的樣本作為訓(xùn)練集,50%的樣本作為測(cè)試集,保證數(shù)據(jù)的一般性,使神經(jīng)網(wǎng)絡(luò)更好收斂。
網(wǎng)絡(luò)訓(xùn)練過程中,為提高神經(jīng)網(wǎng)絡(luò)的計(jì)算效率,采用小批量樣本訓(xùn)練的方法。每次將選擇批量大小為32的樣本(每個(gè)樣本包含256個(gè)傳感器數(shù)據(jù))輸入圖5所示的神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,得到輸出層,輸出層即為神經(jīng)網(wǎng)絡(luò)給出的預(yù)測(cè)值。再用softmax函數(shù)對(duì)預(yù)測(cè)值進(jìn)行計(jì)算, softmax函數(shù)為:
(4)
式中:i,j——輸出層神經(jīng)元的序號(hào),最大為2;
Si——softmax函數(shù)的輸出結(jié)果;
eyi——輸出層神經(jīng)元序號(hào)所對(duì)應(yīng)的值的大小。
softmax函數(shù)可將預(yù)測(cè)值進(jìn)行歸一化,更好地表示預(yù)測(cè)概率。經(jīng)過softmax函數(shù)處理后的值,再利用交叉熵?fù)p失函數(shù)計(jì)算總損失量,輸出層的結(jié)果與事先制定的標(biāo)簽越相似,則損失量越小。交叉熵?fù)p失函數(shù)為:
(5)
式中:H(p,q)——神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值與真實(shí)標(biāo)簽值的誤差,即總損失量;
p(xi)——真實(shí)值的標(biāo)簽,采用one-hot編碼格式;
q(xi)——神經(jīng)網(wǎng)絡(luò)經(jīng)過softmax處理后的預(yù)測(cè)值;
n——小批量樣本大小,取32。
采用交叉熵?fù)p失函數(shù)計(jì)算總損失量之后,對(duì)損失采用基于沖量的隨機(jī)梯度下降算法(SGD方法)為優(yōu)化算法進(jìn)行反向傳播,僅采用一個(gè)樣本進(jìn)行迭代,可加速神經(jīng)網(wǎng)絡(luò)的訓(xùn)練,沖量可避免訓(xùn)練陷入局部最優(yōu)解,以此調(diào)整每個(gè)網(wǎng)絡(luò)層的參數(shù)大小,直到卷積神經(jīng)網(wǎng)絡(luò)最終完成收斂。
將6個(gè)位置的應(yīng)變數(shù)據(jù)和4個(gè)位置的加速度數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。在卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練前,提前對(duì)數(shù)據(jù)打上標(biāo)簽,將提前標(biāo)簽與經(jīng)過卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練后得出的標(biāo)簽進(jìn)行對(duì)比,計(jì)算準(zhǔn)確率。
最終獲取的識(shí)別效果如圖6、圖7所示。從圖6可以看出,將傳感器布置于外側(cè)軌顎的應(yīng)變損傷識(shí)別效果最好。表面裂紋靠近外側(cè),表對(duì)鋼軌周圍影響很大,外側(cè)軌顎處與外側(cè)表面裂紋距離相對(duì)較近,影響較為明顯,識(shí)別準(zhǔn)確率可達(dá)到99.109%;此外,鋼軌外側(cè)應(yīng)變損傷識(shí)別準(zhǔn)確率普遍高于內(nèi)側(cè)應(yīng)變損傷識(shí)別準(zhǔn)確率80%。
圖6 應(yīng)變損傷識(shí)別準(zhǔn)確率圖
圖7 加速度損傷識(shí)別準(zhǔn)確率圖
從圖7可以看出,加速度傷損識(shí)別的準(zhǔn)確率普遍較低,最高為55.776%,為內(nèi)側(cè)軌腰位置。其可能原因在于,光纖光柵加速度量程較高,為100 g,而疲勞加載系統(tǒng)的加載頻率較低,為4 Hz,從而導(dǎo)致實(shí)驗(yàn)監(jiān)測(cè)的加速度為1 g左右,造成識(shí)別準(zhǔn)確率較低。
本文利用基于卷積神經(jīng)網(wǎng)絡(luò)的鐵路鋼軌外側(cè)表面裂紋傷損識(shí)別方法,對(duì)有裂紋鋼軌與無裂紋鋼軌同時(shí)進(jìn)行疲勞加載實(shí)驗(yàn),探究加速度和應(yīng)變傳感器在不同位置處時(shí),卷積神經(jīng)網(wǎng)絡(luò)識(shí)別外側(cè)表面裂紋的準(zhǔn)確率,得出主要結(jié)論如下:
(1)外側(cè)軌顎處應(yīng)變傳感器數(shù)據(jù)的傷損識(shí)別準(zhǔn)確率達(dá)99.109%,可據(jù)此推測(cè),外側(cè)表面裂紋對(duì)外側(cè)軌顎應(yīng)變有一定的影響,所以導(dǎo)致兩根鋼軌下顎處應(yīng)變有明顯區(qū)別。并且本試驗(yàn)所用光纖光柵應(yīng)變傳感器測(cè)量精度高,能測(cè)量出鋼軌外側(cè)軌顎細(xì)微的應(yīng)變變化,表明基于光纖光柵的高速鐵路鋼軌外側(cè)表面裂紋傷損識(shí)別技術(shù)可行。
(2)識(shí)別鋼軌外側(cè)表面裂紋時(shí),將應(yīng)變傳感器布置于外側(cè)效果普遍優(yōu)于內(nèi)側(cè)。
(3)光纖光柵加速度傳感器數(shù)據(jù)在4個(gè)位置處的傷損識(shí)別準(zhǔn)確率均不高,加速度數(shù)據(jù)能否采用本文所提方法識(shí)別鋼軌外側(cè)表面裂紋需進(jìn)一步測(cè)試。
(4)本文所提方法只基于已知傷損進(jìn)行探測(cè)識(shí)別,對(duì)未知傷損進(jìn)行自適應(yīng)識(shí)別尚待深入研究與實(shí)驗(yàn)。