智能化铁轨探伤科技创新性研究

王 超 杨家旺 何建波 张抒屹 杨日城

（辽宁工程技术大学土木工程学院,辽宁 阜新123000）

1 研究背景

截止2019 年底,全国铁路营业里程达到12.7 万公里,但部分铁路运转状况不佳,铁轨超期服务现象严重,损伤的铁轨占相当比例。

对于检测损伤铁轨而言,人工检测消耗时间长,无法确定细微伤痕,大范围人工检查难度大,检测效率与质量低；另外当前普遍使用的超声波探伤仪对人员要求较高,且存在缺少智能检测设备辅助,录像质量低等缺点。因此研制智能化、平民化的铁轨检测设备已成为建设强国的发展需要。

2 设计原理

2.1 设计思路。以漏磁检测为基础,将无线通信技术、移动终端技术、GPS 定位技术等综合应用到铁轨的信息伤损检测、在线监控、故障诊断等服务中,充分利用5G 通信技术交流、快捷的特点,达到轨道探伤智能化的目的。

2.2 设计目标。（1）体积小,该研究的目标为设计一款便捷式的小型电动铁轨探伤车,车子总重不超过20KG。（2）高精度铁轨探伤,探伤小车采用2 个探头,最远探伤可达6mm,同时充分保证了探头发射和接受的信号不会改变。（3）在线故障识别,传统的人工探伤小车无法立即确定所检测位置的伤痕位置和深度,通过智能化的检测方式及机器识别与人工回放复查的方式确定缺陷位置和铁轨损伤的严重程度,完成损伤检测之后小车自动标记铁轨缺陷的位置信息以及深度信息。（4）在线定位功能,后台实时监测探伤机器人所在位置,便于在完成检测后能顺利回收。（5）信息数据库,根据GPS、GIS 等定位技术准确查找检测路线上的伤损位置,并在数据库中建立修复历史档案。（6）自我诊断,考虑到小车可能会出现大的机械与电子方面上的故障,用C#语言建立自我诊断程序,实现铁轨探伤机器人基于本体故障诊断。

图1 漏磁原理示意图

当发现缺陷位置时,传感器捕捉的漏磁信号以及摄像头捕捉的图像将第一时间发送至远端后台系统,并且为缺陷区域做出标记,远端工作人员可以第一时间赶到需要维修的铁轨区域,保证铁路的安全性。

2.3 设计原理。假定被测的铁磁性材料内部材质均匀分布,则材料内部无缺陷时,其内部各处磁导率是相等的。被测样件被磁化后,在无缺陷处,磁力线在样件内部平行于表面且均匀分布,此时在试件外部并无磁场泄漏。被测样件表面有缺陷时,由于缺陷附近材料分布不均匀,导致这部分材料的磁导率与与其他位置不相等,且缺陷内部为空气或其他磁导率相对来说较低的材质,磁力线难以从中穿过。此时材料内部的磁场不再均匀分布,虽然材料内部仍有较多磁力线分布,但一小部分磁力线会绕过缺陷泄漏到空气中,另外在缺陷内部也会剩余部分磁力线[1]。

2.4 总体架构。铁轨探伤小车分为如下五个系统。（1）探伤系统。探伤系统由滑靴式探头、漏磁检测装置、采集处理器以及漏磁探伤软件。小车安装的漏磁检测装置产生磁感线到行驶钢轨上,钢轨伤口返回的磁信号被滑靴式探头接收,磁信号经信息处理,再传输到上位机,达成探伤数据的分析和存储。当有损伤信息出现时,需要探伤车在钢轨上及时喷涂标记。（2）伺服系统。伺服子系统主要为探轮以及探轮支架构成,用螺栓将探轮以及探轮支架连接车架上面,保证探伤结果平稳、准确和可靠。（3）电气工程控制管理系统。以stm32f103 为MCU,连接进行控制伺服电机控制器、避障、GPS 定位等系统,做到可以实时有效控制与调整探伤运行环境参数,保证小车平稳的运行过程中实时监测获取各模块分析数据。（4）驱动系统。车架和辅助装置等部件组成驱动系统,实现漏磁探伤小车在被检测的轨道上平稳行走,并作为平台搭载伺服系统、探伤系统和电气控制系统。（5）制动系统。漏磁探伤小车在铁轨上正常行驶时,当发现缺口处返回的磁信号或前方有意外状况发生时,小车就需要紧急制动停车,为了实现探伤小车制动的安全平稳,小车准备了两种情况下的制动方案：在发现缺口时处理器会选择脚刹闸瓦式机械制动；在GPS 和摄像头监测下若发生紧急情况将会采用电磁刹车制动。电子自动抱闸制动减速机与制动器连接,断电后车轮会自动抱闸,远端控制下（减速）,电器控制闸瓦减速使车辆停止,停止后车轮会自动抱闸,锁死[3]。

2.5 软件架构。采用C/S 架构（服务器/客户端）。具体使用三层C/S 的基本结构（三层即用户端界面层、应用业务逻辑层、数据服务层）。这是一种多对多的结构,中间通过TCP/IP 网络传输协议进行传输。用户界面层可以用“NO PC”终端、手机、智能平板电脑。此种架构的优势体现以下几点：（1）应用各层可以并行开发,各层也可以选择各自最合适的开发语言,保证程序的可维护性[4]。（2）服务器数据库储存大量探伤信息,信息基数大。使用该架构,安全性的维护与管理比较容易实现。（3）灵活的硬件系统结构,减少了硬件投资。（4）检测产生大量铁路信息,该架构可支持异种数据库,支持海量储存,具备较强的可用性。

图2 小车侧面图

2.6 数据库架构。数据库设计,确定为根据现有的业务系统中,数据表的名称的数据标准,该数据项,该数据项代码,数据类型的名称。数据库管理软件可以采用Oracle10G。

2.7 开发工具。基于原始（母语）C#开发框架,本机应用程序包括以下功能：（1）使用标准的用户界面,并满足每个平台的设计标准。以提供一个优化的效能配合硬件设备装置。（2）C#函式库供使用者可以使用,开发工作人员可使用C#撰写教学程序,并透过学生良好的设计,通过在不同发展平台资源共享经济部分应用程序实现代码。编译封装技术完成的程序由于不经过一个中间转译,直接编译为原生的二进制数据执行相关文件[2]。

2.8 关键技术。（1）漏磁检测技术。如果铁轨表面或者内部存在缺陷,则磁通量发生畸变,并且一些磁感应线将泄露到表面伤口或通过空气再进入材料从而在表面形成漏磁场。通过分析磁场传感器捕获的漏磁信号可以得到铁轨缺陷的位置及大小。（2）GPS 定位技术。通过使用GPS 定位技术,主控台的操作人员可以了解小车运动的实时轨迹,以了解小车运动路径是否会有火车行驶,及时为火车让开道路。同时,发现铁轨有伤痕时,通过GPS 定位确定伤痕的位置,在传输信息中说明并在显示图上做出标记。（3）智能机器学习。小车运行中所遇到的所有伤痕经过参数计算留存最终数据在数据库里,小车控制系统通过深度学习,学习数据库储存的伤痕数据并将学习到的数据运用到新的伤痕探测中。（4）信息追踪管理。追踪功能包括系统登录信息、数据请求信息等,方便技术人员处理信息,维护系统。（5）工作流技术,通过在服务器端配置各个流程的节点以及规则等,系统上线后业务人员可以按照反馈需求对功能进行二次开发和调整。（6）大数据与云计算。铁轨探伤信息数量庞大,采用大数据采集、存储和关联分析。采集到的所有数据上传到云端,通过网络“云”将巨大的数据计算运算,最后将结果合并,得到小车需要深度学习的具体数据。（7）机器视觉。基于一种动态图像识别技术,基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替,让周围的像素值接近的真实值。该方法对噪声有良好的滤除作用,同时能够保护图像特征部分的边缘,使之不被模糊[6]。

图3 实时检测系统

3 创新特色

3.1 在线故障识别。人工识别与机器识别结合检测铁轨,保证检测数据的准确性,发现探伤处机器将标记缺陷位置,提高检修效率。

3.2 多传感器融合。图像传感器、超声波传感器等多传感器融合使铁轨探伤机器人具备足够的安全性与数据准确性。

3.3 机器视觉。基于动态图像识别技术,检测装置接收到的图像进行预处理并提取特征,生成易于人眼识别的图像。

3.4 信息数据库。铁轨探伤数据整理收录到信息数据库中,为机器深度学习提供数据基础。

3.5 自我诊断。针对检测机器人可能会在在运行过程中会发生机械和电子方面的故障,自我诊断程序检测潜在漏洞并发送给检修人员。

4 结论

对比当前的人工检测手段,本发明节省了人工劳动,提高了轨道检测质量与效率,助推了轨道检测智能化发展。随着大数据、人工智能等新兴领域的不断发展,高效率检测与智能化省级已经成为铁路安全检测的必然发展趋势,该发明通过机器人视觉、深度学习等技术,一次性完成多项轨道检测模块任务,为铁轨探伤提供了高精度、高效率的检测服务。通过人工智能、大数据等对现有机器检测系统进行赋能,最终实现铁轨安全检测的自动化和智能化升级。