一种铁路辙叉的疲劳损伤状态识别方法及系统技术方案

本发明专利技术公开了一种铁路辙叉的疲劳损伤状态识别方法及系统，其疲劳损伤状态识别方法包括：获取声发射事件所对应的电信号以分析获得声发射信号的参数值；将所述参数值导入支持向量机模型，基于所述支持向量机模型对所述声发射事件进行分类预测以输出铁路辙叉的疲劳损伤状态的预测结果；所述支持向量机模型包括多个子模型，每个所述子模型基于二分类算法训练获得。本发明专利技术代替原有对铁路辙叉表面进行视觉和染料渗透检测的方法，对铁路辙叉内部的疲劳损伤状态进行预测，提高了铁路辙叉使用寿命的估算准确性。估算准确性。估算准确性。

【技术实现步骤摘要】
一种铁路辙叉的疲劳损伤状态识别方法及系统


[0001]本专利技术涉及铁路检测
，尤其涉及一种铁路辙叉的疲劳损伤状态识别方法及系统。

技术介绍

[0002]铁路辙叉是用于使车轮由一股钢轨越过另一股钢轨的设备，是影响火车运行平稳性与安全性的关键基础设施。近年来，高锰钢整铸辙叉的疲劳损伤问题随着火车运行速度和载重的增加而变得日益突出。针对铁路辙叉的状态监测将会有助于提前预知疲劳事故的发生，提高安全预警的能力。
[0003]目前服役中的高锰钢整铸辙叉的检测仅限于视觉和染料渗透检测两项技术，但这两项技术仅对辙叉的表面缺陷比较敏感，却无法准确地表征埋藏在辙叉内部的疲劳损伤状态，严重影响了铁路辙叉的使用寿命估计以及生命周期成本评估的准确性。

技术实现思路

[0004]为了克服现有技术的不足，本专利技术的目的之一在于提供一种铁路辙叉的疲劳损伤状态识别方法，可对辙叉内疲劳损伤的状态进行评估，提高检测准确性。
[0005]本专利技术的目的之二在于提供一种铁路辙叉的疲劳损伤状态识别系统。
[0006]本专利技术的目的之三在于提供一种电子设备。
[0007]本专利技术的目的之四在于提供一种存储介质。
[0008]本专利技术的目的之一采用如下技术方案实现：
[0009]一种铁路辙叉的疲劳损伤状态识别方法，包括：
[0010]获取声发射事件所对应的电信号以分析获得声发射信号的参数值；
[0011]将所述参数值导入支持向量机模型，基于所述支持向量机模型对所述声发射事件进行分类预测以输出铁路辙叉的疲劳损伤状态的预测结果；所述支持向量机模型包括多个子模型，每个所述子模型基于二分类算法训练获得。
[0012]进一步地，获取所述声发射事件所对应的电信号的方法为：
[0013]当接收到列车经过铁路辙叉上指定区域所反馈的检测信号，基于声发射技术采集列车经过铁路辙叉时发生的所述声发射事件所产生的弹性波，并将其转换为电信号以获得声发射信号。
[0014]进一步地，获取所述声发射事件所对应的电信号后，包括：
[0015]根据电信号的波形特征确定所述声发射事件的幅值、振铃计数、持续时间、能量以及上升时间。
[0016]进一步地，获取所述声发射事件所对应的电信号后，还包括：
[0017]判断当前所述声发射事件的有效性，对无效的所述声发射事件剔除，并利用有效的所述声发射事件进行疲劳损伤状态分类。
[0018]进一步地，所述声发射事件的参数值包括单位计数能量、平均频率、幅值、持续时
间和上升时间；其中，单位计数能量＝所述声发射事件的能量/所述声发射事件的振铃计数。
[0019]进一步地，所述支持向量机模型的训练方法为：
[0020]预先根据裂纹稳态扩展过程中应力强度因子范围的不同将铁路辙叉的裂纹稳态扩展分类为K个类别，K为大于或等于2的整数；
[0021]随机将任意两个类别的声发射事件进行组合，并获取组合后声发射事件所对应的训练样本集，分别使用二分类算法对每个组合后声发射事件所对应的训练样本集进行学习，并通过交叉验证方法确定模型的最优参数以生成M个子模型，其中，M＝k(k－1)/2。
[0022]进一步地，输出铁路辙叉的疲劳损伤状态的预测结果的方法为：
[0023]将所述声发射事件的参数值输入M个子模型，根据M个子模型的输出结果对所述声发射事件所对应的类别进行投票累计，将获票最多的类别作为对所述铁路辙叉的疲劳损伤状态的预测结果。
[0024]本专利技术的目的之二采用如下技术方案实现：
[0025]一种铁路辙叉的疲劳损伤状态识别系统，执行如上述的铁路辙叉的疲劳损伤状态识别方法，其系统包括：
[0026]自动触发模块，用于检测铁路辙叉上的指定区域是否有列车经过；
[0027]谐振式换能器，用于将铁路辙叉上列车经过指定区域所发生的声发射事件转换为电信号；
[0028]事件采集模块，用于接收所述谐振式换能器传输的电信号，计算所述声发射事件的参数值；
[0029]中控分析模块，用于将所述参数值导入支持向量机模型，基于所述支持向量机模型对所述声发射事件进行分类预测以输出所述铁路辙叉的疲劳损伤状态的预测结果。
[0030]本专利技术的目的之三采用如下技术方案实现：
[0031]一种电子设备，其包括处理器、存储器及存储于所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述铁路辙叉的疲劳损伤状态识别方法。
[0032]本专利技术的目的之四采用如下技术方案实现：
[0033]一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被执行时实现上述的铁路辙叉的疲劳损伤状态识别方法。
[0034]相比现有技术，本专利技术的有益效果在于：
[0035]本专利技术基于声发射技术检测列车与铁路辙叉发生撞击时声发射事件所释放的弹性波，并将其转换为电信号以计算出声发射事件的单位计数能量、平均频率、幅值、持续时间和上升时间等参数值，基于支持向量机模型对声发射事件进行分类，进而识别高锰钢整铸辙叉的疲劳损伤状态；本专利技术代替原有对铁路辙叉表面进行视觉和染料渗透检测的方法，对铁路辙叉内部的疲劳损伤状态进行预测，提高了铁路辙叉使用寿命的估算准确性。
附图说明
[0036]图1为本专利技术铁路辙叉的疲劳损伤状态识别方法的流程示意图；
[0037]图2为本专利技术铁路辙叉的疲劳损伤状态识别系统的模块示意图。
具体实施方式
[0038]下面，结合附图以及具体实施方式，对本专利技术做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
[0039]实施例一
[0040]本实施例提供一种铁路辙叉的疲劳损伤状态识别方法，利用声发射技术对铁路辙叉内部的疲劳损伤状态进行预测，提高了铁路辙叉检测的准确性。
[0041]如图1所示，本实施例的铁路辙叉的疲劳损伤状态识别方法具体包括：
[0042]步骤S1：获取声发射事件所对应的电信号以分析获得声发射信号的参数值；
[0043]步骤S2：将所述参数值导入支持向量机模型，基于所述支持向量机模型对所述声发射事件进行分类预测以输出铁路辙叉的疲劳损伤状态的预测结果；所述支持向量机模型包括多个与分类类别相关的子模型，每个所述子模型均基于二分类算法训练获得。
[0044]本实施例中所述声发射事件是在列车经过铁路辙叉时列车与铁路辙叉撞击产生的，本实施例可采用装设在铁路心轨的轨腰处的谐振式换能器来采集发生所述声发射事件时以弹性波形式释放出的应变能，并将其转换为电信号后对其信号进行分析从而对铁路辙叉进行动态无损检测。
[0045]本实施例可在铁路辙叉上待测的指定区域安装传感器，其传感器可以是反射式光电传感器或振动传感器等设备，通过光电检测或振动检测等方式检测是否有列车经过指定区域，当接收到列车经过铁路辙叉上指定区域所反馈的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种铁路辙叉的疲劳损伤状态识别方法，其特征在于，包括：获取声发射事件所对应的电信号以分析获得声发射信号的参数值；将所述参数值导入支持向量机模型，基于所述支持向量机模型对所述声发射事件进行分类预测以输出铁路辙叉的疲劳损伤状态的预测结果；所述支持向量机模型包括多个子模型，每个所述子模型基于二分类算法训练获得。2.根据权利要求1所述的铁路辙叉的疲劳损伤状态识别方法，其特征在于，获取所述声发射事件所对应的电信号的方法为：当接收到列车经过铁路辙叉上指定区域所反馈的检测信号，基于声发射技术采集列车经过铁路辙叉时发生的所述声发射事件所产生的弹性波，并将其转换为电信号以获得声发射信号。3.根据权利要求2所述的铁路辙叉的疲劳损伤状态识别方法，其特征在于，获取所述声发射事件所对应的电信号后，包括：根据电信号的波形特征确定所述声发射事件的幅值、振铃计数、持续时间、能量以及上升时间。4.根据权利要求3所述的铁路辙叉的疲劳损伤状态识别方法，其特征在于，获取所述声发射事件所对应的电信号后，还包括：判断当前所述声发射事件的有效性，对无效的所述声发射事件剔除，并利用有效的所述声发射事件进行疲劳损伤状态分类。5.根据权利要求3所述的铁路辙叉的疲劳损伤状态识别方法，其特征在于，所述声发射事件的参数值包括单位计数能量、平均频率、幅值、持续时间和上升时间；其中，单位计数能量＝所述声发射事件的能量/所述声发射事件的振铃计数。6.根据权利要求1所述的铁路辙叉的疲劳损伤状态识别方法，其特征在于，所述支持向量机模型的训练方法为：预先根据裂纹稳态扩展过程中应力强度因子范围的不同将铁路辙叉的裂纹稳态扩展分类为K个类别，...

【专利技术属性】
技术研发人员：史生润，吴桂毅，张书彦，张鹏，
申请(专利权)人：广东书彦材料基因创新科技有限公司，
类型：发明
国别省市：