基于多电磁参量融合的火车车轮残余应力检测方法技术

本申请公开了一种基于多电磁参量融合的火车车轮残余应力检测方法，包括以下过程：制作标定试样的车轮；测量被测试样的电磁信号，利用电磁检测传感器同步获取被测试样的切向磁场强度、巴克豪森噪声信号和增量磁导率信号；提取被测试样的电磁参量特征值；采用常规残余应力方法测量标定试样，利用人工BP神经网络方法，针对残余应力获得预测模型；将被测试样的电磁参量特征值代入到预测模型中，检验残余应力的预测精度。本申请的火车车轮残余应力检测方法对标定试样进行电磁参量特征值测量和常规残余应力测量，采用人工BP神经网络方法，针对残余应力获得预测模型，将验证试样的三种电磁参量特征值代入到预测模型中，来提高检验残余应力的预测精度。检验残余应力的预测精度。检验残余应力的预测精度。

【技术实现步骤摘要】
基于多电磁参量融合的火车车轮残余应力检测方法


[0001]本申请涉及电磁无损检测
，特别涉及一种基于多电磁参量融合的火车车轮残余应力检测方法。

技术介绍

[0002]目前，火车车轮的残余应力检测普遍采用传统的力学方法，残余应力测量主要采用火焰切割法和/或电子应变片法。传统的车轮残余应力检测属于破坏、抽样检查，不仅不能反映整体车轮以及整批车轮的性能状态，而且检测速度慢效率低。
[0003]铁磁性金属力学性能的电磁检测（巴克豪森噪声）是近些年出现的一种新型检测技术，它是利用铁磁性材料在周期磁化过程中诱发的多种电磁特征信号，来对力学性能进行定量表征，简言之，就是通过测量电磁参量预测力学参量值。
[0004]由于铁磁金属力学性能的电磁检测属于无损检测方法，能够实现对被检测对象的快速普检，代表着力学性能检测的发展方向，因此越来越受到关注。目前国内外已经出现一些相关研究的报道，也有一些仪器研发和使用的实例，但是往往只测量一种电磁参量，用来建立力
‑
磁映射模型，通常会带来较大的不确定度。

技术实现思路

[0005]根据上述技术缺陷，本申请提供一种基于多电磁参量融合的火车车轮残余应力检测方法。
[0006]本申请提供一种基于多电磁参量融合的火车车轮残余应力检测方法,采用如下的技术方案：一种基于多电磁参量融合的火车车轮残余应力检测方法，包括以下过程：制作标定试样的车轮；测量被测试样的电磁信号，利用电磁检测传感器同步获取被测试样的切向磁场强度、巴克豪森噪声信号和增量磁导率信号；提取被测试样的电磁参量特征值；采用常规残余应力方法测量标定试样，利用人工BP神经网络方法，针对残余应力获得预测模型；将被测试样的电磁参量特征值代入到预测模型中，检验残余应力的预测精度。
[0007]通过采用上述技术方案，从待测型号车轮中挑选一个车轮制备系列标定试样；分别对标定试样进行电磁参量特征值测量和常规残余应力测量；采用人工BP神经网络方法，针对残余应力获得预测模型；将验证试样的三种电磁参量特征值代入到预测模型中，来提高检验残余应力的预测精度。
[0008]可选的，测量被测试样电磁信号的电磁检测传感器，主要由U型电磁铁磁芯、低频励磁线圈、高频激励线圈、感应接收线圈和霍尔元件组成；低频激磁线圈采用Φ1.5mm漆包线绕制，高频激励线圈利用Φ0.7mm漆包线绕制。
[0009]可选的，电磁检测传感器测量测试样电磁信号的过程为：低频激磁线圈通入低频交流的励磁信号，线圈的内部产生交变的磁场，产生的磁场沿U型电磁铁传递与被测试样间形成交变的磁回路，从而引起被测试样内部磁畴翻转、移动，诱发磁畴壁位错产生磁巴克豪森噪声信号；高频激励线圈通入高频激励信号，低频激磁线圈中继续通入低频激励信号对被测试样表面进行混频磁化时，可以使铁磁金属材料中出现局部磁滞回线现象，为测量增量磁导率的变化创造条件；感应接收线圈用于接收巴克豪森噪声信号和增量磁导率变化信号，霍尔元件用于测量材料表面低频切向磁场强度信号变化。
[0010]可选的，U型电磁铁磁芯采用矽钢片制作，U型电磁铁磁的磁极末端加工成锥形。
[0011]通过采用上述技术方案，矽钢片具有高导磁特性，而且可以避免涡流损耗；U型电磁铁磁的磁极末端加工成锥形，以确保励磁场与被测试样表面的良好耦合。
[0012]可选的，利用电磁检测仪器处理得到被测试样切向磁场强度、巴克豪森噪声信号和增量磁导率信号的特征值；电磁检测仪器由嵌入式系统和上位计算机组成，嵌入式系统用于产生低频正弦交流电和高频正弦交流电供给电磁检测传感器，将电磁检测传感器获得的测量信号进行放大、滤波等处理后进行A/D转换，再利用嵌入式软件进行电磁参量特征值提取并输入给上位计算机；上位机用于将嵌入式系统处理得到的电磁参量特征值，通过预测模型计算给出被测试样的力学参量值。
[0013]可选的，采用BP神经网络建立标定试样残余应力的预测模型，建立预测模型包括以下过程：创建BP神经网络：确定神经网络的输入层节点数m，隐含层节点数n，输出层节点数l；其中电磁特征值为输入层节点，输出层为残余应力；初始化BP神经网络：将层与层之间连接的神经元权值和阈值进行初始化；设置训练BP神经网络参数；训练BP神经网络，进行网络学习。神经网络的学习过程，其实就是输入层和隐含层之间的权值矩阵以及隐含层和输出层之间的阈值矩阵的设定和误差修正过程；将训练好的神经网络进行仿真，并保存已经训练好的神经元传递函数，权值和阈值。
[0014]综上所述，本申请的基于多电磁参量融合的火车车轮残余应力检测方法，对标定试样进行电磁参量特征值测量和常规残余应力测量，采用人工BP神经网络方法，针对残余应力获得预测模型，将验证试样的三种电磁参量特征值代入到预测模型中，来提高检验残余应力的预测精度。
附图说明
[0015]图1是本申请实施例中电磁检测传感器的结构示意图。
[0016]图2是本申请实施例中电磁检测仪器的示意图。
[0017]附图标记说明：
1、U型电磁铁磁芯；2、低频励磁线圈；3、高频激励线圈；4、感应接收线圈；5、霍尔元件。
具体实施方式
[0018]以下结合附图对本申请作进一步详细说明。
[0019]本申请主要实现火车车轮残余应力的电磁检测，需要针对特定车轮对象进行标定实验，标定实验的内容包括：从待测型号车轮中挑选一个车轮制备系列标定试样；分别对标定试样进行电磁参量特征值测量和常规残余应力测量；采用人工BP神经网络方法，针对残余应力获得预测模型；将验证试样的电磁参量特征值代入到预测模型中，来检验残余应力的预测精度，根据预先设定的允许误差，给出标定实验是否成功的结论。
[0020]基于以上原理，本申请提出一种基于多电磁参量融合的火车车轮残余应力检测方法，具体包括以下过程：制作标定试样的车轮；从同型号、完成所有既定制造工序的待测车轮中选取，本申请选取D2型动车组车轮；根据动车组车轮产品标准的规定，车轮残余应力的测量部位在轮辋，所以标定试样应从车轮轮辋上切取；再者，制备的标定试样应做到：1、形状尺寸和表面状态既符合力学性能试验的国家标准要求，又适合电磁参量的测量；2、残余应力值应覆盖且超过车轮标准规定的合格值范围并呈梯次、均匀分布。
[0021]测量被测试样的电磁信号；利用电磁检测传感器同步获取被测试样的切向磁场强度、巴克豪森噪声信号和增量磁导率信号。
[0022]参照图1，使用的电磁检测传感器由U型电磁铁磁芯1、低频励磁线圈2、高频激励线圈3、感应接收线圈4和霍尔元件5组成，U型电磁铁磁芯1、低频励磁线圈2和高频激励线圈3构成传感器的磁化单元，实现对被测试样的局部磁化；感应接收线圈4和霍尔元件5构成传感器的测量单元，实现对三类电磁信号的测量，其中，霍尔元件5负责测量试样表面的切向磁场强度，感应接收线圈4负责测量巴克豪森噪声和增量磁导率变化。
[0023]在磁化单元中，U型电磁铁磁芯1采用矽钢片制作，矽钢片不仅具有高导磁特性而且可以避免涡流损耗本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多电磁参量融合的火车车轮残余应力检测方法，其特征在于：包括以下过程：制作标定试样的车轮；测量被测试样的电磁信号，利用电磁检测传感器同步获取被测试样的切向磁场强度、巴克豪森噪声信号和增量磁导率信号；提取被测试样的电磁参量特征值；采用常规残余应力方法测量标定试样，利用人工BP神经网络方法，针对残余应力获得预测模型；将被测试样的电磁参量特征值代入到预测模型中，检验残余应力的预测精度。2.根据权利要求1所述的基于多电磁参量融合的火车车轮残余应力检测方法，其特征在于：测量被测试样电磁信号的电磁检测传感器，主要由U型电磁铁磁芯、低频励磁线圈、高频激励线圈、感应接收线圈和霍尔元件组成；低频激磁线圈采用Φ1.5mm漆包线绕制，高频激励线圈利用Φ0.7mm漆包线绕制。3.根据权利要求2所述的基于多电磁参量融合的火车车轮残余应力检测方法，其特征在于：电磁检测传感器测量测试样电磁信号的过程为：低频激磁线圈通入低频交流的励磁信号，线圈的内部产生交变的磁场，产生的磁场沿U型电磁铁传递与被测试样间形成交变的磁回路，从而引起被测试样内部磁畴翻转、移动，诱发磁畴壁位错产生磁巴克豪森噪声信号；高频激励线圈通入高频激励信号，低频激磁线圈中继续通入低频激励信号对被测试样表面进行混频磁化时，可以使铁磁金属材料中出现局部磁滞回线现象，为测量增量磁导率的变化创造条件；感应接收线圈用于接收巴克豪森噪声信号和增量磁导率变化信号，霍尔元件用于测量材料表面低频切向磁场强度信号变化。...

【专利技术属性】
技术研发人员：夏鹏，张建卫，范弘，朱国庆，刘涛，刘光磊，沈海红，王永锋，童凯，王宏亮，王晓文，齐英豪，魏志辉，王宏良，
申请(专利权)人：钢研纳克检测技术股份有限公司，
类型：发明
国别省市：