一种钢轨表面缺陷漏磁信号识别方法及系统技术方案

本发明专利技术公开了一种钢轨表面缺陷漏磁信号识别方法，将采集到的原始漏磁信号进行划分，通过分段处理及SVM分类器的二次筛选作用下，筛查无用信号，准确有效的识别出缺陷信号，提高了缺陷信号的识别效率，减少了后续信号分析时的数据量，同时减少振动和电磁噪声信号带来的误差，大幅度避免振动信号对实际缺陷信号的干扰，本发明专利技术对应提供一种钢轨表面缺陷漏磁信号识别系统。号识别系统。号识别系统。

【技术实现步骤摘要】
一种钢轨表面缺陷漏磁信号识别方法及系统


[0001]本专利技术涉及无损检测
，尤其是一种钢轨表面缺陷漏磁信号识别方法及系统。

技术介绍

[0002]无损检测是利用材料内部结构的异常和缺陷的存在所引起的对热、声、电、光、磁等反应的变化，评价结构的异常和缺陷，即在不损伤被检测工件、材料等的情况下检测其内部结构、物理性能或状态是否存在裂纹、夹杂等缺陷的新兴学科。漏磁无损检测法可以检测铁磁性材料工件表面及近表面缺陷，并且具备检测灵敏度高、速度快、对工件表面清洁度要求不高、成本低、操作简单等优点，被广泛应用在铁磁材料，如钢轨、钢管等工件表面缺陷的无损检测中。
[0003]高速检测环境中漏磁信号噪声普遍存在，其主要来源包括：振动引入的非平稳暂态噪声、系统电路与空间磁场干扰造成基准电压漂移而引入的固有噪声等。因此，在实际线路检测过程中由于内外界因素的干扰，磁敏传感器采集到的漏磁信号有非常大的干扰，实际检测结果中纯噪声数据占90％以上，数据偏斜问题较为严重，需要进行处理，从原始的采集信号中识别出缺陷信号，而筛除非缺陷信号。

技术实现思路

[0004]专利技术目的：本专利技术的目的在于提供一种钢轨表面缺陷漏磁信号识别方法，达到准确有效的从带有干扰的信号中识别到漏磁缺陷信号的效果；本专利技术对应提供一种钢轨表面缺陷漏磁信号识别系统。
[0005]技术方案：本专利技术提供的钢轨表面缺陷漏磁信号识别方法，包含以下步骤：
[0006]S1：采集钢轨表面原始漏磁信号，将原始漏磁检测信号以a米为单位长度，划分成n个数据段；a大于0,；n为大于0的正整数；
[0007]S2：选定n个数据段中任意一个数据段，计算该数据段内原始漏磁检测信号的峭度值；
[0008]S3：设置峭度值的阈值，判断该数据段内原始漏磁检测信号的峭度值是否大于阈值，若小于阈值则判断为非缺陷信号，返回S2处理n个数据段中其余数据段；若大于阈值则判断为疑似缺陷信号，进入S4；
[0009]S4：对疑似缺陷信号进行CEEMD分解，得到模态分量和残余项，分别计算模态分量的峭度值和残余项的峭度值；
[0010]S5：将模态分量的峭度值和残余项的峭度值共同作为判别缺陷信号和振动信号的特征向量，采用SVM分类器对CEEMD分解后的疑似缺陷信号进行二次筛选；
[0011]S6：判断疑似缺陷信号是否为缺陷信号，若不是，则判定为振动信号，返回S2处理n个数据段中其余数据段，若是，则判定为缺陷信号，保留该段信号，进入S7；
[0012]S7：判断n个数据段是否全部计算完毕，若是，则保留n个数据段中判定为缺陷信号
的信号，结束；若不是，返回S2。
[0013]进一步的，步骤S2中峭度值K的的计算公式为：
[0014][0015]式中，μ为输入信号x的均值，σ为输入信号x的标准差，E(
·
)表示计算其期望值。
[0016]进一步的，步骤S5中，SVM分类器的训练方式为选取径向基函数RBF作为SVM分类器的核函数，选取已知的缺陷信号样本和振动信号样本共同作为数据集，将数据集分为两部分，一部分为训练集,另一部分为验证集,对其中一部分训练集采用网格搜索法，对常用范围内的惩罚参数C和核参数g通过循环遍历，进行筛选,将另一部分训练集采取交叉验证法划分为新的验证集，使用新的验证集再微调惩罚参数C和核参数g，SVM分类器此时训练好，作为训练好的SVM分类器进行使用。
[0017]本专利技术对应提供一种钢轨表面缺陷漏磁信号识别系统，包含划分模块、计算峭度值模块、判断阈值模块、CEEMD分解模块、二次筛选模块、判断信号模块、计算确认模块；
[0018]划分模块用以采集钢轨表面原始漏磁信号，将原始漏磁检测信号以a米为单位长度，划分成n个数据段；a大于0,；n为大于0的正整数；
[0019]计算峭度值模块用以选定n个数据段中任意一个数据段，计算该数据段内原始漏磁检测信号的峭度值；
[0020]判断阈值模块用以设置峭度值的阈值，判断该数据段内原始漏磁检测信号的峭度值是否大于阈值，若小于阈值则判断为非缺陷信号，返回计算峭度值模块处理n个数据段中其余数据段；若大于阈值则判断为疑似缺陷信号，进入CEEMD分解模块；
[0021]CEEMD分解模块用以对疑似缺陷信号进行CEEMD分解，得到模态分量和残余项，分别计算模态分量的峭度值和残余项的峭度值；
[0022]二次筛选模块用以将模态分量的峭度值和残余项的峭度值共同作为判别缺陷信号和振动信号的特征向量，采用SVM分类器对CEEMD分解后的疑似缺陷信号进行二次筛选；
[0023]判断信号模块用以判断疑似缺陷信号是否为缺陷信号，若不是，则判定为振动信号，返回计算峭度值模块处理n个数据段中其余数据段，若是，则判定为缺陷信号，保留该段信号，进入计算确认模块；
[0024]计算确认模块用以判断n个数据段是否全部计算完毕，若是，则保留n个数据段中判定为缺陷信号的信号，结束；若不是，返回计算峭度值模块。
[0025]进一步的，计算峭度值模块中峭度值的计算公式为：
[0026][0027]式中，μ为输入信号x的均值，σ为输入信号x的标准差，E(
·
)表示计算其期望值。
[0028]进一步的，二次筛选模块中，SVM分类器的训练方式为选取径向基函数RBF作为SVM分类器的核函数，选取已知的缺陷信号样本和振动信号样本共同作为数据集，将数据集分为两部分，一部分为训练集,另一部分为验证集,对其中一部分训练集采用网格搜索法，对常用范围内的惩罚参数C和核参数g通过循环遍历，进行筛选,将另一部分训练集采取交叉验证法划分为新的验证集，使用新的验证集再微调惩罚参数C和核参数g，SVM分类器此时训练好，作为训练好的SVM分类器进行使用。
[0029]有益效果：本专利技术与现有技术对比，其显著特点是将采集到的原始漏磁信号进行划分，通过分段处理及SVM分类器的二次筛选作用下，筛查无用信号，准确有效的识别出缺陷信号，提高了缺陷信号的识别效率，减少了后续信号分析时的数据量，同时减少振动和电磁噪声信号带来的误差，大幅度避免振动信号对实际缺陷信号的干扰。
附图说明
[0030]图1是本专利技术的流程示意图；
[0031]图2是本专利技术中80KM/H速度下钢轨缺陷漏磁检测信号示意图；
[0032]图3是本专利技术中选取任意一段数据段时域波形图；
[0033]图4是漏磁信号CEEMD处理后时域波形图。
具体实施方式
[0034]下面结合附图及具体实施例对本专利技术做进一步详细说明。
[0035]实施例1
[0036]请参阅图1所示，本专利技术提供的一种钢轨表面缺陷漏磁信号识别方法，包含以下步骤：
[0037]S1：采集钢轨表面原始漏磁信号，将原始漏磁检测信号以a米为单位长度，划分成n个数据段；a大于0,；n为大于0的正整数。
[0038]S2：选定n个数据段中任意一个数据段，计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种钢轨表面缺陷漏磁信号识别方法，其特征在于，包含以下步骤：S1：采集钢轨表面原始漏磁信号，将原始漏磁检测信号以a米为单位长度，划分成n个数据段；a大于0,；n为大于0的正整数；S2：选定n个数据段中任意一个数据段，计算该数据段内原始漏磁检测信号的峭度值；S3：设置峭度值的阈值，判断该数据段内原始漏磁检测信号的峭度值是否大于阈值，若小于阈值则判断为非缺陷信号，返回S2处理n个数据段中其余数据段；若大于阈值则判断为疑似缺陷信号，进入S4；S4：对疑似缺陷信号进行CEEMD分解，得到模态分量和残余项，分别计算模态分量的峭度值和残余项的峭度值；S5：将模态分量的峭度值和残余项的峭度值共同作为判别缺陷信号和振动信号的特征向量，采用SVM分类器对CEEMD分解后的疑似缺陷信号进行二次筛选；S6：判断疑似缺陷信号是否为缺陷信号，若不是，则判定为振动信号，返回S2处理n个数据段中其余数据段，若是，则判定为缺陷信号，保留该段信号，进入S7；S7：判断n个数据段是否全部计算完毕，若是，则保留n个数据段中判定为缺陷信号的信号，结束；若不是，返回S2。2.根据权利要求1所述的钢轨表面缺陷漏磁信号识别方法，其特征在于，步骤S2中峭度值K的计算公式为式中，μ为输入信号x的均值，σ为输入信号x的标准差，E(
·
)表示计算其期望值。3.根据权利要求1所述的钢轨表面缺陷漏磁信号识别方法，其特征在于，步骤S5中，SVM分类器的训练方式为选取径向基函数RBF作为SVM分类器的核函数，选取已知的缺陷信号样本和振动信号样本共同作为数据集，将数据集分为两部分，一部分为训练集,另一部分为验证集,对其中一部分训练集采用网格搜索法，对常用范围内的惩罚参数C和核参数g通过循环遍历，进行筛选,将另一部分训练集采取交叉验证法划分为新的验证集，使用新的验证集再微调惩罚参数C和核参数g，SVM分类器此时训练好，作为训练好的SVM分类器进行使用。4.一种钢轨表面缺陷漏磁信号识别系统，其特征在于，包含划分模块、计算峭度值模块、判断阈值模块、CEEMD分解模块、二次筛选模块、判断信号模块、计算确认模块；划分模块用以采集钢轨表面原始漏磁信号，将原始漏磁检测信号以a米为单位长度，划分成n个数据段；a大于0,；n为大于0的正整数；...

【专利技术属性】
技术研发人员：王平，李正，贾银亮，邱增集，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：