一种基于超声声场指导的钢轨缺陷三维生成重构方法技术

技术编号:37565840 阅读:13 留言:0更新日期:2023-05-15 07:46
本发明专利技术公开了一种基于超声声场指导的钢轨缺陷三维生成重构方法,通过超声声场指导的循环生成对抗网络将钢轨的B扫数据转换为缺陷截面图,再从缺陷截面图中提取缺陷截面孔径和距离等信息,然后结合B扫数据的幅值计算缺陷的横向尺寸,并通过三维空间变换将钢轨缺陷位置从B扫坐标系转换到钢轨坐标系下,得到钢轨缺陷的在钢轨中的空间位置;最后将缺陷的孔径、横向尺寸和空间位置传入超声检测三维平台,从而输出钢轨缺陷的三维模型,完成对钢轨缺陷的三维重构。缺陷的三维重构。

【技术实现步骤摘要】
一种基于超声声场指导的钢轨缺陷三维生成重构方法


[0001]本专利技术属于无损检测
,更为具体地讲,涉及一种基于超声声场指导的钢轨缺陷三维生成重构方法。

技术介绍

[0002]超声无损检测方法在工业质量检测中得到了很好的应用。随着三维重构技术的发展,超声无损检测方式也从传统二维成像发展为三维成像,对钢轨缺陷进行三维重构可以直观地还原缺陷在钢轨内部的三维尺寸和空间位置,提高钢轨缺陷检测的效率,有助于及早发现钢轨问题并及时进行修复,避免因钢轨缺陷导致的事故和安全问题。
[0003]目前户外三维重构主要基于视觉或激光等方式,基于超声的三维重构主要应用于实验室场合,需要借助多探头或机械扫查平台,不满足钢轨场景的无损检测。此外,在长距离的钢轨检测中超声无损检测的方式主要为导波和B扫扫查,但无法直接获取缺陷的三维信息,难以表述缺陷在钢轨中三维尺寸和位置分布。
[0004]现有的三维重构方法主要基于点云,通过点云生成网络从低维数据到三维数据的生成过程需要大量数据指导训练。对于钢轨无损检测超声数据过于稀疏,而三维重构所需数据量大,难以采集足够的超声缺陷三维数据提供特征给生成网络。

技术实现思路

[0005]本专利技术的目的在于克服现有技术的不足,提供一种基于超声声场指导的钢轨缺陷三维生成重构方法,利用探伤轮B扫数据有效的进行钢轨缺陷三维重构,实现钢轨场景的无损检测。
[0006]为实现上述专利技术目的,本专利技术一种基于超声声场指导的钢轨缺陷三维生成重构方法,其特征在于,包括以下步骤:<br/>[0007](1)、采集B扫数据;
[0008]利用探伤车携带探伤轮对待测钢轨进行B扫查,获取待测钢轨上缺陷位置处的B扫数据;
[0009](2)、基于超声声场指导的缺陷二维截面生成;
[0010](2.1)、建立探伤轮入射到待测钢轨内部的声压波束模型:
[0011][0012]其中,p(x,ω)表示频率ω的超声探头在钢轨内部位置x处的声压,超声探头宽度为2b,x
t
表示超声探头的表面中心位置,r1为超声探头表面位置x
t
沿声波方向到钢轨表面入射点x
i
的距离,r2为入射点x
i
到钢轨内部位置x处的距离;T
p
为基于声压比的平面波传播系数,ρ1为探伤轮内部耦合液的密度,c1为声波在探伤轮内部耦合液中的传播速度,c2为声波在钢轨中的传播速度,k1和k2分别为探伤轮内部耦合液和钢轨中的波数,k1=ω/c1,k2=ω/
c2,v0(ω)表示在频率ω下探头表面振动速度的傅里叶变换,θ1和θ2分别为声波的入射角和出射角,i表示虚数;
[0013](2.2)、获取虚拟探头的声场分布图;
[0014]设定一个虚拟探头,其表面中心位置为x2,宽度为2b,设定声波入射角度θ1和介质密度ρ1、ρ2,声速c1、c2,从而声波在钢轨中的出射角通过对声压波束模型进行仿真,计算钢轨内部B扫截面空间下的声压值,从而得到钢轨内部的声场分布图P;
[0015](2.3)、设置初始缺陷范围;
[0016]计算B扫数据的连通域,设定以连通域长度为半径并与连通域相切的圆,这个圆内作为初始缺陷范围;
[0017](2.4)、设置误差阈值η;设置最大迭代次数T,初始化当前迭代次数t=1,设置尺寸与B扫数据相同且像素值为0的图片作为掩码图;
[0018](2.5)、将模拟B扫数据横轴上每个像素点设定为采样点o,声场分布图P的横轴声束中心对应采样点o;通过虚拟探头对待测钢轨进行模拟B扫查,获取采样点o处的A扫信号S(o)为:
[0019][0020]其中,C为缺陷外轮廓,c为缺陷单个轮廓点,P(c)为虚拟探头在采样点o处时声场分布图P在缺陷轮廓点c处的值,β
em
为声波发射到缺陷表面接收声压的系数,β
re
为声波从缺陷反射回虚拟探头接收声压的系数;
[0021](2.6)、待模拟B扫查结束后,将每一个采样点处的A扫信号作为列向量,从而组成模拟B扫数据;
[0022](2.7)、将模拟B扫数据进行连通域处理后与B扫数据的连通域作对比,计算差异指标dissim:
[0023][0024]其中,l
fake
和l
real
分别为模拟B扫数据连通域的长度和B扫数据连通域的长度;
[0025](2.8)、计算缺陷尺寸的反向修正梯度grad:
[0026]grad=l
fake

l
real
[0027](2.9)、按照反向修正梯度反向修正模拟缺陷半径,使模拟缺陷位置保持与B扫数据的连通域相切:
[0028][0029]其中,α
grad
为梯度下降系数;
[0030](2.10)、计算缺陷在模拟缺陷位置处的概率prob:
[0031]prob=1

a
diss
dissim
[0032]其中,a
diss
为差异系数;
[0033](2.11)、将模拟缺陷在掩码图中的像素位置赋予像素值100*prob,从而得到缺陷
范围掩码;
[0034](2.12)、判断当前迭代次数t是否达到最大迭代次数T或差异指标dissim<η,如果满足,则迭代停止,得到B扫数据对应的缺陷范围掩码;否则,令t=t+1,然后返回步骤(2.5)进行下一轮迭代;
[0035](2.13)、将B扫数据和缺陷范围掩码输入训练好的循环生成对抗网络模型,生成B扫数据对应的钢轨缺陷截面图;
[0036](3)、缺陷三维重构;
[0037](3.1)、从钢轨缺陷截面图中提取缺陷的孔径d以及缺陷到超声探头的距离s;同时从B扫数据中提取缺陷信号的幅值peak;
[0038](3.2)、计算缺陷垂直于B扫截面的横向尺寸l:
[0039][0040]其中,a、b、c、k为常量系数;
[0041](3.3)、计算缺陷三维位置
[0042](3.3.1)、将钢轨坐标系的原点设定在B扫查起始的钢轨横截面轨底的中点处;忽略声波在探头内部的传播,将探头坐标系的原点设定在探伤轮中探头发出声波到钢轨表面的入射点x
i
处;
[0043](3.3.2)、将B扫数据中缺陷的声程位置p
bscan
=(0,s,0,1)
T
转换到探头坐标系下;
[0044]p
dector
=R
y
R
z
p
bscan
[0045]其中,p
dector
表示B扫数据中缺陷在探头坐标系的位置,R
z
表示声程位置p
bscan
绕探头z
dector
轴旋转的旋转矩阵,R
y<本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种基于超声声场指导的钢轨缺陷三维生成重构方法,其特征在于,包括以下步骤:(1)、采集B扫数据;利用探伤车携带探伤轮对待测钢轨进行B扫查,获取待测钢轨上缺陷位置处的B扫数据;(2)、基于超声声场指导的缺陷二维截面生成;(2.1)、建立探伤轮入射到待测钢轨内部的声压波束模型:其中,p(x,ω)表示频率ω的超声探头在钢轨内部位置x处的声压,超声探头宽度为2b,x
t
表示超声探头的表面中心位置,r1为超声探头表面位置x
t
沿声波方向到钢轨表面入射点x
i
的距离,r2为入射点x
i
到钢轨内部位置x处的距离;T
p
为基于声压比的平面波传播系数,ρ1为探伤轮内部耦合液的密度,c1为声波在探伤轮内部耦合液中的传播速度,c2为声波在钢轨中的传播速度,k1和k2分别为探伤轮内部耦合液和钢轨中的波数,k1=ω/c1,k2=ω/c2,v0(ω)表示在频率ω下探头表面振动速度的傅里叶变换,θ1和θ2分别为声波的入射角和出射角,i表示虚数;(2.2)、获取虚拟探头的声场分布图;设定一个虚拟探头,其表面中心位置为x2,宽度为2b,设定声波入射角度θ1和介质密度ρ1、ρ2,声速c1、c2,从而声波在钢轨中的出射角通过对声压波束模型进行仿真,计算钢轨内部B扫截面空间下的声压值,从而得到钢轨内部的声场分布图P;(2.3)、设置初始缺陷范围;计算B扫数据的连通域,设定以连通域长度为半径并与连通域相切的圆,这个圆内作为初始缺陷范围;(2.4)、设置误差阈值η;设置最大迭代次数T,初始化当前迭代次数t=1,设置尺寸与B扫数据相同且像素值为0的图片作为掩码图;(2.5)、将模拟B扫数据横轴上每个像素点设定为采样点o,声场分布图P的横轴声束中心对应采样点o;通过虚拟探头对待测钢轨进行模拟B扫查,获取采样点o处的A扫信号S(o)为:其中,C为缺陷外轮廓,c为缺陷单个轮廓点,P(c)为虚拟探头在采样点o处时声场分布图P在缺陷轮廓点c处的值,β
em
为声波发射到缺陷表面接收声压的系数,β
re
为声波从缺陷反射回虚拟探头接收声压的系数;(2.6)、待模拟B扫查结束后,将每一个采样点处的A扫信号作为列向量,从而组成模拟B扫数据;(2.7)、将模拟B扫数据进行连通域处理后与B扫数据的连通域作对比,计算差异指标dissim:
其中,l
fake
和l
real
分别为模拟B扫数据连通域的长度和B扫数据连通域的长度;(2.8)、计算缺陷尺寸的反向修正梯度grad:grad=l
fake

l
real
(2.9)、按照反向修正梯度反向修正模拟缺陷半径,使模拟缺陷位置保持与B扫数据的连通域相切:其中,α
grad
为梯度下降系数;(2.10)、计算缺陷在模拟缺陷位置处的概率prob...

【专利技术属性】
技术研发人员:高斌鲁雪磊肖湘
申请(专利权)人:四川成电多物理智能感知科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1