【技术实现步骤摘要】
本专利技术涉及无损检测，尤其是一种基于热感知神经网络的钢轨内部缺陷检测方法。
技术介绍
1、钢轨是铁路的重要基础设施，是保障行车安全运行的重要角色，其缺陷检测方法一直受到工程界和广大学者的关注。钢轨滚动接触疲劳(rolling contact fatigue，rcf)是钢轨中的一种常见的内部缺陷，是一种由于钢轨长期承受轮对带来的压力和冲击载荷而引起的材料疲劳，通常在钢轨表面呈现“鱼鳞形”的聚集多裂纹现象，且可能在钢轨内部空间交错，形成缺陷分层与重叠。钢轨rcf裂纹曾引发了多起断轨和脱轨事故，因此亟需研究钢轨的rcf裂纹检测和定量化评估，这对实现钢轨运行中早期故障预警，保障轨道线路安全运营具有重要意义。
2、无损检测技术被广泛用于钢轨损伤检测，常用的手段包括超声检测、工业ct、漏磁检测和电磁检测等。其中，三维涡流脉冲热成像系统(three dimensional eddy currentpulsed thermography，3d ecpt)由于其快速、大面积与准确检测的优势，在钢轨检测领域得到了大量学者的关注。相较于超声和漏磁检测，3d ecpt具有激励时间短、对浅层裂纹分辨率高和穿透力强等优点。然而，由于ecpt结合了电场、磁场和热场的多物理场耦合，其机理复杂，难以对缺陷进行定量的分析。因此，大量学者借助有限元仿真对ecpt的物理机理进行数值上的研究与分析。然而，有限元仿真涉及大量的数据运算，不能实时仿真并输出结果，从而难以对内部缺陷进行快速的定性和定量分析。
技术实现思路>
1、针对当前钢轨内部缺陷检测方法存在的数据运算复杂，检测速度较慢，难以对内部缺陷进行快速的定性和定量分析的问题，本专利技术提供一种基于热感知神经网络的钢轨内部缺陷检测方法。
2、该检测方法结合三维涡流脉冲热成像系统(3d ecpt)和物理信息神经网络(pinn)，提出了热感知神经网络(thermal sensing neural network，tsnn)，通过对物理神经网络模型中的物理模型进行合理建模，并使用大量仿真数据与实测数据进行训练，达到对钢轨内部缺陷进行快速准确的定性和定量分析的目的。
3、由于三维涡流脉冲热成像系统(3d ecpt)结合了电场、磁场和热场的多物理场耦合，其机理复杂，难以对缺陷进行定量的分析。因此，借助有限元仿真对ecpt的物理机理进行数值上的研究与分析。然而，有限元仿真涉及大量的数据运算，难以达到实时仿真并输出结果的要求。因此，本专利技术使用大量仿真，建立仿真数据集训练，并训练一种基于物理约束的物理信息神经网络，即热感知神经网络，用于对钢轨内部缺陷进行检测。
4、本专利技术提供的基于热感知神经网络的钢轨内部缺陷检测方法，具体步骤如下：
5、s1、选取已知的无缺陷试样和有缺陷试样作为实验对象，采用三维涡流脉冲热成像系统(3d ecpt)对试样进行实验测试获得3d ecpt实验数据，并通过有限元仿真模拟获得仿真数据，3d ecpt实验数据和仿真数据构建形成实验-仿真数据集。
6、该步骤中，分别在不同外部参数条件下进行三维涡流脉冲热成像实验和有限元仿真模拟实验，不同外部参数包括线圈匝数、线圈提离距离、脉冲频率及环境温度等因素。
7、获得的3d ecpt实验数据包括试样表面温度-时间序列数据。获得的仿真数据包括试样整体温度数据。
8、通过3d ecpt测量和使用有限元仿真模拟的无缺陷试样数据集作为训练集。通过3decpt实测和使用有限元仿真模拟的有缺陷试样数据集作为测试集。优选的是，进行有限元仿真模拟使用的软件包括但不限于comsol模拟仿真软件。
9、s2、将物理信息神经网络与热感信息相耦合构建得到热感知神经网络，然后对热感知神经网络进行训练和优化。
10、所述热感知神经网络采用前馈神经网络结构，各层之间采用全连接方式连接；输入层的数据维度为4维，代表每个数据样本具有4个特征，即为坐标(x，y，z)和测量时间t；输出层生成1维数输出数据，是待测试样内某一点某时刻的温度预测值t，选取内部足够数量的点进行预测即得到待测试样内部温度点云。
11、将步骤s1获取到的数据输入到热感知神经网络中，持续训练直至经过一定步数的迭代或者损失loss函数降至预设阈值以下后，热感知神经网络训练完毕。所述损失loss函数公式如下：
12、
13、
14、loss＝loss1+λloss2
15、式中，n表示观测点的总数，ti表示第i个数据点的给定真实温度，表示第i个数据点的预测温度，ρ表示物体的密度，c表示物体的比热容，k表示该物体的热传导系数，q表示外部加热项，t表示时间。λ表示正则化系数。
16、在每次迭代过程中，得到四种预测结果，分别为真正预测(true positive，tp)，真负预测(true negative，tn)，假正预测(false positive，fp)，假负预测(false negative，fn)。这些结果在迭代中逐渐变化，据此以评估神经网络的性能并进行优化工作。
17、s3、将新的含有缺陷的试样的表面温度-时间序列数据输入到训练好的tsnn中进行处理，得到实验试样的内部温度分布；提取出该实验试样的实验参数，结合大规模标准数据库构建出无缺陷标准试样的表面温度-时间序列数据并输入到tsnn中，得到标准试样的内部温度分布；通过误差衡量函数f来对二者之间的误差进行定量分析，实现缺陷的定性与精确定量分析，误差衡量函数f公式如下：
18、
19、式中，n表示观测点的总数，ti表示标准试样的第i个数据点的温度，表示实验试样的同一数据点的温度。
20、将比较后的误差和预设阈值进行比较，若误差大于预设阀值，则通过调整pinn的架构(比如从初始的全连接层转换为卷积神经网络或图神经网络等结构)、对pinn的超参数进行微调(包括隐藏层数量、每层神经元数目、激活函数等)、优化器参数调整，或者采用loss函数的正则化方法等方式来优化热感知神经网络。
21、与现有技术相比，本专利技术的有益之处在于：
22、1、本专利技术从理论和实验环境中归纳抽取大量可变因素，利用comsol模拟仿真和三维涡流热成像技术，建立了不同条件和实验试样温度分布之间的关联关系，进一步构建了一个包含各种条件下温度分布数据的大规模数据集。数据集数据覆盖范围广，数据多样化，数据的准确性、完整性和一致性高，为后续研究提供了重要的基础和数据支持。
23、2、本专利技术以大规模实测及模拟数据为基础，对物理信息神经网络进行结构优化与定制，构建了热感知神经网络算法用于缺陷检测。相较于传统缺陷检测方法，此方法基于大量仿真与实测数据，具有更高的适用性与高效性，有望为钢轨的内部缺陷的定性和定量检测带来新的突破。
24、3、本专利技术的检测方法在其他材料上也有广泛适用性，可用于其他金属试样内部缺陷的快速定性与定量检测，比如钢轨行业中常用本文档来自技高网...
【技术保护点】
1.一种基于热感知神经网络的钢轨内部缺陷检测方法，其特征在于，步骤如下：
2.如权利要求1所述的基于热感知神经网络的钢轨内部缺陷检测方法，其特征在于，步骤S1中，在不同外部参数条件下进行三维涡流脉冲热成像实验和有限元仿真模拟实验，不同外部参数包括线圈匝数、线圈提离距离、脉冲频率及环境温度。
3.如权利要求2所述的基于热感知神经网络的钢轨内部缺陷检测方法，其特征在于，所述3D ECPT实验数据包括试样表面温度-时间序列数据；仿真数据包括试样整体温度数据。
4.如权利要求3所述的基于热感知神经网络的钢轨内部缺陷检测方法，其特征在于，步骤S1中，通过3D ECPT测量获取和使用有限元仿真模拟获取的无缺陷试样数据集作为训练集；通过3D ECPT测量获取和使用有限元仿真模拟获取的有缺陷试样数据集作为测试集。
5.如权利要求1所述的基于热感知神经网络的钢轨内部缺陷检测方法，其特征在于，所述热感知神经网络采用前馈神经网络结构，各层之间采用全连接方式连接；输入层的数据维度为4维，代表每个数据样本具有4个特征，即为坐标(x，y，z)和测量时间t；输出
6.如权利要求5所述的基于热感知神经网络的钢轨内部缺陷检测方法，其特征在于，步骤S2中，将步骤S1获取到的数据输入到热感知神经网络中，持续训练迭代直至损失Loss函数降至预设阈值以下，热感知神经网络训练完毕；所述损失Loss函数公式如下：
7.如权利要求6所述的基于热感知神经网络的钢轨内部缺陷检测方法，其特征在于，在每次迭代过程中，得到四种预测结果，分别为真正预测TP、真负预测TN、假正预测FP、假负预测FN，这些结果在迭代中逐渐变化，据此以评估神经网络的性能并进行优化工作。
8.如权利要求7所述的基于热感知神经网络的钢轨内部缺陷检测方法，其特征在于，步骤S3中，误差衡量函数F公式如下：
9.如权利要求8所述的基于热感知神经网络的钢轨内部缺陷检测方法，其特征在于，若Ti与之间的误差大于预设阈值，则需要对热感知神经网络进行优化，优化方式包括调整物理信息神经网络的架构、对物理信息神经网络的超参数进行微调、优化器参数调整、或者采用Loss函数的正则化方法中的一种或多种。
...【技术特征摘要】
1.一种基于热感知神经网络的钢轨内部缺陷检测方法，其特征在于，步骤如下：
2.如权利要求1所述的基于热感知神经网络的钢轨内部缺陷检测方法，其特征在于，步骤s1中，在不同外部参数条件下进行三维涡流脉冲热成像实验和有限元仿真模拟实验，不同外部参数包括线圈匝数、线圈提离距离、脉冲频率及环境温度。
3.如权利要求2所述的基于热感知神经网络的钢轨内部缺陷检测方法，其特征在于，所述3d ecpt实验数据包括试样表面温度-时间序列数据；仿真数据包括试样整体温度数据。
4.如权利要求3所述的基于热感知神经网络的钢轨内部缺陷检测方法，其特征在于，步骤s1中，通过3d ecpt测量获取和使用有限元仿真模拟获取的无缺陷试样数据集作为训练集；通过3d ecpt测量获取和使用有限元仿真模拟获取的有缺陷试样数据集作为测试集。
5.如权利要求1所述的基于热感知神经网络的钢轨内部缺陷检测方法，其特征在于，所述热感知神经网络采用前馈神经网络结构，各层之间采用全连接方式连接；输入层的数据维度为4维，代表每个数据样本具有4个特征，即为坐标(x，y，z)和测量时间t；输出层生成1维数输出数据，是待...
【专利技术属性】
技术研发人员：陈笑天，刘怡，陈钢，张晗，曾艺昭，吴程宇，钟华兰，
申请(专利权)人：四川大学，
类型：发明
国别省市：
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。