Proceedings of the 2010 Joint Rail Conference
JRC2010
April 27-29, 2010, Urbana, IL, USA
JRC2010-36161
STUDY ON CALIBRATION AND NOISE-REDUCTION OF TRACK INSPECTION CAR IN DETECTING DATA
ABSTRACT
Chaolong JIA,Weixiang XU School of Traffic and Transportation,
Beijing JiaoTong University, Beijing,
No.3 Shang Yuan Cun,Hai Dian District, P.R.China
Xumin Liu
School of Information Engineering, Capital Normal University,
Beijing,
No.105, The Third Ring Road,Hai Dian District, P.R.China
KEY WORDS
Track Inspection Car; Gray System Theory; Wavelet
The condition of line equipment that track inspection car(or track recording car. which test geometry data of track, consist track gauge, cross level, longitudinal level, track alignment, twist, etc) examines has the attribute of high authenticity; as a result, it is an important way to obtain the true state of the track. However, this method also meets the problem of mileage excursion and noisy data. This paper employs the theoretical of gray relevancy of gray systems to analyze the waveform data that track inspection car examines, and makes corrections to mileage excursion, and then gets rid of the noisy data using the method of wavelet transform, so that the real track detecting data about track state can be achieved. This paper also makes the comparison between the effects of three threshold values in reducing noises, and pointed out their respective advantages and disadvantages.
Exchange; Noise Reduction
INTRODUCTION
The integrity and good condition of rail lines is the basis of the security of railway transportation. Track detecting data, especially the data that track inspection car detecting is of great importance in reflecting the conditions of rail lines. These data is the basis to forecast changes of the conditions of rail lines. Thus there is a need to get these data and to accumulate, store, and analyze them. To achieve this goal, it must ensure the authenticity and reliability of data sources, to ensure the accordance between these data and the real picture, so that it can provide reliable data base for forecasting rail line conditions.
- Copyright copy; 2010 by ASME
The examination made by track inspection car is operated on rail lines, which usually bring influences to the examination process, thus track detecting data is often disturbed and cannot reflect the true operation condition of railway. Such data is called noisy data, and should be weeded out. Track inspection cars such as GJ-4 and GJ-5, which are widely used in China, and their sample frequency ranks from 3/m to 4/m. It cannot examine the unevenness of railways in turnout areas in a correct way. In addition to this, the adopt of mechanical peg-top often bring the problem of excursion for some track inspection cars, which makes the testing results far away from the true data. Moreover, when testing cars come to the turnouts, the rail wheels will be greatly impacted, which also brings inaccurate data. For all of these reasons, the TQI in some miles will be very large, thus the conditions of railways cannot be accurately reflected. In the meantime, dynamic examination has the problem of excursion, it need revision in every 10 miles; however, deviation will come out in this process. Although on-field experience shows that this deviation is usually controlled in 50 miles, it is still a large gap. To solve these problems, Samples were taken from original data of Chengdu-Kunming railway line use track inspection car to rectify the problems of excursion and noises.
SOME EXPERIENCES IN ELIMINATION OF NOISY
According to Chinese and Japanese experiences [1], concerning about the attribute of unevenness about short
international economics in 1982. It aim at ambiguous of systemic model, half-baked information, carry through system relational analysis, constructing a model, by prediction and decision to know system.
The basic idea of Gray Relevancy Analysis is to see the relevancy between each other according to the similitude of sequence curves. The closer are the curves, the larger relevancy between the time sequences [2].
A comparison about two track detecting data graphs in November 2008 was conducted between K900 000 miles and K900 100 miles of Chengdu-Kunming railway line. See Fig.1. It is obvious to see high similitude between these two under curves of track detecting data. Put them together, as a result, it can make comparative spatial calibrations about data with Gray Relevancy Analysis method.
FIGURE.1 THE WAVEFORM OF THE TWICE TRACKrsquo;S ALIGNMENT
In this Gray Relevancy Analysis, The first track to the
waves, the experiences are as follows:
data
X 0 from left and second X j
left track to the data
- Those which have more than 4mm differences between border data are considered as noisy data;
- Those which have more than 4mm differences
constituting the following sequence:
X 0 x0 1, x0 2,...xj k ,..., x0 n
X j xj 1, xj 2,..., xj k ,..., xj n
(1)
(2)
between border data in the same wavelength, all data in this wavelength are considered as noisy data;
- Wavelengths of 1 m of the track are considered as
Where j is data column sequence number, j 1, 2,..., 327 ;
k is data sequence number, k 1, 2,..., n .
Initialization, (1) and (2) respectively becomes
noisy data;
-
The big rai
全文共15506字，剩余内容已隐藏，支付完成后下载完整资料
铁路探伤技术，更安全，可靠的运输：评估
本文对与轨道缺陷检测相关的最新技术进行了深入审查，重点介绍了它们在实际检测车速时用于检测轨道缺陷的情况。这次审查不仅看到正在进行的研究，而且还调查可用于铁路瑕疵检测的商业产品。它继续进一步确定适合在移动车辆轨道缺陷检测系统中采用的方法。根据作者的知识，尽管近几十年来铁轨缺陷检测一直是一个经过深入研究的领域，但是对其所有可用技术的总结以及对其性能的评估的深入审查并未发表。 因此，相信这篇评论文章将成为未来该领域研究人员的良好信息来源。 [DOI：10.1115 / 1.4037295]
1引言
导轨通常承受高机械负载和恶劣的环境条件。 主要负载部件是车辆重量的滚动接触压力，剪切力和弯曲力，由于连续焊接轨道的受限伸长导致的热应力，以及来自制造（辊子矫直）和现场焊接的残余应力。 这些应力分布如图1所示。
图1导轨/车轮接触和相关的应力分布[2]
在轴重较重的情况下，轨道中的弯曲和热应力足够高，导轨底部的任何小缺口或其他损坏都会导致疲劳裂纹萌生和增长。 尽管在列车安全和相关的铁路轨道维护策略方面取得了重大技术进步，但导致轨道断裂的铁路缺陷在世界各地仍频频发生，导致主要的列车脱轨。 尽管对铁路“永久性方式”的各个方面进行了大量的研究，但对轨道缺陷检测的研究却很少，尽管它对铁路破损有明显的贡献。
因此，迫切需要检测铁路瑕疵的新技术，以通过降低铁轨破损的风险和潜在的灾难性后果（即脱轨）来提高铁路运营的安全性和性能。 然而，由于需要定期监测数千公里的铁路轨道，研究人员面临的最大挑战是开发适合以更高速度移动车辆轨道缺陷检测的缺陷检测方法。
在这一点上，对这些铁路瑕疵的典型位置，尺寸和方向进行简要总结也很重要。 这种总结见表1 [3]。 除了表1中总结的不同类型的铁路缺陷外，还必须指出的是，可能存在以下铁路缺陷导致铁路破损导致灾难性事故[3]：
（1）导轨头缺陷：局部磨损，剥落，长沟和线（制造缺陷）是主要的缺陷。
（2）腹板缺陷：腹板内径处的水平裂纹，腹板内径处的水平裂纹，腹板的垂直（纵向）分裂，鱼板极限内的螺栓孔疲劳，鱼尾板极限以外的孔处的对角开裂，对角开裂不通过孔，搭接（表面缺陷通常表现为平行于卷筒纸表面的轧制轴线），卷筒纸内径处的水平裂纹以及过度的卷筒纸腐蚀是主要的卷筒纸缺陷。
（3）足部缺陷：从足部开始的足部，横向裂纹或断裂的纵向（纵向）裂纹以及从足部远离足部位置横向开始的裂纹或断裂是足部缺陷的主要缺陷。
该总结很好地理解了任何铁路瑕疵检测方法在确保检测可靠性方面所面临的挑战。
本评论文件的目的是彻底研究可能已有的仪器技术，这些技术可用于解决移动车辆轨道缺陷检测系统的特定测量和检测需求。在Secs。本文的第2和第3部分将详细介绍已经报道的轨道缺陷检测方法，强调其适用于移动车辆轨道缺陷检测系统，并将结合一些分类所用技术方面的可用方法，检测信号的传播方向等。
2报告的轨道缺陷检测工作
在本节中，已经报道了有关轨道缺陷检测的工作。所描述的方法没有任何特定的顺序。
2.1轨道裂纹检测的红外成像方法。这种用于轨道的裂缝检测方法利用了轮系通过期间轨道表面的红外（IR）辐射的变化。基于红外热成像的轨道裂缝检测的基本原理是在应力条件变化期间，从表面发射的红外辐射发生变化。当车轮经过一段轨道时，轨道会产生弯曲应力，一旦车轮移开，就会放松。由于在这种加载过程中，钢轨处于弹性行为的限制范围内，因此钢轨在加载时将承受微小的瞬时温度变化：钢轨头部将处于相对压缩状态，温度会略微上升，铁轨脚将处于相对张力状态，并会经历轻微的温度下降。更大的担忧是轨道中可能存在裂缝或其他微观缺陷，这可能导致裂纹扩展和随后的失效。前面解释的温度变化会导致轨道车轮经过时红外线发射的变化。这使得有可能引入铁轨的术语“红外响应”。通常所做的是将实际加载的红外响应与预期的或标称加载的红外响应进行比较。这使它成为一种差异性测量。两个红外图像之间的差异将生成一个空数据字段，除了存在缺陷的地方。如果缺陷是表面连接的裂纹，则可以量化裂纹尖端应力分布以评估裂纹的程度。这导致剩余疲劳寿命的估计取决于轨道部分裂缝的位置。该方法在参考文献中有详细描述。 [4]。
图2疲劳裂纹的IR检测系统示意图
2.1.1声波红外成像。与前述方法密切相关的另一种测量方法是声波红外（SIR）成像[5]，其中注入低频超短声脉冲以引起裂纹表面摩擦或拍击。这种摩擦或鼓掌会在裂纹附近的轨道内引起摩擦加热。然后通过使用IR摄像机观察加热。图2显示了疲劳裂纹检测系统的示意图。这种方法使用超声波传感器放置在导轨上一个适当位置的适当接触表面。红外摄像机放置在任何可以看到检查区域的地方。参考文献中的另一种方法。 [6]作者提出耦合材料的非线性行为，由于阻抗与振动不匹配，导致红外成像时裂纹温度的变化。作者还指出，选择合适的偶联材料非常重要。目标的耦合材料应该具有一个透射系数比样品更高，因为这将导致更高的热能，因此使用声波红外成像技术可以提高裂纹的检测能力。有限元分析（FEA）及其实验验证也用于支持这项工作。有限元分析计算的实验验证见参考文献。 [7]利用SIR成像检测金属表面和次表面裂纹。作者认为，在使用SIR进行裂纹检测时加热金属主要是由于摩擦。这种技术使用短脉冲低频加热裂纹表面。这些调查仅针对矩形裂缝进行。而且，已经得出结论，与非混沌激励相比，由于裂纹处的较高的差分运动，在较高功率水平（混沌激励）下的声音激发产生更多的加热。研究和进行实验以确定声波红外成像中由于夹紧引起的裂纹闭合效应是参考文献的贡献。 [8]。作者得出结论认为，由于较少的振动导致的夹紧效应（夹持力为300-400N），裂纹产生的热量较少，因此使用红外摄像机拍摄有用图像很困难。使用具有机械能的声波激发源在裂纹表面引起短脉冲摩擦。作者分析了一种技术来研究换能器啮合力对裂纹检测的影响。 [9]。 20kHz的Branson超声波源被用作激励源。由热像仪拍摄的结果图像证明，随着换能器的接合力增加，来自裂纹图像的辉光强度降低。正如本文所述，这是由于振动较小，热能较少，因此由于表面之间的相对速度降低而产生的热量较少。
2.1.2脉冲涡流红外成像。 另一种方法是使用红外成像作为最终传感方法，同时使用脉冲涡流（PEC）在裂纹周围产生加热。 这种方法被称为脉冲涡流成像[10]。 在PEC热成像（也称为感应热成像）中，短时间的电磁激励被施加到被检查的材料上，引起涡流在材料中流动。
图3沿磁感应强度方向排列的PEC探针的俯视图[12]
当这些涡流在轨道内行驶时遇到不连续性时，它们将被迫偏离正常轨道。这导致产生涡流密度增加和减小的区域。涡流密度增加的区域经历更高水平的焦耳（欧姆）加热。因此，可以在加热期间和冷却期间从IR图像序列中识别缺陷。这种方法在参考文献中有详细描述。 [10]。参考文献中使用了相同的技术。 [11-13]。图3显示了沿磁感应强度方向排列的脉冲涡流探头的俯视图[12]。
Peng等人[14]开发了一种无损检测（NDT）方法来检测导轨中使用亥姆霍兹线圈进行加热的有角度缺陷。本文提出了基于有限元分析和实验结果的模拟。实验验证得出的结论是，与不均匀磁场激励相比，均匀磁场激励覆盖更大的面积并且提供更稳定的温度分布。此外，通过模拟和实验证实，脉冲涡流热成像和均匀磁场激发可以有效地用于表征有角度的缺陷。 PEC无损检测技术用于裂纹检测见参考文献。 [15]。用于产生磁场的pan激励线圈和用于检测由于裂纹引起的干扰磁场的捡拾线圈用于此目的。此外，还提出了一种新的PEC探针，该探针使用自差分技术，并且在量化缺陷方面具有更高的准确度。它不需要从接收信号中减去参考信号，以便从差分信号中分析缺陷。使用10 V脉冲以100 ms的重复频率（来自直接数字频率合成器芯片AD7008）进行激励，脉冲宽度为5 ms，然后使用功率放大器增强磁场。通过实验证实，传统PEC薄饼探头的扫描波形的峰值与缺陷的深度直接相关（由于结构的限制，激励磁场受到感应磁场的影响涡流，这导致在捕获缺陷信号方面困难）。新的PEC探针的结果显示，最小峰值随着缺陷深度的增加而降低。在参考文献[16]，作者介绍了使用脉冲涡流热成像研究影响表面裂纹检测的因素（感应电流强度和裂纹方向）所进行的工作。进行的实验得出结论认为，最小加热阈值对于正确检测缺陷是必不可少的。此外，结果表明，与无裂纹检测的其他非破坏性评估技术相比，此技术在非接触式和更快速方面更好。关于裂纹方向，可以得出结论在非铁磁材料中更为重要。 采用这种方法，热障涂层下的裂纹也可以被检测到。 作者引用了参考文献中对各种缺陷和取向进行的涡流评估。[17]。 此外，这种技术已被分析用于监测信号处理后的裂纹扩展。 这项技术的可靠性已经通过实验得到验证，并被确定为更好的裂缝检测技术。 它还指出，脉冲涡流方法提供了广泛的检测范围，包括裂纹检测，材料和涂层厚度，材料的电导率测量，热损伤检测，裂纹深度测定和热处理监测。 另外，它提供了非接触式的优点。
图4疲劳试验过程中轨道钢样品的加载[19]
2.2声发射检测技术。声发射（AE）技术用于检测和监测钢轨裂纹扩展的应用已在参考文献[18]。这种方法中的声学传感器已安装在轨道网上。因此，这里必须提到的是，该方法对移动应用程序的适用性是值得怀疑的。参考文献也可以找到类似的方法。 [19]。在这种方法中，轨道钢的样品从模仿缺陷的轨道切割下来，并且样品用于观察当动态负荷产生噪音时激发的声学噪音特性。该钻机的原理图如图4所示[19]。在声学传感器安装在运动物体上的稍微不同的方法已在文献中提出。 [20]。声学方法在检测轨道车轮缺陷方面也很流行[21]。
在参考文献[22]，作者分析了AE的变化
不同材料受到循环载荷的参数。这项工作还将载荷下的材料疲劳分为“瞬时或脆弱”（与内部应力逐渐增加相关），“渐变或塑性”（与材料的永久或塑性变形有关），以及“即时渐变或脆弱韧性（包括疲劳失效的多阶段开发）。“作者继续进一步提出用于各种材料的骨折预评估标准的可行性。此外，作者提出，AE能量的参数可以帮助预先评估微裂纹。作者报告了参考文献中钢和焊缝疲劳裂纹发展的特征。 [23]。在实验分析中，以7.5Hz的频率和16kN和10kN的载荷的循环载荷施加到测试样本。两个宽带压电传感器用于AE信号检测，频率范围为10 kHz至2 MHz。测量AE信号的参数用于基础金属裂纹萌生，扩展，断裂和焊接结构。研究发现，基体金属在裂纹阶段的波形是一种具有较高能量的窄脉冲，其频率范围为300 kHz至400 kHz。相反，在焊接试样的情况下，在300-600kHz的频率范围内测得更高的振幅。在参考文献[24]，作者提出了一种使用声发射技术及其表征的铁路健康监测方法。绘制的应力和应变曲线清晰地表明了轨道的安全或不安全状态。 AE命中标准[24]也用于表征铁路的安全和不安全状态。此外，AE命中的变化被用来评估极端不安全区域和稍微不安全区域之间的差异。在工作中进行的实验分析证明，这种方法在检查铁轨状态方面非常有效。作者提出了一种方法来检测轨道的高速健康。 [25]。所使用的方法基于负矩阵分解和关联向量机通过声发射信号。应力 - 应变曲线用于检测导轨的安全和不安全状态。为了区分安全和不安全状态，使用AE信号的频谱分析。利用负矩阵分解技术，对获得的矢量进行优化和压缩，然后将其用作关联向量机的样本，以训练和测试分类器的准确性。这个技术被证明可以达到高达96％的准确度。 AE信号是在拉伸试验机的帮助下获得的。
2.3超声波检测技术。使用超声波技术的检测机制可能差异很大。系统的方法和设计取决于超声波发射到材料中所需的方向。在此部分中，只考虑超声注入垂直于轨道表面的报告工作。所有超声波检测应用的检测机制取决于沿着钢轨纵向的超声波传播将在第二部分基于导波原理的检测技术中总结。 2.8。
在一种方法中，压电传感器在轨道表面上移动，这允许超声波注入轨道。在轨道中行进的超声波在遇到缺陷时会被反射。这些回声信号通过超声波技术获取，用于检测缺陷[26]。采用这种方法，可以可靠地检测和识别导轨头部和腹板中的缺陷。然而，在这种方法中，来自轨道基座的凸缘边缘的缺陷的回波信号可能是非常危险的，其检测效率较低。这使得确定其位置，形状和大小的问题变得非常复杂。这个问题已经通过使用相干方法从测量的回波信号中获得缺陷图像而得到解决。该公告并未透露关于使用该方法的任何商业产品的信息，并且所产生的结果似乎仅通过使用实验室测试系统。
正在进行的关于使用线性相控阵换能器的研究
夹在画笔换能器上的文献见参考文献。 [27]和[28]。相控阵换能器已用于物理扫描各种样品。参考文献中报道了类似的方法。 [29];然而，没有明确提及它能够检测到铁轨脚上的缺陷。
表面波模式的激发广泛用于超声波技术中，如参考文献中所讨论的。 [30-33]。但是，这些方法只能检测出更接近轨头顶面的缺陷。在这些报道的作品中，Hesse等人[30,32]和爱德华兹等人。 [33]使用改进的局部浸入式探头，据说与轮式探头相比，其性能更好。这种方法使用了一个局部浸入式探头，该探头有一个八角形探头阵列，放置在一个充满水的外壳中，以300°的角度在轨道头部激发表面波，并接收由表面缺陷引起的反射表面波[33]。该探针的示意图如图5所示。
一个改进的超声波方法，可用于检测轨头缺陷和网络在参考文献中介绍。 [34]。该方法仅适用于检测钢轨头部，腹板以及直接在腹板下方的钢轨脚的区域的内部缺陷。
图5用于表面波激发的局部浸入式探头[33]
2.4基于交流电的检测技术。 交流电场测量（ACFM）传感器技术是此方法的基本原则。 该方法适用于检测由于轨头顶面上的滚动接触疲劳（RCF）而导致的开裂。 据说ACFM传感器能够以更高的检测速度检测缺陷[35,36]。该ACFM技术基于这样一个原理，即交流电流（AC）可以在任何导体表面附近的薄皮中流动。如果在被测元件的特定区
全文共14132字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[16881]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
