详情

原文传递基于声发射轮轨传导特征的伤损智能检测与诊断方法研究

论文题名：	基于声发射轮轨传导特征的伤损智能检测与诊断方法研究
关键词：	高速铁路;钢轨伤损;智能检测;声发射信号;轮轨传导
摘要：	高速铁路是国家经济发展的支柱产业与交通命脉，也是高端装备制造业的标志性产品，它的发展与可靠运营惠及国计民生。在铁路逐渐向高速化、重载化发展的背景下，钢轨作为高铁系统内最重要的支撑部件之一，保障其长期安全也逐渐成为铁路发展规划的重要议题。在新兴无损检测技术中，声发射技术凭借其动态特征、高灵敏度、可及早发现内部裂纹等优势在工业探伤中得到了广泛应用。但在对动辄万余里的钢轨健康状态监测中，声发射传统的定点覆盖式监测方案显然代价过高且在实际应用中难于实现。　　为此本文围绕新型车载式声发射伤损检测技术对钢轨健康的监测问题及其相关的检测与诊断理论进行研究与改进，以降低声发射技术在铁路中的应用成本，提升声发射检测系统的工作效率，实现对高速铁路钢轨伤损的高效监测。本文主要围绕以下四方面开展了研究：　　首先研究了裂纹声发射在经过轮轨接触面传导时的声非线性定量描述。为解决声波透过接触面传播的声学特征建模问题，本文结合接触声传导理论、分形理论及瑞利积分方法建立了低速或准静态轮轨接触下声波透射的解析模型，本模型可定量描述声源特性、位置、接触介质等多种条件对透射声波频率特征的影响，并在设计搭建的轮轨接触实验平台上通过静态接触面透射试验验证了该模型对透射声场强度估计结果的可靠性。　　其次研究了基于数据驱动的轮轨滚动噪声的非线性自回归模型与滚动噪声消除问题，基于一种长短时记忆网络与生成式对抗结构建立了轮轨滚动噪声的自回归模型，并结合混沌理论指导了该模型的关键参数优化问题。在轮轨接触实验平台上通过对轮轨滚动噪声的自回归建模验证了轮轨激励产生的滚动噪声主体成分为连续型二次声发射，且本文的非线性自回归模型可实现对此类噪声的预测进而消除。　　继而研究了轮轨运动中的异常噪声抑制与裂纹信号源的提取问题，提出了一种基于高阶统计量约束的独立分量分析裂纹源提取算法。该方法可有效抑制混叠在观测信号中的异常噪声成分，与单纯的自回归去噪模型相比，增加约束独立分量分析后，残留的异常噪声干扰得到明显抑制，显著减小了声发射检测系统的误检率。　　最后研究了针对钢轨裂纹产生的声发射事件的无监督诊断问题。首先提出了一种基于内部评价指标与随机领域嵌入改进的密度聚类方法，并通过对指标的启发式搜索实现密度聚类敏感参数的自寻优，通过特征降维缓解了密度聚类的高维数据诊断效率，最后通过对钢轨试件拉伸试验中疲劳裂纹信号的安全阶段诊断验证了该方法可发掘钢轨劣化过程产生的声发射信号内在分布规律与本质特征，同时具备抗噪点干扰与复杂特征空间下的鲁棒性。　　综合以上四点，本文为基于轮轨传导特征的车载式声发射钢轨伤损检测方案提供了较为坚实的理论支持与可行性分析，对声发射技术在实际铁路中的应用具有一定的理论指导意义。
作者：	王康伟
专业：	控制科学及工程
导师：	沈毅;章欣
授予学位：	博士
授予学位单位：	哈尔滨工业大学
学位年度：	2022