铁路车轮超声波B型检测的图像分割算法

基于图像分割原理,对检测图像中的缺陷区域进行分割和提取,根据超声波B型图像在纵向和横向的不同特点,改进了传统区域生长的图像分割方法;以超声波B型图像中的颜色极值点为种子像素,在图像的纵向和横向采用不同的生长准则,提出了在纵向上采用波谷阈值的生长准则,在横向上采用相关系数阈值的生长准则,并通过实际的铁路车轮超声波B型检测试验验证,取得了良好的缺陷信号区域分割效果。

铁路机车车轮轮缘径向裂纹超声检测工艺研究

机车车辆车轮轮缘在循环载荷和冲击作用下,会产生轮缘伤损。通过声路分析、人工伤损设计制作、超声工艺试验,提出机车车轮轮缘径向裂纹自动化探伤设备超声检测工艺,即用70°横波斜探头偏斜一定角度放置于踏面距轮外侧面44 mm处,对车轮轮缘径向裂纹进行超声波检测。当选取10°偏斜角时,此工艺可以有效检出直径为950 mm^1 250 mm的车轮轮缘部位深度大于5 mm的径向伤损。

双轨式钢轨超声波探伤仪轮式探头性能及其检验方法探讨

双轨式钢轨超声波探伤仪是近几年发展起来的一种新型钢轨专用超声波检测仪器,具有检测速度快、检出率高等特点,已在全路及城市轨道交通领域投入使用。双轨式钢轨超声波探伤仪轮式探头性能对缺陷检测能力具有决定性影响,但目前国内外没有相关标准规定其性能指标及其检验方法。为规范双轨式钢轨超声波探伤仪技术要求,对轮式探头性能及检验方法开展研究。分析TB/T 2340—2012《钢轨超声波探伤仪》规定的滑靴探头性能指标,对比双轨探伤仪轮式探头与单轨式钢轨超声波探伤仪滑靴探头结构差异,确定了保障轮式探头性能的8项指标,详细论述轮式探头性能指标检验方法。为确保轮式探头检验结果的准确性,可适当增加CSK-IA等试块的宽度,轮式探头可采用沿试块纵向(长度方向)滚动、沿轮式探头竖直方向几何中心轴线旋转、沿试块横向(与试块长度方向垂直)平移等移动方式检验。

基于AlexNet神经网络的手推式双轨探伤仪超声检测系统研究

针对传统方法对钢轨各部位探伤需要采用不同的探伤设备,效率低,并且无法综合评价钢轨质量的问题,设计可以兼顾钢轨内部伤损(含垂向裂纹)和钢轨表面伤损检测的手推式双轨探伤仪。介绍手推式双轨探伤仪超声检测系统组成、工作原理、探伤方法和伤损自动识别方法。详细论述伤损自动识别方法的技术架构、基于无监督聚类的B显数据分割方法和AlexNet神经网络架构,并针对标准样轨4类典型钢轨伤损进行验证。验证结果表明,基于改进的无监督聚类与AlexNet神经网络自动识别算法识别准确率可达90%以上,钢轨伤损图像提取准确率达到98.53%。手推式双轨探伤仪超声检测系统可以同时检测2股钢轨,自动判别伤损,有效识别钢轨伤损特征,较好地解决了现场判读工作量大的问题。