基于深度学习方法的钢轨多裂缝导波检测

作     者：刘平心 孛爱 陈家安 赵春宇 黄震宇 LIU Pingxin;BO Ai;CHEN Jiaan;ZHAO Chunyu;HUANG Zhenyu

作者机构：上海交通大学电子信息与电气工程学院上海200241 

出 版 物：《铁道学报》 (Journal of the China Railway Society)

年 卷 期：2025年第47卷第2期

页      面：145-151页

核心收录：

学科分类：08[工学] 0814[工学-土木工程] 082301[工学-道路与铁道工程] 0823[工学-交通运输工程] 

基　　金：国家自然科学基金(50905107) 

主　　题：钢轨裂缝 导波检测 深度学习 注意力机制 

摘      要：沿钢轨长距离传播的导波遇到钢轨裂缝和内部缺陷可产生反射波,适用于在线检测钢轨裂缝。钢轨可能存在多个裂缝,且端面也会产生反射,从而造成导波的多重反射现象,严重影响导波检测钢轨裂缝的准确性。提出一种能够精确检测钢轨多个裂缝的位置和损伤程度的深度学习算法,其特点是引入注意力机制,增强反射波内的多重反射时序特征,加快深度学习模型的收敛速度。基于实验验证的钢轨有限元模型,在钢轨不同位置生成不同损伤程度的裂缝,模拟导波检测数据用于训练深度学习模型。在真实钢轨上制造不同深度的人工裂缝,测试导波数据用于验证深度学习模型有效性。验证结果表明,在轨头、轨腰和轨底的多裂缝条件下,增加注意力机制可提高裂缝位置和损伤程度预测精度至99%。