基于AlexNet神经网络的手推式双轨探伤仪超声检测系统研究

摘要：

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.

关键词：钢轨伤损、超声波探伤、伤损自动识别、算法、神经网络

所属期刊栏目：50

分类号：U213.43(铁路线路工程)

资助基金：中国国家铁路集团有限公司科技研究开发计划N2020G017

在线出版日期：2022-06-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：19-24