摘要：针对高速轨道伤损检测问题,提出一种基于0°、37°、70°超声探头探伤的检测方法。该方法基于B型图像显示分析了各伤损的颜色、面积、倾斜角度、长度、质心坐标等特征,并根据其伤损特征的内在逻辑关系设计了检测算法。此外,由于超声成像过程受多种不确定因素的影响,同类伤损的图像特征常出现较大差异而影响检测准确率,为了提高算法检测的准确率,提出一种参数学习方法,该方法可实时调整检测参数的阈值。首先,基于建立的检测算法模型提取伤损判定过程的检测参数;其次,结合伤损的关键检测参数,以相同特征约束下的同区域轮廓其类别特征间隔最大化为准则,基于支持向量机建立了一种检测和学习相结合的学习模型,并基于该模型对参数阈值进行优化调整。实验结果分析表明,采用所提方法,其轨道伤损检测准确率可达97.5%;并对初检中检测率较低的伤损进行学习再检测,其准确率得到了明显提高,从而验证了所提方法的有效性。

摘要：针对现有目标检测器存在的推理延迟、不稳定和高计算成本等问题,提出一种基于深度学习理论的创新算法RT-DETR(RT-DETR-L),实现了对钢轨表面伤损的高效精细化检测。基于该算法设计的目标检测实验方案,去除了传统目标检测算法中的非极大值抑制(NMS)后处理步骤;引入了一个解耦单尺度内部交互和跨尺度融合的高效混合编码器;提出了一种IoU-aware初始化对象查询机制,并重新定义了目标函数。实验结果表明,该方案能有效提高算法在检测钢轨表面伤损时的准确率和召回率,在检测剥离掉块、疲劳裂纹、接头方面表现出色,准确率分别为95.1%、93.8%和99.5%,检测速度为8.62 ms/帧,参数量仅为4.2 M。该研究成果能够为钢轨养护维修提供一种准确高效的检测方案。

摘要：钢轨伤损危及高速铁路的安全运行。针对高速铁路的轨头核伤,通过设计不同类型的人工伤损,安排不同的检测设备按照不同的速度等级进行检测,以研究对轨头损伤的检出能力。制定了原始数据分析评判标准,进一步运用了逻辑回归数据挖掘和机器学习算法,研究了探伤车对高速铁路轨头核伤的检出能力,并在高速铁路进行了实际验证。研究结果为高速铁路安全评价提出了评估方法和标准建议,并为全路探伤管理改革提供相应的技术支撑。

摘要：在高铁线路和高原线路上,由于区间里程长、环境恶劣等原因造成人工探伤作业困难,主要采用钢轨探伤车进行探伤。在《钢轨探伤管理规则》(铁运[2006]200号)和《钢轨探伤车运用管理办法》(铁运[2012]43号)中,均对作业人员资质提出了要求,但都没有给出探伤车动态灵敏度调整的依据。本文对某高铁线路连续三个周期的检测数据、复核数据和探伤仪一年的监控数据进行了综合分析,得出探伤车检测灵敏度设置需要进一步完善。通过设计试验平台和试块进行理论分析,给出了探伤车检测中灵敏度设置标准的建议,并对下一步的研究工作和推广应用提出了建议。

摘要：随着铁路运输的发展,高效率的钢轨探伤车承担起越来越多的探伤检测任务,尤其在高铁线路、高原线路上,由于区间里程长、环境恶劣等原因造成人工探伤作业困难,将主要采用钢轨探伤车进行探伤。针对探伤车在普速铁路的检测能力和适用条件,提出"人工伤损试块静态检测能力测试+人工伤损试验线动态检测能力测试+运营线路自动对中专项试验测试+运营线路自然伤损动态检测能力验证"的综合研究方案,进行各模块技术方案的详细设计,给出评价测试方法和评价测试标准,为下一步具体技术研究的开展做好充分准备。