CN110687206A - 一种无砟轨道功能层缺陷成像方法 - Google Patents

一种无砟轨道功能层缺陷成像方法 Download PDF

Info

Publication number
CN110687206A
CN110687206A CN201911074423.7A CN201911074423A CN110687206A CN 110687206 A CN110687206 A CN 110687206A CN 201911074423 A CN201911074423 A CN 201911074423A CN 110687206 A CN110687206 A CN 110687206A
Authority
CN
China
Prior art keywords
defect
ballastless track
echo
functional layer
model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201911074423.7A
Other languages
English (en)
Other versions
CN110687206B (zh
Inventor
杨勇
芦俊伟
杨怀志
赵维刚
李荣喆
陈甜甜
田秀淑
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shijiazhuang Tiedao University
Beijing Shanghai High Speed Railway Co Ltd
Original Assignee
Shijiazhuang Tiedao University
Beijing Shanghai High Speed Railway Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shijiazhuang Tiedao University, Beijing Shanghai High Speed Railway Co Ltd filed Critical Shijiazhuang Tiedao University
Priority to CN201911074423.7A priority Critical patent/CN110687206B/zh
Publication of CN110687206A publication Critical patent/CN110687206A/zh
Application granted granted Critical
Publication of CN110687206B publication Critical patent/CN110687206B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04Analysing solids
    • G01N29/06Visualisation of the interior, e.g. acoustic microscopy
    • G01N29/0654Imaging
    • G01N29/069Defect imaging, localisation and sizing using, e.g. time of flight diffraction [TOFD], synthetic aperture focusing technique [SAFT], Amplituden-Laufzeit-Ortskurven [ALOK] technique
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4409Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison
    • G01N29/4418Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison with a model, e.g. best-fit, regression analysis
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00Indexing codes associated with group G01N29/00
    • G01N2291/02Indexing codes associated with the analysed material
    • G01N2291/023Solids
    • G01N2291/0234Metals, e.g. steel
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00Indexing codes associated with group G01N29/00
    • G01N2291/02Indexing codes associated with the analysed material
    • G01N2291/028Material parameters
    • G01N2291/0289Internal structure, e.g. defects, grain size, texture

Landscapes

  • Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Signal Processing (AREA)
  • Engineering & Computer Science (AREA)
  • Acoustics & Sound (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)

Abstract

本发明涉及高速铁路无砟轨道功能层灌注质量无损检测技术领域,尤其涉及一种无砟轨道功能层缺陷成像方法,解决现有技术中存在的现有识别方法几何尺寸估计与缺陷成像不准确的缺点,包括以下步骤:a、获取回波信号Burg功率谱,k=100;b、计算[f2,f1]能量谱占总回波能量的比值η;c、对η降序排序,以前10%为初始值,表示可能存在缺陷点Pi,i=1…q,并初始化i=1;d、以Pi为中心做广度搜索边缘回波频率分布模式,如存在回波频率分布模式,将该点至边缘区域作为R(Pi),否则不记录该点;e、i=i+1,如i>q,结束搜索,否则返回d继续搜索。该发明具有无损、精度高的特点,适合无砟轨道功能层内部缺陷的精准成像。

Description

一种无砟轨道功能层缺陷成像方法
技术领域
本发明涉及高速铁路无砟轨道功能层灌注质量无损检测技术领域,尤其涉及一种无砟轨道功能层缺陷成像方法。
背景技术
高速铁路无砟轨道作为高速列车载体,其质量好坏,内部是否存在缺陷,缺陷发育程度直接关系高速列车运营安全。我国高速铁路建设和运营过程中均对无砟轨道质量和状态进行了严格规定,如对于CRTS-III型板式无砟轨道自密实混凝土灌注质量,明确要求自密实混凝土表面无面积大于50cm2气泡。而目前功能层混凝土灌注质量检测主要通过揭板试验,该方法费时费力,且采用抽样检测,难以代表整条线路功能层质量。所以研究无损、快速的功能层缺陷检测、尺寸估计与成像方法,是保持高速铁路无砟轨道健康状态,保障高速铁路正常运营亟需解决的问题。
高速铁路无砟轨道结构为层状混凝土结构。针对混凝土结构内部缺陷检测主要检测方法包括电磁波和弹性波的方法。电磁波法受轨道板钢筋密集和轨道板表面,特别是承轨台间空间狭小限制,难以实现缺陷尺寸的精确检测。运用弹性波法检测混凝土参数始于20世纪30年代,近年来,随着高速铁路内部缺陷检测需求,逐步应用于无砟轨道内部缺陷检测。
基于傅里叶变换法是弹性波缺陷检测识别的常用方法。设长度为N的回波信号x(n),其离散傅里叶变换X(m)表示为:
Figure BDA0002261965330000021
同时根据波速估计值,计算轨道板回波频率范围[f1l,f1h](离散傅里叶频点对应值为[m1,m2]),获取轨道板回波频谱占总回波能量的关系η:
Figure BDA0002261965330000022
当η大于某一阈值时,则认为该处为空洞病害。
基于傅里叶变换的方法存在两个缺陷:阈值的获取主观性较强,缺乏缺陷边界回波模式分析;由于缺陷边缘多次回波频率f4与空洞多次回波频率f1非常接近,由于分辨率不足,难以满足区分边缘回波和缺陷回波。
目前的研究主要分析了缺陷有无检测和缺陷类型识别方法,缺乏缺陷边界回波模式研究,造成边界识别方法缺失,几何尺寸估计与缺陷成像不准确。
发明内容
本发明的目的是为了解决现有技术中存在的现有识别方法几何尺寸估计与缺陷成像不准确的缺点,而提出的一种无砟轨道功能层缺陷成像方法。
为了实现上述目的,本发明采用了如下技术方案:
一种无砟轨道功能层缺陷成像方法,包括以下步骤:
S1、构建无缺陷的无砟轨道层状介质模型:
弹性波在不同层间界面反射系数Ri:
Figure BDA0002261965330000023
多次波反射频率fi为fi=vi/2hi
式中,vi表示弹性波在传播路径hi中的平均波速;f1表示轨道板反射频率;f2表示功能层反射频率;f3表示支承层反射频率;
S2、构建带缺陷的无砟轨道层状介质模型:
a、当检测单元与缺陷位置较远时,与无缺陷层状介质模型相同,只存在无砟轨道三种层状介质界面反射波;
b、当检测单元位于缺陷上方,且离边界较远时,由于空洞缺陷波阻抗Z4与Z1之间的巨大差异,此时回波信号f1占主导地位;
c、当检测单元位于缺陷上方,且与缺陷边界较近时,缺陷边缘与传感器间的距离为l,则频率f4表示为:f4=vi/(l+Z1);
S3、分析弹性回波与缺陷的映射关系:
a、将无砟轨道弹性回波信号x(n)看作AR模型,回波信号长度为N,x(n)用前k个时刻信号和n时刻扰动a(n)线性组合而成:
Figure BDA0002261965330000031
式中,
Figure BDA0002261965330000032
表示信号k阶模型x(n)对x(n-i)的依赖程度,a(n)服从正态分布
Figure BDA0002261965330000033
且与x(n-i)(i=1,2,…,k)相互独立
回波信号的功率谱表示为:
Figure BDA0002261965330000034
b、弹性回波AR模型自相关函数表示为:
Figure BDA0002261965330000041
c、将回波信号的功率谱用矩阵形式表示为:
Figure BDA0002261965330000042
d、模型参数
Figure BDA0002261965330000043
的获取分为两部分:
Figure BDA0002261965330000044
的获取和
Figure BDA0002261965330000045
的获取;
e、回波信号的功率谱定义k阶前向预测误差fk,n:
f、将Xn-k时刻的值用Xn-k+1,Xn-k+2,…,Xn线性组合表示
Figure BDA0002261965330000047
Figure BDA0002261965330000048
g、后向预测误差bk,n:
Figure BDA0002261965330000049
h、根据前向预测误差和后向预测误差之间关系得到从k-1阶到k阶的递推公式:
Figure BDA00022619653300000410
式中,
Figure BDA00022619653300000411
为反射系数;
i、外推出k阶模型参数;
S4、建立检测位置——缺陷位置关联的弹性回波频率分布模式:
设回波信号由两种频率的正弦信号构成,即回波信号x(t)表示为:x(t)=A1 sin(2πf1t)+A4sin(2πf4t)
式中,A1和A4分别为f1和f4频率信号幅度;
S5、建立基于Burg功率谱估计的无砟轨道功能层缺陷成像方法
a、获取回波信号Burg功率谱,k=100;
b、计算[f2,f1]能量谱占总回波能量的比值η;
c、对η降序排序,以前10%为初始值,表示可能存在缺陷点,并初始化i=1;
d、以Pi为中心做广度搜索边缘回波频率分布模式,如存在回波频率分布模式,将该点至边缘区域作为R(Pi),否则不记录该点;
e、i=i+1,如i>q,结束搜索,否则返回步骤d继续搜索;
f、合并R(Pi)作为最终缺陷区域。
优选的,无砟轨道结构从上到下分为轨道板、功能层和支承层。
优选的,激励源和传感器共同构成一个检测单元,且激励源和传感器间距固定。
优选的,弹性波垂直于轨道板向下激发,在各层表面将产生反射波,并不断地在无砟轨道内部往复运动,形成多次波,进而被传感器接收。
优选的,S3步骤中,
Figure BDA0002261965330000051
取值满足前向误差、后向误差的数学期望趋于0和递推稳定性要求
Figure BDA0002261965330000052
时,根据
Figure BDA0002261965330000053
的计算方法为:
根据
Figure BDA0002261965330000054
得出,
Figure BDA0002261965330000055
Figure BDA0002261965330000061
根据回波信号的前向误差、后向误差和扰动方差初值f0,n=b0,n=x(n),
Figure BDA0002261965330000062
依次外推出k阶模型参数。
优选的,S4步骤中,模型阶次k满足如下条件:在f1和f4存在峰值;在f1和f4处峰值占整个频谱空间中的比例最大。
优选的,模型阶次k满足:
Figure BDA0002261965330000063
式中,
Figure BDA0002261965330000064
表示k阶模型频率f对应的幅值。
本发明的有益效果是:
1、构建了带缺陷的无砟轨道层状介质模型,分析了弹性回波与缺陷的映射关系,建立了检测位置—缺陷位置关联的弹性回波频率分布模式,提出了基于Burg功率谱估计的无砟轨道功能层缺陷成像方法。
2、具有无损、精度高的特点,适合无砟轨道功能层内部缺陷的精准成像。
附图说明
图1为本发明提出的一种无砟轨道功能层缺陷成像方法的无缺陷无砟轨道层状介质模型图;
图2为本发明提出的一种无砟轨道功能层缺陷成像方法的带缺陷无砟轨道层状介质模型;
图3为本发明提出的一种无砟轨道功能层缺陷成像方法的模拟回波信号及Burg功率谱。
图1、图2中:Zi(i=1,2,3)表示各层弹性波波阻抗、hi表示无砟轨道中各层底部至轨道板表面厚度、Reciter表示激励源、Sensor表示传感器;
图3中:图(a)为含两种正弦信号的采样数据;图(b)为k=100时Burg功率谱信号。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
一种无砟轨道功能层缺陷成像方法,包括以下步骤:
S1、构建无缺陷的无砟轨道层状介质模型:
无砟轨道结构从上到下可分为轨道板、功能层和支承层,由于各层混凝土功能不同、混凝土强度各异,进而造成影响弹性波传播速度的波阻抗差异,使得弹性波在不同界面产生反射现象,所以在利用弹性波研究无砟轨道缺陷检测时,常将无砟轨道结构表示为层状介质模型。
激励源和传感器共同构成一个检测单元,激励源和传感器间距固定,相对于hi而言,距离较小,计算过程中忽略不计。
设弹性波垂直于轨道板向下激发,在各层表面将产生反射波,并不断在无砟轨道内部往复运动,形成多次波,进而被传感器接收,弹性波在不同层间界面反射系数Ri:
Figure BDA0002261965330000081
多次波反射频率fi为fi=vi/2hi
式中,vi表示弹性波在传播路径hi中的平均波速;f1表示轨道板反射频率;f2表示功能层反射频率;f3表示支承层反射频率。
S2、构建带缺陷的无砟轨道层状介质模型:
由于功能层缺陷存在,当检测单元与空洞相对位置发生变化时,弹性波传播特性将产生变化,使得传感器接收到的信号具有不同特征。
a、当检测单元与缺陷位置较远时,与无缺陷层状介质模型相同,只存在无砟轨道三种层状介质界面反射波;
b、当检测单元位于缺陷上方,且离边界较远时,由于空洞缺陷波阻抗Z4与Z1之间的巨大差异,此时回波信号f1占主导地位;
c、当检测单元位于缺陷上方,且与缺陷边界较近时,除了界面多次波反射形成的频率f1、f2、f3之外,还存在缺陷边缘多次反射回波,频率为f4。边缘反射回波的形成是由激励激发弹性波,根据惠更斯原理,传播至缺陷边缘形成新的震源,并在轨道板内部和缺陷边缘与传感器之间往复传播而形成的,缺陷边缘与传感器间的距离为l,则频率f4表示为:f4=vi/(l+Z1);
由此可见,缺陷与检测单元不同相对位置造成了回波参数发生了改变,表1中列举了测点与缺陷不同相对位置时,回波频率分布模式。
表1缺陷回波频率分布模式
位置 f<sub>1</sub> f<sub>2</sub> f<sub>3</sub> f<sub>4</sub>
远离缺陷
缺陷上方
靠近边界
S3、分析弹性回波与缺陷的映射关系:
a、将无砟轨道弹性回波信号x(n)看作AR模型,回波信号长度为N,x(n)用前k个时刻信号和n时刻扰动a(n)线性组合而成:
Figure BDA0002261965330000091
式中,表示信号k阶模型x(n)对x(n-i)的依赖程度,a(n)服从正态分布
Figure BDA0002261965330000093
且与x(n-i)(i=1,2,…,k)相互独立
回波信号的功率谱表示为:
Figure BDA0002261965330000094
对于AR模型,模型参数、和模型阶次k是模型设计的主要技术指标。
b、弹性回波AR模型自相关函数表示为:
Figure BDA0002261965330000095
c、将回波信号的功率谱用矩阵形式表示为:
Figure BDA0002261965330000101
d、模型参数
Figure BDA0002261965330000102
的获取分为两部分:
Figure BDA0002261965330000103
的获取和
Figure BDA0002261965330000104
的获取;
e、回波信号的功率谱定义k阶前向预测误差fk,n:
Figure BDA0002261965330000105
f、将Xn-k时刻的值用Xn-k+1,Xn-k+2,…,Xn线性组合表示
Figure BDA0002261965330000106
Figure BDA0002261965330000107
g、后向预测误差bk,n:
Figure BDA0002261965330000108
h、根据前向预测误差和后向预测误差之间关系得到从k-1阶到k阶的递推公式:
Figure BDA0002261965330000109
式中,
Figure BDA00022619653300001010
为反射系数;
i、
Figure BDA00022619653300001011
取值满足前向误差、后向误差的数学期望趋于0和递推稳定性要求
Figure BDA00022619653300001012
时,根据
Figure BDA00022619653300001013
的计算方法为:
根据
Figure BDA00022619653300001014
得出,
Figure BDA00022619653300001015
Figure BDA00022619653300001016
根据回波信号的前向误差、后向误差和扰动方差初值f0,n=b0,n=x(n),
Figure BDA0002261965330000111
依次外推出k阶模型参数;
S4、建立检测位置——缺陷位置关联的弹性回波频率分布模式:
通过模拟试验法确定模型阶次,在接近边缘缺陷边缘存在四种回波信号,其中,f1与f2、f3间隔较大,便于区分;而缺陷回波f1,缺陷边缘回波f4比较接近,难以区分。
故设回波信号由两种频率的正弦信号构成,即回波信号x(t)表示为:x(t)=A1sin(2πf1t)+A4sin(2πf4t)
式中,A1和A4分别为f1和f4频率信号幅度;
模型阶次k满足如下条件:在f1和f4存在峰值;在f1和f4处峰值占整个频谱空间中的比例最大,即模型阶次k满足:
Figure BDA0002261965330000112
式中,
Figure BDA0002261965330000113
表示k阶模型频率f对应的幅值。
S5、建立基于Burg功率谱估计的无砟轨道功能层缺陷成像方法
a、获取回波信号Burg功率谱,k=100;
b、计算[f2,f1]能量谱占总回波能量的比值η;
c、对η降序排序,以前10%为初始值,表示可能存在缺陷点,并初始化i=1;
d、以Pi为中心做广度搜索边缘回波频率分布模式,如存在回波频率分布模式,将该点至边缘区域作为R(Pi),否则不记录该点;
e、i=i+1,如i>q,结束搜索,否则返回步骤d继续搜索;
f、合并R(Pi)作为最终缺陷区域。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。

Claims (7)

1.一种无砟轨道功能层缺陷成像方法,其特征在于,包括以下步骤:
S1、构建无缺陷的无砟轨道层状介质模型:
弹性波在不同层间界面反射系数Ri:
Figure FDA0002261965320000011
多次波反射频率fi为fi=vi/2hi
式中,vi表示弹性波在传播路径hi中的平均波速;f1表示轨道板反射频率;f2表示功能层反射频率;f3表示支承层反射频率;
S2、构建带缺陷的无砟轨道层状介质模型:
a、当检测单元与缺陷位置较远时,与无缺陷层状介质模型相同,只存在无砟轨道三种层状介质界面反射波;
b、当检测单元位于缺陷上方,且离边界较远时,由于空洞缺陷波阻抗Z4与Z1之间的巨大差异,此时回波信号f1占主导地位;
c、当检测单元位于缺陷上方,且与缺陷边界较近时,缺陷边缘与传感器间的距离为l,则频率f4表示为:f4=vi/(l+Z1);
S3、分析弹性回波与缺陷的映射关系:
a、将无砟轨道弹性回波信号x(n)看作AR模型,回波信号长度为N,x(n)用前k个时刻信号和n时刻扰动a(n)线性组合而成:
Figure FDA0002261965320000012
式中,
Figure FDA0002261965320000013
表示信号k阶模型x(n)对x(n-i)的依赖程度,a(n)服从正态分布且与x(n-i)(i=1,2,…,k)相互独立
回波信号的功率谱表示为:
Figure FDA0002261965320000021
b、弹性回波AR模型自相关函数表示为:
Figure FDA0002261965320000022
c、将回波信号的功率谱用矩阵形式表示为:
Figure FDA0002261965320000023
d、模型参数
Figure FDA0002261965320000024
的获取分为两部分:
Figure FDA0002261965320000025
的获取和
Figure FDA0002261965320000026
的获取;
e、回波信号的功率谱定义k阶前向预测误差fk,n:
Figure FDA0002261965320000027
f、将Xn-k时刻的值用Xn-k+1,Xn-k+2,…,Xn线性组合表示
Figure FDA0002261965320000028
Figure FDA0002261965320000029
g、后向预测误差bk,n:
Figure FDA00022619653200000210
h、根据前向预测误差和后向预测误差之间关系得到从k-1阶到k阶的递推公式:
Figure FDA00022619653200000211
式中,
Figure FDA0002261965320000031
为反射系数;
i、外推出k阶模型参数;
S4、建立检测位置——缺陷位置关联的弹性回波频率分布模式:
设回波信号由两种频率的正弦信号构成,即回波信号x(t)表示为:x(t)=A1sin(2πf1t)+A4sin(2πf4t)
式中,A1和A4分别为f1和f4频率信号幅度;
S5、建立基于Burg功率谱估计的无砟轨道功能层缺陷成像方法
a、获取回波信号Burg功率谱,k=100;
b、计算[f2,f1]能量谱占总回波能量的比值η;
c、对η降序排序,以前10%为初始值,表示可能存在缺陷点,并初始化i=1;
d、以Pi为中心做广度搜索边缘回波频率分布模式,如存在回波频率分布模式,将该点至边缘区域作为R(Pi),否则不记录该点;
e、i=i+1,如i>q,结束搜索,否则返回步骤d继续搜索;
f、合并R(Pi)作为最终缺陷区域。
2.根据权利要求1所述的一种无砟轨道功能层缺陷成像方法,其特征在于,无砟轨道结构从上到下分为轨道板、功能层和支承层。
3.根据权利要求1所述的一种无砟轨道功能层缺陷成像方法,其特征在于,激励源和传感器共同构成一个检测单元,且激励源和传感器间距固定。
4.根据权利要求1所述的一种无砟轨道功能层缺陷成像方法,其特征在于,弹性波垂直于轨道板向下激发,在各层表面将产生反射波,并不断地在无砟轨道内部往复运动,形成多次波,进而被传感器接收。
5.根据权利要求1所述的一种无砟轨道功能层缺陷成像方法,其特征在于,S3步骤中,
Figure FDA0002261965320000041
取值满足前向误差、后向误差的数学期望趋于0和递推稳定性要求
Figure FDA0002261965320000042
时,根据的计算方法为:
根据
Figure FDA0002261965320000044
得出,
Figure FDA0002261965320000045
Figure FDA0002261965320000046
根据回波信号的前向误差、后向误差和扰动方差初值f0,n=b0,n=x(n),
Figure FDA0002261965320000047
依次外推出k阶模型参数。
6.根据权利要求1所述的一种无砟轨道功能层缺陷成像方法,其特征在于,S4步骤中,模型阶次k满足如下条件:在f1和f4存在峰值;在f1和f4处峰值占整个频谱空间中的比例最大。
7.根据权利要求6所述的一种无砟轨道功能层缺陷成像方法,其特征在于,模型阶次k满足:
Figure FDA0002261965320000048
式中,表示k阶模型频率f对应的幅值。
CN201911074423.7A 2019-11-06 2019-11-06 一种无砟轨道功能层缺陷成像方法 Active CN110687206B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911074423.7A CN110687206B (zh) 2019-11-06 2019-11-06 一种无砟轨道功能层缺陷成像方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911074423.7A CN110687206B (zh) 2019-11-06 2019-11-06 一种无砟轨道功能层缺陷成像方法

Publications (2)

Publication Number Publication Date
CN110687206A true CN110687206A (zh) 2020-01-14
CN110687206B CN110687206B (zh) 2022-06-03

Family

ID=69115423

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911074423.7A Active CN110687206B (zh) 2019-11-06 2019-11-06 一种无砟轨道功能层缺陷成像方法

Country Status (1)

Country Link
CN (1) CN110687206B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116203131A (zh) * 2023-04-28 2023-06-02 中国铁建高新装备股份有限公司 检测隧道脱空的方法、装置、及电子设备、存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09304365A (ja) * 1996-05-20 1997-11-28 Tokimec Inc 被検査体傷判定方法及び装置
JP2005274444A (ja) * 2004-03-25 2005-10-06 Toshiba Corp 超音波探傷画像処理装置及びその処理方法
CN104765062A (zh) * 2015-04-13 2015-07-08 四川升拓检测技术有限责任公司 基于弹性波的无砟轨道板脱空无损检测方法
CN105783799A (zh) * 2016-03-03 2016-07-20 四川升拓检测技术股份有限公司 一种基于振动的无砟轨道板离缝深度无损检测方法及设备
CN106546982A (zh) * 2016-11-10 2017-03-29 桂林电子科技大学 一种基于模拟退火算法的层状介质的波形反演方法
CN109033618A (zh) * 2018-07-24 2018-12-18 中南大学 无砟轨道典型伤损对高速列车运行安全性影响的评估方法
CN109164173A (zh) * 2018-10-08 2019-01-08 上海工程技术大学 一种多通道动态无损检测无砟轨道缺陷的方法及装置
CN109239191A (zh) * 2018-09-29 2019-01-18 中国特种设备检测研究院 一种超声导波缺陷定位成像方法及***
CN109738525A (zh) * 2019-03-12 2019-05-10 石家庄铁道大学 网格化的高速铁路支承层混凝土波速检测装置及估计方法
CN109813809A (zh) * 2019-04-01 2019-05-28 石家庄铁道大学 无砟轨道缺陷非接触式无损检测方法、终端设备及***

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09304365A (ja) * 1996-05-20 1997-11-28 Tokimec Inc 被検査体傷判定方法及び装置
JP2005274444A (ja) * 2004-03-25 2005-10-06 Toshiba Corp 超音波探傷画像処理装置及びその処理方法
CN104765062A (zh) * 2015-04-13 2015-07-08 四川升拓检测技术有限责任公司 基于弹性波的无砟轨道板脱空无损检测方法
CN105783799A (zh) * 2016-03-03 2016-07-20 四川升拓检测技术股份有限公司 一种基于振动的无砟轨道板离缝深度无损检测方法及设备
CN106546982A (zh) * 2016-11-10 2017-03-29 桂林电子科技大学 一种基于模拟退火算法的层状介质的波形反演方法
CN109033618A (zh) * 2018-07-24 2018-12-18 中南大学 无砟轨道典型伤损对高速列车运行安全性影响的评估方法
CN109239191A (zh) * 2018-09-29 2019-01-18 中国特种设备检测研究院 一种超声导波缺陷定位成像方法及***
CN109164173A (zh) * 2018-10-08 2019-01-08 上海工程技术大学 一种多通道动态无损检测无砟轨道缺陷的方法及装置
CN109738525A (zh) * 2019-03-12 2019-05-10 石家庄铁道大学 网格化的高速铁路支承层混凝土波速检测装置及估计方法
CN109813809A (zh) * 2019-04-01 2019-05-28 石家庄铁道大学 无砟轨道缺陷非接触式无损检测方法、终端设备及***

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
*** 等: ""基于AR模型的Yule-Walker法和Burg法功率谱估计性能分析"", 《计算机与数字工程》 *
李长远 等: ""AR模型功率谱估计的Burg算法研究及验证"", 《铁道通信信号》 *
罗治军 等: ""一种改进型AR-EWT算法及其在振动模态分解中的应用研究"", 《机械设计》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116203131A (zh) * 2023-04-28 2023-06-02 中国铁建高新装备股份有限公司 检测隧道脱空的方法、装置、及电子设备、存储介质
CN116203131B (zh) * 2023-04-28 2023-09-15 中国铁建高新装备股份有限公司 检测隧道脱空的方法、装置、及电子设备、存储介质

Also Published As

Publication number Publication date
CN110687206B (zh) 2022-06-03

Similar Documents

Publication Publication Date Title
Hou et al. Automatic multi-mode Lamb wave arrival time extraction for improved tomographic reconstruction
CN102853791B (zh) 扫描超声波显微镜同时测量薄层材料厚度、声速、密度和衰减的方法
CN103245311B (zh) 用超声检测多层吸波涂层测厚装置的测厚方法
CN110243320B (zh) 一种隧道衬砌裂缝深度非接触测量方法及装置
CN106198739A (zh) 一种基于波型转换的tofd近表面盲区缺陷定位检测方法
CN102608212A (zh) 基于声压反射系数功率谱测量薄层声阻抗和声衰减的方法
CN102269814A (zh) 一种用于基桩质量智能检测的方法
CN112098526A (zh) 基于激光超声技术的增材制件近表面缺陷特征提取方法
CN103616439A (zh) 使用超声波平探头同时测量线粘弹性薄层材料多参数的方法
CN104698089A (zh) 一种适用于倾斜裂纹定量和成像的超声相对时间传播技术
CN103033153A (zh) 扫描超声波显微镜同时测量薄层材料机械特性参数的方法
CN104897777A (zh) 基于Burg算法的自回归谱外推技术提高TOFD检测纵向分辨率的方法
CN110687206B (zh) 一种无砟轨道功能层缺陷成像方法
CN101109732B (zh) 基于模糊平面特征的超声无损检测回波信号分类方法
CN106770668B (zh) 一种用于单孔的基桩质量声波透射法检测方法
CN113533510B (zh) 一种钢轨疲劳微裂纹识别方法及装置
CN109541689B (zh) 一种基于反射波能量特征的介质密实度评价方法
CN106680821A (zh) NiCoCrAlYTa六元涂等离子喷涂涂层厚度超声无损检测方法
CN113533504B (zh) 基于激光超声表面波频域参数的亚表面裂纹定量测量方法
Sun et al. An ultrasonic signal denoising method for EMU wheel trackside fault diagnosis system based on improved threshold function
CN115639157A (zh) 一种基于表面波的表面裂纹位置、长度和角度测量方法
CN106442744B (zh) 一种去除超声探头响应特性的超声波信号处理方法
CN114755300A (zh) 一种基于超声无损检测的缺陷定位定量检测方法
JP2003149214A (ja) 超音波センサを用いた非破壊検査法及びその装置
Marin-Cortes Ultrasonic coda wave comparison for quality control of manufactured parts: Proof of feasibility

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant