Виявлення сигналів дефектів при магнітодинамічній діагностиці залізничних рейок шляхом використання вейвлет-перетворень та нейронних мереж

Abstract

У дисертаційній роботі розв’язується актуальне науково-прикладне завдання з виявлення дефектів на ранніх стадіях їх розвитку та підвищення швидкості опрацювання діагностичної інформації шляхом автоматизації процесу виявлення та розрізнення сигналів від дефектів при магнітодинамічній дефектоскопії залізничних рейок. Створено материнську вейвлет-функцію для неперервного вейвлет-перетворення (НВП), яка наслідує основні особливості форми сигналів від дефектів типу поперечної тріщини в головці рейки. Це сприяє виділенню сигналів не лише від розвинених дефектів, але і від дефектів на ранніх стадіях їх розвитку. Збудовано штучну нейронну мережу (ШНМ), на вхід якої подаються вейвлет-коефіцієнти, отримані за допомогою НВП з використанням створеної вейвлет-функції. Таке поєднання НВП і ШНМ дозволило автоматизувати процес виявлення сигналів від поперечної тріщини з представленням на розгляд оператора вагона-дефектоскопа сигналів, які потенційно спричинені дефектами. Це значно спрощує роботу оператора, оскільки замість перегляду всієї дефектограми, йому достатньо зробити експертні оцінки виділених фрагментів. Запропоновано підходи для підвищення точності виявлення сигналів від поперечної тріщини рейки та описані можливі шляхи розширення ШНМ для виявлення інших типів дефектів. В диссертационной работе решается актуальная научно-прикладная задача выявления дефектов на ранних стадиях их развития и увеличения скорости обработки диагностической информации путем автоматизации процесса выявления сигналов от дефектов при магнитодинамической дефектоскопии рельсов. Создана материнская вейвлет-функция для непрерывного вейвлет-преобразования (НВП) которая наследует основные особенности формы сигналов от дефектов типа поперечной трещины в головке рельса. Это способствует выделению сигналов не только от развитых дефектов, но и от дефектов на ранних стадиях их развития. Построена искусственная нейронная сеть (ИНС), на вход которой подаются вейвлет-коэффициенты, полученные при помощи НВП с использованием созданной вейвлет-функции. Такое сочетание НВП и ИНС позволило автоматизировать процесс выявления сигналов от поперечной трещины с предоставлением оператору вагона-дефектоскопа сигналов, которые потенциально вызваны дефектами. Это значительно упрощает работу оператора, поскольку вместо просмотра всей дефектограммы, ему достаточно будет сделать экспертные оценки выделенных фрагментов. Предложены подходы для повышения точности выявления сигналов от поперечной трещины рельса и описаны возможные пути расширения ИНС для выявления других типов дефектов. In the dissertation, the actual scientific and practical problem of detection defects on the initial stages of their development is solved. The task of increasing the velocity of processing of the rail inspection information by automating the process of detecting and distinguishing signals from defects in the magnetic flux leakage diagnostics is also solved. A mother wavelet function for continuous wavelet transform (CWT), which inherits the basic features of the form of the signal from transverse cracks in the rail head was created. It facilitates to locate signals both from developed defects and defects in the early stages of their development. An artificial neural network (ANN) for automatic detection of signals from transverse cracks was constructed. The inputs of ANN are wavelet coefficients obtained by CWT using the created wavelet function. The outputs of ANN submit to the operator of the rail detector car signals that potentially could be caused by defects. It will significantly simplify the operator's work since instead of inspecting the entire flaw signal pattern, he will make expert estimates to only selected fragments. Approaches for increasing the accuracy of detecting signals from the transverse cracks of the rails are proposed. Possible ways of extending ANN to identify other types of defects are also proposed.