基于超聲波成像技術的列車車軸缺陷檢測研究

焦楊

（國能鐵路裝備有限責任公司，北京 100120）

0 引言

鐵路系統作為一種高速、大負荷運輸方式，在運輸行業扮演著重要的角色。保證鐵路系統的安全和可靠性是鐵路管理者和運營商的首要任務。車軸作為列車運行的關鍵組成部分，承擔著重要的負荷和力學作用，其缺陷可能導致列車的事故、故障和延誤，嚴重威脅鐵路運輸的安全性和效率，因此車軸的完好性對保證列車的正常運行和乘客的安全至關重要。工程中的車軸缺陷是指車輪對、軸頸或輪緣等部位出現的各種缺陷，如疲勞裂紋、斷裂、異物侵入等。這些缺陷可能導致車輪脫落、車軸斷裂、車輪與軌道之間的不良接觸等問題，進而引發列車脫軌、交通事故，所以每行駛一定里程數后，列車的車軸就需要進行探傷檢測，待探傷的列車車軸如圖1 所示。

圖1 檢修廠中待探傷的列車車軸

目前常用的車軸缺陷檢測方法包括目視檢查、磁粉探傷和超聲波檢測等[1]。然而，目視檢查、磁粉探傷這些傳統的檢測方法存在一些局限性。例如，目視檢查受到操作人員主觀判斷和環境條件的限制，無法檢測到微小或內部缺陷；磁粉探傷需要將車軸拆卸下來進行處理，導致停機時間長且成本高昂。綜上所述，由于車軸缺陷對鐵路安全的潛在威脅，以及目前常用的檢測方法的局限性，尋找一種高效、準確且非破壞性的檢測方法變得至關重要。因此，利用超聲波無損檢測技術進行鐵路列車車軸缺陷檢測成為一個備受關注的研究領域，它有望提供更準確、快速和可靠的車軸檢測方案，以提高鐵路系統的安全性和可靠性。

1 超聲波檢測技術

超聲波檢測在醫學領域的應用已經非常廣泛，在鐵路領域的應用相對較新。超聲波檢測技術即超聲波成像技術，利用超聲波在物體內部的傳播和反射特性，通過接收和處理返回的超聲波信號來生成圖像。超聲波檢測技術具有以下優勢：第一，超聲波檢測技術無須使用任何輻射源，與X 射線檢測相比，具有較高的安全性。這使超聲波檢測成為一種理想的無輻射檢測方法，可減少對操作人員和乘客的潛在危害。第二，超聲波檢測技術是一種非接觸式檢測方法。超聲波通過物體表面傳播，無須直接接觸被測物體，因此不會對車軸造成物理損傷。這對于保護車軸的完整性非常重要，同時也提高了檢測的效率和速度。第三，超聲波檢測技術具有快速成像的優勢。超聲波能夠以高速傳播并在物體內部產生高分辨率的圖像，使車軸缺陷可以快速、準確地被檢測和定位[2]。這對于大規模的車軸檢測任務尤為重要，可以有效地提高列車的維護效率和安全性。

然而，超聲波檢測技術在鐵路領域的應用也面臨一些限制和挑戰。首先，超聲波檢測技術的成像深度受到限制。超聲波在物體內部的傳播受到衰減和散射的影響，因此在較深部位的缺陷檢測可能受到限制。這需要在系統設計和參數設置中加以考慮，以提高深部缺陷的探測能力[3]。其次，超聲波檢測技術的檢測結果受到探頭設計和放置位置的影響。合適的超聲探頭選擇和正確的放置位置是確保檢測結果準確性的關鍵因素。針對車軸這樣的復雜結構，需要針對性地設計和優化超聲探頭，最大程度地提高檢測精度和可靠性。最后，超聲波檢測技術的數據處理和分析也是一個挑戰。超聲波圖像中可能存在噪聲和干擾，需要采用合適的信號處理和圖像處理算法來優化圖像質量、增強缺陷的對比度，并實現自動化的缺陷檢測和識別。雖然超聲波檢測技術的應用存在一些限制和挑戰，但其作為一種無輻射、非接觸和快速成像的檢測方法，在鐵路列車車軸缺陷檢測領域具有巨大潛力。通過進一步的研究和技術改進，可以克服這些挑戰，提高車軸缺陷檢測的準確性和效率，從而提升鐵路運輸的安全性和可靠性。

2 基于超聲波檢測技術的車軸缺陷檢測

基于超聲波檢測技術進行車軸缺陷檢測方法涉及多個方面，包括超聲探頭選擇、頻率選擇、成像參數優化、部位選擇和信號及圖像處理算法的開發等。

第一，選擇適當的超聲探頭對于車軸缺陷檢測至關重要。在車軸缺陷檢測的工程應用中最常用的是多個陣列探頭組成的相控陣探頭。相控陣探頭的工作原理是將一個較長的常規超聲探頭切割成多個小的晶片，每個晶片是一個獨立的聲學結構，擁有獨立的接頭、延時線路和數模轉換器，通過規劃好的延時對每個晶片激發，其通過激發的多個超聲波之間的相位干涉完成大范圍的聲束覆蓋，從而使局部區域的檢測分辨率和靈敏度大幅度提升，實現材料的無損檢測。車軸的超聲缺陷檢測是基于脈沖反射探測原理，超聲波在傳播路徑上遇到空洞或裂紋等缺陷時會產生反射，通過對反射超聲波和透射超聲波進行檢測即可識別出檢測物體的缺陷。目前，鐵路貨車所用車軸多為實心軸，車軸內部無空洞，常規檢測方法難以發現軸體表面以內的缺陷，利用相控陣探頭可實現軸體內部大角度范圍的掃描，實現高效的車軸無損探傷，圖2 展示了基于相控陣探頭的列車車軸超聲波缺陷檢測設備的示意圖。

圖2 基于相控陣探頭的列車車軸超聲波缺陷檢測示意圖

第二，選擇適當的頻率可以對車軸缺陷的檢測和定位產生影響。一般來說，高頻率可以提供更高的分辨率，適用于檢測小尺寸的表面缺陷；而低頻率則更適用于檢測深部缺陷。因此，在車軸缺陷檢測中，需要根據具體情況選擇合適的頻率。Kappes 等[4]提出檢驗需要用縱波，而不是常用的橫波。從經驗來看，縱波對于超聲傳播路徑較長時更具優勢，例如對于車軸軸頸的檢查。原因是超聲波傳播過程中，縱波的聲衰減要比相同波長的橫波低，特別適用于高衰減的軸類材料。此外，角點效應是車軸缺陷檢測的重要機制，因此推薦車軸檢測應用波束角度范圍內（25°～75°）更均勻的縱波。

第三，通過優化成像參數，可以獲得更清晰、準確的車軸缺陷圖像。這包括調整超聲波的入射角度、增益和增強設置等。這部分參數的調整需要根據檢測車軸的型號、尺寸、材料等進行對照試驗設計和分析，通過合適的成像參數優化，可以提高對車軸缺陷的探測和分析能力，提高檢測的準確率和效率。

第四，現有工程應用中車軸的超聲波檢測成像主要分為6 個部位，具體包括：左軸頸、右軸頸、左輪座、右輪座、左半軸全軸穿透和右半軸全軸穿透。探傷機系統全軸掃描過程中會展示該輪軸6 個部位的超聲波成像，展示界面如圖3 所示。

圖3 車軸探傷掃描的超聲波成像界面

第五，直接利用原始的超聲波反射信號和透射信號進行成像，通常會導致成像結果含有大量噪點，成像效果很差，為后續缺陷檢測帶來極大困難。因此需要開發信號處理的算法，以增強缺陷信號的對比度和提取有關信息，其中需要綜合應用濾波、圖像增強、特征提取和模式識別等技術。現有工程應用的車軸超聲探傷機通常在系統中已經集成部分信號處理和圖像增強的算法，保證最終系統界面展示的成像圖片不會出現大范圍的噪點干擾，成像結果如圖4 所示。但是這些處理方法往往是比較簡單和基礎的，如果需要開發高精度的基于超聲圖像的車軸缺陷檢測算法，還需要根據成像圖片的特點進行進一步的圖像預處理。

圖4 探傷機界面的超聲波成像結果

3 基于神經網絡的超聲圖像異常自動識別

列車車軸在經過探傷機的掃描完成后會在系統界面展示圖4 所示的超聲波成像結果，檢測人員會根據成像結果人工識別該車軸是否存在缺陷。在目前的工業應用中，整個識別過程主要還是依靠檢測人員的經驗進行人工判斷，效率低下且準確度較低。隨著卷積神經網絡等新一代圖像識別算法的提出，可以通過設計相應神經網絡模型完成超聲圖像的異常自動識別，將檢測人員從繁重的看圖工作中解放出來，只需要進行算法初篩異常成像的二次核查，極大地降低勞動強度并提高檢測精度。

由于探傷機的超聲波成像結果還會存在較多的噪點，為了避免噪點對于模型異常檢測結果的影響，該研究推薦使用一種基于卷積自編碼器結構的超聲圖像異常識別模型。卷積自編碼器是一種常用的神經網絡模型，由編碼器和解碼器兩部分組成，其結構如圖5 所示。編碼器負責將輸入圖像壓縮到低維編碼表示，而解碼器則將該編碼重建為與原始輸入盡可能接近的輸出圖像。卷積自編碼器利用卷積層和池化層進行特征提取和空間下采樣，從而能夠有效地處理圖像數據的結構信息。

圖5 自編碼器結構示意圖

卷積自編碼器的優點之一是其能夠從數據中學習到緊湊的表示，捕捉到輸入圖像的重要特征。通過降低編碼維度，卷積自編碼器可以去除圖像中的冗余信息，提取更高級別的抽象特征。這使卷積自編碼器在圖像壓縮和重建任務中表現出色。在車軸超聲圖像異常檢測中，希望模型可以自動識別超聲圖像數據中的異常區域或對象。卷積自編碼器通過訓練一個能夠重建正常圖像的模型，來學習正常圖像的特征表示。當輸入一個異常圖像時，由于異常區域的不尋常性，重建圖像與原始輸入之間的差異會增大。因此，通過測量重建誤差或重建圖像的像素差異，可以判斷圖像是否存在異常。

卷積自編碼器中的損失函數通常使用均方差損失或二進制交叉熵損失，用于衡量重建圖像與原始輸入之間的差異。訓練過程中，模型通過反向傳播算法更新權重和偏置，以最小化損失函數。經過訓練，卷積自編碼器能夠學習到正常圖像的潛在表示，并且能夠對異常圖像產生較高的重建誤差。卷積自編碼器在圖像異常檢測中的應用具有一定的優勢。首先，卷積自編碼器能夠自動學習適合圖像數據的特征表示，無須手工設計特征。其次，卷積自編碼器具有良好的泛化能力，可以對新的異常模式進行有效檢測。此外，卷積自編碼器可以處理具有復雜結構和多尺度信息的圖像數據，對于不同大小和分辨率的異常區域都能有效檢測。

經過卷積自編碼器模型檢測后的超聲圖像結果如圖6 所示，可以看出識別出的異常圖像與正常車軸的超聲成像存在顯著差異，識別出的異常圖像存在一些明顯的故障特征，這充分證明了該模型能夠很好地完成超聲圖像異常自動檢測任務。

圖6 卷積自編碼器超聲成像異常檢測結果

4 結語

超聲波檢測技術在鐵路列車車軸缺陷檢測方面具有顯著的優勢，包括非破壞性檢測、高分辨率成像和實時監測能力，這些特點使其成為一種重要的車軸缺陷檢測方法。雖然現在的超聲波成像缺陷自動檢測技術還未得到大規模應用，但隨著超聲探頭的進一步優化和相關檢測模型的迭代更新，超聲波成像技術將在鐵路列車車軸缺陷檢測中具有廣闊的應用前景。