鋼軌表面裂紋渦流檢測定量評估方法

黃鳳英

(中國鐵道科學研究院 金屬及化學研究所，北京　100081)

由于輪軌滾動接觸，鋼軌軌頭踏面容易產生疲勞損傷，嚴重危害鋼軌的使用壽命。在役鋼軌軌頭踏面常見斜裂紋形貌如圖1所示。由圖1可見：軌頭踏面裂紋一般分布在工作邊的軌距角側。萌生初期的表面裂紋普遍與鋼軌頂面呈約10°～40°的夾角，其中部分裂紋向鋼軌內部擴展，并改向成水平走向或沿表面擴展形成剝離掉塊；另一部分裂紋沿軌面向下擴展，會突然以較大角度約60°～70°向內部深處和橫向擴展，導致鋼軌橫向斷裂[1-4]。通過研究鋼軌表面裂紋深度的定量評估方法以判定裂紋的嚴重程度，對后續(xù)處理措施的選擇具有重要意義，并可實現鋼軌傷損的早期預警。

對在役鋼軌采用人工目視進行傷損檢查，很容易產生漏檢，且無法判定鋼軌裂紋的嚴重程度。采用磁粉、滲透等常規(guī)無損檢測方法進行鋼軌探傷時，不但會造成污染，而且檢測效率都比較低，需要進行表面預處理以及一定的光照條件，尤其是滲透檢測只能檢測已開口的表面缺陷。王平等[5]研究了鋼軌表面缺陷的漏磁三維磁場分析，采用三維磁場測量以及有限元方法對缺陷漏磁場的三維分布情況進行了分析；王凌云等[6]研究了重軌表面缺陷機器視覺檢測的關鍵技術，包括缺陷的紅外成像處理、多CCD組合采集、缺陷提取等；劉洋等[7]根據激光超聲波在鋼軌表面激發(fā)時會同時產生縱波、橫波和表面波，而表面波可用于檢測表面微裂紋的原理，研究了激光超聲技術在鋼軌探傷中的應用。以上將漏磁、紅外和激光超聲等檢測技術應用于鋼軌，在目前還僅限于實驗室研究，未見現場實用的報道；另外，這3種檢測方法雖然不需要耦合劑即可實現非接觸檢測，但是，漏磁檢測方法需要保證探頭與檢測面的間隙恒定，否則漏磁場變化很大，且漏磁檢測方法還需要對鋼軌進行磁化，然而磁化設備較笨重；紅外檢測設備成本高，而且無法實現缺陷深度的評估；激光超聲檢測方法目前主要應用于高溫狀態(tài)下的遠距離檢測，屬于微損檢測，需要的設備功率大，且設備壽命短、成本也較高。目前，中國鐵道科學研究院在鋼軌探傷車原有超聲檢測技術的基礎上，研究增加脈沖渦流技術用于檢測鋼軌表面裂紋，但是也僅限于試驗階段。

渦流檢測作為常規(guī)的無損檢測方法之一，其檢測原理是當渦流檢測線圈通入交變電流時，線圈周圍就會產生交變磁場，將金屬導體置于該交變磁場中，金屬導體的表面就會感應出渦流，而此渦流又會產生1個磁場，該磁場與原線圈磁場相互作用，阻礙原磁場的變化。當金屬導體的表面或近表面有缺陷時，就會引起渦流的畸變，使感應的渦流發(fā)生變化，導致檢測線圈的阻抗或電壓發(fā)生變化，分析該電壓或阻抗的變化就可以實現對金屬導體表面和近表面的缺陷檢測。由于在役鋼軌的檢測只能在“天窗點”進行，而且是夜間作業(yè)，時間緊，光照條件有限，因此，具有非接觸、無污染、不需要耦合劑、檢測速度快等特點的渦流檢測方法適宜用于在役鋼軌表面缺陷的檢測。

本文首先通過仿真計算，擬合鋼軌表面裂紋深度與磁感應強度之間的函數關系。然后按照該函數關系得到鋼軌表面裂紋深度與渦流檢測信號電壓幅值的關系式，實現對在役鋼軌表面裂紋的有效檢測及深度的定量評估。

1　鋼軌表面裂紋渦流檢測的定量仿真分析

根據渦流檢測原理，被測導體中感應的渦流密度為

(1)

其中，

ω=2πf

式中：J為渦流密度；Z為距離導體表面的距離；J0為面電流密度；ω和f分別為渦流激勵信號的角頻率和頻率；μ和σ分別為被測導體的磁導率和電導率。

渦流滲透深度為

(2)

式中：δ為渦流滲透深度。

由式(1)和式(2)可見：被測導體表面的渦流密度隨著檢測深度的增加成指數衰減，但隨著頻率、電導率和磁導率的增大而增大；雖然頻率、電導率和磁導率越大，導體表面渦流的密度也越大，但是渦流的趨膚效應也越顯著、滲透深度也越小；由于趨膚效應，渦流檢測只能實現被測導體表面或近表面深度的缺陷檢測。

1.1　渦流檢測鋼軌表面裂紋深度的定量仿真分析

采用ANSYS軟件，以1塊表面帶有裂紋的鋼板模擬鋼軌，建立渦流檢測模型，進行鋼軌表面裂紋渦流檢測響應的仿真計算分析。該模型主要由含有裂紋的鋼板、渦流線圈(絕對式)和空氣組成。由于渦流滲透深度的限制，且鋼軌的長、寬尺寸與渦流線圈直徑比大于5、鋼軌厚度與渦流滲透深度比例大于4，則可認為鋼軌對線圈阻抗的影響與其無限長時一致。在鋼板中心刻有槽形裂紋，將線圈置于鋼板中心線上，從左至右逐點掃查，如圖2所示。

圖2　模型及線圈掃查示意圖

線圈模型耦合至外接電路，仿真時裂紋長×寬為9.0 mm×0.2 mm、深度分別為0.1，0.2，0.5，1.0，1.5，2.0和5.0 mm。仿真模型中線圈和鋼板的幾何尺寸及材料性能參數見表1。鋼軌屬于鐵磁性材料，其相對磁導率遠大于1；由于實際檢測在不施加磁化的條件下進行，而線圈產生的交變磁場導致鋼板的磁滯效應也非常微弱，因此可將鋼板相對磁導率設為定值。

表1　仿真模型參數

仿真模型中，裂紋附近的網格按等比例劃分，其余部分使用不大于1/3的過渡尺寸網格進行劃分，如圖3所示。鋼板整體模型的外圍覆蓋了其尺寸5倍的空氣層以及10倍的遠場空氣層，模擬電磁場在無限遠處的耗散問題。線圈通過場—路耦合供電。當線圈處于裂紋正上方時，鋼板具有對稱的渦流分布，因此求解計算完成后，當線圈處于裂紋正上方時，提取鋼板中心線-4～4 mm(以裂紋中心為原點)范圍內的磁感應強度。

圖3　鋼板和線圈有限元模型

1.2　仿真結果分析

鋼板中心線上不同深度裂紋對應的磁感應強度分布曲線如圖4所示。從圖4可以看出：磁感應強度在缺陷附近出現“雙肩”現象；當裂紋深度變化時，“雙肩”現象處由渦流變化導致的磁感應強度變化也較大；當裂紋深度較淺時，裂紋附近磁感應強度較大，隨著裂紋深度的逐漸加大，磁感應強度逐漸變小，且變化速率逐漸減緩。

圖4　鋼板中心線上的磁感應強度曲線

取距裂紋中心0～0.6 mm范圍內、間隔為0.1 mm的點，得到這些不同位置處不同裂紋深度對應磁感應強度的變化關系，如圖5所示。從圖5可以看出：隨著裂紋深度的加深，磁感應強度逐漸減小；當裂紋深度大于2 mm時，磁感應強度幾乎看不出變化。

圖5距裂紋中心不同位置處裂紋深度與磁感應強度的變化關系

其中，距裂紋中心0.3 mm處裂紋深度與磁感應強度的對應關系如圖6所示。從圖6可以看出：隨著裂紋深度的加深磁感應強度減小，當裂紋深度約為2 mm以上時磁感應強度變化越來越不明顯；且該深度值隨著激勵信號頻率的變化而改變；從圖中擬合曲線可以看出磁感應強度與裂紋深度近似服從指數關系。

圖6距裂紋中心0.3mm處裂紋深度與磁感應強度-深度的對應關系

從以上仿真結果可以得出：裂紋深度越深，鋼板表面的磁感應強度變化越??；當裂紋深度增加到一定程度(大約2 mm)后，裂紋深度再增加時的磁感應強度幾乎沒有什么變化。從仿真結果可以推斷，當裂紋深度達到一定程度后，定量評估的誤差也會越來越大。

2　鋼軌試塊表面裂紋渦流檢測的定量評估試驗

一般地，渦流檢測結果只能進行定性判定，無法真正實現定量評估。目前主要采用當量法，以人工缺陷的當量表征缺陷的大小，這需要制作盡可能多的對比試塊。由于采用的人工試塊有限，通過當量法實現定量分析會存在很大的誤差，難以得到較為準確的結果。

根據試驗測試得到的不同表面裂紋深度所對應的渦流檢測信號電壓幅值，結合上文仿真分析的結果，按照指數函數擬合相關度較高的表面裂紋深度與渦流檢測信號電壓幅值的關系式，據此計算裂紋深度，可減小完全依賴試塊進行定量評估所帶來的誤差，適用于在役鋼軌檢測過程中裂紋深度的快速定量評估。

制作表面帶有不同傾角、不同深度垂直裂紋和斜裂紋的鋼軌試塊，帶有垂直裂紋鋼軌試塊上的裂紋深度分別取為0.5，1.0，2.0和5.0 mm；帶有斜裂紋鋼軌試塊的等效垂直深度分別取為1.0和2.0 mm，斜裂紋與踏面的夾角即傾角分別為15°，30°，45°和60°，斜裂紋的等效垂直深度根據三角函數關系計算得到。圖7所示為等效垂直深度為2mm、帶有不同傾角的斜裂紋鋼軌試塊。

圖7　斜裂紋試塊圖(單位：mm)

利用渦流筆式探頭對上述試塊進行檢測試驗，試驗過程中盡量使線圈的提離高度一致，目的是去除由于提離高度不一致對檢測結果的影響，并保持檢測頻率和增益不變。檢測步驟如下。

(1)先標定對比試塊，這里假定以0.5 mm深的裂紋作為判廢標準，設定報警閾值。

(2)使儀器設置的增益和檢測頻率不變，并記錄。

(3)檢測上述3種不同的試塊，記錄渦流檢測信號等效電壓的幅值和相位，每個裂紋重復檢測3次并記錄，得到的檢測數據見表2。然后根據檢測數據制作等效電壓幅值與裂紋深度的對應關系圖；根據關系圖按指數曲線函數進行擬合。

由檢測數據得到的裂紋深度與等效電壓幅值關系如圖8所示。從圖8可以看出：裂紋的深度和渦流信號等效電壓幅值成一定的關系；隨著裂紋深度的加深，幅值呈上升趨勢，但裂紋深度增加到一定的值時，其幅值增加的速度趨緩。

將檢測數據按下式進行擬合。

表2對比試塊裂紋深度與渦流檢測信號等效電壓幅值的關系

序號裂紋等效垂直深度/mm裂紋長度/mm裂紋傾角/(°)渦流檢測信號等效電壓幅值1幅值2幅值3均值10505903941344121010905054515132020907370747345050901071021031035103915858891886102030697275727101445636462638101260575758579207715107105108107102040309210010010011202845848592851220236080838583

圖8　裂紋深度與渦流檢測信號等效電壓幅值的關系曲線

(3)

式中：x為裂紋深度；y為渦流檢測信號等效電壓幅值；y0和A1和t均為需要求解的系數。

(4)

圖9　指數擬合曲線

計算擬合曲線與真實數據之間的相關系數為0.975。從圖9可以看出：渦流檢測信號的等效電壓幅值隨著裂紋深度的增加逐漸增大，但隨著深度增加到一定值后，幅值增大的速度趨緩。

根據擬合曲線，可通過計算機軟件程序實現裂紋深度的自動計算。需要注意的是如果更換探頭，需要重新取數據，并重新計算指數擬合曲線，因探頭的靈敏度參數會有差異，一般將探頭以工藝參數的形式設定好后就不需要改動了。

3　鋼軌表面自然裂紋的試驗研究

截取一表面帶自然裂紋的鋼軌軌頭進行檢測試驗，計算自然裂紋的深度。取5處裂紋做好標記，然后進行渦流檢測試驗，得到渦流檢測信號的等效電壓幅值y，將y代入式(4)，得到鋼軌裂紋深度x的結果見表3。

將上述鋼軌軌頭處進行縱向解剖截取，在截面上用著色方法進行檢測，測量標記處的斜裂紋長度，結果見表3，裂紋著色顯示如圖10所示，金相顯微圖像如圖11所示。從圖上清晰可見表面斜裂紋顯示。

表3　斜裂紋的定量計算深度及其與實測深度的誤差

圖10　鋼軌表面裂紋縱向解剖滲透檢測圖

從表3可以看出：實際測量的裂紋深度和檢測計算得到的裂紋深度存在一定的誤差，隨著裂紋深度加深，檢測誤差會變大。其主要原因是：①試塊裂紋制作精度存在一定誤差，特別是深裂紋的誤差更大，深度越深，其裂紋寬度越難控制；②裂紋深度通過擬合曲線計算得到，擬合曲線只能無限逼近真實值，不等于真實值；③裂紋深度達到一定深度后，感應的渦流密度迅速衰減，且裂紋傾斜向下而渦流探頭的檢測面積有限，給定量工作造成更大的難度。

圖11　金相顯示圖

4　結　論

(1)通過仿真計算，求解具有高相關系數的渦流檢測信號幅值與裂紋深度的指數擬合曲線。仿真計算表明：隨著裂紋深度的加深磁感應強度增大，但隨著深度加深，當裂紋深度在約2 mm以上時，磁感應強度的變化越來越不明顯，該深度值隨著激勵信號頻率的變化而改變，磁感應強度與裂紋深度近似服從指數關系。

(2)通過制作不同傾斜角度和深度的裂紋對比試塊，采用渦流檢測方法對其進行裂紋深度定量分析研究，以實現鋼軌表面自然裂紋深度的定量評估。試驗結果表明：裂紋深度越深，定量評估的誤差越大；當裂紋深度大于2 mm時定量評估誤差將大于10%，當裂紋深度超過5 mm時，建議結合超聲檢測的方法進行深度定量評估。

(3)渦流檢測方法能實現鋼軌表面裂紋的有效檢測，并實現裂紋深度的定量評估。

[1]鄒定強. 鋼軌失效分析傷損圖譜[M].北京：中國鐵道出版社，2010：29-31.

[2]張玉華，許貴陽，李培，等.鋼軌探傷車自主化超聲檢測系統的關鍵技術[J]. 中國鐵道科學，2015,36(5):131-136.

(ZHANG Yuhua,XU Guiyang, LI Pei,et al. Key Technology to Autonomous Ultrasonic Detection System of Rail Flaw Detection Car[J]. China Railway Science, 2015,36(5):131-136.in Chinese)

[3]黃鳳英，高東海，丁興和. 道岔尖軌表面缺陷檢測卡片式渦流傳感器的設計與應用[J]. 無損檢測， 2014, 36(2):63-66.

(HUANG Fengying, GAO Donghai, DING Xinghe. Design and Application of Card-Type Eddy Current Sensor for Testing the Surface Defects of Switch Rail[J]. Nondestructive Testing，2014, 36(2):63-66. in Chinese)

[4]高運來，田貴云，丁松，等.鋼軌疲勞斜裂紋垂向磁化檢測仿真[J].無損檢測，2014,36(11)：18-23.

(GAO Yunlai, TIAN Guiyun, DING Song, et al.FEM Simulation on Electromagnetic NDT of Rail RCF Crack Using Vertical Magnetization[J]. Nondestructive Testing, 2014,36(11)：18-23. in Chinese)

[5]ROBIN Clark.Rail Flaw Detection: Overview and Needs for Future Developments[J]. Ndt & E International, 2004, 37(2):111-118.

[6]王平，趙颯，王海濤，等.鋼軌表面缺陷漏磁檢測的三維磁場分析[J]. 無損檢測，2010,32(9)：658-660.

(WANG Ping, ZHAO Sa, WANG Haitao, et al. 3D Magnetic Field Analysis for Rail Track Surface Defect Using Magnetic Flux Leakage Testing[J]. Nondestructive Testing，2010,32(9)：658-660. in Chinese)

[7]王凌云，黃紅輝，王雪，等.重軌表面缺陷機器視覺檢測的關鍵技術[J]. 重慶大學學報：自然科學版，2007，30(9):27-31.

(WANG Lingyun, HUANG Honghui, WANG Xue，et al. The Study on Key Technology of Faults Detecting on Surface of Rail Steel Based on Machine Vision[J]. Journal of Chongqing University:Natural Science Edition, 2007，30(9):27-31. in Chinese)