基于LabVIEW 的火車輪面裂紋深度在線監(jiān)測技術(shù)

夏蓉花，劉春，趙慧娟

（江蘇安全技術(shù)職業(yè)學(xué)院，江蘇徐州 221011）

隨著我國高鐵事業(yè)和高速列車建設(shè)的快速發(fā)展，作為鐵道系統(tǒng)的重要組成部分，火車車輪的狀態(tài)直接關(guān)系到火車行車安全。車輪踏面損傷是車輪故障的主要類型，所以對車輪踏面損傷進(jìn)行自動(dòng)檢測具有重要意義。

該文針對火車車輪工作時(shí)高溫、高速的特點(diǎn)，開發(fā)了一套車輪踏面的深度檢測系統(tǒng)，為車輪的健康檢測提供了一種有效手段。

1 電磁超聲探傷系統(tǒng)設(shè)計(jì)

該文設(shè)計(jì)的電磁超聲探傷系統(tǒng)如圖1 所示[3]。

圖1 電磁超聲探傷系統(tǒng)

文中提出的電磁超聲探傷系統(tǒng)基于頻分復(fù)用技術(shù)開發(fā)，不同線圈由不同的頻率正弦信號供電，每個(gè)磁場可感應(yīng)出具有不同頻率和幅度的正弦電。為了獲得每個(gè)信號分量，將輸出通過帶通濾波器進(jìn)行濾波[4]。

1.1 磁場發(fā)生器設(shè)計(jì)

考慮到磁場的限制，重新設(shè)計(jì)了一種新的場發(fā)生器，以滿足在適當(dāng)距離提供符合要求的磁場[5]。

5 個(gè)線圈通過使用塑料支架固定在專用的有機(jī)玻璃框架上，以避免出現(xiàn)可能產(chǎn)生電磁干擾的次級磁場。在排列線圈時(shí)，前3 個(gè)線圈分別沿著直角坐標(biāo)系x-y-z分布，另外兩個(gè)相對于支撐平面傾斜45°，實(shí)物如圖2 所示。通過這種方式可以擴(kuò)大跟蹤體積，同時(shí)確?；ジ袨榱?。

圖2 磁場發(fā)生器實(shí)物

每個(gè)單線圈的設(shè)計(jì)均依照IEEE C95.6 標(biāo)準(zhǔn)，滿足在受控環(huán)境中人體四肢、軀干和頭部暴露于磁場的安全限制。此外，該系統(tǒng)還設(shè)計(jì)了0.2 mT 的安全閾值[6]。

磁場發(fā)生器線圈的交流電源信號由DAQ 模塊組成，型號為NI9263。由于功率有限，因此需要為每個(gè)線圈使用功率放大器。具體實(shí)現(xiàn)方法是將Texas Instrument OPA544 運(yùn)算放大器配置在非反相狀態(tài)[7]，并將增益設(shè)置為51 dB。

1.2 電流控制單元

初步實(shí)驗(yàn)結(jié)果表明，線圈電阻的過熱導(dǎo)致了顯著的磁場變化，因此需要實(shí)現(xiàn)電流控制回路以保持磁場的恒定[8]。

如圖3 所示，該文對于每個(gè)磁場發(fā)生器線圈實(shí)施比例積分（PI）控制，并通過引入積分控制來減少漸進(jìn)誤差。因?yàn)樵撓到y(tǒng)在穩(wěn)定條件下工作，所以微分控制可以被忽略，對超調(diào)沒有嚴(yán)格要求，且動(dòng)態(tài)擾動(dòng)較慢（例如溫度變化）。

圖3 電流控制模塊

此次采用的電流測量元件為LA55-P 型閉環(huán)霍爾效應(yīng)傳感器，其具有70 A 的峰值電流和0.65%的控制準(zhǔn)確度[9]。通過將一個(gè)高精度的100 Ω電阻連接到傳感器的輸出端，將傳感器輸出端的電流轉(zhuǎn)換為電壓信號，便于控制單元獲取測量信號[10]。

采集電路采用±12 V 雙電源供電，另外兩個(gè)0.01 μF 旁路電容器用于減少電源信號可能的干擾，如圖4 所示。為了放大電流信號，在LEM 傳感器中進(jìn)行兩級放大，獲得的電壓值評估如下：

圖4 電流信號采集電路

其中，Nt=1 000 匝，是電流傳感器的匝數(shù)。

圖5 為電流控制電路板實(shí)物。為了獲取PI 控制的常數(shù)，實(shí)驗(yàn)測得比例常數(shù)與積分常數(shù)值為0.024 和0.005。經(jīng)過實(shí)驗(yàn)測試證明了電流信號的良好穩(wěn)定性，僅有約0.01%的控制誤差。

圖5 控制電路板實(shí)物

為了有效管理和控制該文設(shè)計(jì)的系統(tǒng)，需要一個(gè)控制單元來為場發(fā)生器生成5 個(gè)正弦信號并從測量電路中獲取實(shí)時(shí)電壓。文中設(shè)計(jì)開發(fā)了基于DAQ（數(shù)據(jù)采集）模塊和軟件接口的實(shí)驗(yàn)裝置，并在LabVIEW 中集成。

2 基于LabVIEW的深度監(jiān)測網(wǎng)絡(luò)

為了對LabVIEW中輸入的信號進(jìn)行合理分析，基于深度學(xué)習(xí)設(shè)計(jì)了信號分析與分類算法。LabVIEW接收信號可以表示為：

其中，y[n]是接收到的復(fù)數(shù)信號，x[n]是從所設(shè)計(jì)調(diào)制方案n傳輸?shù)膹?fù)數(shù)信號，η[n]是均值，記其方差為。

深度網(wǎng)絡(luò)由多層組成，無需人工干預(yù)即可提取網(wǎng)絡(luò)數(shù)據(jù)的特征。此次選用ResNet-50 模型提取數(shù)據(jù)特征，與淺層網(wǎng)絡(luò)相比，深層網(wǎng)絡(luò)提供了良好的分類結(jié)果[11]。

2.1 初始化網(wǎng)絡(luò)

網(wǎng)絡(luò)配置如圖6 所示。網(wǎng)絡(luò)初始模塊采用傳統(tǒng)的并行方法來連接卷積層子網(wǎng)絡(luò)，同時(shí)批量歸一化激活層[12]。該模型具有并行分支，易于在多個(gè)GPU上進(jìn)行訓(xùn)練。高維度的初始網(wǎng)絡(luò)使用中間輔助分類器實(shí)現(xiàn)，以減少反向傳播時(shí)的梯度消失問題[13]。神經(jīng)元激活時(shí)，使用ReLU 函數(shù)以及0.5 的刪除概率實(shí)現(xiàn)正則化[14]。

圖6 網(wǎng)絡(luò)配置

2.2 數(shù)據(jù)預(yù)處理和訓(xùn)練

為了確定正確的調(diào)制方案，在分類層次結(jié)構(gòu)的3個(gè)階段訓(xùn)練多個(gè)深度學(xué)習(xí)模型[15]。

用平均能量對LabVIEW 數(shù)據(jù)進(jìn)行歸一化后，對復(fù)平面4×4 區(qū)域中的點(diǎn)進(jìn)行進(jìn)一步處理，該區(qū)域范圍涵蓋了合理信噪比中的大部分有用數(shù)據(jù)。采用濾波器Fk將CDM 轉(zhuǎn)換為彩色圖像，其中k∈{1,2,…,6}。Fk由3 個(gè)掩碼組成，每個(gè)掩碼均是一個(gè)維數(shù)為100×100的布爾矩陣，且每個(gè)掩碼的輸出均代表電信號的一個(gè)通道[16]。Fk濾波器的第m個(gè)掩碼的輸出由式（3）給出：

2.3 模型訓(xùn)練與部署

此次的預(yù)訓(xùn)練模型采用大小為3×100×100 的輸入數(shù)據(jù)，并分類為1 000 個(gè)類別。通過在每個(gè)模型的末尾連接8 個(gè)全連接層來執(zhí)行分類任務(wù)，網(wǎng)絡(luò)前7 層分別包含1 000、750、500、250、100、50、20 個(gè)神經(jīng)元，第8 層根據(jù)選擇的分類器包含2 或3 個(gè)神經(jīng)元。模型訓(xùn)練時(shí)，信噪比在-4～30 dB 間的數(shù)據(jù)步長設(shè)置為1 dB，信噪比在35～70 dB 間的數(shù)據(jù)步長設(shè)置為5 dB。在分類的第一步中，將考慮的8種調(diào)制方案分為3組，并給出17 200 組數(shù)據(jù)進(jìn)行訓(xùn)練。第二步，用4 300 組數(shù)據(jù)訓(xùn)練的模型進(jìn)行分類。最終分類也遵循了一致層次結(jié)構(gòu)原則，分析模型在帶有Keras 庫的Python 中實(shí)現(xiàn)，文中部署在NVIDIADGX-2GPU 上來訓(xùn)練模型。為了更優(yōu)地實(shí)現(xiàn)分類且更快地完成訓(xùn)練過程，對求解器配置的參數(shù)也進(jìn)行了調(diào)整，學(xué)習(xí)率設(shè)置為0.000 1，最小批量的大小為64。

3 實(shí)驗(yàn)驗(yàn)證

此次設(shè)計(jì)考慮在計(jì)算機(jī)資源有限的情況下，使用PC-DAQ 方法實(shí)現(xiàn)測量數(shù)據(jù)的長時(shí)間儲(chǔ)存，并使用顯示屏作為交互工具，減少嵌入式硬件的開發(fā)難度。最終集成的實(shí)時(shí)數(shù)據(jù)采集框架，如圖7 所示。

圖7中，程序框架的最外圍為Loop程序。程序在運(yùn)行時(shí)會(huì)連續(xù)采集數(shù)據(jù)，僅在用戶按下STOP 時(shí)停止工作。該文設(shè)計(jì)的屏顯功能由延時(shí)函數(shù)實(shí)現(xiàn)，考慮到人眼的工作模式，屏顯的刷新延時(shí)設(shè)置在50 ms～1 s之間。Loop程序中最后完成的一部分功能是采樣與存儲(chǔ)，對于通信端口連續(xù)讀取，采集到EPP 的2 048 Byte數(shù)據(jù)，數(shù)據(jù)經(jīng)過時(shí)間幀同步后存儲(chǔ)至計(jì)算機(jī)。

圖7 LabVIEW EPP采集數(shù)據(jù)程序框架

為了評估實(shí)驗(yàn)所得控制電路的PI 控制常數(shù)，分別施加0.024 的比例常數(shù)和0.005 的積分常數(shù)用于Ziegler Nichols 算法。如圖8 所示，獲得的誤差約為0.01%。實(shí)驗(yàn)測試結(jié)果表明，電流信號具有良好的穩(wěn)定性。

圖8 采樣點(diǎn)電流波形

在此基礎(chǔ)上，進(jìn)一步對電壓信號的干擾項(xiàng)展開深入研究，以表征系統(tǒng)在不同工作中的準(zhǔn)確性和重復(fù)性。兩個(gè)相互獨(dú)立的干擾作用下的測量誤差模型，如式（4）所示：

其中，EB(B)和ES表示相互獨(dú)立的測量誤差。為了驗(yàn)證模型，分析實(shí)驗(yàn)結(jié)果的標(biāo)準(zhǔn)偏差（STD），定義如下所示：

處理每個(gè)立方體內(nèi)不同點(diǎn)處的信號樣本vi(t),i=1,…,5，觀察如圖9 所示的誤差分布情況，可以看出在一階近似的條件下，測量誤差近似于高斯分布。

圖9 測量誤差分布

為了研究隨著測量距離的增加，系統(tǒng)信號處理能力的變化情況，進(jìn)行了時(shí)間連續(xù)的實(shí)驗(yàn)測試，數(shù)據(jù)結(jié)果如表1 所示?？梢钥闯觯S著距離的增加，測量數(shù)據(jù)量也在同步增加，因此噪聲項(xiàng)的誤差也有相應(yīng)的減少，所以標(biāo)準(zhǔn)偏差的平均值也有下降的趨勢。

表1 電流測量標(biāo)準(zhǔn)差實(shí)驗(yàn)數(shù)據(jù)（單位：mA）

4 結(jié)束語

該文研究了基于虛擬儀器技術(shù)與電磁超聲測量技術(shù)的火車車輪踏面裂紋深度檢測技術(shù)。首先，對電磁超聲探傷系統(tǒng)的磁場發(fā)生器、電流控制與測量單元進(jìn)行研究，并使用LabVIEW 程序進(jìn)行集成，實(shí)現(xiàn)對信號的實(shí)時(shí)顯示與集成。為了減輕人工監(jiān)視的負(fù)擔(dān)，基于深度學(xué)習(xí)與LabVIEW 對信號數(shù)據(jù)進(jìn)行特征學(xué)習(xí)以及噪聲分析。通過實(shí)驗(yàn)驗(yàn)證了電流控制電路的控制精度可達(dá)0.01%以內(nèi)，具有良好的穩(wěn)定性。此外，隨著測量距離的增加，系統(tǒng)對于信號處理的精度也有所提高。

火車車輪裂紋探傷的實(shí)際應(yīng)用，對于檢測技術(shù)的穩(wěn)定性、實(shí)時(shí)性等方面有著較高的要求，這將是未來的重點(diǎn)研究方向。