超声波探伤在铁路钢轨上的应用

铁路钢轨直接承受机车、车辆的动力作用。由于本身材质和外界因素等影响，会造成钢轨疲劳断裂或裂纹，严重威胁着铁路行车安全。这些伤损，以往都是靠巡道工看、敲、听来发现的。但是钢轨内部的暗伤、表面的细小裂纹、     

多尺度卷积残差网络钢轨伤损检测研究

针对传统钢轨探伤大多依赖人工获取特征信息、工作繁琐且效率低的问题,提出了融合改进残差模块的多尺度卷积网络钢轨表面伤损图像识别模型。该网络模型采用深度可分离卷积代替传统卷积减少模型参数量,加快模型训练速度;运用残差网络模块,避免网络堆叠过深引起的过拟合现象;并利用多尺度卷积取代了传统的单尺度卷积,使得网络加宽以获取更多的特征信息,增强了模型特征信息的提取能力,从而提高了模型的识别精度。通过对三种典型钢轨伤损进行对比试验,本方法检测精度和运算速度优于传统方法。     

蒸养温度效应及其对水泥基材料热伤损的影响＊

采用温度传感器测试了水泥基材料在标养和蒸养条件下温度的变化,结合X射线衍射(XRD)、扫描电子显微镜(SEM)、热重分析(TGA)及压汞(MIP)等方法,研究了水化产物和微结构的变化。结果表明,蒸养中试件表层首先开始升温,升温结束时表层温度比内部高约30℃;随后内部升温超过表层,恒温3h,内部温度比表层高约25℃。蒸养温度效应对水化产物的生成未产生较显著的影响,但对表层孔结构和微观形貌影响显著。蒸养结束时,试件表层的总孔隙率以及大于200nm的有害孔比例分别是内部的1.22倍和10.3倍;继续标养至28d时有效降低了总孔隙率,但大于200nm的有害孔比例仍为标养试件的1.6倍。     

钢轨的伤损及防治

本文以广州铁路局十多年来伤损钢轨的统计调查为基础,分折了钢轨伤损主要原因,并提出了一些防治措施。     

蒸养混凝土的表层伤损效应

通过试验研究蒸养混凝土的毛细吸水性和氯离子扩散性能,分析蒸养混凝土表层与内部微观结构特征的差异,探讨了蒸养混凝土的表层伤损效应及其机理.结果表明：相对于标养混凝土,蒸养混凝土表层位置处（由表及里约10mm范围）的毛细吸水性及氯离子扩散速率均基本较大;蒸养过程会对混凝土表层微观结构造成显著的伤损,且这种伤损主要集中在混凝土由表及里约10mm范围;蒸养混凝土表层区较大的温度梯度及肿胀变形是蒸养混凝土产生表层伤损效应的根本原因;粉煤灰和矿渣掺入可在一定程度上降低蒸养作用对混凝土表层造成的伤损程度,有效提高蒸养混凝土抵抗水及氯离子迁移的能力.     

制动时低黏着区处轮轨瞬态滚动接触行为分析

建立了基于显式有限元的三维高速轮轨瞬态滚动接触有限元模型,于时域内分析制动车轮通过长度1m以下的短低黏着区时的瞬态滚动接触行为。模型采用了面面接触算法求解轮轨间滚动接触,考虑了轮轨真实三维几何和材料非线性。着重分析了低黏着区附近的轮轨力、应力、粘滑分布和摩擦功分布等的瞬态变化,结果显示:车轮进入低黏着区时,轮轨接触斑尺寸基本不变,但蠕滑力、接触斑内黏着区面积和摩擦功均显著降低,蠕滑率上升;待离开低黏着区并重新进入正常黏着钢轨后,显著升高的蠕滑率会使得蠕滑力和摩擦功显著高于滚入低黏着区之前的水平;低黏着区越长,发生磨损的可能性和严重程度越大;牵引与制动工况相比,蠕滑力/率方向相反,但黏着区的影响规律基本相同。     

无砟轨道裂缝影响因素及修复工艺探讨

随着我国轨道交通技术的发展,无砟轨道得到了越来越广泛的应用,而无砟轨道的各项RAMS性能对列车的运行安全有重要影响,因此有必要对无砟轨道的全寿命周期内各项性能指标进行研究。主要对无砟轨道的裂缝伤损和修复工艺进行重点研究。基于轨道线路的重要性和易出现裂缝等病害特性,建设单位和施工单位除应采取多种有效措施防止或减少无砟轨道出现裂缝伤损外,还应在无砟轨道出现裂缝后积极应对,在熟练掌握相关修复工艺的前提下,选用合理的修复材料,及时有效地采取措施对裂缝等病害进行治理并加强伤损修复处的监测,降低裂缝伤损等病害的复现概率,为列车的安全运行提供可靠的线路保障。     

既有线Ⅱ型预应力混凝土枕伤损及原因分析

介绍了Ⅱ型预应力混凝土枕的优点,结合既有线Ⅱ型预应力混凝土枕应用的实际情况,对预应力混凝土枕主要的伤损类型如横向裂纹、纵向裂纹、龟裂、剪应力伤损及挡肩破坏等进行了分析,以延长轨枕的使用寿命。     

地铁钢轨轨头踏面点状伤损的原因分析

某地铁线路通车一段时间后,在钢轨轨头踏面出现点状伤损。调查了产生轨头踏面点状伤损的线路情况,并取样进行理化检验分析,钢轨踏面点状伤损部位表面含有锌元素,表面锌质量分数达到95%以上,基体组织为马氏体加少量贝氏体和少量残余奥氏体。分析表明高温金属液滴粘附在钢轨踏面,造成钢轨踏面局部金属被加热,导致其奥氏体化,然后迅速冷却,组织转变成马氏体加少量贝氏体和少量残余奥氏体,从而形成踏面点状伤损。若在地铁线路施工过程中,对钢轨进行保护可避免类似伤损的产生。     

基于改进YOLO v5的钢轨内部伤损B显图像识别与分类

钢轨正常工作是铁路安全运营的重要保障,开展钢轨损伤检测研究具有重要的意义。钢轨的损坏、裂纹和疲劳可能引发脱轨和事故,威胁乘客和货物的安全。传统的人工钢轨探伤存在判伤时间长、漏报率高等问题。基于改进的YOLO v5目标检测算法,对铁路行业的钢轨超声波B显图像进行伤损识别与分类研究。在YOLO v5网络结构中引入卷积注意力机制模块,基于一种改进的损失评价函数,以提高模型训练的速度和鲁棒性。同时,在样本集构建方面,改进马赛克(Mosaic)数据增强方法,随机粘贴一个或多个样本小目标于另外样本对应出波区形成新样本,扩充B显图像数据集;基于数据迁移技术,将基于第3方钢轨超声波B显样本数据训练得到的模型参数作为模型训练的初始化参数以提升模型泛化性能。对实际标准样轨进行实验,可成功识别全部4类典型钢轨伤损,平均精度均值(mean average precision, mAP)mAP@0.5∶0.95达到了76.9%,验证了研究成果良好的快速性、准确性、鲁棒性和泛化性。