基于Lamb 波的转向架焊缝裂纹检测技术研究

阮腾达

（厦门交测智能科技有限公司，福建厦门 361000）

0 引言

结构健康检测是列车检修的重要内容之一。列车最重要的部件是走行部件，走行部起承载车体的作用，也因其直接与钢轨接触而受到的振动最大，容易发生疲劳损伤。走行部焊接着多种支架、吊座等结构件，这些结构件根据车辆动力学原理设计，特殊定制，均为不规则的异形件，生产过程可能存在焊接缺陷，运行过程中可能存在局部应力集中，容易出现裂纹损伤，严重者影响行车安全，因此在地铁列车架修及大修中均需要对构架重要部件进行焊缝检测。据某主机厂公布的统计数据，在国产化西门子转向架构架中，发现存在裂纹的占比8.22%，主要集中在端梁弯角、电机吊座焊接处等部位[1]。

目前列车走行部构件的疲劳可靠性研究通常采用模拟计算、台架试验和线路上的运行试验等传统模式，这些研究方法难以及时跟踪设备的损伤程度，缺乏耦合复杂环境下的走行部机械构件损伤的智能辨识方法与技术，难以及时满足列车车辆安全运营的迫切需求。基于传统检测方法的计划修难以在线诊断列车运营过程中的结构损伤，而依靠人工检查手段难以发现深层次的隐患，不能保障铁路列车安全运营的要求。

因此，研究复杂情况下转向架结构损伤的产生机制、演化规律、辨识方法与技术，实现高效智能感知与缺陷识别关键技术的研究突破，实现对列车机械结构病害的检测，判断损伤的程度和位置，并对其进行增长速率预测，对列车走行部进行主动在线无损检测和健康状态评估，具有重要的理论意义和实际应用价值。

1 结构健康监测

1.1 研究现状

结构健康监测（SHM）是利用无损传感技术，通过信号分析，达到检测结构损伤的目的，该技术的核心是一个连续监测结构的传感器系统，最终目的是提供结构损坏或退化的早期预警。目前，结构健康监测在航空航天研究及应用较为广泛。民航飞机由于运用了大量的复合材料，结构健康监测技术也被视为提高飞机可靠性和降低维护成本的关键[2]。波音公司和空客公司在多个机型上进行了结构损伤监测技术探测结构损伤探索与应用[3]。

在轨道交通领域，结构健康监测还处在理论研究和仿真实验阶段。在铁路车辆检修中，转向架构架焊缝探伤以磁粉检测为主。磁粉检测技术结果显示直观、费用低、检测速度快，但需要剥离表面的涂装，而脱漆作业在构架探伤中耗时耗力，无论采用打磨方式或是脱漆剂，都会对作业环境有较大负面影响。

1.2 Lamb 波

Lamb 波是一种特殊的超声应力波，通过检测在结构表面几个点处的导波，可以有效检测出大面积范围的损伤。如果结构表面或内部有缺陷，Lamb 波会在损伤处反射，可以根据接收波的反射信息来分析损伤程度和损伤定位。

Lamb 波检测技术与传统检测技术相比具有两个明显的优势：

（1）Lamb 波在发射传感器与接收传感器之间建立传播路径，传播速度快、能量衰减小，对早期结构损伤表现出高敏感度，广泛应用于裂纹检测。通过lamb 波的方式检测焊缝裂纹，操作简便、检测时间短，可以检测到列车结构中许多常规检测手段无法接触到的位置[1]。

（2）当前超声检测难以对设备边缘的损伤缺陷进行检测。Lamb 波与传统超声波最大的不同在于在传播时结构的表面和内部都会产生质点振动，声压、声强在设备整个横截面上近似相等，声场能遍及整个设备[4]，即利用Lamb 波可以在不影响设备正常使用的情况下完成检测工作，扩大检测范围，提高设备的安全性，因此具有良好的应用前景。

Lamb 波的研究和应用也是起源于航空领域。在不同厚度、密度、力学性能的复合材料监测中，lamb 波能够有效表征材料基础特性。国内在Lamb 波领域的研究起步较晚，大多仍处在理论研究阶段，在铁路领域更是处于探索阶段。

2 Lamb 波在转向架焊缝裂纹检测中的应用

利用Lamb 波在结构损伤检测方面的特性，作者在列车走行部结构易损部位布设一种基于Lamb 波的分布式柔性传感器网络，利用人工智能、损伤定位等方法研究多种损伤辨识技术，将传感器网络收集信号作为分析源，进行结构损伤识别。

2.1 技术路线

首先是进行列车走行部中Lamb 波传播行为探究，实现传感器网络布置及激励条件优化，将基于Lamb 波的柔性传感器网络布设在走行部机械结构表面，研究基于Bayesian 理论的无参考信号主动Lamb 波损伤定位，探索结构健康状态智能辨识方法，最终形成列车走行部机械构件主动巡查智能探伤系统，技术路线如图1 所示。

图1 智能探伤系统技术路线

2.2 基于Lamb 波的构架损伤探测技术

2.2.1 走行部中Lamb 波传播行为探究

Lamb 波对检测结构的横截面形状，厚度和材料特性（泊松比，拉伸模量和密度）敏感。由于设备各部分截面形状和尺寸大小的不同，Lamb 波在其中传播的频率和速度也存在差异。同时Lamb 波经过列车设备结构特征时（如扣件、焊缝）具有泄漏倾向，并且受结构边缘和各部件之间的粘合条件产生反射，形成明显不同的传播模式。因此需要选择出一种适用于列车走行部复杂结构的检测模式并确定其灵敏度。将考虑以下因素选取各部分的检测波模式：

（1）每种模式在设备的一个部分唯一存在，很少泄露到其他部分。

（2）每种模式的位移分布在传感器网络的整个探测范围中，可以实现设备横截面100%覆盖。

（3）位移模式彼此相似，可以使用类似的传感器装置来生成和接收每个波模。

通过数值分析方法探究列车走行部中的Lamb 波传播行为及传播特性。分析模态形状，固有频率和波长潜在振动模式等信息，预测最佳的波模式激励，确定结构各部分理想的波模式/频率组合，以便最大程度提升损伤探测的敏感度。

2.2.2 分布式柔性传感器网络设计

将压电传感器网络固定在走行部结构表面上，不影响转向架的任何结构。传感器布置采用对称方式，轮询扫查，做到不拆解情况下的无损探伤，检测精度能达到毫米级。

2.2.3 激励信号

采用基于Lamb 波反演法获取波速，研究转向架不同部位Lamb 波的传播特性，以此为基础确定激励信号。根据Lamb 波的频散方程和曲线，可分别得到相速度与频厚积、群速度与频厚积的关系。为了方便后续的缺陷程度估计及定位，一般采用单一模式的lamb 波信号。在选取激励信号时，在简单的正弦信号中选取合适的窗函数，定义信号的中心频率、信号幅值、周期数等参数[5]（图2）。

图2 常见激励信号时域图和频域图

2.2.4 激励信号的接收与处理

在信号接收时，由于列车运行过程中具有复杂的内部与外部环境，载荷、速度、边界等条件会使相应信号特征变复杂，通常需要进行去噪。在动态监测中，由于轮轨噪声多数接收信号为非平稳信号，采用局部平均法进行预处理，而若是静态检测，回波信号是平稳信号的情况下，多采用滑动平均滤波来进行信号预处理，减少噪声的随机影响[6]。当材料有缺陷时，发射信号会在缺陷损伤处发生部分散射，故波传到接收端会发生延迟。基于最大值法和互相关函数法，并对信号进行希尔伯特变换，利用所求得的信号包络提取缺陷回波，预估信号的延迟时间，这对于定位缺陷位置十分重要（图3）。

图3 接收原始信号与重构信号对比

2.3 基于人工智能的结构健康状态智能辨识

2.3.1 基于损伤指数的损伤程度评估

损伤识别是结构健康状态辨识的重要环节。通过DI 伤指数来识别结构损伤程度，包含定性分析和定量分析。首先将DI 值与阈值对比，如果超过阈值，表示结构存在损伤缺陷。然后建立DI 值与损伤尺寸之间的关系，通过曲线拟合来进行定量分析。在建立联系时需要同材料特性的样件进行小样本收集，模拟损伤，多次实验获取DI 值，将获取的样本集进行曲线拟合，获取DI 与损伤之间的曲线函数。

在实际监测分析中，选取被监测区域中每个激励传感路径上的DI 最大值，根据校准曲线计算出损伤大小。

2.3.2 基于贝叶斯理论的损伤定位

在列车走行部上部署传感器网络，提取各传感器监测通道损伤散射信号传播时间与直达波传播的时间之差作为数据，利用基于Bayesian 理论获得列车结构损伤位置和波速等未知参数的联合后验概率分布，在后验分布中对未知参数进行采样估计，最终获得转向架机械构件损伤位置[7]。

2.4 列车走行部机械构件主动巡查智能探伤系统

建立列车走行部机械构件主动巡查智能探伤系统。设计激励信号源、功率放大、多通道快速切换、传感信号调理、传感信号高速采集等模块，完成激励信号产生、信号采集及数据分析处理工作。在传感器网络中，每一个收发均形成一条传播路径，每条路径都能计算出损伤指数，系统通过激励信号和响应信号的相关性分析来获取[8]，通过优化激励信号和接收信号的参数，增强算法抗干扰能力，降低“假损伤”误判，消除定位误差，以实现较精确的损伤定位。

软件界面显示损伤发生概率、产生位置等信息，通过软硬件结合的形式，逐步实现数据驱动损伤探测，提高列车检修的自动化和信息化水平，达到提升效率、降低运维成本、降低单位产值能耗的目标。

3 结论

超声Lamb 波是一种特殊的超声应力波，对结构初期的轻微损伤非常敏感，可应用于转向架焊缝裂纹检测中。该技术利用柔性贴膜材料能够与列车走行部结构表面紧密贴合的特性，在走行部结构表面形成一种紧密集成的类神经网络的分布式多功能传感器网络。传感器网络节点之间主动互发Lamb 波进行探测，在保证不影响走行部任何结构和正常使用的情况下进行无损探伤，其对结构初期的轻微损伤敏感，检测精度达到毫米级。利用多种分布式结构损伤智能辨识技术，能够根据结构的实时健康信息，预测结构的可能失效，提供列车走行部主动诊断控制及维修所需实时结构状态信息，并借助无线下传通道随时跟踪走行部状态，降低日常列检工作强度和维护成本，实现列车智能主动感知结构安全与绿色低碳运维保障。