基于CNN的CA砂浆层脱空识别方法研究

摘要

CA砂浆层脱空缺陷是无砟轨道隐蔽性病害的重要形式,脱空缺陷的检测识别对于保持无砟轨道状态至关重要.采用扫描式冲击回波测试系统(IES)对高铁实体模型中预设了砂浆病害的CRTSⅡ型板式无砟轨道进行检测.基于Hilbert-Huang变换和卷积神经网络(CNN),提出一种CA砂浆层脱空识别方法.首先,分析回波信号的Hilbert谱图,研究信号多频带特征表达方式;然后,以实体模型回波测试信号为基础,建立训练和测试数据集;最后,构建CNN网络,对CA砂浆层有无脱空缺陷、缺陷尺寸进行分类识别.研究结果表明:该方法对于CA砂浆层脱空缺陷识别率达到98.75％,预设脱空大小识别率达到98.3％.