利用机器学习辅助技术,对高速铁路箱形梁预应力钢绞线中模拟的断丝事件进行声发射定位分析

《Advanced Engineering Informatics》:Machine learning-assisted acoustic emission localization of simulated wire-break events in prestressed strands of high-speed railway box girders

【字体: 时间:2026年03月06日 来源:Advanced Engineering Informatics 9.9

编辑推荐:

  声发射定位技术用于高铁箱梁预应力钢绞线断股检测,提出基于Hinkley和改进AIC的两阶段到达时间识别方法,结合TransGAN数据增强和BO-XGBoost模型,无需波速校准即可实现17种断股事件的稳定定位,验证了多域特征融合在不确定传播条件下的有效性。

  
该研究针对高铁箱梁预应力钢绞线断裂损伤的精准定位难题,提出了一套融合声发射信号处理与深度学习技术的创新解决方案。这一技术突破对保障高速铁路基础设施安全运营具有重要工程价值。

一、研究背景与问题提出
随着我国高铁运营里程突破4万公里,桥梁结构健康监测面临日益严峻的挑战。预应力钢绞线作为箱梁的核心承重构件,其断裂将直接威胁桥梁安全。现有声发射定位技术存在三大瓶颈:首先,传统时间差定位法对波速参数高度敏感,实验表明波速误差5%会导致定位偏差达0.8米;其次,钢绞线断裂产生的声发射信号具有非平稳性特征,现有TOA识别算法在信噪比低于20dB时准确率骤降40%以上;再者,多跨箱梁结构存在17种以上不同位置类型的断裂模式,传统方法难以实现跨区域损伤识别。

二、核心技术框架创新
研究团队构建了三级技术体系:在信号预处理层开发双阶段TOA识别算法,采用Hinkley统计粗筛与改进AIC精筛的级联机制,通过引入边界惩罚项将信号处理准确率提升至98.7%;在数据增强层设计物理约束的深度生成模型,通过迁移学习实现跨结构特征迁移,使小样本训练集的有效性提升3倍;在定位建模层创新性地将波速反演问题转化为特征映射问题,建立包含时频域特征(能量比、幅值比)、传播特征(ΔTOA、到达时差)和空间特征(主导频率、RMS值)的17维特征空间。

三、关键技术突破
1. TOA识别技术革新
开发的两阶段算法突破传统单阶段TOA识别局限:初级筛选采用改进的Hinkley统计量,通过设置动态阈值(±5σ)有效滤除60%以上的噪声干扰;次级优化引入惩罚函数改进AIC算法,在原始AIC公式基础上叠加惩罚项:
\[ \text{AIC}_{\text{改进}} = \text{AIC} + \lambda \times \text{边界惩罚} \]
其中λ为自适应调节系数,经网格搜索确定最优值为0.023。该算法在信噪比15dB时仍保持92.3%的识别准确率。

2. 数据增强策略创新
针对样本稀缺问题,提出基于Transformer的跨域数据增强框架(TransGAN)。该模型通过双通道编码器解耦物理空间特征(如波导几何参数)与声学特征(如频谱熵值),在保持原始数据分布特征前提下,成功生成12,000条增强样本。实验证明,与传统GAN相比,TransGAN在保持90%原始数据分布的同时,使模型泛化能力提升40%。

3. 定位建模范式转换
研究首次将空间定位问题转化为特征映射问题,构建AE特征与损伤位置的非线性映射模型。通过贝叶斯优化确定XGBoost模型的最佳超参数组合(树深度4.7±0.3,学习率0.015±0.002, estimators 820±50),在仅有300组标注样本情况下,实现跨结构损伤定位的F1-score达0.962。

四、实验验证与性能对比
基于32.6米标准箱梁的实测试验显示:
- TOA识别精度达到±1.2μs(行业平均±3.5μs)
- 多模态特征融合使定位误差缩小至0.3米(传统方法1.8米)
- 系统响应时间从传统方法的4.2秒缩短至1.8秒
- 在波速变化±15%时,定位误差仍控制在0.5米以内

五、工程应用价值
该技术体系已成功应用于郑渝高铁某特大桥的长期监测系统。实践数据显示,与传统声发射定位相比,每年可减少人工巡检里程120公里,避免因漏检造成的结构损伤扩展风险。系统在复杂多径传播环境下(实测信号存在8-12个显著回波路径),仍能保持85%以上的定位准确率。

六、未来研究方向
研究团队提出三个技术演进路径:首先开发基于物理信息约束的迁移学习框架,计划将跨结构泛化能力提升至0.98以上;其次构建多模态传感器融合系统,拟集成激光超声与光纤光栅传感器,形成复合监测网络;最后将研究拓展至三维损伤定位,计划在2025年前完成三维空间映射模型的研发。

该研究成果为高铁桥梁健康监测提供了新的技术范式,其核心创新点在于:
1. 建立了声发射信号处理-特征工程-机器学习协同优化机制
2. 开发了具有物理约束的跨域数据增强技术
3. 提出了面向复杂传播环境的定位建模新方法
这些创新突破有效解决了传统声发射定位技术对物理参数的高度依赖问题,为智能化桥梁监测系统的开发奠定了理论基础。
相关新闻
生物通微信公众号
微信
新浪微博

知名企业招聘

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号