一种融合物理机理与数据驱动方法的钢轨白蚀层厚度磁通泄漏反演模型

《Journal of Magnetism and Magnetic Materials》:A magnetic flux leakage inversion model for rail white etching layer thickness integrating physical mechanism and data-driven approaches

【字体: 大 中 小 】 时间:2026年02月01日 来源:Journal of Magnetism and Magnetic Materials 3.0

编辑推荐:

  对钢轨白蚀层(White Etching Layer, WEL)厚度的定量评估对于主动式铁路维护至关重要。研究人员开发了一种反演模型,通过分析马氏体引起的磁导率变化与特征双极磁通泄漏(Magnetic Flux Leakage, MFL)信号之间的物理关系,将

  
对钢轨白蚀层(White Etching Layer, WEL)厚度的定量评估对于主动式铁路维护至关重要。研究人员开发了一种反演模型,通过分析马氏体引起的磁导率变化与特征双极磁通泄漏(Magnetic Flux Leakage, MFL)信号之间的物理关系,将MFL信号特征与WEL厚度相关联。为弥合仿真与实验之间的差距,研究人员实施了一种迁移学习策略,结合基于仿真的预训练与有限实验数据的微调。该方法通过有限元仿真构建参数化样本库,提取关键MFL特征(峰峰值、峰间距、波形不对称性),并使用经金相验证的现场样本对模型进行微调。现场测试表明,WEL厚度预测的平均绝对误差为19.0 μm,检测率为87.5%。这项工作为标记数据稀缺的无损检测应用中微观结构的定量评估提供了实用解决方案。
**论文解读:一种融合物理机理与数据驱动方法的钢轨白蚀层厚度磁通泄漏反演模型**

**研究背景与问题**

钢轨白蚀层(White Etching Layer, WEL)是钢轨滚动接触疲劳下形成的马氏体混合微观结构,在光学显微镜下呈现非蚀刻白色区域,其高硬度与高脆性使得裂纹萌生阻力显著低于珠光体基体,成为潜在的隐蔽疲劳缺陷源。现有无损检测方法,如超声检测(受波长限制对亚毫米表层存在盲区)、涡流检测及视觉检测,均难以在宏观裂纹出现前对WEL进行定量评估。电磁技术,特别是磁通泄漏(Magnetic Flux Leakage, MFL)检测,虽对铁磁材料状态敏感,但缺乏系统性数据库将WEL微观结构与磁性参数关联,且现有仿真常将缺陷简化为空气槽,忽略微观结构驱动的磁性变化。因此,亟需建立一种物理机理与数据驱动融合的反演模型,实现WEL厚度的在线定量检测,以推动铁路维护从纠正性向预测性转变。

**研究内容与结论**

研究人员(Kailun Ji, Longhui Xiong, Wei Yuan, Ping Wang, Jianjun Qu, Pan Liu)开展了基于MFL信号的WEL厚度反演研究。通过分析马氏体引起的磁导率变化与特征双极MFL信号之间的物理关系,建立了反演模型。该模型结合了磁偶极子理论、Jiles-Atherton(JA)磁滞模型及有效厚度模型,通过有限元仿真构建参数化样本库,提取关键MFL特征(峰峰值、峰间距、波形不对称性),并采用迁移学习策略(基于仿真预训练与有限实验数据微调)弥合仿真与实验差距。现场测试验证了方法有效性:平均绝对误差(MAE)为19.0 μm,检测率为87.5%,表明该方法可实现微米级定量评估。该论文发表于《Journal of Magnetism and Magnetic Materials》,为标记数据稀缺的无损检测场景下微观结构定量评估提供了实用解决方案。

**关键技术方法**(不超过250字)

本研究主要采用以下关键技术方法:(1)基于磁偶极子模型与Jiles-Atherton(JA)磁滞模型,建立WEL磁性参数库(覆盖矫顽力Hc8–20 kA/m、饱和磁化强度Bs1.8–2.2 T、剩磁Br0.8–1.5 T、初始相对磁导率μr80–200),并引入有效厚度δ(50–300 μm)概念,通过有限元仿真(Ansoft Maxwell)生成500个完整仿真样本;(2)提取MFL信号中峰峰值、峰间距和波形不对称性三个核心特征,作为随机森林(Random Forest, RF)与支持向量回归(Support Vector Regression, SVR)模型的输入;(3)采用迁移学习策略,使用大规模仿真数据预训练模型,再通过4个经金相验证的现场样本(来自南京航空航天大学自动化工程学院现场测试)进行微调,以补偿仿真与实测间的域偏移。

**研究结果**

**3. 白蚀层磁泄漏信号的特征与可区分性分析**

**3.1 关键磁性参数对磁泄漏信号的影响规律**:通过固定有效厚度δ为15 μm,系统改变JA参数库中的四个参数,发现矫顽力Hc增加(8→20 kA/m)导致Bz峰峰值显著下降,饱和磁化强度Bs增加(1.8→2.2 T)使峰峰值线性上升,剩磁Br与初始磁导率μr则主要影响波形不对称性。多元非线性回归建立了经验公式,量化了参数与信号特征的关系。

**3.2 白蚀层与宏观裂纹磁泄漏信号差异的机理**:对比WEL(δ=0.2 mm,Hc=15 kA/m)与相同尺寸矩形空气裂纹的MFL信号,空气裂纹产生对称双极峰,而WEL因铁磁性质产生不对称双极峰(正峰大于负峰),两者在特征空间(峰振幅与不对称性)中可分离,实现可靠区分。

**3.3 最佳磁化场强的确定**:通过评估不同磁化场强Hexc(2–15 kA/m)下的信噪比,确定Hexc=10 kA/m为最优激发条件,兼顾信号对比度与功耗。

**4. 基于AI的厚度反演模型与验证**

**4.1 仿真数据集构建与特征提取**:从500个仿真样本中提取8个候选特征,经互信息分析、主成分分析和随机森林递归特征消除,筛选出峰峰值、峰间距和波形不对称性三个核心特征作为模型输入,并归一化处理。

**4.2 轻量级机器学习模型的训练与性能**:对比随机森林(RF)与支持向量回归(SVR)模型,RF在测试集上表现更优:MAE=15.9 μm,RMSE=19.6 μm,R2=0.9334,表明RF可解释93%以上的厚度变化。SVR的MAE=36.1 μm,R2=0.6685。

**4.3 模型鲁棒性与泛化能力分析**:添加高斯白噪声(SNR从30 dB降至15 dB),MAE仅从15.9 μm升至21.3 μm,R2始终>0.85;按厚度区间(薄层50–150 μm、中层150–250 μm、厚层250–300 μm)评估,中层预测误差最小(MAE=13.2 μm),模型在薄层和厚层区间误差略大;5折交叉验证显示MAE的95%置信区间为[14.8, 17.2] μm,R2为[0.915, 0.945],表明模型性能稳定。

**5. 实际缺陷钢轨中马氏体白蚀层厚度的预测与分析**

**5.1 实验缺陷样本验证与模型准确度评估**

**5.1.1 迁移学习策略与原理**:采用“仿真预训练+少量样本微调”策略,预训练RF与SVR模型,微调时冻结RF决策树结构、仅调整叶节点预测值,SVR则重新优化拉格朗日乘子与惩罚参数C,使用4个金相标定样本进行微调,防止过拟合。

**5.1.2 实验过程与结果**:选取一段严重滚动接触疲劳钢轨,标记8个分析点(经金相法获得真实厚度),奇偶点分别作为微调训练集与独立测试集。微调后,RF的MAE从25.8 μm降至10.5 μm(改善59.3%),SVR的MAE从38.5 μm降至12.3 μm(改善68.1%)。

**5.1.3 预测误差分布与泛化分析**:微调后误差分布接近正态(RF标准差5.8 μm,SVR标准差6.5 μm),且误差与厚度无显著相关性,无过拟合迹象。所有测试点预测误差均在±15 μm内。

**5.1.4 样本充分性与模型鲁棒性讨论**:4个微调样本虽少,但作为高保真锚点覆盖厚度范围,且强正则化约束确保模型保留物理知识,实现了有效域适应。

**5.2 现场测试与统计性能分析**:在800 m半径曲线段进行5 km现场测试,运行速度15 km/h,系统共发出8次警报,其中7次确认存在WEL(检出率87.5%),1次误报(由强残余应力场引起)。定量预测的MAE为19.0 μm,RMSE为23.2 μm,最大绝对误差33 μm,无系统性偏差,证明系统具备在线定量检测能力。

**总结与讨论**

研究结论部分指出:本研究开发并验证了一种融合物理机理与数据驱动的方法,用于定量评估钢轨马氏体白蚀层(WEL)厚度。通过分析WEL与珠光体基体间的磁性差异,建立了特征双极MFL信号与WEL厚度之间的理论框架。为弥合仿真与实测数据间的关键差距,引入迁移学习策略,利用大规模仿真预训练与少量真实样本微调,显著提升了模型在实场应用中的泛化能力与预测精度。实验室及现场实验验证了方法的有效性,现场测试实现了87.5%的检出率与19.0 μm的平均绝对误差,展示了微米级定量评估能力。该方法对简单与复合WEL缺陷均具有良好的适应性。该研究为钢轨亚表面微观结构损伤的原位定量评估提供了实用可靠的技术路径,有助于推动维护策略从纠正性向预测性转变,提升铁路运营安全。所提出的物理建模与自适应机器学习融合框架,也有望推广至其他标记数据稀缺的无损评估场景。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

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