《Sensors》：Non-Destructive Testing Technology for Shallow Subsurface Defects in Rails: A Review with Focus on Ultrasonic Surface Wave Methods
编辑推荐：
随着铁路交通强度的增加，可靠检测钢轨浅表层损伤对于运营安全至关重要。本综述评估了与主动裂纹前沿或主要散射区位于钢轨表面上约0.5–10 mm范围内的缺陷相关的无损检测技术，并将10–15 mm范围视为向更深缺陷验证的过渡带。首先，研究人员将漏磁检测、磁粉检测、
随着铁路交通强度的增加，可靠检测钢轨浅表层损伤对于运营安全至关重要。本综述评估了与主动裂纹前沿或主要散射区位于钢轨表面上约0.5–10 mm范围内的缺陷相关的无损检测技术，并将10–15 mm范围视为向更深缺陷验证的过渡带。首先，研究人员将漏磁检测、磁粉检测、目视检测、涡流检测和常规超声检测作为筛查或确认性比较方法进行审查。随后，本综述聚焦于四种超声表面波激励途径——接触式压电、主动空气耦合、电磁超声和激光超声——并区分了来源特定的实验室能力与已证实的现场证据。由于引用研究使用了不同的缺陷几何形状、钢轨条件、传感器配置、速度和判断标准，其数值被报告为来源条件下的证据，而非归一化排名。一个工程决策矩阵将缺陷深度和尺寸、检测速度、表面条件和噪声环境与推荐的筛查-确认工作流程联系起来。综合分析确定接触式压电超声/相控阵超声（UT/PAUT）是最成熟的定量确认途径，而电磁超声换能器（EMAT）、空气耦合超声和激光超声保留了方法特定的优势，但需要更强的自然缺陷和服役验证。
论文主体部分总结如下：
**1. 引言**
中国高速铁路网络的快速发展对钢轨检测提出了持续需求。钢轨承受反复的轮轨接触应力、摩擦和环境暴露，产生内部、表面可见和浅表层损伤，这些损伤可能降低使用寿命并威胁安全。浅表层缺陷尤其具有挑战性，因为主动裂纹前沿位于运行表面以下，可能在形成清晰表面迹象之前于循环载荷下扩展。本综述将表面磨损和轮廓现象（如垂直磨损、侧面磨损、波纹、磨耗、剥落和压痕）仅视为可见比较器或确认性检测的触发因素，不重新归类为埋藏浅表层缺陷。主要目标是通过使用磁学、电磁、目视和超声方法的筛查-确认工作流程来评估浅表层裂纹前沿。范围与术语保持一致：表面可见异常是可直接在运行表面观察到的特征；表面连接裂纹与运行表面相交但可能在其下方扩展；浅表层缺陷指主动裂纹前沿或主要散射区位于表面下名义0.5–10 mm深度带内的缺陷；10–15 mm的损伤仅作为过渡带讨论，通常需要体波超声或相控阵超声确认。当前检测方法包括涡流检测、漏磁检测、磁粉检测和超声检测等，但各有局限。本文为结构化关键叙述性综述，文献检索覆盖2000年1月1日至2026年7月13日的出版物，最终筛选出140篇参考文献。
**2. 钢轨浅表层缺陷的无损检测技术**
**2.1 漏磁检测和磁粉检测**
漏磁检测（MFL）通过对铁磁材料磁化，缺陷改变磁通路径形成漏磁场，磁传感器（如霍尔传感器）采集信息。磁化方式包括直流（DC）、交流（AC）、永磁或混合。影响MFL信号的参数包括缺陷尺寸、取向、提离、磁化强度、应力和扫描速度。提离是关键参数，增加会导致信号快速衰减。缺陷深度与漏磁场强度在一定范围内近似成正比，宽度影响非单调，取向垂直磁化方向时灵敏度最高。强磁化有助于将材料驱动至饱和，但信号并非单调增加。扫描速度影响信号基线和幅度，产生波形畸变。运动感应涡流和振动干扰信号。表面粗糙度降低信噪比（SNR）。硬件优化（如传感器结构）和算法补偿（如相关滤波）用于提升性能。当前前沿聚焦于多方向成像，如三轴磁场传感器和3D裂纹轮廓重建。磁粉检测（MPI）通过磁化铁磁部件并施加磁粉作为显示介质，表面开口裂纹灵敏度高，但随埋深迅速下降，通常用于表面连接或极浅缺陷的局部确认。影响MPI灵敏度的因素包括工件几何形状、表面条件、磁化技术和磁粉特性。深度学习（DL）方法可实现自动检测，但鲁棒算法开发仍是挑战。
**2.2 目视检测**
目视检测（VT）直接感知表面可见异常，无法独立检测完全埋藏的浅表层缺陷。它作为高速筛查比较器保留，因为表面表现（如裂纹口、剥落、壳状裂纹、波纹和磨损）可触发超声确认。采用工业相机、激光扫描仪或多光谱相机获取运行表面状态，结合图像预处理、纹理分析、结构光轮廓测量、立体重建和机器学习分类。深度估计描述表面起伏而非埋藏裂纹前沿深度。著名的检测车辆如ENSCO和Alias Elektronik系统使用先进相机技术。双层数据驱动框架和生成对抗网络（GAN）等深度学习方法提高了检测精度，如YOLOv8改进算法达到94.9%精度和81.9%召回率。目视检测通常与其他方法结合使用，人工智能（AI）特别是机器学习和深度学习的集成使其更智能。
**2.3 涡流检测**
涡流检测（ECT）基于电磁感应原理，激励线圈在导电工件中感应涡流，缺陷改变涡流场进而影响检测线圈阻抗。影响ECT性能的参数包括激励频率、提离、电导率、磁导率、温度和工件厚度。频率控制穿透深度，提离变化可掩盖缺陷信号。探头形状和频率需匹配工件几何形状。材料导电性和磁导率决定感应电流分布，缺陷取向重要，运动感应涡流在动态条件下影响信号。改进方法包括使用卷积神经网络（CNN）对涡流信号进行小波变换以在线定位和分类，以及混合探头抑制提离噪声。在控制测试中，包含1 mm × 1 mm人工缺陷的试件报告信噪比高于100，但这些数值有条件于具体探头几何形状和条件。
**2.4 超声检测**
超声检测（UT）利用20 kHz以上机械振动波，导波可在长距离传播。瑞利波位移集中在表面附近，适用于表面连接裂纹和浅表层缺陷。接触式检测使用耦合剂提供良好声耦合，但限制覆盖范围。非接触式如激光超声。影响UT性能的参数包括声学特性、设备参数、缺陷特征和检测条件。频率选择影响灵敏度和穿透能力。缺陷距离和取向影响回波信号。常规超声技术难以分辨近表面缺陷回波。相控阵超声（PAUT）通过控制阵元激发延迟实现波束聚焦和偏转，可检测亚毫米级缺陷。集成系统如PAUSR通过CIVA仿真优化声场参数。非线性侧边带计数和脉冲回波测试用于疲劳评估，多模态融合方法（如PAUT和脉冲热成像）在自动缺陷识别系统中达到91.46%准确率，但基于有限仿真数据和少量人工缺陷，缺乏现场泛化能力。
**2.5 综合比较**
表5不将每项技术报告的最大数值视为归一化方法能力。检测平台速度、信号采集速度和缺陷性能验证速度是不同的量。MFL文献报告筛查系统最高180 km/h，大型检测车辆≤60 km/h；VT采集速度高达400 km/h，但针对大型表面可见异常；ECT证据覆盖5–30 km/h。统计上有效的归一化需要共同钢轨等级、自然/人工缺陷集、传感器几何形状、环境以及检测概率和虚警率标准，这些数据在引用研究中不可得，因此表5为证据可追溯性表。
**3. 超声表面波检测技术在浅表层缺陷中的演进**
**3.1 技术原理及对浅表层检测的适用性**
当交变应力作用于介质表面时，瑞利波沿自由表面传播。粒子运动为椭圆轨迹，结合纵向和横向分量。位移幅度随深度迅速衰减，实际探测区域由波长、模态内容和所需信噪比决定。表面波适用于表面连接裂纹和浅表层缺陷，当激励频率选择使波场重叠目标深度时。
**3.2 压电换能器直接激励**
压电换能器利用正逆压电效应实现机电转换。压电超声换能器接触式检测效率最高，但需物理接触。相控阵超声（PAUT）利用多个压电晶片，通过不同时间延迟实现波束聚焦和偏转，适用于复杂几何形状。影响因素包括压电材料选择、结构设计、耦合介质和表面条件。标准压电UT方法鉴别能力差，难以区分真实信号变化和外部影响。超声波导波（UGW）系统可用于连续焊接钢轨的断轨检测，采用夹心式压电换能器（SPUT）产生和接收导波，工作谐振频率33.69 kHz，检测距离约1 km。系统结合共振频率跟踪和宽带电学阻抗匹配（EIM）提高功率传输效率。
**3.3 空气耦合表面波激励**
主动空气耦合表面波激励是一种非接触技术，空气纵波以特定角度入射，通过模态转换在固体中产生瑞利波或导波。常用频率0.75–2 MHz，但低频常用于减少空气衰减。收发器可配置为斜入射或直通模式。研究证明在碳纤维增强塑料（CFRP）复合材料中聚焦空气耦合换能器灵敏度比平板换能器高45.0%，在铝板和碳纤维板中成功识别1–2 mm孔缺陷。但空气与固体间的高阻抗失配导致超过99.99%能量反射，空气衰减与频率平方成正比，限制可用带宽和空间分辨率。系统需在低频率（通常<1 MHz）下工作，采用高电压激励，信号需放大。优化换能器设计、电子系统和信号处理算法可缓解这些问题。
**3.4 电磁超声换能器表面波激励**
电磁超声换能器（EMAT）基于洛伦兹力和磁致伸缩效应，通过线圈、永磁体和导电/铁磁材料产生表面波。可激励瑞利波、兰姆波、螺旋剪切水平波等。EMAT完全非接触，无需耦合剂，受表面条件影响小，但电磁-机械转换效率典型为0.1–1%，提离几毫米可导致信号衰减一个数量级以上。通常保持3 mm提离以获得足够信噪比。改进设计包括双层交错斜折叠线圈（DSOF）使信号强度加倍，小型化EMAT减少体积52.4%但信号幅度增加4.9%，哈巴赫阵列永磁结构增强单向表面波性能。低频（0.3 MHz）表面波用于倾斜踏面裂纹检测，结合平稳小波变换（SWT）去噪和B扫描重建。性能受线圈和磁铁配置、磁场强度、激励电流频率、提离和材料电导率/磁导率影响。
**3.5 激光超声表面波激励**
激光超声表面波激励利用热弹效应或烧蚀效应产生表面波。热弹效应中，激光脉冲加热表面薄层，热膨胀产生应力波；烧蚀效应中表面汽化形成等离子体产生冲击波。激光超声非接触、宽带、空间局域，但能量转换效率低（10
-6–10
-4），对表面光学性质敏感。可与不同接收机制配合，如激光-EMAT或激光-振动计。研究提出变分模态分解（VMD）用于斜向钢轨头部裂纹定量检测，误差低于5%。扫描模式激光超声可生成三维波场数据，识别表面连接裂纹。激光超声用于钢轨底部裂纹检测，模拟不同频率和传感器位置的影响。激光-EMAT系统检测钢轨表面裂纹小至0.5 mm，EMAT探头提离应小于3 mm。有限元方法（FEM）定量检测V形裂纹，相对定位误差1.39%，多数定量误差在8%以内。局限包括低光声能量转换效率、弱信号和高设备成本，热弹模式下体波能量低，需信号处理提升信噪比。现场振动、空气湍流和表面粗糙度严重影响信号质量。
**3.6 总结**
表6比较四种激励模式，接触式压电UT/PAUT在耦合可接受时提供最强定量确认证据；EMAT避免耦合剂但需权衡提离灵敏度和低信噪比；主动空气耦合UT受空气-钢阻抗失配限制，缺乏现场虚警率基准；激光UT适用于远程控制测量，但对表面光学性质和振动敏感。表7将权衡转化为实用选择矩阵，尺寸和深度带为工程指导而非验收限值。
**4. 浅表层钢轨检测的技术-应用匹配**
**4.1 场景特定技术框架**
表面波具有单点激励和长距离检测优势，传播深度在波长两倍范围内。有效探测深度取决于波长、模态、缺陷几何形状、衰减、传感器响应和信噪比要求。滚动接触疲劳（RCF）裂纹通常从表面附近萌生并斜向传播，典型深度约2–4 mm，重载条件下可达8 mm。主动空气耦合UT和激光表面波UT未获得8–15 mm深度范围的可靠独立覆盖。对于8–10 mm目标，低频压电或EMAT表面/导波可提供筛查，但需以体波UT/PAUT确认。10–15 mm损伤视为更深过渡问题，体波UT/PAUT是主要方法。标准化挑战仍然存在，不同法规阻碍统一检测协议。
**4.2 技术挑战与缓解策略**
接触式压电表面波检测面临不规则钢轨几何形状、耦合变化和结构噪声，需要参考校准和自适应处理。主动空气耦合UT面临严重空气-钢阻抗失配，接收增益约100 dB补偿电子幅度，但并非100 dB去噪改进。被动空气耦合现场测试检验了速度、传感器位置和信噪比，但被动轮轨激发监测不等同于主动空气耦合表面波激励。EMAT和激光UT需将证据与部署声明区分。扩散概率模型（DiffUT）在报告任务中平均准确率从78.0%提升至93.3%，但需独立外部测试集验证泛化能力。合成数据增强可能复制生成器偏差，应进行标本级数据分割，单独报告真实和合成数据性能。
**4.3 未来发展趋势**
未来重点在于智能系统、高精度、多技术集成和更深工业应用。多模态工作流可结合快速VT/MFL/ECT筛查与针对性超声确认。数据驱动分析如动态图神经网络和物理信息神经网络可用于提取超声回波信号。但毫秒级分类不消除物理限制。优先发展自然缺陷数据集、标本级分离、校准不确定性、共同检测概率/虚警率协议和独立多操作员现场试验。机器学习（ML）和深度学习（DL）方法在钢轨监测中各有优缺点，生成式人工智能（GAI）可生成合成数据增强训练集。
**5. 结论**
浅表层钢轨缺陷检测需要将传感物理机制与缺陷深度和操作约束相匹配；没有单一通用优越方法。接触式压电UT/PAUT在耦合和表面准备可接受时提供最成熟定量确认基础。EMAT在非接触低频检测方面有吸引力，但需要更广泛的现场验证、提离补偿和标准化检测概率/虚警率报告。主动空气耦合和激光超声在受控场景中显示潜力，但现有证据不足以声称在8–15 mm范围内以线路速度稳健覆盖自然缺陷。对于8–10 mm过渡带，低频表面/导波筛查应以体波UT/PAUT确认；对于10–15 mm目标，体波UT/PAUT是首选。未来工作应使用共同钢轨试件、自然缺陷数据集、标本级分离、校准不确定性以及明确检测概率和虚警率指标的分层筛查-确认工作流程。
