maisМоделирование и анализ информационных системModeling and Analysis of Information Systems1818-10152313-5417Yaroslavl State University10.18255/1818-1015-2021-2-170-185mais-1486Research ArticleComputing Methodologies and ApplicationsОценка степени опасности дефектов при расшифровке вихретоковых дефектограммSeverity Estimation of Defects on Interpretation of Eddy-Current Defectogramshttps://orcid.org/0000-0003-0500-306XКузьминЕгор ВладимировичKuzminEgor V.kuzmin@uniyar.ac.ruhttps://orcid.org/0000-0001-6274-9971ГорбуновОлег ЕвгеньевичGorbunovOleg E.gorbunovoe@nddlab.comhttps://orcid.org/0000-0001-5687-7969ПлотниковПетр ОлеговичPlotnikovPetr O.plotnikovpo@nddlab.comhttps://orcid.org/0000-0001-9149-7435ТюкинВадим АлександровичTyukinVadim A.tyukinva@nddlab.comhttps://orcid.org/0000-0002-2534-1026БашкинВладимир АнатольевичBashkinVladimir A.bashkinva@nddlab.comЯрославский государственный университет им. П. Г. ДемидоваРоссияP. G. Demidov Yaroslavl State UniversityRussian FederationООО “Центр инновационного программирования”, NDDLabРоссияCenter of Innovative Programming, NDDLabRussian Federation202111062021282170185Copyright © Кузьмин Е.В., Горбунов О.Е., Плотников П.О., Тюкин В.А., Башкин В.А., 20212021Кузьмин Е.В., Горбунов О.Е., Плотников П.О., Тюкин В.А., Башкин В.А.Kuzmin E.V., Gorbunov O.E., Plotnikov P.O., Tyukin V.A., Bashkin V.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.mais-journal.ru/jour/article/view/1486

Для обеспечения безопасности движения на железнодорожном транспорте регулярно проводится неразрушающий контроль рельсов с применением различных подходов и методов, включая методы вихретоковой дефектоскопии. Актуальной задачей является автоматический анализ больших массивов данных (дефектограмм), которые поступают от соответствующего оборудования. Под анализом понимается процесс определения по дефектограммам наличия дефектных участков наряду с выявлением конструктивных элементов рельсового пути. При этом также большой интерес представляет и оценка степени опасности выявленных дефектов. Данная статья продолжает цикл работ, посвященных задаче автоматического распознавания образов дефектов и конструктивных элементов железнодорожных рельсов по вихретоковым дефектограммам. При формировании этих образов принимаются в расчет только полезные сигналы, пороговые уровни амплитуд которых определяются автоматически по вихретоковым данным. Статья посвящена задаче построения оценки степени опасности для выявленных поверхностных дефектов различной протяжённости. Построение оценки опирается на понятие обобщённой относительной амплитуды полезных сигналов. Относительная амплитуда представляет собой отношение реальной амплитуды сигнала к соответствующему пороговому уровню полезных сигналов. Обобщённая относительная амплитуда вычисляется с использованием энтропии полунормального распределения, которое предполагается модельным для распределения вероятностей появления тех или иных относительных амплитуд в оцениваемом дефекте. Настройка формулы расчёта степени опасности дефекта осуществляется на основе записей конструктивных элементов. В качестве эталонного наиболее опасного дефекта рассматривается болтовой рельсовый стык, который моделирует излом рельса. Эталонным слабым дефектом выступает электроконтактная сварка, дефектограмма которой, как правило, содержит сигналы с невысоким значением амплитуд. Предложенный подход к оценке степени опасности дефектов демонстрируется на примерах.

To ensure traffic safety of railway transport, non-destructive tests of rails are regularly carried out by using various approaches and methods, including eddy-current flaw detection methods. An automatic analysis of large data sets (defectograms) that come from the corresponding equipment is an actual problem. The analysis means a process of determining the presence of defective sections along with identifying structural elements of railway tracks in defectograms. At the same time, severity estimation of defined defects is also of great interest. This article continues the cycle of works devoted to the problem of automatic recognition of images of defects and rail structural elements in eddy-current defectograms. In the process of forming these images, only useful signals are taken into account, the threshold levels of amplitudes of which are determined automatically from eddy-current data. The article is devoted to the issue of constructing severity estimation of found defects with various lengths. The construction of the severity estimation is based on a concept of the generalized relative amplitude of useful signals. A relative amplitude is a ratio of an actual signal amplitude to a corresponding threshold level of useful signals. The generalized relative amplitude is calculated by using the entropy of the half-normal distribution, which is assumed to be a model for a probability distribution of an appearance of certain relative amplitudes in an evaluated defect. Tuning up the formula for calculating severity estimation of a defect is carried out on the basis of eddy-current records of structural elements. As a reference of the most dangerous defect, the bolted rail joint is considered. It models a fracture of a rail. A reference weak defect is a flash butt weld, a defectogram of which contains signals with low amplitude values. The proposed approach to severity estimation of defects is shown by examples.

неразрушающий контроль рельсоввихретоковая дефектоскопияобнаружение дефектовавтоматический анализ дефектограммоценка опасности дефектовnondestructive testingeddy current testingrail flaw detectionautomated analysis of defectogramsseverity estimation of defectsReferencesA. A. Markov and E. A. Kuznetsova, Rails flaw detection. Formation and analysis of signals. Book 1. Principles. KultInformPress, 2010.A. A. Markov and E. A. Kuznetsova, Rails flaw detection. Formation and analysis of signals. Book 1. Principles. KultInformPress, 2010.A. A. Markov and E. A. Kuznetsova, Rails flaw detection. Formation and analysis of signals. Book 2. Data interpretation. Ultra Print, 2014.A. A. Markov and E. A. Kuznetsova, Rails flaw detection. Formation and analysis of signals. Book 2. Data interpretation. Ultra Print, 2014.V. F. Tarabrin, A. V. Zverev, O. E. Gorbunov, and E. V. Kuzmin, “About Data Filtration of the Defectogram Automatic Interpretation by Hardware and Software Complex ASTRA,” NDT World, vol. 64, no. 2, pp. 5-9, 2014.V. F. Tarabrin, A. V. Zverev, O. E. Gorbunov, and E. V. Kuzmin, “About Data Filtration of the Defectogram Automatic Interpretation by Hardware and Software Complex ASTRA,” NDT World, vol. 64, no. 2, pp. 5-9, 2014.E. V. Kuzmin, O. E. Gorbunov, P. O. Plotnikov, V. A. Tyukin, and V. A. Bashkin, “An Algorithm for Correcting Levels of Useful Signals on Interpretation of Eddy-Current Defectograms,” Modeling and Analysis of Information Systems, vol. 28, no. 1, pp. 74-88, 2021.E. V. Kuzmin, O. E. Gorbunov, P. O. Plotnikov, V. A. Tyukin, and V. A. Bashkin, “An Algorithm for Correcting Levels of Useful Signals on Interpretation of Eddy-Current Defectograms,” Modeling and Analysis of Information Systems, vol. 28, no. 1, pp. 74-88, 2021.E. V. Kuzmin, O. E. Gorbunov, P. O. Plotnikov, and V. A. Tyukin, “Finding the Level of Useful Signals on Interpretation of Magnetic and Eddy-Current Defectograms,” Automatic Control and Computer Sciences, vol. 52, no. 7, pp. 658-666, 2018.E. V. Kuzmin, O. E. Gorbunov, P. O. Plotnikov, and V. A. Tyukin, “Finding the Level of Useful Signals on Interpretation of Magnetic and Eddy-Current Defectograms,” Automatic Control and Computer Sciences, vol. 52, no. 7, pp. 658-666, 2018.E. V. Kuzmin, O. E. Gorbunov, P. O. Plotnikov, and V. A. Tyukin, “An Efficient Algorithm for Finding the Level of Useful Signals on Interpretation of Magnetic and Eddy Current Defectograms,” Automatic Control and Computer Sciences, vol. 52, no. 7, pp. 867-870, 2018.E. V. Kuzmin, O. E. Gorbunov, P. O. Plotnikov, and V. A. Tyukin, “An Efficient Algorithm for Finding the Level of Useful Signals on Interpretation of Magnetic and Eddy Current Defectograms,” Automatic Control and Computer Sciences, vol. 52, no. 7, pp. 867-870, 2018.E. V. Kuzmin, O. E. Gorbunov, P. O. Plotnikov, V. A. Tyukin, and V. A. Bashkin, “Application of Neural Networks for Recognizing Rail Structural Elements in Magnetic and Eddy Current Defectograms,” Automatic Control and Computer Sciences, vol. 53, no. 7, pp. 628-637, 2019.E. V. Kuzmin, O. E. Gorbunov, P. O. Plotnikov, V. A. Tyukin, and V. A. Bashkin, “Application of Neural Networks for Recognizing Rail Structural Elements in Magnetic and Eddy Current Defectograms,” Automatic Control and Computer Sciences, vol. 53, no. 7, pp. 628-637, 2019.E. V. Kuzmin, O. E. Gorbunov, P. O. Plotnikov, V. A. Tyukin, and V. A. Bashkin, “Application of Convolutional Neural Networks for Recognizing Long Structural Elements of Rails in Eddy-Current Defectograms,” Modeling and Analysis of Information Systems, vol. 27, no. 3, pp. 316-329, 2020.E. V. Kuzmin, O. E. Gorbunov, P. O. Plotnikov, V. A. Tyukin, and V. A. Bashkin, “Application of Convolutional Neural Networks for Recognizing Long Structural Elements of Rails in Eddy-Current Defectograms,” Modeling and Analysis of Information Systems, vol. 27, no. 3, pp. 316-329, 2020.

The authors declare that there are no conflicts of interest present.