Application of the wavelet and neural technologies for processing of signals obtained during railway tracks diagnostics by the magnetic flux leakage method

• Autorzy: Nichoga V. , Vashchyshyn L.

Identyfikatory

DOI

10.5604/01.3001.0010.8332

Warianty tytułu

PL

Zastosowanie fali elementarnej i neuronowych technologii do przetwarzania sygnałów, otrzymanych w czasie diagnostyki torów kolejowych, za pomocą metody strumienia rozproszenia magnetycznego

• Języki publikacji: EN

Abstrakty

EN

In this article, the approach for detecting a transverse crack in the rail head via ANN with CWT and application created on its basis are presented. The ways of further development of the ANN for improving its work accuracy and the possibility of identification of other types of defects are also presented.

PL

W artykule rozpatrzono sposób ujawnienia poprzecznego pęknięcia w głowicy szyny kolejowej metodą ciągłej transformacji falkowej (CTF) oraz metodą sztucznej sieci neuronowej (SSN). Przedstawiono program stosowany do analizy sygnałów defektoskopijnych. Zaproponowano sposoby dalszego rozwoju SSN w celu poprawy dokładności jego pracy i możliwości zidentyfikowania innych rodzajów wad.

Słowa kluczowe

EN

defect; transverse crack; CWT; ANN

PL

defekt; wada; poprzeczna szczelina; ciągła transformacta falkowa; CTF; sztuczna sieć neuronowa; SSN

• Wydawca: Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
• Czasopismo: Biuletyn Wojskowej Akademii Technicznej
• Rocznik: 2017
• Tom: Vol. 66, nr 4
• Strony: 195--201
• Opis fizyczny: Bibliogr. 9 poz., rys., wykr.

Twórcy

autor

Nichoga V.

• National University “Lvivska Politechnika”, Institute of Telecommunications, Radoielectronics and Electronic Engineering, 2 Profesorska Str., Lviv, 79013, Ukraine

autor

Vashchyshyn L.

• National University “Lvivska Politechnika”, Institute of Telecommunications, Radoielectronics and Electronic Engineering, 2 Profesorska Str., Lviv, 79013, Ukraine

Bibliografia

• [1] Lesiak P., Mobile diagnostics of rails in railway track, Monograph of Radom University of Technology, Transport Faculty, 2008, s. 202 (in Polish).
• [2] Vorobjev A., K voprosu o vyjavljaemosti kontaktno-ustalostnych defektov pri skorostnoj defektoskopii, Trudy Naučno-issledovatel’skogo instituta inženerov železnodorožnogo transporta, vyp. 40, 1964, pp. 31-40 (in Russian).
• [3] Nichoga V. et al., Zastosuvannja vikonnogo peretvorennja Fur’je i vejvlet peretvorennja pry analizi sygnaliv magnitnoї diagnostyky zaliznyčnych rejok, Proceedings of the 16th International Conference LEOTEST’2011, February 21-26, 2011 р., Slavske, Ukraine, pp. 134-139 (in Ukrainian).
• [4] Sifuzzaman M., Islam M.R., and Ali M.Z., Application of wavelet transform and its advantages compared to Fourier transform, Journal of Physical Sciences, vol. 13, 2009, pp. 121-134.
• [5] Nichoga V.O., Vashchyshyn L.V., Storozh I.V., Stvorennja materyns’koї vejvlet funkciї ta analiz za її dopomogoju defektoskopičnogo sygnalu vid poperečnoї triščyny rejok, Informacijno-kerujuči systemy na zaliznyčnomy transporti, nr 3, Charkiv, 2012, pp. 61-69 (in Ukrainian).
• [6] Vashchyshyn L.V., Nichoga V.O., Kryteriї vyjavlennja sygnalu vid poperečnoї triščyny rejky za dopomogoju neperervnogo vejvlet peretvorennja, Information extraction and processing, nr 38, 114, Lviv, 2013, pp. 69-74 (in Ukrainian).
• [7] Vashchyshyn L.V., Nichoga V.O., Storozh I.V., Štučni nejronni mereži jak zasib dlja rozpizna­vannja defektiv zaliznyčnych rejok, Informacijno-kerujuči systemy na zaliznyčnomy transporti, nr 5, Charkiv, 2012, pp. 34-37 (in Ukrainian).
• [8] Nazarko P., Evaluation of construction conditions - Detection of defects using artificial neural networks, Rzeszow, 2009. s. 150 (in Polish).
• [9] Nichoga V., Prudyus I., Vashchyshyn L., Process of Building Artificial Neural Network for Automatic Detection of Signals from Transverse Cracks in the Rail Head, Problemy Kolejnictwa, z. 175, June 2017, pp. 59-62.

Uwagi

The paper prepared on the basis of the lecture presented on “The 11th School-Conference - Computer Aided Metrology”, Waplewo, 23-26 May, 2017.