Badania nad ilościowym określaniem parametrów geometrycznych uszkodzeń zmęczeniowych powstających w wyniku toczenia się kół po szynach na podstawie dwuwymiarowego obrazu optycznego

Dlaczego drobne pęknięcia szyn mają znaczenie dla wszystkich

Pociągi dużych prędkości polegają na szynach, które muszą bezpiecznie wytrzymać miliony przejazdów kół. Jednak to samo powtarzające się toczenie, które umożliwia szybkie i płynne podróże, stopniowo niszczy stal, tworząc drobne pęknięcia zmęczeniowe, które mogą rozrosnąć się do poważnych wad, złamań szyn, a nawet wykolejeń. Dokładne i szybkie skontrolowanie tysięcy kilometrów torów jest ekstremalnie trudne. Niniejsze badanie przedstawia nowe podejście do wykrywania i mierzenia tych niebezpiecznych pęknięć z większą dokładnością, wykorzystujące połączenie zwykłych zdjęć i obrazowania termicznego, torując drogę ku bezpieczniejszym i wydajniejszym sieciom kolejowym na całym świecie.

Jak dziś sprawdza się szyny — i dlaczego to nie wystarcza

Inżynierowie kolejowi korzystają już z zestawu metod badań nieniszczących, aby wykrywać wady: ultradźwięków, metod magnetycznych, prądów wirowych oraz systemów laserowych i wideo. Każda z tych metod ma zalety, ale też martwe pola. Niektóre techniki mają trudności z bardzo małymi pęknięciami, inne tracą czułość przy wyższych prędkościach, a jeszcze inne nie potrafią łatwo określić, jak głębokie jest pęknięcie. W przypadku zmęczenia tocznego, gdzie wiele drobnych pęknięć rozchodzi się pod kątem od powierzchni szyny, szczególnie trudno jest precyzyjnie i szybko zmierzyć kluczowe parametry geometryczne — długość, głębokość i szerokość. Brak tych informacji utrudnia podjęcie decyzji, kiedy dany odcinek toru rzeczywiście wymaga naprawy lub wymiany.

Łączenie obrazu i ciepła, by lepiej dostrzec pęknięcia

Badacze zaprojektowali system inspekcji szyn, który łączy dwa rodzaje obrazów: standardne dwuwymiarowe zdjęcia optyczne oraz podczerwone obrazy termiczne uzyskiwane przy pomocy pulsacyjnej termografii prądów wirowych. W tej technice cewka indukcyjna krótkotrwale ogrzewa powierzchnię szyny za pomocą prądu przemiennego, powodując drobne zmiany temperatury rejestrowane przez kamerę na podczerwień. Pęknięcia zakłócają przepływ prądów elektrycznych i rozchodzenie się ciepła, pozostawiając subtelne, lecz informatywne wzory na mapie temperatury. Jednocześnie wysokorozdzielcza kamera przemysłowa rejestruje widoczne obrazy główki szyny. Dostosowany proces przetwarzania obrazu i potok sieci neuronowej najpierw wykrywa i klasyfikuje wady powierzchniowe na obrazach optycznych, a następnie wyrównuje i scala je z mapami termicznymi tak, by oba widoki opisywały to samo pęknięcie.

Nowa matematyczna soczewka na kształt pęknięcia

Proste nałożenie obrazów nie wystarcza, by przekształcić słabe różnice w niezawodne pomiary. Zespół wprowadził więc wielkość matematyczną nazwaną „stopniem rekonstrukcji Poissona”, opartą na rozwiązaniu równania Poissona łączącego gradienty i zmiany intensywności w zintegrowanych obrazach. Mówiąc prościej: metoda bada, jak szybko wartości obrazu zmieniają się naprzeciw pęknięcia zarówno w danych optycznych, jak i termicznych, i redukuje to do jednej liczby korelującej z rozmiarem pęknięcia. Poprzez analizy statystyczne tej miary dla wielu sztucznych pęknięć o znanej długości, głębokości i szerokości autorzy wykazali, że stopień rekonstrukcji Poissona zmienia się w niemal liniowy sposób wraz z tymi parametrami geometrycznymi. Oznacza to, że może pełnić rolę miarki kalibracyjnej: po ustaleniu krzywej wartość uzyskana z obrazu bezpośrednio przekłada się na fizyczny rozmiar pęknięcia.

Testy na rzeczywistych szynach, w spoczynku i w ruchu

Aby ocenić metodę w warunkach zbliżonych do rzeczywistych, zespół zbudował robota inspekcyjnego niosącego kamery i cewkę grzewczą, i przetoczył go po 6-metrowych próbkach szyn zawierających sztuczne pęknięcia wycinane drutem o starannie kontrolowanej geometrii. Testowali tryby statyczne (szyna w spoczynku) i dynamiczne (ruch robota), oraz zmieniali czynniki zbliżone do warunków kolejowych, takie jak prędkość i orientacja pęknięcia. Dla pęknięć o głębokości lub długości od ułamków milimetra do kilku milimetrów zmierzone za pomocą fuzji wartości opartej na Poissonie wykazywały bardzo małe błędy — zwykle poniżej kilku dziesiątych procenta zarówno w testach statycznych, jak i dynamicznych. Co ważne, te same skalibrowane zależności utrzymały się dla różnych typów pęknięć. Na koniec badacze przeanalizowali naturalne pęknięcia zmęczeniowe pochodzące z linii szybkich kolei. Mimo że te rzeczywiste pęknięcia były drobne i nieregularne, zintegrowane obrazy poprawiły ich widoczność, a stopień rekonstrukcji Poissona ponownie korelował z głębokością pęknięć przy niskim błędzie, zgodnym z niezależnymi pomiarami z przemysłowych skanów CT.

Co to oznacza dla bezpieczniejszych kolei

Dla osób niebędących specjalistami kluczowy wynik jest taki, że autorzy przekształcili słabe wariacje obrazu i temperatury w niezawodny „numeryczny odcisk palca” wielkości pęknięcia szyny. Ucząc robota obserwować szyny zarówno w widzialnym, jak i termicznym paśmie oraz interpretować te obrazy przez model oparty na równaniu Poissona, mogą szybko i z dużą precyzją oszacować długość i głębokość pęknięcia, nawet w ruchu. To mogłoby pozwolić pojazdom kontrolnym pokonywać duże odległości z prędkościami operacyjnymi, wykrywając groźne uszkodzenia zmęczeniowe wcześniej i ograniczając niepotrzebne wymiany szyn. W dalszych pracach zespół planuje zintegrować bardziej zaawansowane algorytmy sztucznej inteligencji i wdrożyć system na rzeczywistych liniach dużych prędkości, dążąc do inteligentnego, pracy w czasie rzeczywistym monitoringu, który dyskretnie pomaga utrzymać pociągi w ruchu i bezpieczne pod naszymi stopami.

Cytowanie: Wang, Y., Miao, B., Zhang, Y. et al. Research on geometric parameter quantification of rail rolling contact fatigue crack damage based on 2D optical image. Sci Rep 16, 5715 (2026). https://doi.org/10.1038/s41598-026-36276-w

Słowa kluczowe: bezpieczeństwo kolejowe, wykrywanie pęknięć, termografia, widzenie maszynowe, badania nieniszczące