See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/228773262

Classification de Défauts de Rail par SVM

Article · January 2004

CITATIONS READS

6 1,438

5 authors, including:

Bentoumi Miloud Gilles Millerioux

Université de M'sila University of Lorraine
13 PUBLICATIONS   100 CITATIONS    122 PUBLICATIONS   1,594 CITATIONS   

SEE PROFILE SEE PROFILE

Latifa Oukhellou Patrice Aknin

Université Gustave Eiffel IRT System X
132 PUBLICATIONS   2,726 CITATIONS    130 PUBLICATIONS   1,245 CITATIONS   

SEE PROFILE SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Track circuit, shunting booster View project

Smart Water Grids View project

All content following this page was uploaded by Patrice Aknin on 22 May 2014.

The user has requested enhancement of the downloaded file.

 Classification de Défauts de Rail par SVM

M. Bentoumi1,3, G. Millérioux1, G. Bloch1, L. Oukhellou2, P. Aknin3

1
: Centre de Recherche en Automatique de Nancy (CRAN, UMR CNRS 7039)
ESSTIN, Rue Jean Lamour, 54519 Vandoeuvre Cedex, France, {bentoumi, millerioux, bloch}@esstin.uhp-nancy.fr
2
: CERTES – Université Paris XII, 61 avenue du Général De Gaulle, 94100 Créteil, France
3
: Institut National de Recherche sur les Transports et leur Sécurité (INRETS)
2 avenue du Général Malleret-Joinville, 94114 Arcueil Cedex, France, {ouhkellou, aknin}@inrets.fr

Résumé mainteneurs de mettre en place une politique de

L'article présente la classification par SVM de
défauts de rail répartis en 4 classes. Une combinaison
de classifieurs 1 parmi 4 a été utilisée. Après une
introduction du contexte d'application et des travaux
antérieurs, les SVM sont présentées, en particulier le
réglage des hyperparamètres à partir de l'estimation
de l'erreur de généralisation. Les centres des noyaux
RBF utilisés et leur nombre sont déterminés
automatiquement et les résultats sont similaires aux
meilleurs résultats obtenus par des approches
neuronales plus classiques.
1. Introduction
La détection de rail cassé est une tâche cruciale
pour les exploitants ferroviaires afin d'assurer un haut
niveau de sécurité. L'organe actuel assurant cette
fonction, le circuit de voie (CdV), est amené à
disparaître dans un contexte de conduite automatisée.
Il est donc nécessaire de développer un nouveau
système de contrôle du rail en exploitation
commerciale. C'est l'objectif assigné à un capteur à
courants de Foucault spécifique qui permet une mesure
sans contact des fissures de rail, en exploitation
commerciale jusqu’à 70 Km/h, avec des contraintes
fortes sur le du mouvement relatif capteur/rail, la
compatibilité électromagnétique, les niveaux
d'accélération, et sur la pollution (pluie, graisse,
poussière…).
Par ailleurs un capteur à courant de Foucault (CF)
est sensible à toute modification de la géométrie et/ou
des caractéristiques électromagnétiques de la cible et
permet donc également la détection de défauts de
moindre importance comme les petites écailles de
surface. Le suivi de ces défauts permet aux
maintenance prédictive des rails.
La première partie de l’article présente la chaîne
d’instrumentation et les traitements associés des
signaux issus du capteur CF. En seconde partie, on
présente un bref rappel sur le principe de la
classification par SVM. Enfin on expose les résultats
obtenus en appliquant la classification par SVM aux
signaux CF de l'application traitée.
2. Le système et la chaîne de traitement
Des travaux antérieurs ont conduit à la réalisation
d'un capteur original à courants de Foucault [1]. Afin
de bien discerner les différents types de défauts, la
structure du capteur a été optimisée et comporte deux
bobinages de mesures différentielles d'entraxes
différents et deux fréquences de contrôle. Le capteur
délivre donc 4 voies complexes après démodulation,
soit 8 signaux réels (figure 1).
f1+f2 Alimentation Carte
Capteur électronique CF
f1 f2
2 2 2 2 vitesse
digitalisation
d1,d2,... d8
Alarmes
8 registres à décalage
majeures
Détection
et mineures
Classification Classes
de défauts
Figure 1. La chaîne d’instrumentation.
La digitalisation est cadencée par une horloge dont
la fréquence est fonction de la vitesse de déplacement
du véhicule permettant ainsi un échantillonnage à pas
spatial fixe, fixé à 5mm. Le bloc de détection génère
des alarmes majeures et mineures selon le type de

1
défauts détectés et active au besoin le module de en ondelettes qui résout le problème de détection dans
classification. le plan temps-échelle. La dernière est une méthode de
La figure 2 donne un exemple d'évolution de la recoloration qui reconstitue les mesures absolues à
partie active d1 du premier signal de mesure sur 500m partir des mesures différentielles issues du capteur CF.
de rail. Des points singuliers ont été repérés : Ces procédures de détection/classification se sont
aiguillage (JA), usure ondulatoire du rail, joint éclissé avérées efficaces pour la détection des défauts majeurs
(JE), joint soudé (JS) ou écaille (Ec). ainsi que certains défauts mineurs (JS et Ec).
0.5 Dans cet article, nous présentons une procédure de
0.3 JE JE JE
JA JE classification par SVM à partir de la base
0.1 JS...
JS
Ec d'apprentissage utilisée dans les travaux antérieurs
0
-0.1 [3][4].
-0.3 usure ondulatoire
JA
-0.5
0 100 200 300 400 500 m 3. La classification par SVM
3.1. Notions
Figure 2. Evolution du signal d1 sur 500m de rail.
Le dépouillement des signaux a nécessité des visites Seules les notions de base de la classification par
en voies afin d’identifier chaque point singulier du machine à vecteurs de support (Support Vector
relevé et permettre ainsi un étiquetage précis en classe Machines, SVM) sont ici introduites ; pour plus de
de défaut. Ce dépouillement a conduit à la réalisation détails, le lecteur peut se référer aux références
d’une base statistique d’environ 633 défauts répartis [6][7][8].
selon 4 classes (JA, JE, JS, Ec). (X i , yi )1≤i ≤ n est un ensemble d’apprentissage de n
Plusieurs méthodes ont été testées pour détecter et p
classer le défaut selon son type. Les premiers travaux couples (ou exemples) et X i ∈ appartient à une
[2][3][4] se sont focalisés sur les problématiques de classe labellisée par yi ∈ {+1, − 1} . La fonction de
paramétrisation des signaux, sélection de paramètre et décision est donnée par un classifieur SVM est :
classification (figure 3).
 n 
signaux f ( X j ) = sgn  ∑ α i yi k( X i , X j ) + b  (1)
bruts Détection Paramétrisation Sélection Classes
 
 i =1 
des signaux de Classification de
numérisés paramètres défauts

où les coefficients αi sont obtenus par maximisation de

Figure 3. Procédure de détection - classification.
la fonction :
Dans l'étape de paramétrisation des signaux, une n
1 n
approche modélisation a été adoptée [2]. Dans [2], on W (α ) = ∑αi − 2 ∑ αiα j yi y j k( X i , X j ) (2)
propose une modélisation par les Descripteurs de i =1 i, j =1
Fourier Modifiés (DFM) qui donne les meilleures sous les contraintes :
performances pour la classification. Ces descripteurs n
restent insensibles à des transformations telles que ∑αi yi = 0 et 0 ≤ α i ≤ C i = 1, ,n (3)
homothéties, translations et retournements temporels. i =1
Les performances de différents types de réseaux de où C est une constante de régularisation qui contrôle le
neurones [4] ont été comparées et un soin particulier a compromis entre la complexité de la fonction de
été porté à la définition de l'espace de représentation décision et le nombre des exemples d’apprentissage
des signaux [3]. Une sélection des paramètres mal classés. Les SVM sont des classifieurs linéaires à
pertinents est effectuée afin de réduire la dimension de marge maximale dans un espace où les données sont
l'espace d'entrée du module de classification. projetées via une fonction non linéaire φ ( i ) telle que
Cependant, en amont de cette problématique, se φ ( X i )φ ( X j ) = k( X i , X j ) , où k est appelée fonction
pose celle de la détection. Celle-ci doit bien entendu
rester compatible avec les moyens de calcul embarqués noyau ou kernel. Seule cette fonction noyau k apparaît
de l'application temps-réel. dans (1) et (2) et la connaissance explicite de φ n’est
Différentes techniques de détection ont été testées, jamais requise. Parmi les noyaux couramment utilisés
parmi lesquelles trois méthodes dédiées à la détection pour la classification :
des défauts mineurs (écaillages et joints soudés) [5]. Ê -1 2ˆ
RBF k( X i , X j ) = exp Á 2 X i - X j ˜
La première est une méthode heuristique temporelle Ë 2σ ¯
basée sur une connaissance experte du capteur CF. La
seconde est une méthode de détection par transformée Polynomial k( X i , X j ) = ( X i ◊ X j + 1 )d

2
Sigmoïdal k( X i , X j ) = ( d X i ◊ X j - δ )
l’application décrite ici utilise le noyau à fonction de
base radiale (Radial Basis Fonction, RBF), où la
largeur σ de la gaussienne doit être réglée comme
hyperparamètre du classifieur.
Les points Xi avec αi>0 sont appelés vecteurs de
support (Support Vector, SV). On distingue deux types
de SV : la première catégorie contient les SV bien
classés (0<αi<C), la seconde les SV mal classés
(αi=C).
3.2. Estimation de l’erreur de généralisation
La technique la plus populaire pour l'estimation de
l'erreur de généralisation est la validation croisée qui
est utilisée indépendamment de la nature de la machine
d'apprentissage utilisée. La LOO (Leave One Out) est
une procédure de la validation croisée adaptée pour des
données en faible nombre n. Elle consiste à diviser
l'ensemble des données en deux : une base
d'apprentissage de n-1 exemples et une base de test ne
contenant qu'un seul exemple. La méthode réitère n
apprentissages où l'exemple de test est un exemple
différent. On note le nombre d'erreurs de classification
de la procédure LOO par L ( X 1 , y1 , , X n , yn ) . Il est
connu [10] que la procédure LOO donne une
estimation presque non biaisée de l'espérance de
l'erreur de généralisation. En effet, l'espérance E( i )
de la probabilité perr n -1
de l'erreur de test par une
machine entraînée à partir de n-1 exemples est donnée
par :
n -1 1 paramètres
E( perr ) = E( L ( X 1 , y1 , , X n , yn )) (4)
n d'orthogonalisation
Cependant, la procédure est coûteuse en calcul, car
nécessitant n apprentissages. Pour alléger les calculs,
une borne supérieure d'expression plus simple de
l'erreur de généralisation peut être calculée [9][10].
Une procédure simple d'estimation de l'erreur de
généralisation est la validation croisée dite k-fold. Elle
consiste à diviser l'ensemble des données en k sous-
ensembles mutuellement exclusifs de taille
approximativement égale. L'apprentissage de la
machine est effectué en utilisant k-1 sous-ensembles et
le test est effectué sur le sous-ensemble restant. Cette
procédure est répétée k fois et chaque sous-ensemble
est utilisé une fois pour le test. La moyenne des k taux
d'erreur obtenus estime l'erreur de généralisation.
La LOO peut être vue comme le cas extrême de la
validation croisée k-fold, où k=n. Dans [9], on montre
que la procédure de validation croisée k-fold permet un
réglage des hyperparamètres SVM et donne une bonne
estimation de l'erreur de généralisation.
3
Dans ce qui suit, on présente les résultats de
classification de défauts de rail par SVM en utilisant la
procédure 5-fold pour le réglage des hyperparamètres
C et σ, puis la LOO comme indicateur final de
généralisation.
4. Classification des défauts de rail par
SVM
4.1. Données, paramétrisation et sélection
Autour de chaque point détecté, une fenêtre de
500mm, soit 100 points (avec un pas d'échantillonnage
de 5mm), pour chacun des 8 signaux, est considérée
pour la paramétrisation (figure 3). Les Descripteurs de
Fourier Modifiés (DFM) sont obtenus à partir des 12
premiers coefficients ({Cj}j=1,…,12) de la transformée de
Fourier discrète (TFD) des signaux de la fenêtre
d'observation [3] par :
C j C- j
dj = (5)
C1 C-1
La base d'apprentissage contient 140 défauts.
Chaque défaut est représenté par 100 points, puis,
après paramétrisation, par 12 DFM, pour chacun des 8
signaux. La matrice obtenue (140 x 96) contient 4
types de défauts : joint éclissé (JE), joint soudé (JS),
aiguillage (JA), écaille (Ec).
La classification par SVM est une classification
binaire, c'est-à-dire qu'on ne peut séparer que deux
classes seulement. On a donc utilisé l'approche 1 parmi
K pour construire un classifieur de 4 classes, ce qui
nous mène à concevoir 4 sous-classifieurs.
Pour chacun des sous-classifieurs, la sélection des
est réalisée par la méthode
dite Orthogonal Forward
Regression (OFR) associée à un critère d'arrêt de
sélection par l'adjonction d'un paramètre aléatoire [4].
On obtient alors pour les sous-classifieurs JE/autre,
JS/autre, JA/autre et Ec/autre respectivement 15, 15, 8
et 9 paramètres.
4.2. Réglage des hyperparamètres et résultats
Deux hyperparamètres doivent être réglés pour
chacun des sous-classifieurs : le paramètre de
régularisation C (3), la largeur σ de la gaussienne des
noyaux RBF. Chaque vecteur de paramètres est
normalisé entre –1 et +1. Cela justifie par ailleurs le
choix d'une valeur unique pour les largeurs σ des
gaussiennes.
L'apprentissage comprend le réglage des
hyperparamètres et la détermination des paramètres
optimums (αi, b) de l'hyperplan séparateur pour chaque
 sous-classifieur. Pour régler les hyperparamètres, un
balayage croisé de valeurs de C et σ est effectué et les
valeurs optimales sont celles qui donnent la plus faible
estimation de l'erreur de généralisation par la
procédure 5-fold. La figure 4 montre un exemple de
l'estimation de l'erreur de généralisation par la 5-fold
pour le sous-classifieur JE/autres pour trois valeurs de
C et 0.1 £ σ £ 100 .
nombre d’exemples d'apprentissage. Pour des noyaux
RBF l'apprentissage estime automatiquement les
centres des gaussiennes et leur nombre. Pour un
problème multi-classes, une combinaison de
classifieurs 1 parmi K a été utilisée et les performances
améliorées par levée d'ambiguïté. Les résultats sont
similaires aux meilleurs résultats par réseaux de
neurones RBF obtenus avec la distance de
Mahalanobis [4].
Le travail a été supporté par le programme national
de recherche et d’innovation dans les transports
terrestres PREDIT en coordination avec la RATP.

10. Références
[1] L. Oukhellou, P. Aknin, and J.P. Perrin, “Dedicated
sensor and classifier of rail head defects for railway
systems”, Control Engineering Practice, 1999, vol.7, pp. 57-
61.
Figure 4. Erreur de généralisation estimée par la [2] L. Oukhellou and P. Aknin, “Modified Fourier
5-fold pour le sous classifieur JE/autres. Descriptors: a new parametrization of eddy current signature
Le tableau 1 résume les performances obtenues de applied to the rail defect classification”, III International
bonne classification pour chaque sous-classifieur et Workshop on Advances in Signals Processing for Non
Destructive Evaluation of Materials, Québec, 1997.
pour la classification globale. Pour tous les
classifieurs, le taux de bonne détection est estimé par [3] L. Oukhellou, P. Aknin, H. Stoppiglia, and G. Dreyfus,
la procédure Leave One Out (LOO). Pour chacun des “A new decision criterion for feature selection: application to
sous-classifieurs (JE, JS, JA, Ec) sont indiqués les the classification of non destructive testing signatures”,
valeurs optimales des hyperparamètres (C, σ) et le EUSIPCO, Greece, 1998.
nombre des SV obtenus (Nsv).
Le classifieur global considère simultanément les [4] L. Oukhellou and P. Aknin, “Optimization of Radial
sorties des sous-classifieurs, les ambiguïtés étant prises Basis Function Network for Classification Tasks”,
Neurap’98, Marseille, 1998.
comme des erreurs de classification. Le classifieur
global sans ambiguïté considère les sorties des sous- [5] M. Bentoumi, P. Aknin, and G. Bloch, “On-line rail
classifieurs avant la fonction sgn (1) et attribue defect diagnosis with differential eddy current probes and
l'exemple à la classe du sous-classifieur dont la sortie specific detection processing”, European Physical Journal -
est maximale. Cette levée d'ambiguïté améliore Applied Physics, September 2003, vol.23, pp. 227-233.
nettement la classification globale.
[6] Vapnik, V., Statistical Learning Theory, Wiley, New
York, 1998.
Tableau 1. Taux de bonne classification
[7] C.J.C. Burges, “A Tutorial on Support Vector Machines
classifieur LOO C σ NSV
for Pattern Recognition”, Data Mining and Knowledge
JE/autre 94.3% 100 2.91 54 Discovery 2, 1998, pp. 121-167.
JS/autre 100% 2.02 1.11 44
JA/autre 95.7% 18.77 1.11 21 [8] Cristianini, N., and J. Shawe-Taylor, An Introduction to
Ec/autre 99.3 % 100 0.69 21 Support Vector Machines and other kernel-based learning
global 91.4% methods, Cambridge University Press, 2000.
global sans ambiguïté 96.4%
[9] K. Duan, S.S. Keerthi, and A.N. Poo, “Evaluation of
simple performance measures for tuning SVM
5. Conclusion hyperparameters”, Neurocomputing, 2003, vol.51, pp. 41-59.

Les SVM sont des classifieurs binaires possédant [10] O. Chapelle, V. Vapnik, O. Bousquet, and S.
une bonne capacité de généralisation pour un faible Mukherjee, “Choosing kernel parameters for support vector
machines”, Machine Learning, 2001, pp. 131–160.

View publication stats