鐵路隧道檢測、監測現狀及狀態感知體系探討

韓自力，安哲立，馬榮田

（1.中國鐵道科學研究院集團有限公司 鐵道建筑研究所，北京100081；2.中國鐵道科學研究院 研究生部，北京100081）

0 引言

隧道工程結構狀態直接影響隧道服役性能和使用年限，隧道檢測、監測是獲取隧道工程結構狀態最主要的方法。截至2019年底，我國投入運營的鐵路隧道達到16 084座，總長18 041 km；在建隧道2 950座，總長6 419 km；規劃中的隧道6 395座，總長16 326 km［1］。在鐵路隧道大規模運營、建設、規劃的形勢下，有必要研究并構建基于隧道新型檢測、監測方法以及人工智能技術的鐵路隧道狀態綜合感知技術體系，以快速而全面地獲取隧道狀態表征信息，強化風險預警和預測能力，提升異常情況下的應急響應速度，降低隧道檢查人工需求和綜合經濟成本，為鐵路隧道全生命周期更安全、高效、經濟地服役提供技術保障。

1 檢測、監測現狀

1.1 檢測現狀

1.1.1 常規檢測項目

目前鐵路隧道常規檢測項目主要有襯砌混凝土強度、襯砌空洞、襯砌混凝土厚度、襯砌背后回填密實度、鋼架及鋼筋分布情況、襯砌滲漏水、襯砌表面裂縫、隧道襯砌內輪廓等［2-5］，此外還有鋼筋混凝土保護層厚度、襯砌表面混凝土碳化深度等。常用檢測方法、原理及適用范圍或特點見表1。

表1 鐵路隧道常規檢測項目

1.1.2 檢測新技術

（1）圖像識別。圖像識別檢測技術日趨成熟，能代替人工巡檢完成隧道表面狀態檢查的大部分項目，隨著人工智能技術發展，圖像識別檢測技術在隧道檢測中占比日益增大。

中國鐵道科學研究院集團有限公司（簡稱鐵科院集團公司）開發的襯砌表觀質量檢測技術，利用8臺一體化線陣相機以50 km/h檢測速度采集圖像，具備識別寬度1 mm裂縫的能力［6］。同時搭載凈空檢測模塊、車體運動補償模塊、里程同步模塊等，解決快速、大斷面清晰成像的技術困難，實現對鐵路隧道襯砌表觀高清圖像、斷面輪廓數據的快速采集。軟件處理部分采用人工智能算法可有效排除電纜、施工縫、污漬、陰影等干擾項，同時還具備識別滲漏水、剝落、掉塊的功能，裂縫及滲漏水識別效果見圖1。

同濟大學研制了利用線陣CCD相機及光源組成的檢測平臺，發展成為目前的MTI-200A檢測平臺（見圖2），可檢測裂縫、滲漏水、掉塊等缺陷及病害，其檢測速度為0～10 km/h，裂縫識別精度為0.2 mm［7］。

鐵科院集團公司開發了隧道巡檢機器人（見圖3），能夠以1.2 m/s的速度進行檢測，定位精度為1 mm，掃描速率≥1 000 000點/s，具備檢測裂縫、掉塊、異物侵限等異常的功能，填補了車載設備周期檢測和固定設備定點檢測的空白。

（2）綜合檢測。不同單位研制的各種檢測車具有不同的檢測功能。

圖1 裂縫及滲漏水識別

圖2 MTI-200A檢測平臺

圖3 隧道巡檢機器人

鐵科院集團公司研制的輪胎式隧道襯砌質量檢測車（見圖4），由襯砌限界檢測系統、襯砌內部缺陷檢測系統、襯砌表觀質量檢測系統組成。適用于鐵路隧道貫通、襯砌與填充層施工作業完成后對隧道輪廓、襯砌厚度、鋼筋分布、鋼架間距以及仰拱缺陷、襯砌空洞、襯砌表面裂縫、掉塊、滲水情況等進行快速自動化檢測。可滿足隧道拱頂和邊墻9條測線、仰拱4條測線的全面檢測，檢測作業速度3～10 km/h［8］。相對于目前新線檢測采用人工手持天線且1次只能檢測1條測線，檢測效率顯著提高。

圖4 輪胎式隧道襯砌質量檢測車

同濟大學研制的檢測車能夠以5～10 km/h的速度完成裂縫、滲漏水和空洞的檢測，能夠識別寬度大于0.3 mm的裂縫、尺寸大于4.5 cm×4.5 cm的滲漏水以及尺寸大于12 cm×12 cm的空洞。

武大卓越科技股份有限公司研制的ZOYON-TFS檢測車［9-10］（見圖5）以中型卡車作為車載平臺，搭載線陣相機、GPS、激光掃描儀、紅外熱成像儀和CO濃度檢測儀等設備，能夠檢測剝落、裂縫、斷面輪廓、滲漏水、CO濃度等。

圖5 ZOYON-TFS檢測車

1.2 監測現狀

1.2.1 常規監測項目

鐵路隧道常規監測項目分為必測項及選測項，主要根據地質條件、周邊環境、隧道埋深、斷面尺寸、開挖方法和設計要求綜合選定［11-12］，具體監測項目見表2。

1.2.2 監測新技術

隧道監測新技術目前主要集中在測量技術發展、數據管理平臺建設方面［13-14］。

（1）測量技術。自1989年光纖光柵傳感器開始研究以來，其以高精度、準分布、抗干擾及耐腐蝕等突出特點占領了部分振弦式傳感器的市場。但是在施工條件復雜、作業環境惡劣的隧道施工監測中，其保護方面仍然存在諸多困難［15-16］。目前，光纖光柵傳感器在隧道沉降監測中應用較為廣泛。

在隧道變形監測中，三維激光掃描越來越多的取代傳統監測方式。三維激光掃描系統由三維激光掃描儀和配套軟件組成。通過接收激光脈沖被物體漫反射后的部分能量，并根據掃描點激光反射強度進行顏色賦值，將掃描點繪制在屏幕上，形成點云。三維激光掃描技術主要用于隧道內輪廓及凈空變化監測（見圖6 ）、隧道侵限情況監測等，具有精度高、成像質量好的特點。

表2 鐵路隧道常規監測項目

圖6 隧道凈空監測

（2）數據管理平臺。不同單位開發的監測系統具有不同功能。

鐵科院集團公司基于深度學習、數據挖掘和云計算技術開發的鐵路隧道工務檢測、監測管理系統（見圖7），實現了數據實時分析、隧道風險識別、緊急情況實時報警、隧道狀態智能評估、監測數據歸檔管理、信息可視化。

圖7 鐵路隧道工務檢測、監測管理系統

鮑榴等［17-18］對海底隧道監測系統架構進行分析，開發海底隧道全壽命安全監測系統。系統由施工階段監測子系統和運營時期監測子系統組成，施工階段監測子系統主要包括量測數據錄入、處理分析和圍巖穩定性判定3個模塊；運營時期監測子系統包括服務器端和客戶端PC機兩部分，服務器端負責數據的輸入存儲、計算、統計、分析和處理等，客戶端通過同步服務器端數據實現數據實時顯示、查詢和報警提示等。

1.3 存在問題

隨著我國鐵路隧道向長大、復雜結構的方向發展，特別是京張八達嶺地下車站等工程的建設，標志著我國鐵路隧道建造進入了新發展階段，隧道建設整體技術實力取得了巨大進步，現有隧道檢測、監測技術遠遠不能滿足隧道建設的快速發展需求。

1.3.1 檢測、監測數據傳遞慢

檢測、監測由于設備本身不具備數據上傳功能、后處理平臺沒有統一的標準以及隧道內信號覆蓋不佳等原因，導致檢測、監測數據傳遞不暢。

1.3.2 檢測數據處理、解釋依賴判識人員經驗

檢測數據解釋、判識缺乏統一標準，嚴重依賴判識人員專業經驗及主觀判斷，不同判識人員判識結果往往差別很大。

1.3.3 各項監測數據之間缺乏有效的協同分析機制

鐵路隧道檢測、監測主要以變形數據為主要判識依據，通過應力、應變監測數據異常進行輔助判識，缺乏有效協同分析機制，其原因主要是應力、應變監測數據異常波動時往往無法確定其原因，導致數據可靠性無法判斷。

2 檢測、監測發展趨勢

鐵路隧道檢測、監測依托新技術發展特別是人工智能技術飛躍式進步，其發展趨勢具有以下特點：

（1）檢測設備集成化。鐵路隧道檢測由過去單功能檢測轉變為集成多檢測功能的移動平臺式檢測，能夠同時對隧道襯砌內部狀態、表面狀態及結構變形進行檢測，大大減少了人工依賴程度，提升了檢測效率。

（2）處理、判識智能化。鐵路隧道檢測、監測越來越多使用人工智能技術進行判識，通過建立及完善標準庫、專家庫等，不斷強化機器判識能力，目前已經實現隧道襯砌表面狀態自動判識、內部狀態輔助性處理以及監測數據自動處理及分析識別等。

（3）檢測、監測數據協同化。檢測數據側重發現病害及了解病害程度，監測數據側重掌握結構本身狀態及其變化。目前，部分平臺已經將檢測、監測數據進行一體化管理，并進行綜合協同分析，以更準確地確定隧道襯砌真實狀態。

3 狀態綜合感知技術體系構建

為解決檢測、監測存在的問題，對鐵路隧道狀態綜合感知技術體系進行設計，依托集成化檢測設備、同步開發數據傳輸模塊、建立統一的數據管理及分析平臺以解決數據傳遞慢的問題。通過專家庫及機器學習，不斷完善評判標準，并實現風險自動識別、隧道定級及預警通知，以解決依賴判識人員經驗的問題。通過驗收檢測、日常檢測及周期檢測確定風險隧道，對風險隧道專項問題專項監測，避免各項監測數據之間缺乏有效協同分析的問題。鐵路隧道狀態綜合感知技術體系框架見圖8，數據管理及分析平臺流程見圖9。驗收檢測利用輪胎式隧道襯砌質量檢測車快速、高效完成隧道驗收檢測工作，獲得隧道結構初始狀態信息；利用組合驗證技術（主要為單點檢測方法）對檢測結果進行驗證，確保數據可靠性。通過日常檢測、周期檢測獲得隧道動態數據；并根據檢測結果確定風險隧道，對其結構及環境進行重點監測。所有檢測、監測數據上傳至鐵路隧道檢測、監測數據管理系統，該系統具備數據采集、統計、查詢以及數據展示功能。鐵路隧道檢測、監測數據管理系統的數據同步上傳至隧道服役能力智能評判系統，并建立專家庫，通過機器學習及不斷擴大的樣本數據庫逐步實現由輔助評判向智能評判過渡。

圖8 鐵路隧道狀態綜合感知技術體系框架

圖9 數據管理及分析平臺流程

4 結束語

簡要介紹我國隧道檢測、監測發展情況，總結檢測、監測存在的主要問題，分析檢測、監測發展趨勢。在此基礎上，依托既有設備及平臺，設計鐵路隧道狀態綜合感知技術體系基本框架，明確數據管理平臺對接的數據源、處理功能項、用戶類及其關系，以期為鐵路隧道檢測、監測發展提供新思路，為保障鐵路隧道工程安全、提升鐵路隧道運營效率提供技術支撐。