基于頻譜能量分析的軌道幾何檢測系統常見異常狀態識別方法

郝晉斐 趙紫珅 王寧 周謙 賀雨

1.中國鐵道科學研究院集團有限公司 基礎設施檢測研究所， 北京 100081； 2.北京鐵科英邁技術有限公司， 北京 100081

軌道幾何檢測系統是基礎設施檢測的必要裝備，為提高軌道平順性、保障列車安全運行發揮了重要作用［1］。根據2022 年我國全路軌道檢查車、高速綜合檢測列車運用情況，軌道幾何檢測系統檢測里程共計535 萬公里［2-3］。軌道幾何檢測系統技術狀態良好是客觀評價線路狀態的先決條件，檢測系統異常造成的漏檢和誤報均會影響線路的客觀評價，特別是對局部峰值Ⅳ級超限（限速管理值）的漏檢，可能影響到列車行車安全風險的識別。

我國軌道幾何檢測系統的發展歷經GJ-3、GJ-4、GJ-5、GJ-6 幾代型號［4-6］，目前GJ-6 型軌道幾何檢測系統作為在用主型檢測系統，廣泛安裝于高速綜合檢測列車與軌道檢查車。GJ-6 型軌道幾何檢測系統基于慣性基準測量原理，采用捷聯式系統結構、非接觸測量方式。傳感器主要包括慣性測量組件、激光攝像組件和高低位移計。其中，慣性測量組件包括安裝于車體的陀螺平臺、左右高低加速度計以及安裝于檢測梁的軌向加速度計，可以采集車體的滾動和搖頭角速度、車體傾角、車體垂向加速度，檢測梁橫向加速度，以建立軌道檢測的慣性基準。激光攝像組件和高低位移計分別對檢測梁與軌道橫向的相對位置關系、車體與軌道垂向的相對位置關系進行測量，最終各傳感器合成輸出軌道幾何參數。

GJ-6型軌道幾何檢測系統傳感器布置見圖1。

圖1 GJ-6型軌道幾何檢測系統傳感器布置

在檢測過程中，軌道幾何檢測系統故障主要依靠檢測人員個人經驗先行識別，然后再采用儀器、儀表對檢測系統各通道零點、增益等項點進行排查。該方法需要長期檢測經驗積累以及個人感性認識，尚無故障量化判定方法。

隨著5G 通信技術在鐵路基礎設施檢測監測領域的應用，通過車載檢測系統與地面數據中心之間構建高速、可靠的無線網絡通道，軌道幾何檢測系統已經朝著無人值守檢測、遠程檢測系統狀態監控的方向發展［7］。軌道幾何檢測系統異常狀態識別方法對于及時發現設備異常，進行故障排查，減少設備漏檢以及提升檢測自動化檢測水平具有重要意義。因此，本文以2021 年高速綜合檢測列車軌道幾何檢測系統漏檢情況為數據基礎，統計歸納出檢測系統常見異常狀態類型；基于軌道幾何檢測系統測量原理與車輛振動特性，進行異常狀態頻譜能量影響分析，提出軌道幾何檢測系統常見異常狀態識別方法。

1 軌檢系統常見異常狀態

以2021 年全路高速綜合檢測列車運用情況作為統計樣本，對全年軌道幾何檢測系統出現異常狀態的成因進行分類統計，發現：①雨雪、強光、鋼軌打磨等外界環境因素造成激光攝像組件無法測量檢測梁與鋼軌之間的相對位置關系，該類異常約占漏檢里程的76.2%；②高低位移計因長期暴露于外界環境，傳感器存在拉弦卡阻、斷裂等現象，該類異常約占11.4%；③激光攝像組件長期服役造成狀態不良，該類異常約占5.3%；④其他檢測系統硬件、計算機故障，其中軌道幾何檢測系統采集及參數合成計算機故障、服務器計算機故障分別約占4.0%、0.5%，車上陀螺平臺、高低與軌向加速度計及信號處理板卡故障約占1.9%，供電單元故障約占0.7%。

通過上述分類統計，軌道幾何檢測系統高低位移計、激光攝像組件因長期暴露于外界環境，測量環境和自身狀態不良是造成系統狀態異常的主因，占漏檢里程的92.9%，其他檢測系統硬件、計算機安裝于車體、檢測梁內部，總體服役環境良好，在漏檢里程中的比例僅為7.1%。因此，針對高低位移計、激光攝像組件異常狀態開展相關識別方法研究。

2 識別方法

GJ-6 型軌道幾何檢測系統慣性測量組件、激光攝像組件和高低位移計分布于專業檢測車車體、轉向架檢測梁、軸端。根據車輛振動特性相關研究成果［8-9］，車體、轉向架、車輪主要振動頻率范圍存在明顯差異，其中車體振動頻率范圍最低，集中在1 ～ 2 Hz。這導致軌道幾何檢測系統高低、軌向參數合成過程中，安裝于車體及軌檢梁的慣性組件主要貢獻了相對低頻的成分，用于測量慣性平臺與軌道垂向、橫向相對位置關系的高低位移計和激光攝像組件主要貢獻了相對高頻成分。軌道幾何檢測系統作為捷聯式結構系統，如高低位移計、激光攝像組件出現異常狀態，必然導致高低、軌向參數在頻域發生變化。

考慮到高低位移計、激光攝像組件狀態不良是造成系統異常的主要原因，通過分析正常狀態數據與監控檢測系統檢測數據高低、軌向參數頻譜能量的差異，可實現軌道幾何檢測系統常見異常狀態的識別。

2.1 高低、軌向頻譜能量分析方法

根據Parseval 定理［10］，一個信號含有的能量恒等于此信號在完備正交函數集中各分量能量之和。一定長度的信號，在時域的總能量與在頻域的總能量相等，該信號能量可以通過頻域表征。對于一定長度的高低、軌向信號，在時域與頻域能量的表征為

式中：x(n)為按軌道幾何檢測系統輸出格式輸出的連續N個點（n= 0 ～N-1）的高低或軌向檢測結果；X(k)為x(n)信號快速傅里葉變換（Fast Fourier Transform，FFT）結果；k為對應FFT變換的頻點，k= 0 ～N-1。

目前，我國在用軌道幾何檢測系統均采用0.25 m間隔輸出軌道幾何參數，則x(n)信號的空間輸出頻率Fs= 4 m-1。因此，FFT 變換過程中對應的空間頻率（Fn）與波長（λ）分別表示為

對時域信號x(n)表征的能量，在頻域內按照統計頻段進行能量的分解。根據軌道幾何檢測系統1.5 ～42 m可測波長范圍，按5 m一個波長統計頻段，拆分為1.5 ～ 5、5 ～ 10、10 ～ 15、15 ～ 20、20 ～ 25、25 ～ 30、30 ～ 35、35 ～ 40 m 共8 個統計頻段。各波長頻段頻譜能量表征為

式中：E(λn，λn-1)為頻段頻譜能量；λn、λn-1分別為頻譜能量統計頻段的起始、截止波長。

為分析正常狀態的數據與監控檢測系統數據對應頻段頻譜能量的差異，采用兩次測量對應頻段頻譜能 量［E1(λn，λn-1)、E2(λn，λn-1)］之 比（Δ）進 行 表征，即

2.2 典型異常狀態數據分析

選取2021年、2022年全路高速綜合檢測列車軌道幾何檢測系統典型高低位移計、激光攝像組件異常狀態數據各10組，與對應線路臨近時間兩次正常狀態數據，形成涵蓋200 ～ 350 km/h速度等級高速鐵路的數據樣本庫。通過分析兩次正常狀態、正常與異常狀態對應波長頻段頻譜能量之比，研究軌道幾何檢測系統異常狀態下頻譜能量變化特征，提出常見異常狀態識別方法與限值標準。分析時，采用2 km 作為一個區段統計長度，既可以避免因統計數據較短、軌道幾何不平順局部幅值變化對數據分析的影響，也保證了系統異常狀態識別及時性的要求。

1）高低位移計異常狀態

在典型高低位移計異常狀態數據樣本中，選取高速鐵路線路A 在2022 年9 月—10 月的檢測數據進行分析。圖2為高低位移計正常與異常狀態下檢測波形圖及頻譜圖。可知：高低位移計狀態異常導致波形圖上左高低參數與正常檢測結果有明顯差異；在頻譜圖上，高低位移計異常狀態下1.5 ～ 20 m 波長頻段的左高低頻譜幅值遠小于正常狀態檢測結果。圖3為高低位移計正常狀態兩次檢測波形圖及頻譜圖（以左高低為例）。可知：高低位移計正常狀態下，高低參數兩次檢測結果具有很好的重復性，各頻段頻域幅值接近。

圖2 高低位移計正常與異常狀態檢測波形及頻譜對比

圖3 高低位移計正常狀態兩次檢測波形及頻譜對比

對樣本數據進行頻譜能量分析，結果見圖4。可知：在高低位移計正常狀態下，高低參數兩次測量頻譜能量（E正常1、E正常2）具有很好的一致性，各頻段頻域能量之比（Δ =E正常1/E正常2）總體分布在1.0 左右，區間分布不超過0.6 ～ 2.5；在高低位移計異常狀態下，異常狀態頻域能量（E異常）與正常狀態頻域能量（E正常）有明顯差異，其比值（Δ =E正常/E異常）在1.5 ～ 20 m 波長內變化最明顯，最小值略大于4.0，最大值可達50.0。

圖4 高低位移計頻譜能量分析

2）典型激光攝像組件異常狀態

在典型激光攝像組件異常狀態數據樣本中，選取高速鐵路線路B 在2022 年5 月—6 月檢測數據進行分析。激光攝像組件正常與異常狀態下的檢測波形圖及頻譜圖（以左軌向為例）見圖5。可知：激光攝像組件狀態異常導致波形圖上軌向參數與正常檢測結果不一致；在頻譜圖上，激光攝像組件異常狀態下1.5 ～20 m 波長頻段的軌向頻譜幅值遠小于正常狀態檢測結果。激光攝像組件正常狀態兩次檢測波形圖及頻譜圖（以左軌向為例）見圖6。可知：激光攝像組件正常狀態下，軌向參數兩次檢測結果具有很好的重復性，各頻段頻域幅值接近。

圖5 激光攝像組件正常與異常狀態檢測波形及頻譜對比

圖6 激光攝像組件正常狀態兩次檢測波形及頻譜對比

對樣本數據進行頻譜能量分析，結果見圖7。可知：在激光攝像組件正常狀態下，軌向參數兩次測量頻譜能量（E正常1、E正常2）具有很好的一致性，各頻段頻域能量之比（Δ =E正常1/E正常2）在0.8 ～ 1.6；在激光攝像組件異常狀態條件下，異常狀態頻域能量（E異常）與正常狀態頻域能量（E正常）有明顯差異，其比值（Δ =E正常/E異常）在1.5 ～ 15 m 波長內變化最為明顯，最小值略大于3.0，最大值可達80.0以上。

圖7 激光攝像組件頻譜能量分析

根據軌道幾何檢測系統異常狀態頻譜能量影響分析結果，兩次正常狀態檢測過程中，高低、軌向參數各頻段頻譜能量的一致性良好，兩次頻譜能量之比不超過2.5；高低位移計、激光攝像組件異常狀態分別對高低參數在1.5 ～ 20 m 波長頻段、軌向參數在1.5 ～15 m 波長頻段頻譜能量產生明顯影響，導致正常與異常狀態頻譜能量之比在4.0 ～ 50.0、3.0 ～ 80.0。

在實際異常狀態識別應用中，采用臨近時間正常狀態檢測數據作為基準數據，按照2 km 為一個統計區段長度，將基準數據與狀態監控軌道幾何檢測系統檢測數據高低參數在1.5 ～ 20 m 波長頻段、軌向參數在1.5 ～ 15 m 波長頻段的頻譜能量之比(Δ)作為識別參數，進行實時更新計算。建議參數識別限值分別設置為4.0、3.0，并結合檢測里程信息，對軌道幾何檢測系統異常狀態位置、長度等信息進行統計。

3 方法驗證

選取2023 年高速鐵路線路C、線路D 在檢測過程中分別發生的高低位移計、激光攝像組件故障數據，驗證上述識別方法的通用性與限值的合理性。

軌道幾何檢測系統正常與異常狀態數據的頻譜能量結果見表1。其中，E1為正常檢測頻譜能量，E2為異常狀態頻譜能量。可知：線路C 正常與異常狀態檢測數據高低參數在1.5 ～ 20 m 波長頻段的頻譜能量之比在11.0以上，大于限值4.0；線路D正常與異常狀態檢測數據軌向參數在1.5 ～ 15 m 波長頻段的頻譜能量之比在4.0以上，大于限值3.0。異常狀態均可得到識別，證明了識別方法的有效性。

表1 軌道幾何檢測系統正常與異常狀態參數頻譜能量對比

4 結語

本文基于軌道幾何檢測系統測量原理與車輛振動特性，提出了一種基于頻譜能量分析的高低位移計、激光攝像組件異常狀態識別方法，分別采用正常狀態檢測數據與狀態監控軌道幾何檢測系統檢測數據高低參數在1.5 ～ 20 m 波長頻段、軌向參數在1.5 ～15 m 波長頻段的頻譜能量之比作為識別參數。通過對典型異常狀態樣本庫的分析，將高低位移計、激光攝像組件異常狀態識別限值設置為4.0、3.0，識別參數超過該限值則判定為系統異常狀態。研究成果對于提升軌道幾何檢測系統檢測自動化水平、降低漏檢具有十分重要的意義。

后續將進一步開展其他傳感器異常狀態特征提取及識別方法研究，完善軌道幾何檢測系統異常狀態識別方法。