基于軌道結構高差特征值的CRTSⅡ型板離縫定量檢測方法

王廣琦，毛慶洲，夏夢璇，穆遠博，施以旋

(武漢大學 遙感信息工程學院，湖北 武漢 430079)

目前,我國高速鐵路已建成的總里程數已經超過4.2萬 km,投入運營的時間已經超過10年。無砟軌道得益于結構穩定性好和使用壽命長等優點被大量應用于高速鐵路建設中[1-2]。由于長期受列車的高頻沖擊作用和復雜自然環境的影響,離縫病害也逐步顯現[3-4]。軌道板變形上拱進一步加大了離縫量,直接影響著列車的安全運行[5]。大量調研結果表明,在持續高溫的季節,部分層間病害的離縫量最大超過了10 mm,導致列車只能限速通行[6]。

當前,高速鐵路無砟軌道離縫病害的檢測需要使用傳統的測量儀器,主要包括探地雷達法、超聲波法和沖擊回波法等。探地雷達主要通過檢測材料誘電性能的不連續性,利用高頻電磁波在不同介質面上的反射來判斷結構內部的傷損分布情況[7]。舒志樂等[8]建立無砟軌道的物理模型,利用探地雷達實現了空洞病害檢測和三維正演模擬。沖擊回波法利用沖擊裝置產生應力波,對波形進行時頻域分析來判斷結構中的病害。Xu等[9]在仿真模型中預設了傷損,研究使用沖擊回波法檢測無砟軌道典型損傷的可行性,結果表明沖擊面和損傷面之間的多波反射在頻譜中產生了一個大振幅的峰值,其頻率與損傷的深度相對應。田秀淑等[10-11]提出一種基于P波特性的病害回波特征提取方法,實現了層間病害的檢測與識別,驗證了基于瞬態彈性波法檢測層間病害的可行性。超聲波法基于材料病害導致的聲學性能差異,對超聲波傳播波形的反射情況進行分析,實現對材料內部病害的檢測。李再幃等[12]建立Lamb波在CRTSⅡ型板式無砟軌道中的傳播模型,驗證了特定模態下Lamb波可以實現無砟軌道層間傷損的定量分析。Zhu等[13]建立高速鐵路無砟軌道的多層聲速模型,將一種基于均方根合成孔徑聚焦技術的超聲成像方法用于軌道結構病害的檢測中。Chen等[14]利用空氣耦合的超聲波傳感器,基于導波能量泄漏原理,實現了對軌道板下空隙缺陷的定量表征和成像。張利剛等[15]將機械光柵式測縫計應用到無砟軌道板上拱檢測中,試驗結果表明該方法能夠有效實現軌道板的上拱定量監測。現有無損檢測方法能很好的實現軌道板離縫狀態的檢測,但在實際應用中的測量速度較低,一般只適用于定點或短距離內的檢測。除此之外,動檢列車通過測量軌道線形的變化也可以判斷軌道是否存在離縫病害。Li等[16]針對高速鐵路軌道板翹曲變形病害的快速檢測,基于高速軌檢列車采集到的軌道幾何測量數據,提出一種自動檢測板塊變形的方法,在時域和頻域上分析了軌道垂直不平順的特征,實現了離縫病害的快速檢測。李晨鐘等[17]基于動檢列車采集的不平順數據,使用加權小波能量作為軌道板變形的劣化指標,使用長短時間記憶模型對計算得到軌道板變形的劣化指標的進行滾動預測,判斷軌道是否發生變形類的病害。楊飛等[18]研究軌道板離縫上拱引起的軌道幾何參數及波形變化特征,建立了軌道板上拱識別和預警模型,運用了頻譜分析、變化識別和趨勢識別等多種方法實現了軌道離縫區段的識別。Ma等[19]將采集到的一維動檢數據轉化為二維圖像數據,使用深度學習目標檢測的方法識別異常數據,結果表明該方法可以有效地檢測軌道板上拱引起的結構損傷。但軌檢列車的測量成本較高且難以直接定量的測出離縫的長寬數據,一般用于線路的定期普檢,仍需要人工配合檢查。

綜上所述,傳統的檢測方法不適用于高速鐵路線路的全面普檢,而基于動檢數據的檢測方法目前難以準確地計算離縫的長寬信息。針對以上問題,本文研發了一套無砟軌道層間離縫病害檢測系統,提出了一種基于軌道結構高差特征值的離縫病害定量檢測方法。通過移動測量的方式采集軌道板-支承層之間的相對高差特征值,以軌枕位置作為多周期數據對比的里程基準,精確計算離縫的高度和長度。

1 技術路線及檢測系統構建

1.1 技術路線

技術路線見圖1。

圖1 技術路線

由圖1可知,當軌道板與砂漿層之間的黏結力失效而發生分離時,軌道板在溫度載荷的作用下會上拱變形,從而導致軌道板表面和支承層表面之間的相對高度差發生明顯變化。通過對比離縫病害發生前后軌道結構特定位置的幾何特征變化,可以實現層間離縫病害的定量檢測。因此,本文將軌道板表面和支承層表面間的相對高差值簡稱為軌道結構高差特征值。據此,實現軌道離縫病害定量檢測的關鍵在于:①軌道結構高差特征值的重復測量精度;②高差特征值里程定位的準確性。為此,本文構建了軌道離縫檢測原型系統,同時采集軌道的輪廓數據并記錄載體通過的軌枕編號,通過對比不同周期軌道結構高差特征值的變化計算離縫的高度和長度,實現無砟軌道離縫病害的定量檢測。此外,傳統的測量方法依賴里程信息進行位置匹配和病害定位,但在長距離測量中容易出現里程定位誤差累計累積的問題。因此,本文以每個軌枕為測量單位,對測量范圍內的軌枕依次編號,建立軌枕編號與軌道結構高差數據之間的特定對應關系,確保不同周期測量數據的精確匹配,從而實現離縫的定量檢測。

1.2 離縫檢測原型系統構建

離縫檢測原型系統見圖2。由圖2可知,離縫檢測原型系統采用模塊化設計,易于現場的組裝和調試。兩個線結構光傳感器可隨載體的推行持續獲取軌道結構表面的高精度輪廓數據;激光測距儀實時測量載體距離軌道板表面的距離,并用于對軌枕編號的累計計數;編碼器實時測量載體推行的速度并計算運動的里程。中控計算機的主要功能是管理和協調各測量傳感器有序運作,同時負責存儲測量數據。檢測作業完成后,解析測量數據即可獲得離縫病害的定量檢測結果。系統的檢測效率與軌道小車的推行速度有關,一般可實現5～7 km/h的檢測速度。

圖2 離縫檢測原型系統

兩個線結構光傳感器的掃描頻率最高可達5 000 Hz,重復測距精度為0.02 mm。利用線結構光傳感器可以獲取軌道側面的幾何輪廓數據。但軌道兩側存在障礙物,線結構光傳感器無法直接從側面垂直掃描軌道結構。綜合考慮安裝的可行性和使用的可靠性,采用圖3所示的測量方式,使線結構光傳感器以一定的傾斜角度掃描軌道板、砂漿層和支承層的交界處,獲取軌道側面的輪廓數據。

1.3 基于多傳感器同步控制的軌道輪廓數據定位方法

為解決里程定位累積誤差導致多周期測量數據無法對準的問題,本文采用多傳感器同步控制技術。以每個軌枕的位置作為里程定位的基準,對測量區域內的軌枕進行順序編號,從而建立軌道輪廓數據和軌枕位置之間的對應關系。

移動測量系統中各傳感器同步的方式主要分為距離觸發同步和時間觸發同步。其中,距離觸發同步通過測量載體的行駛距離來控制傳感器的數據采集。相較于時間觸發同步的方式,距離觸發同步簡單可靠,不依賴復雜的硬件設備或時鐘同步機制,能適應不同的測量場景和速度變化。檢測系統中各傳感器與中控計算機的連接方式見圖4。

圖4 傳感器與中控計算機連接方式

中控計算機在檢測時持續采集編碼器發送的脈沖信號,當接收到的脈沖數達到設定的累計數量F時,中控計算機發送采集指令控制線結構光傳感器完成一次采集。基于距離觸發同步的方式能夠確保采集到的軌道輪廓線間隔相等,不受推行速度變化的影響。編碼器在轉動過程中每旋轉特定的角度會發出計數脈沖,設定線結構光傳感器兩次測量之間的目標間距S,可推算得到累計脈沖數量F,其關系式為

( 1 )

式中:r為載體小車的輪對半徑;MPPR為編碼器旋轉一周輸出的額定脈沖數;m為倍頻數;F為設定的累計脈沖數;S為對應的移動距離。

線結構光傳感器和激光測距儀之間的相對位置關系見圖5(a)。測量的輪廓線GH和激光測距儀的測量中心O1共線,目的是確保設備在向前推行時兩種測量傳感器在推行方向上具有相同的位置基準。軌枕在軌道板上的間距固定且幾何形狀有明顯的變化見圖5(b),當激光測距儀以相對于軌道板表面固定的高度依次通過軌枕時,得到的測距值對應到軌枕的位置會有明顯的突變。當測距值由大變小時,可以判定此時的檢測系統開始進入軌枕測量區域。當測距值由小變大時,檢測系統離開軌枕測量區域。通過不斷累加軌枕編號的計數值,可以對檢測系統通過的每一個軌枕進行標記并順序編號。在此過程中,中控計算機會記錄每一個軌枕編號對應的兩個時間戳,后續可根據每一個軌枕編號對應的兩個時間戳選取軌枕區域的軌道輪廓數據幀,從而建立二者之間的對應關系。

圖5 軌道輪廓與軌枕位置對應關系說明

采用多傳感器同步控制技術,確保了軌枕區域內軌道輪廓數據幀的選取不受編碼器測量里程誤差累積的影響,建立了軌道輪廓數據與軌枕位置的對應關系,為后續軌道結構高差特征值的提取和多周期數據之間的對比提供了準確的里程定位基準。

2 軌道結構高差特征值的計算方法

軌道結構高差特征值的具體計算流程見圖6。首先,基于離縫檢測原型系統,根據軌枕編號及時間戳信息提取每一個軌枕對應的軌道輪廓數據。其次,根據軌道的結構特點選取特定區域A、B和C內的輪廓數據用于后續空間直線的擬合。再次,采用RANSAC空間直線擬合的方法,對選定范圍內的每一條軌道輪廓數據單獨進行擬合,得到軌道結構表面的三段擬合直線。最后,計算每一條軌道輪廓線上,3條擬合直線之間在豎直方向上交點的距離,可得到一組對應當前軌枕編號的結構高差值。對測量數據中可能存在的異常值,通過設置結構高差閾值進行剔除,并在剩余數據中選取中位數作為當前軌枕編號對應的唯一軌道結構高差特征值。

圖6 計算流程

軌道輪廓數據見圖7。由圖7(a)可知,線結構光傳感器以固定的間距獲取軌道表面的輪廓,除部分區域受障礙物遮擋外,可以完整地采集軌道結構表面的三維輪廓數據。由圖7(b)可知,選取A、B和C共3個區域內的輪廓數據用于空間直線擬合。3個區域劃分的具體方法如下:

圖7 軌道輪廓數據

各參數的取值依據測量軌道板型的不同進行調整,以CRTSⅡ型板式無砟軌道為例,Z1、Z2分別設置為80、120 mm,YB1、YB2分別設置為30、70 mm,YC1、YC2分別設置為30、90 mm。

空間直線擬合法以最小二乘法和RANSAC算法[20]應用最為廣泛,前者可以充分利用測量數據,但容易受到粗差點的影響。現實中的軌道板和支承層表面并不平整,因此測量數據存在大量噪聲,使用最小二乘法難以擬合出正確的直線。因此本文采用魯棒性更強的RANSAC算法,其核心思想為假設和檢驗,首先從數據集中不斷隨機選取部分數據,假設該部分數據均為內點并計算模型參數,然后通過數據集中的其它點對估計的模型參數進行檢驗,通過設定的最大閾值判斷各數據點為“內點”或“外點”。經過一定次數的迭代,得到包含“內點”數量最多的模型,具體實現步驟如下:

Step1在測量數據中隨機選取N個點作為“內點”,建立空間直線模型。

Step2計算采樣余集到空間直線的距離。

Step3根據設置的閾值T區分其余點是否為“內點”,計算“內點數量”。

Step4選擇“內點”個數最多的集合重新計算模型參數。

Step5通過計算所有“內點”與新計算模型的偏差評估模型。

RANSAC算法在計算過程中需要設置采樣子集N,最大迭代次數K,距離閾值T,擬合較好時需要的最小樣本點數量為Jmin。其中,三維空間直線擬合至少需要兩個空間點,即N取2;距離閾值T設置為0.2 mm;Jmin設置為0,確保每次迭代都能收斂。迭代的終止條件可表示為

( 2 )

式中:s為“內點”在數據中的占比,設置最不理想條件下的初始值,然后隨迭代不斷更新;P為置信度條件,取值范圍一般為[95%,99%]。本文設置初始值s為30%,P為98%。

結構高差特征值計算及擬合結果見圖8。由圖8(a)可知,對選定區域A、B和C內的每條輪廓數據使用RANSAC算法進行直線擬合,擬合后的3條直線相交于兩點e和h,兩點之間的歐氏距離即為軌道結構高差值d1。根據實測數據得到的擬合結果,結果保留兩個交點及之間的擬合直線見圖8(b)。由圖8(c)可知,部分軌道板側面的預應力鋼筋可能會導致輪廓數據采集不完整,使得擬合后的直線出現異常角度。因此,為了消除這種異常情況對測量結果的影響,根據CRTSⅡ型板的結構尺寸,設置結構高差閾值d2的范圍為[225,235]mm,對該組中的每一個高差值d1遍歷篩選,剔除閾值范圍外的異常值。最后,計算剩余高差值數據的中位數,將其作為當前軌枕編號對應的軌道結構高差特征值d。

圖8 結構高差特征值計算及擬合結果

本文在計算軌道結構高差特征值時,對軌枕區域內的每一條軌道輪廓線進行單獨的擬合和計算,并未對整個選定區域內的所有輪廓數據進行總體的平面擬合。原因在于線結構光傳感器在隨檢測小車運動時會不可避免的產生振動,這種振動對于計算單幀軌道輪廓數據,軌道板與支承層之間的相對高差值不會產生影響。因為線結構光傳感器記錄了被測物體與傳感器之間的距離關系,而傳感器自身姿態或位置的改變不會影響到被測物體內部的相互關系。如果聯合多幀的輪廓數據進行平面擬合,此時擬合后計算的結果為兩個結構面之間絕對位置的高度差,而振動產生的測量誤差也會被引入到最終的測量結果中,降低最終的測量精度。

3 系統重復測量穩定性驗證及測量偏差分析

檢測原型系統的重復測量穩定性和測量偏差決定最終離縫定量檢測精度。為評估系統的性能,高速鐵路軌道測試場地進行多次重復測量試驗,見圖9。

圖9 重復性測量試驗

重復測量試驗分為兩次進行,第1次試驗設置1#和2#結構光傳感器分別在左軌和右軌的位置,沿圖9中箭頭標識的方向進行了3次重復測量。第2次試驗交換兩個傳感器的位置,同樣進行3次測量。試驗中模擬系統正常檢測時的運行速度為5～7 km/h。最終結果見圖10。圖10中,根據左軌和右軌測量位置的不同,將試驗結果分為兩組,每組包括6個對照組,對照組編號1、2和3對應1#線結構光傳感器在左軌位置的3次測量結果,編號4、5和6對應2#線結構光傳感器在左軌位置的3次測量結果。

圖10 測量結果

重復性測量結果對比見表1,計算了兩次試驗得到的12組數據的均值和標準偏差系數RSD,每組數據共計70個高差特征值。兩個線結構光傳感器在左右軌的測量結果都非常穩定。左軌測量結果的RSD介于0.015 2～0.017 3之間,右軌測量結果的RSD介于0.018 4～0.019 4之間,二者均保持穩定且小于2%。可見各組測量結果的重復性和一致性較好,離縫檢測原型系統在重復測量時具有較高的測量穩定性。

表1 重復性測量結果對比

( 3 )

式中:dij為每個軌枕對應的高差特征值;j為對照組的編號;i為軌枕編號。

每個對照組中檢測結果的測量偏差值Uij為

( 4 )

所有計算得到的測量偏差值的概率分布直方圖見圖11。由圖11可知,分布范圍為-0.41～0.44 mm,這表明重復測量的最大偏差始終能夠保持在±0.5 mm的范圍內。在置信度為95%的條件下求得測量偏差值的置信區間為[-0.25,0.25]mm,即試驗結果總的測量偏差可以控制在±0.25 mm的范圍內。一般情況下軌道板離縫的高度主要集中在0.5～3 mm的范圍內。由于夏季高溫導致的離縫高度普遍超過了1 mm。因此,本文構建的離縫檢測系統能夠滿足實際線路離縫高度測量的精度需求。

圖11 概率分布直方圖

4 離縫高度和長度的定量計算

通過對比不同的測量周期內,同一個軌枕編號下高差特征值的變化可以得到離縫的高度wi為

wi=d2i-d1i

( 5 )

式中:i為軌枕編號;d2i、d1i分別為同一軌枕編號對應的第2、1個周期的高差值。

離縫長度的計算主要根據離縫高度的變化判斷其起始和終止的位置。根據重復性試驗的分析結果,在未發生離縫病害的情況下,同一軌枕編號對應的兩次測量結果之間的偏差會小于0.25 mm。因此,當對比結果wi>0.25 mm時,可以認定該軌枕編號對應的位置發生了離縫病害。選取了兩組不同周期的CRTS Ⅱ型板式無砟軌道的測量數據進行對比,見圖12。在圖12(a)中,軌枕編號40550055～40550059的5個位置內,周期2的高差特征值明顯增大,而且增幅均超過了測量偏差值。類似地,在圖12(b)中,軌枕編號40517016、40517017這兩個位置的周期2的高差特征值也明顯增大,表現出與周期1相似的變化。

圖12 兩周期數據對比

以示例病害1為例,雖然有5個位置的離縫高度超過了測量偏差值,但離縫起始和終止位置的實際范圍顯然要更大。因為離縫的高度在起始和終止的位置是逐漸增大和減小的。所以確定示例病害1的起始位置位于40550054～40550055。同理,終止的位置位于40550059～40550060。這里,本文是以軌枕編號作為多周期數據對比的里程基準,因此示例病害1的起始位置統計為40550054,終止位置統計為40550060。由于CRTSⅡ型板式無砟軌道的軌枕之間的間隔為0.65 m,根據起始和終止軌枕編號之間的差值容易計算得到該處離縫的長度為3.9 m;同理,圖12(b)中起始和終止位置的對應軌枕編號為40517015、40517018,對應離縫長度為1.95 m。

上述兩個病害的高差特征值對比見表2。表2中,對應的軌枕編號只保留后3位。在離縫起始和終止范圍內,離縫高度wi并不是定值,選擇離縫高度的最大值作為此處病害的記錄值。其中,病害1對應的054～060軌枕范圍內,057號對應的差值最大為1.04 mm,則記錄該值作為離縫的高度值。同理病害2對應的離縫高度為2.63 mm。

表2 離縫范圍內高差值對比

5 試驗驗證

選取具有離縫病害的某CRTSⅡ型板式無砟軌道高速鐵路正線進行試驗,在相同的區間段內完成了兩個周期的數據采集工作。兩次檢測間隔時間為1 a,檢測時間均選擇氣溫較高容易發生離縫病害的8月。為驗證本文所提方法的有效性,將自檢結果與鐵路工務部門當期統計的病害庫進行比對。對比結果見表3。表3中,對比的內容包括:自檢離縫病害的里程范圍和病害庫中的對比里程,自檢離縫高度w和離縫長度l,病害庫中的對比值離縫高度w和離縫長度L。

表3 試驗結果

為離縫高度與長度的對比結果見圖13。由圖13可知,自檢結果與病害庫數據的吻合程度較高,這說明本文提出的離縫檢測方法可以有效檢測出軌道的層間離縫病害。以病害庫中的統計結果作為對比標準,由式( 6 )和式( 7 )分別計算離縫高度和離縫長度檢測結果的平均絕對誤差MAE和均方對數誤差MSLE。MAE用來衡量檢測結果與對比結果的之間的實際差異,而MSLE則可以在評估檢測結果誤差時突出相對誤差,降低個別異常值對結果的影響,提供一個更平衡的評估結果。

圖13 檢測結果對比

( 6 )

( 7 )

式中:n為病害編號;Qn為自檢值;Rn為病害庫中的對比值;k為總的樣本個數,k=23。

離縫高度和長度檢測結果的MAE分別為0.24、0.34 m,而MSLE分別為0.011、0.017。這表明本文的檢測結果與病害庫中統計結果的一致程度較高。其中,離縫高度的檢測誤差一方面源于檢測系統本身的測量偏差。另一方面,離縫高度受溫度變化的影響,不同測量周期內的環境溫度也會導致離縫高度的變化。離縫長度的測量誤差主要由離縫的起始和終止位置決定,由于本文以軌枕編號作為不同周期高差特征值對比的里程基準,所以最小的長度測量間隔為0.65 m。因此,當離縫病害的長度較短且起始和終止的位置距離軌枕相對較遠,此時計算得到的離縫長度會出現一定誤差。

對比病害庫中離縫病害對應的里程信息發現,個別病害的里程信息不能完全對準。如表3中編號為2、12和21的病害,其里程定位的誤差為5 m左右。雖然前后一塊軌道板長度范圍內的里程定位誤差對于工務段的維護人員來說是可以接受的,但顯然無法用于多周期高差數據之間的對比。通過修正算法或增加測量傳感器的方法也很難徹底消除里程定位的誤差。因此本文采用軌枕編號作為里程定位的基準,建立了與離縫信息之間的嚴格對應關系,有效避免了里程累計誤差對離縫定量檢測結果的影響。

6 結論

1)提出了一種基于軌道結構“軌道板-支承層”相對高差特征值的離縫檢測方法,實現了無砟軌道層間離縫病害的定量檢測。

2)研發了離縫病害檢測原型系統,在速度為5～7 km/h的速度條件下,重復性試驗測量結果的RSD值小于2%。在95%的置信度下,重復測量偏差的置信區間為[-0.25,0.25]mm,可有效區分離縫病害導致的異常值,實現離縫的快速檢測。

3)采用軌枕編號作為對比基準,確保不同周期的測量數據能夠嚴格對齊,進而實現離縫高度和長度的計算,解決了里程誤差累計導致不同周期的測量數據無法精確對準的問題。

4)與病害庫統計結果的比對發現,離縫高度、長度檢測結果的MAE分別為0.24、0.34 m,MSLE分別為0.011、0.017。

5)研究成果能夠顯著提升離縫定量檢測的自動化水平和效率,進一步促進了軌道安全運維技術的發展。