基于多源特征融合的无砟轨道砂浆层脱空病害检测方法

张广远 王哲 王保宪 李义强 赵维刚

摘  要： 高速铁路轨下多层结构承载着高速列车通行，因此其健康状态直接影响到列车运营的安全性。利用弹性波、探地雷达等传感器提取的轨道病害特征可有效地实现轨道结构病害检测，但单一特征不能全面地对无砟轨道病害进行描述，导致部分病害不能被检测，从而影响无砟轨道的病害检测精度。基于此，提出一种基于多源特征融合的无砟轨道砂浆层脱空病害检测方法。该方法将弹性波与探地雷达两种特征进行量化分析，并将量化结果利用特征堆栈的方式实现特征融合，最后利用支持向量机完成病害融合特征的分类识别。在无砟轨道实体结构上采集大量的脱空病害数据并测试该文方法，实验结果验证了该文算法对脱空病害检测的有效性。

关键词： 无砟轨道; 病害监测; 特征融合; 量化分析; 特征堆栈; 分类识别

中图分类号： TN911.23?34                          文献标识码： A                     文章编号： 1004?373X（2020）22?0062?05

Abstract： Multi?layer structure under the track of high?speed railway bears up the high?speed train， so its health directly affects the safety of train operation. The track defect features extracted by elastic wave and ground penetrating radar sensors can effectively detect the track structure diseases， but the single feature cannot describe the ballastless track damage comprehensively， which results in the some diseases cannot be detected， and thus influences the accuracy of the diseases detection of the ballastless track. On this basis， a method of ballastless track mortar layer void disease detection based on multi?source feature fusion is proposed. In this method， the two features of the elastic wave and ground penetrating radar are analyzed quantitatively， the feature fusion of the quantification results is carried out by means of the feature stack， and the classification and identification of the disease fusion feature are completed by means of the support vector machine. A large number of void disease data are collected from the solid structure of ballastless track and the method in this paper is tested. The experimental results have verified the effectiveness of the proposed algorithm for void disease detection.

Keywords： ballastless track; disease detection; feature fusion; quantitative analysis; feature stack; classification identification

0  引  言

高速鐵路轨下多层结构（主要包括无砟轨道轨下各结构层及路基本体、桥面板等）承载着高速列车通行，在高时速列车行驶下，其性能状态直接关系到列车运营安全。当前，传统的铁路轨下结构病害检测以挖探、钎探为主，其存在成本高、随意性大、容易损坏被测线路等缺点。目前，铁路相关部门越来越多地应用探地雷达这一高效、连续的检测技术来全面、及时、准确地了解整条铁路线下结构的状况信息。探地雷达法（Ground Penetrating Radar，GPR）是一种运用电磁波传播理论来检测地下目标内部结构的无损检测技术[1]。随着电子通信技术的发展，GPR数据可转变为2D图像，利用高分辨率的雷达图像可以使研究人员相对容易地判别目标特征和类型，进而促进了GPR在地质勘探[2]、地下管道探测[3]等方面的应用。乔旭等人采用GPR对城市道路进行病害检测，并研究了硬化道路土基病害出现的一般规律[4]。杜良等人基于GPR成像技术，运用时域有限差分法实现了隧道衬砌中空洞病害的检测[5]。

利用GPR技术进行铁路轨下结构病害的检测识别过程，首先是结合电磁波的传播特性以及反射回波的电磁波谱，来描述地下目标的内部结构特征。接着需要根据计算得到的电磁波数据和所呈现的波形图谱，选择合适的模式识别技术进行病害识别诊断。其中，模式识别技术就是要建立起各种雷达特征参数与对应的地下病害目标之间的映射关系，是轨下结构病害检测识别过程的关键步骤之一。目前，应用于土木基础设施相关病害检测与识别的方法有人工神经网络[6]、支持向量机（Support Vector Machine，SVM）[7]等。近几年的高铁运营实践表明，铁路轨下结构病害的出现不是偶然的，往往是在多种复杂因素作用下，若干种结构病害（裂缝、空洞、脱空、翻浆等）逐渐演变后复合存在的。因此，仅利用探地雷达技术无法精准地完成铁路轨下结构病害检测。以砂浆层脱空病害为例，探地雷达电磁波在传递过程中会受到无砟轨道内部钢筋强反射的干扰，导致仅利用探地雷达无法实现对无砟轨道砂浆层脱空病害的有效检测。

除探地雷达技术外，基于弹性波理论的轨下病害识别技术开始普及应用。以脱空病害检测为例，弹性波在无砟轨道多层介质中传播时遇到脱空区域会出现反射回波，利用该特性可探测脱空病害。然而高速铁路轨道结构复杂，弹性波在病害表面和层间界面反射过程中，不同类型的回波相互叠加，导致仅利用弹性波一种技术也无法较为精准地完成脱空病害检测。

基于此，本文提出一种基于多源特征融合的无砟轨道脱空病害检测方法，具体流程如图1所示。首先，利用弹性波与探地雷达两种技术提取无砟轨道的脱空病害特征，随后通过特征堆栈的方式将两种特征进行融合，并利用支持向量机（SVM）对融合特征进行分类学习，最终实现了无砟轨道脱空病害的精准检测。相比于其他算法，本文算法综合利用了两种病害描述特征，因此可以有效地提高对脱空病害检测的鲁棒性。

1  特征提取方法

1.1  无砟轨道脱空病害描述

图2展示了我国最常见的CRTS Ⅱ型无砟轨道结构的横断面。在理想情况下，CRTS Ⅱ型无砟轨道结构各层之间相互密贴、协同受力，且层与层之间是不存在离缝的，整个无砟轨道结构处于完全支撑状态。然而由于轨道结构各部分的力学特性不同，在施工质量、列车荷载、路基不均匀沉降等多种因素作用下，轨道板与CA砂浆层之间会产生离缝病害。离缝使得轨道板处于不完全支撑状态且由于水和列车荷载的综合作用，离缝病害会导致CA砂浆层整层的破坏加速，进而产生脱空病害。经过实地调研与数据统计分析，目前无砟轨道内部脱空病害的主要特征为：轨道板板底与CA砂浆表层结合不密实，存在1 mm及以上的缝隙，且缝隙长度大于5 cm。

1.2  冲击弹性波法特征

冲击弹性波在传播过程中，遇到裂纹、孔洞等不连续界面时，会发生散射、折射以及反射等現象。如图2所示，高速铁路无砟轨道整体结构是多层板状结构，受到激振后的响应情况可以反应出结构本身的特性，因此冲击弹性波可以有效地检测到无砟轨道下的裂纹与孔洞情况，并通过弹性波信号处理提取轨下结构的脱空病害特征。本文采用弹性波系统对不同工况的无砟轨道检测，分析得出正常无砟轨道模型中，瞬态冲击弹性波从轨道板表面传至支撑层底面，再反射回轨道板表面的传播过程为一个能量和幅值连续变化的过程，将这个过程反应在频域图谱上，可观察到的共振谱能量集中在4～11 kHz频率范围内。在含脱空缺陷的模型中，当冲击弹性波到达轨道板和砂浆层缺陷界面时，会出现强烈反射，弹性波在轨道板上下表面之间多次反射产生瞬态共振，将这一过程体现在速度和位移频域图上可以发现在10 kHz附近出现较高的共振峰，而4 kHz附近的共振峰减弱。

因此，为了实现对脱空缺陷检测的定量化，提取不同工况时的测试数据，进行傅里叶变换后，将4～8 kHz处各点峰值的平方进行求和、取均值（作为A1值）处理;8～14 kHz处各点峰值的平方进行求和、取均值（作为A2值）处理。计算不同测试点处二者的比值，即：

式中，[k]为功率密度比。由计算结果可知（详见第4.1节冲击弹性波方法分析部分），对于正常的无砟轨道，功率密度比值大部分在0.5以上，而含脱空缺陷的无砟轨道的功率密度比值大部分在0.5以下。因此，功率密度比值大小可作为评定砂浆层是否存在脱空缺陷的指标之一。然而简单地利用阈值分析方法，仍然无法实现对砂浆层脱空缺陷的精准检测。

1.3  探地雷达法特征

探地雷达是一种运用电磁波传播理论来检测地下目标内部结构的无损检测技术。探地雷达系统将高频电磁波以宽频带短脉冲的形式由发射天线向目标体发射，当电磁波遇到电性（介电常数、磁导率、电导率）差异界面时会发生反射、折射和透射等现象。其中，反射电磁波被接收天线接收，形成探地雷达回波信号。由于探地雷达法具有探测速度快、精度高、连续检测等优势，符合高铁天窗维修检测的需求。在实际应用中，以检测CRTS Ⅱ型无砟轨道结构为例，CA砂浆层上部的轨道板为多层密集钢筋混凝土结构。考虑钢筋为良导体介质且钢筋在空间位置上规律分布，将导致电磁波在钢筋与混凝土界面形成全反射，在探地雷达回波图上呈现典型的双曲特性。除此之外，还有部分绕射波透过轨道板传播到CA砂浆层，并在脱空病害表面形成反射波，并与钢筋反射波叠加在一起被雷达天线接收形成雷达回波图像。

图3a）展示了某CRTS Ⅱ型轨道实体结构的雷达回波信号图像。显然可见，在内部和外部因素的综合影响下，最终形成的雷达回波图像包含了多种噪声（比如地面直达波、钢筋强反射波等）。为此，本文利用图像频率去噪方法提取有用的脱空病害反射信号。首先，利用二维傅里叶变换对原始雷达回波图像进行变换，可得雷达回波图像的二维频谱图见图3b）。由于初始雷达回波二维频谱图的直流分量并不在中心位置，对其进行频谱搬移后，可得新的雷达回波频谱图见图3c）。在此基础上，采用高斯高通滤波器对雷达回波频谱图进行滤波，并对滤波后的结果进行二维傅里叶反变换，获得频率滤波后的雷达图像见图3d）。由图3可知，在经过二维图像频率滤波后，原始雷达回波图像中的大量噪声被抑制。

2  特征融合

针对特征融合，目前主要从数据层、特征层以及决策层进行融合。其中，数据层融合是将全部传感器的观测数据融合，然后从融合的数据中提取特征向量并进行判断检测;特征层融合是提取每种传感器采集的特征，将这些特征融合成单一特征向量，并运用模式识别方法进行处理;决策层融合则是在每个传感器对目标做出检测后，将多个传感器的检测结果进行融合。

由于数据层融合只能针对同一物理传感器进行融合;决策层融合对传感器数据进行了浓缩，导致部分数据信息丢失进而影响最终结果。因此，本文选用了特征层融合方式。如图4所示，分别利用冲击弹性波与探地雷达两种方法对无砟轨道结构进行信号采集，按照第1.2～1.3节中所述方法计算脱空病害特征，并通过特征向量堆栈的方式融合两类目标特征向量，即有[x=[k，h]]。这里，[k∈R1]为采集得到的冲击弹性波病害特征，[h∈R5]为采集得到的探地雷达病害特征，[x∈R6]为最终的脱空病害特征融合向量。

3  无砟轨道病害检测

在完成特征融合的基础上，需进一步对无砟轨道是否存在脱空缺陷进行识别。本文采用支持向量机模型，其通过最大化脱空与非脱空两类目标的分类间隔建立脱空病害的识别函数。设[xk]为第k个样本的多源融合特征，通过人工标定其样本标签[yk]（脱空，则设其标签为1;非脱空，则设其标签为0），由此建立无砟轨道的脱空与非脱空的训练样本集[S=yk，xkNk]。通过求解式（3）可建立无砟轨道的脱空病害检测模型。

4  实验结果与讨论

为了测试验证本文方法的有效性，本文对无砟轨道实体结构模型进行了脱空病害数据采集。该无砟轨道实体结构模型位于河北省石家庄铁道大学工程训练中心实训基地内，如图5a）所示，轨道板采用了CRTS Ⅱ型板式无砟轨道。在无砟轨道铺设过程中，预先在砂浆层中布设了脱空病害，布设过程如图5b）所示。最终布设完含缺陷的无砟轨道模型如图5c）所示。

4.1  冲击弹性波方法分析

本文采用扫描式冲击回波测试系统，选取20个不同测试点的功率密度比值数据进行测试，并将这些数值做归一化处理，具体如图6所示。显然，通过阈值分析即可判定部分测试点是否存在脱空缺陷。因此，功率密度比值可作为评定砂浆层是否存在脱空缺陷的指标之一。但是由于脱空缺陷情况较为复杂，仍有部分测试点不能通过简单的阈值分析判定其是否为缺陷点，见图6中曲线框部分。

4.2  探地雷达方法分析

本文采用900 MHz雷达天线检测CRTS Ⅱ型板式无砟轨道结构是否存在脱空，具体的GPR雷达回波图像如图3a）所示。其中，横坐标表示测线道数，每道数据的间距为0.008 m，共606道数据;每道数据采样时间窗为40 ns，采样点数为512点。为了初步测试探地雷达方法的可行性，本文从脱空与非脱空区域各选择了20个GPR雷达回波数据进行分析。由于本文提出的探地雷达脱空病害特征为多维向量，为了直观展示，计算多维特征向量[h]的均值并进行归一化处理，结果如图7所示。显然，脱空与非脱空样本的病害特征在数值范围内存在明显交迭，因此无法利用简单的阈值分析方法实现无砟轨道结构脱空病害的精准检测。

4.3  融合特征方法的對比验证

为了提高对脱空缺陷的检测精度，本文采用特征融合方法，构建一个由弹性波特征和探地雷达特征组成的二元特征向量[x=[k，h]∈R6]。考虑特征融合后的多参数训练样本在低维特征空间中基本线性不可分，本文选用高斯径向基函数作为核函数，将融合特征映射到更高维度的特征空间进行分类训练。在实验环节中，经过交叉验证测试，确定SVM训练过程中的核函数宽度参数[σ=5.2]，正则化参数[γ=0.4]。

为了验证本文方法的有效性，将弹性波特征与探地雷达特征分别采用支持向量机进行分类训练，并与本文算法进行对比。同时为了验证支持向量机的二分类优势，选用多元回归模型[8]对多源融合特征进行分类建模。本文实际采集了340组实验数据集（其中含脱空缺陷的有140组，不含脱空缺陷的有200组），按照等比例方式，每次随机选取112组脱空样本和160组非脱空样本作为训练数据集，剩余的样本集作为测试数据集。根据上述方式，分别独立进行5次仿真计算并统计每次的样本检测识别率（样本检测识别率=检测识别正确的样本个数/测试样本总个数）。具体统计结果如表1所示。

由表1中的对比结果可知，在综合利用弹性波与探地雷达两种病害检测特征后，无砟轨道砂浆层的脱空病害检测率有明显的提升，验证了本文所提出的多源特征融合算法的有效性。同时通过对比表1可知，相比于SVM核函数模型，多元回归模型的效果并不理想，可能的原因有：样本参数的维度较多，在低维空间线性不可分，导致多元回归的效果不理想;相比于多元回归模型，SVM核函数模型利用了核函数映射，并在高维特征空间中通过最大化脱空与非脱空两类样本的分类间隔构建二分类识别函数，因此分类识别效果更优。

5  结  论

本文提出一种基于多源特征融合的无砟轨道砂浆层脱空病害检测方法，用于解决单一检测特征对病害描述的匮乏，导致病害检测精度较低的问题。该方法通过将弹性波与探地雷达两种信号特征进行量化处理，并将量化结果通过特征堆栈的方式实现特征融合，最后利用支持向量机完成对轨下结构病害融合特征的分类检测。通过采集无砟轨道脱空病害数据，将本文算法与单一特征（弹性波特征、探地雷达特征）病害检测进行对比，验证了本文算法可以有效地提升脱空病害检测的精度。

注：本文通讯作者为王保宪。

参考文献

[1] BENEDETTO A， TOSTI F， CIAMPOLI L B， et al. GPR applications across engineering and geosciences disciplines in italy： a review [J]. IEEE journal of selected topics in applied earth observations and remote sensing， 2017， 9（7）： 2952?2965.

[2] BROOK M S， NOBES D C. Ground penetrating radar imaging of abandoned coal and gold mine workings [C]// International Conference on Environmental & Engineering Geophysics. Xian： Springer， 2014： 724?729.

[3] DEMIRCI S， YIGIT E， ESKIDEMIR I H， et al. Ground penetrating radar imaging of water leaks from buried pipes based on back?projection method [J]. NDT & E international， 2012， 47： 35?42.

[4] 乔旭，赵学军，杨峰，等.城市道路土基病害核匹配追踪识别算法[J].中国公路学报，2017，30（5）：44?51.

[5] 杜良，刘树才，梁棋念，等.隧道检测中基本形状空洞探地雷达图像特征[J].地球物理学进展，2015，30（6）：2892?2896.

[6] 徐昕军，勾妍妍，杨峰.基于探地雷达与概率神经网络的城市道路路基病害预警模型研究[J].科学技术与工程，2017，17（17）：118?124.

[7] 周辉林，姜玉玲，徐立红，等.基于SVM的高速公路路基病害自动检测算法[J].中国公路学报，2013，26（2）：42?47.

[8] LAWTON M P， KLEBAN M H， FULCOMER M C. Multiple regression in behavioral research [M]. Oxford： Oxford University Press， 1997： 102?112.

[9] 李海平，李正凯，阎宗岭.山区公路陡斜坡路基?挡墙体系病害动态过程调控技术[J].公路交通技术，2018（6）：8?12.

[10] 李法滨，吴旭东，冯坤伟.探地雷达在路基病害探测中的正演模拟及瞬时属性分析[J].交通科技，2019（2）：56?59.