無砟軌道脹板病害區段的自動化評估方法研究

洪 劍

(中國鐵路上海局集團有限公司上海高鐵維修段, 上海 200439)

CRTSⅡ型板式無砟軌道廣泛應用于我國的高速鐵路，在夏季高溫及輪軌動力作用下，由于板式無砟軌道層間變形協調能力不良、溫度梯度預設不足等因素，產生了脹板、寬窄接縫破損、層間離縫等結構性病害[1]。特別是在持續高溫時期，在溫度梯度作用下軌道板翹曲變形造成軌道板與砂漿之間的離縫[2-5]，帶來較為顯著的軌道幾何尺寸偏差。若病害發現不及時，進一步發展至砂漿脫空及縱連完全失效，則會導致軌道板失穩，對線下基礎的耐久性造成影響，嚴重影響行車安全。鑒于高速鐵路維修天窗短、人員少等實際情況，深化對既有軌檢數據的研究，從而確定軌道結構相關病害，具有十分重要的理論和現實意義。

利用軌檢數據進行線路軌道質量分析，國內外學者展開了大量的研究，取得了一定的成果。如文獻[6]提出局部波動指數LTFI可以較好識別出軌道局部波動劇烈的程度與位置。文獻[7]基于多體動力學理論和綜合檢測列車實測數據，設計出了滿足長波高低不平順150 m波長動態檢測的實時處理算法，建立長波高低不平順幅值動態管理標準，使現場養修更有針對性。文獻[8]結合高速鐵路動檢數據，定義一種用于描述局部波動的多尺度標準差卷積變換模型，并提出軌道局部波動指數計算方法，能夠對軌道局部波動進行準確定位。文獻[9]基于綜合檢測列車的動態軌道不平順數據，確定了路基凍脹區的軌道不平順變化規律。文獻[10]通過對軌道幾何不平順區段管理方法及區段管理長度影響因素的研究，得到了高速鐵路無砟軌道線路TQI計算長度的取值范圍為100～150 m，建議值為100 m。文獻[11]引入敏感波長反映周期性幾何不平順的基波，利用廣義能量指數實現對周期性幾何不平順的定量評價。這些研究方法有力地提高了線路的管理水平和養修作業效率。但同樣值得注意的是，既有研究較難應用于現場實際檢修中，并且在夏季連續高溫期間，更缺少從軌檢歷史數據的多次對比與現場典型病害變化進行的關聯分析。

基于此，通過研究軌檢數據的時域波形，對比分析軌道板脹板區段的高低不平順時域特征指標；選取區段標準差這一特征指標，基于歷史軌檢數據進行對比分析，提出自動化評估算法并制定相應管理辦法，實現了通過軌檢數據對軌道板脹板結構性病害定量化評估的目的。

1 脹板結構性病害分析

1.1 脹板特征及現場病害情況

運營實踐表明，高溫期間特別是持續高溫期間，CRTSⅡ型板式無砟軌道會產生脹板現象，這是應力、應變逐漸積累后瞬態釋放的過程，具有突發性、不可預測性等特點，是CRTSⅡ型板式無砟軌道結構運營中最主要的風險源[12]。

CRTSⅡ型板式無砟軌道脹板主要特征表現為路基、橋梁和路橋過渡段的軌道板與CA砂漿層間離縫、寬窄接縫破損、軌道板破損和支承層(底座板)壓潰等一系列連鎖反應，現場病害情況如圖1所示。

圖1 脹板區段現場病害情況

1.2 原因分析

CRTSⅡ型板式無砟軌道脹板主要由內部因素和外部因素引起。

內因主要為寬窄接縫破損導致軌道板板端受力不均，形成偏壓并產生應力集中，加速了脹板的發生[13]；現場受溫度梯度[14]、寬窄接縫與軌道板內剛度差別較大及CA砂漿性能劣化的影響，軌道板寬窄接縫前后范圍內砂漿層易發生離縫，導致軌道結構分層，軌道板與砂漿之間黏結力下降，結構體系穩定性下降[15]。

外因主要為外部環境溫度所致的溫度荷載作用，夏季持續高溫則引起軌道結構溫度逐步累積[16-19]。在溫度梯度作用下軌道板翹曲變形造成軌道板與砂漿之間的離縫；軌道縱連不及時、張拉鎖件缺失或安裝不到位、寬窄接縫混凝土質量差、板間張拉及混凝土澆筑溫度低等施工過程控制不嚴。

1.3 人工檢測

高溫時期，為了預防脹板結構性病害及對已發生病害區段及時抑制，工務部門往往進行人工普查識別現場離縫和寬窄接縫破損情況，以及進行靜態幾何尺寸的測量。某高鐵線路2013～2017年普查現場病害情況如表1所示。

表1 2013～2017年某高鐵線路脹板病害分布

對上述線路的病害普查耗時耗力，且由于高速鐵路天窗時間短、線路養修人員相對較少，會造成病害發現不及時的情況，導致病害進一步發展，嚴重影響行車安全?？紤]到軌道板上拱與軌道幾何形位的關聯性，應結合軌道不平順變化特征，探尋脹板結構性病害發展規律。

2 病害區段高低不平順數據分析

2.1 波形幅值特征

軌道板上拱會引起軌道結構產生垂向變形以致影響軌道幾何形位變化，對于一些脹板結構性病害的時域信號，其波形往往出現異常波動，從而可以從直觀上與正常信號區分開，特別是當時域信號出現明顯的周期性時，病害信號的異常波動會更加明顯。因此，可考慮利用歷史軌檢數據對比分析，以達到檢測病害的目的。由于脹板病害呈現出垂直方向的位移變化特征，與其變形方向上對應為高低不平順變化。因此，選取某高鐵線路2017年軌道檢查車測得的動態高低不平順數據作為樣本來源，軌道檢查車采樣間隔為0.25 m。

選取長度為512 m、線下基礎為路基的動態高低不平順數據樣本作為分析對象。 圖2(a)為經預處理[20]過12個月23次的時域波形疊加圖。由圖2(b)可知，當高溫時期或持續高溫時期線路出現脹板結構性病害時，病害區段[54 m，60 m]的時域波形圖也會相應出現明顯的幅值變化，變化趨勢基本為4月份后隨著氣溫的升高，幅值逐漸增加且在7～8月份高溫天氣時達到峰值。因此，高低不平順與氣溫具有極強的關聯性。

圖2 動態高低不平順歷史數據對比

2.2 病害分布與波形分布

雖然軌道不平順的增長率每次都很小，但對歷史數據的疊加對比可以識別出軌道幾何形位的微小變化。因CRTSⅡ型無砟軌道為縱連結構，所以當多塊軌道板連續出現上拱時會呈現連續多波型。單塊脹板結構性病害表征為單峰特征，連續性病害表征為多峰特征。典型區段的軌道板上拱引起的高低不平順波形特征如圖3所示。

圖3 病害區段高低不平順波形特征

通過對歷史軌檢數據進行高低峰值變化分析，可得出軌道板上拱引起的高低峰值變化趨勢。但僅通過人工對軌檢數據回放，對比高低不平順峰值，效率較低且容易存在漏檢。因此，需制定脹板區段的自動化評估方法，提高檢測效率。

3 病害區段自動化評估方法

3.1 病害區段時域特征值對比分析

通過計算一些時域特征值對高低不平順信號進行進一步分析。對于有限長度的離散時序數據xi(i=1，2，…，n)，常用的有量綱時域特征量包括均方根值、峰峰值和標準差。其中，峰峰值(PK2PK)這一指標能比較直觀地表現出振動劇烈的軌道位置，以及振動的劇烈程度；均方根(RMS)這一指標對早期的病害不敏感，但穩定性較好，其幅值會隨著病害程度的加深表現出單調增大的趨勢；標準差(Std)這一指標表述不平順數據的離散性，以此反應軌道質量的好壞程度。

選取1～4月份軌檢數據質量較好的一次高低不平順數據作為標準數據，選取高溫時期的一次數據作為分析目標。以8 m為一區段進行計算，每段樣本數量為32個。由于軌檢數據里程與現場里程匹配并不能達到0.25 m的精度，板長為6.45 m的軌道板不能剛好在劃分區段內，結果則會導致特征指標被削弱。因此，特征指標分析以0.25 m為單位步長的8 m時間窗計算相應值。區段劃分如圖4所示。

圖4 區段劃分

由前述分析可知，當線路出現脹板結構性病害時，左、右高低的幅值波動較大，因此可計算病害區段左、右高低的時域特征值，并與該區段正常時期的時域特征值進行對比分析，計算結果如圖5所示。樣本數據同前，其右高低不平順特征值對比結果如表2所示。

圖5 脹板區段時域特征值

圖5所示病害區段的高低不平順的3種時域特征指標都有明顯的增加，驗證了脹板結構性病害的出現會導致高低不平順加劇的結論。區段[48m，56m]內特征指標如表2所示，其中，標準差這一指標的增加幅度最大，變為正常狀態的3.28倍；而峰峰值和均方根則分別為正常狀態的2.48倍和2.90倍，說明在時域特征量中，區段標準差對脹板結構性病害的出現最為敏感。因此，區段標準差這一指標可以作為描述脹板結構性病害的依據。

表2 病害區段的右高低時域特征值對比

3.2 病害區段自動化評估

為了進一步提高動檢數據的利用效率，以人工決策為輔，自動化評估為主的原則，基于區段標準差給出病害區段定量化方法，建立了無砟軌道板脹板區段自動化評估算法，形成脹板區段結合動檢數據分析的閉環系統。

病害區段評估需選取1～4月份數據質量較好的一次動檢數據以及高溫時期測得的一次動檢數據。通過分析可知，不同線路的高低溫幅值變化量有所差異，同線路不同區段高低溫幅值變化量也有所差異，因此，對于軌道板上拱引起高低不平順時域特征值的定量化識別，需基于線路歷史數據來調整脹板病害的評估閾值。區段評估指標計算式如下

EN(x)=σB(n，xB，i)-σA(n，xA，i)

當EN(x)大于評估閾值時，則定位為疑似病害區段。因此，對于評估閾值的確定影響到檢測準確率。為了提高該方法的準確率降低漏檢率，通過對比現場病害資料，選取脹板病害頻發的10 km線路，分別在不同評估閾值下計算準確率進行對比分析，準確率計算式如下

計算結果如表3所示。

由表3可知，評估閾值的變化影響檢測準確率及漏檢率，因此，綜合考慮選取0.5，0.7和0.9三個評估閾值分別制定相應管理辦法，如表4所示。

利用上述的自動化評估算法，采用同前樣本以右高低不平順為例進行病害區段的自動化評估，計算結果如圖6所示。

表3 區段評估指標在不同閾值下的病害準確率

表4 區段評估指標管理辦法

圖6 病害區段自動化評估結果

由上述計算結果可知，以0.5 mm評估閾值為基準判斷，區間[40 m，70 m]和區間[276 m，284 m]出現軌道板脹板病害。根據現場病害資料可知，該512 m區段內在上述兩區間附近處確實發生過脹板病害，初步驗證了評估方法的有效性及評估閾值的合理性。在此基礎上同時驗證了區段評估指標管理辦法的可用性。

3.3 實例驗證

為驗證本文所提方法的普適性和準確性，通過對比現場病害資料，選取了脹板病害頻發的區段進行分析，右高低不平順時域波形和區段標準差如圖7所示。

圖7 時域波形與特征值分析

其中，1月份數據為無病害時期的樣本數據，7月份則為需分析的存在病害區段樣本數據。病害區段自動化評估結果如圖8所示。診斷病害里程與實際脹板病害里程比較結果如表5所示。

圖8 病害區段自動化評估結果

表5 自動化評估病害區段對比

由上述算例圖表分析可知，本文提出的脹板區段自動化評估算法具有較高的適用性和準確性，可以有效地實現無砟軌道板脹板區段的定量化評估；但值得注意的是由于動檢數據里程與現場實際里程存在一定偏差，因此依據評估結果復檢時，應對計算病害里程前后50 m進行排查，以確定病害具體位置，并及時整治。

4 結論

本文分析了軌道板脹板區段的現場病害特征以及脹板區段特征與動檢數據的關聯性，給出了脹板區段自動化評估算法，通過實例分析進行方法驗證，主要結論如下。

(1)高溫期脹板區段與高低不平順存在較強的關聯性，單塊與連續軌道板病害表征為時域波形單峰與多峰特征。

(2)區段標準差對脹板病害的出現最為敏感，可以作為表征脹板結構性病害的依據。

(3)提出脹板區段自動化評估算法，利用典型案例驗證了所提方法的有效性及準確性，實現了利用軌檢數據對無砟軌道脹板病害進行定量化評估的目的，在制定養護維修計劃等方面具有一定理論意義和實踐價值。