運營鐵路有砟道床車載式檢測技術綜述

楊愛紅 王石磊 馮乾旭

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.中國鐵路北京局集團有限公司北京高鐵工務段，北京 100071

碎石道床是普速鐵路和時速200～250 km高速鐵路有砟軌道的基礎［1］。隨著線路服役時間延長，道床逐漸出現彈性不足、斷面偏離、臟污、翻漿冒泥等劣化現象，需維修或清篩大修。現行TG/GW102—2019《普速鐵路線路修理規則》規定，道床維修主要采用周期修制度，如道床清篩周期主要由線路通過總質量控制。采用單一因素制定道床維修策略易導致欠修或過度修。道床維修策略的合理制定與道床檢測技術的發展、道床狀態的分析水平密切相關［2］。

車載式檢測具有快速優勢，為獲取路網層基礎設施狀態提供了重要保障。本文針對有砟道床維修需求，對車載式檢測技術和缺陷識別方法進行分析和歸納，提出道床綜合檢測設備和技術發展建議，為科學制定修理計劃、合理分配資源和控制成本提供依據。

1 有砟道床狀態劣化形式

斷面偏離、臟污、翻漿冒泥是道床狀態劣化的三種主要形式。斷面偏離包括道砟盈虧和厚度不均。道砟盈虧通過實際斷面與標準斷面的面積差計算得到，虧砟過多將導致軌枕縱橫向阻力減小。厚度不均屬于隱蔽缺陷，日常線路巡查中難以發現。臟污主要指道砟級配發生改變，破碎細小顆粒填充道砟孔隙，影響道床排水性能。翻漿冒泥與氣候環境、運輸條件、道砟材質、基床狀態、輪載作用下抽吸作用等因素有關［3］。翻漿冒泥早期處于隱蔽狀態，發展至一定程度后會涌現至表面。從表現形式看，道砟盈虧、表面翻漿冒泥屬于表觀缺陷；厚度不均、臟污、內部翻漿冒泥屬于隱蔽缺陷。

2 道床表觀缺陷檢測技術

2.1 檢測方法

激光掃描是車載式道床表觀缺陷檢測的關鍵技術。在車載式平臺上安裝高精度掃描傳感器，非接觸獲取道砟表面及線路兩側一定范圍內的點云數據。通過確定分析范圍、濾除噪聲數據，建立道床實際斷面，并將其與標準斷面比較從而識別道砟盈虧信息［4］。奧地利聯邦鐵路將激光掃描模塊安裝在軌道維修車上，美國Georgetown 公司在公鐵混用移動平臺上集成了激光掃描儀，最高檢測速度達80 km/h，激光道間距為100 mm［5-6］。

2.2 狀態分析及評價方法

可按左右邊坡、左右枕端、枕長范圍分區評價道砟盈虧，見圖1。基于離散點擬合建立道床實際斷面（圖2），Georgetown 公司針對盈虧分析開發了BallastSaver 系統，將斷面偏離以三維色階方式呈現，見圖3。

圖1 道床斷面評價區域劃分

圖2 實際斷面與標準斷面差異

圖3 道床斷面偏離三維色階圖

Sadeghi 等［5］提出了道砟層幾何指數（Ballast Layer Geometry Index，記為BLGI）。其計算公式為

式中：VDl、VDc、VDr分別為分析單元道床左、中、右道砟虧損體積；VEl、VEc、VEr分別為分析單元道床左、中、右道砟盈余體積；maxV為所有分析單元中對應體積的最大值。

線路方向分析單元長度分別采用10、100 m。為突出道砟虧損對軌道穩定性的影響，公式中將VDl、VDc、VDr三項參數提高3倍。

3 道床隱蔽缺陷檢測技術

3.1 檢測方法

地質雷達法具有快速、無損檢測的特點。地質雷達法的檢測原理如圖4 所示［7］。發射天線向道床內部發射電磁波，遇到介電特性存在差異的界面或區域時，電磁波會發生反射、散射，接收天線記錄回波振幅及時間，形成單道波形。沿線路縱向以指定間隔采樣即可形成由多道波形組成的二維雷達圖像。通過對單道波形及二維雷達圖像進行分析，即可獲得道床厚度、臟污、翻漿冒泥等缺陷的分布特征。

圖4 雷達檢測法的檢測原理

近年來英國ZETICA 公司、荷蘭FUGRO 公司（圖5）、俄羅斯GEOTECH 公司等單位研發了雷達專項檢測系統，最高檢測速度可達160 km/h，系統硬件為3 部中頻天線和3 部高頻天線。中頻天線用于獲取厚度不均、翻漿冒泥等缺陷。高頻天線用于獲取臟污缺陷。目前英國采用該系統對繁忙線路每年檢測一次，中國朔黃鐵路公司于2015年引入該系統，用于指導運煤重載線路道床清篩［8］。

圖5 荷蘭FUGRO公司道床檢測系統

3.2 識別方法

雷達圖像紋理特征解譯是識別隱蔽缺陷的主要方法。根據圖像中存在的連續平滑強反射同相軸特征對道床和基床界面進行判識，見圖6。根據圖像中存在的連續起伏強反射同相軸特征對翻漿冒泥進行識別，見圖7。可以看出，沿線路方向翻漿冒泥由隱蔽缺陷逐步演化為可見缺陷。經開挖驗證，判識結果準確。

圖6 道床和基床界面雷達圖像

圖7 翻漿冒泥雷達圖像與開挖驗證

雷達圖像紋理特征解譯對經驗依賴性強，分析效率低。為提高數據分析效率，國內外學者開展了基于深度學習的道床和基床界面、翻漿冒泥的智能識別研究，結果表明不同采集系統數據預處理方法、樣本庫仍需完善［9-10］。

通路分析是通過對選定的基因按照公共數據庫KEGG（https://www.genome.jp/kegg/）進行分類，通過離散分布的顯著性分析，得到與實驗目的有顯著相關的通路分類，本研究利用通路在線分析平臺Omicshare（http://www.omicshare. com）以P＜0.5、FDR＜0.05為參數獲得鉤藤散治療AD相關基因的通路富集信息，并使用Cytoscape-v3.6.1構建靶點-通路（T-P）網絡圖。

為實現道床隱蔽缺陷的快速量測，可通過分析雷達電磁信號的特征確定表征道床狀態的指標。通過物理實驗對各指標進行標定，進而實現對各指標的量化［11］。王石磊等［12］先對雷達電磁信號時頻特性進行分析，然后提取三個指標沿線路的變化曲線，發現三個指標與道床服役時間關聯性均較強。

Khakiev 等［13-14］對道床分層范圍內雷達反射信號積分得到計算道床濕度的指標，對折射率進行分析得到計算道床厚度的指標。選擇10處開挖驗證，證實了該方法的準確性。Birhane 等［15］通過對增益調整后指定范圍信號峰值進行檢索，實現了道床和基床界面的自動提取。可見，對缺陷進行量化識別時，表征指標的提取均基于單道雷達信號的時頻屬性。由于道床散粒體特征及軌枕干擾，各道雷達信號分析結果存在離散性，對異常離散數據尚需結合雷達圖像紋理特征進行判識。

3.3 狀態分析及評價

目前中國尚缺乏道床狀態分級評價標準，國外對道床狀態分析及評價方法進行了一定的研究。英國ZETICA 公司開發了碎石道床測試系統，確定了道砟濕度、厚度、臟污指數等表征道床狀態的指標，并開發了多元數據融合分析系統，見圖8［16］。其中：MP 為里程標。

圖8 英國ZETICA公司道床多元數據融合分析系統

中國朔黃鐵路公司引進該分析系統，將系統輸出的臟污指數與中國TG/GW102—2019《普速鐵路線路修理規則》中的不潔率進行換算，制定了適用于朔黃鐵路的臟污分級標準［8］，見表1。

表1 朔黃鐵路公司道床臟污分級標準

道床檢測數據可用于指導維修決策的制定和軌道幾何狀態異常成因的判識。在軌道和道床檢測數據的融合方面，Eriksen 等［17］針對北愛爾蘭鐵路提出了道床質量綜合指數CTQI，依據CTQI將道床分為4個等級。CTQI由厚度粗糙指數LRI、道砟超厚指數BDE和排水質量指數TDQI加權計算得到，即CTQI=LRI+ 2BDE+TDQI。

Sadeghi等［18］開發道床雷達檢測系統，將臟污指數與軌道高低指數加權融合，將融合分析結果用于道床清篩、搗固、日常維護策略的制定。

4 道床綜合檢測設備及技術發展建議

4.1 檢測設備

道床綜合檢測時可在軌道車、鐵路平車等載體上集成表觀缺陷和隱蔽缺陷檢測模塊。美國BALFOUR BEATTY 公司與英國ZETICA 公司研發了車載式道床綜合檢測裝備（圖9），安裝于公鐵兩用車輛上。

圖9 車載式道床綜合檢測裝備

圖10 DOTX?220型軌道檢測車

4.2 綜合檢測技術

有砟道床綜合檢測技術包含地質雷達、表面成像、三維激光掃描三部分。各部分檢測內容及其最高檢測速度見表2。地質雷達檢測技術指標見表3。

表2 有砟道床綜合檢測技術

表3 地質雷達檢測技術指標

5 結論

本文分析了有砟道床狀態劣化形式，梳理了車載式檢測、缺陷識別及道床狀態分析評價方法。得到如下結論：

1）斷面偏離、臟污及翻漿冒泥是道床狀態劣化的三種主要形式，斷面偏離包括道砟盈虧和厚度不均。

2）道砟盈虧、表面翻漿冒泥屬于表觀缺陷，可通過激光掃描、表面成像方法檢測，檢測速度可達80 km/h。厚度不均、臟污、內部翻漿冒泥屬于隱蔽缺陷，可通過地質雷達檢測，檢測速度可達160 km/h。

3）對內部翻漿冒泥等需要通過分析雷達圖像紋理特征的隱蔽缺陷，深度學習是實現智能識別的發展方向。對厚度不均、臟污等隱蔽缺陷，需先分析雷達電磁信號時頻特性確定表征道床狀態的指標，然后通過物理標定對指標進行量化，從而實現在線識別。

4）在專業檢測車上集成道床、基床等檢測模塊、開展周期性檢測是實現有砟軌道下部結構狀態綜合檢測的發展方向，有利于有砟軌道狀態異常判識和維修策略的科學制定。