无砟轨道胀板病害区段的自动化评估方法研究

洪 剑

(中国铁路上海局集团有限公司上海高铁维修段, 上海 200439)

CRTSⅡ型板式无砟轨道广泛应用于我国的高速铁路，在夏季高温及轮轨动力作用下，由于板式无砟轨道层间变形协调能力不良、温度梯度预设不足等因素，产生了胀板、宽窄接缝破损、层间离缝等结构性病害[1]。特别是在持续高温时期，在温度梯度作用下轨道板翘曲变形造成轨道板与砂浆之间的离缝[2-5]，带来较为显著的轨道几何尺寸偏差。若病害发现不及时，进一步发展至砂浆脱空及纵连完全失效，则会导致轨道板失稳，对线下基础的耐久性造成影响，严重影响行车安全。鉴于高速铁路维修天窗短、人员少等实际情况，深化对既有轨检数据的研究，从而确定轨道结构相关病害，具有十分重要的理论和现实意义。

利用轨检数据进行线路轨道质量分析，国内外学者展开了大量的研究，取得了一定的成果。如文献[6]提出局部波动指数LTFI可以较好识别出轨道局部波动剧烈的程度与位置。文献[7]基于多体动力学理论和综合检测列车实测数据，设计出了满足长波高低不平顺150 m波长动态检测的实时处理算法，建立长波高低不平顺幅值动态管理标准，使现场养修更有针对性。文献[8]结合高速铁路动检数据，定义一种用于描述局部波动的多尺度标准差卷积变换模型，并提出轨道局部波动指数计算方法，能够对轨道局部波动进行准确定位。文献[9]基于综合检测列车的动态轨道不平顺数据，确定了路基冻胀区的轨道不平顺变化规律。文献[10]通过对轨道几何不平顺区段管理方法及区段管理长度影响因素的研究，得到了高速铁路无砟轨道线路TQI计算长度的取值范围为100～150 m，建议值为100 m。文献[11]引入敏感波长反映周期性几何不平顺的基波，利用广义能量指数实现对周期性几何不平顺的定量评价。这些研究方法有力地提高了线路的管理水平和养修作业效率。但同样值得注意的是，既有研究较难应用于现场实际检修中，并且在夏季连续高温期间，更缺少从轨检历史数据的多次对比与现场典型病害变化进行的关联分析。

基于此，通过研究轨检数据的时域波形，对比分析轨道板胀板区段的高低不平顺时域特征指标；选取区段标准差这一特征指标，基于历史轨检数据进行对比分析，提出自动化评估算法并制定相应管理办法，实现了通过轨检数据对轨道板胀板结构性病害定量化评估的目的。

1 胀板结构性病害分析

1.1 胀板特征及现场病害情况

运营实践表明，高温期间特别是持续高温期间，CRTSⅡ型板式无砟轨道会产生胀板现象，这是应力、应变逐渐积累后瞬态释放的过程，具有突发性、不可预测性等特点，是CRTSⅡ型板式无砟轨道结构运营中最主要的风险源[12]。

CRTSⅡ型板式无砟轨道胀板主要特征表现为路基、桥梁和路桥过渡段的轨道板与CA砂浆层间离缝、宽窄接缝破损、轨道板破损和支承层(底座板)压溃等一系列连锁反应，现场病害情况如图1所示。

图1 胀板区段现场病害情况

1.2 原因分析

CRTSⅡ型板式无砟轨道胀板主要由内部因素和外部因素引起。

内因主要为宽窄接缝破损导致轨道板板端受力不均，形成偏压并产生应力集中，加速了胀板的发生[13]；现场受温度梯度[14]、宽窄接缝与轨道板内刚度差别较大及CA砂浆性能劣化的影响，轨道板宽窄接缝前后范围内砂浆层易发生离缝，导致轨道结构分层，轨道板与砂浆之间黏结力下降，结构体系稳定性下降[15]。

外因主要为外部环境温度所致的温度荷载作用，夏季持续高温则引起轨道结构温度逐步累积[16-19]。在温度梯度作用下轨道板翘曲变形造成轨道板与砂浆之间的离缝；轨道纵连不及时、张拉锁件缺失或安装不到位、宽窄接缝混凝土质量差、板间张拉及混凝土浇筑温度低等施工过程控制不严。

1.3 人工检测

高温时期，为了预防胀板结构性病害及对已发生病害区段及时抑制，工务部门往往进行人工普查识别现场离缝和宽窄接缝破损情况，以及进行静态几何尺寸的测量。某高铁线路2013～2017年普查现场病害情况如表1所示。

表1 2013～2017年某高铁线路胀板病害分布

对上述线路的病害普查耗时耗力，且由于高速铁路天窗时间短、线路养修人员相对较少，会造成病害发现不及时的情况，导致病害进一步发展，严重影响行车安全。考虑到轨道板上拱与轨道几何形位的关联性，应结合轨道不平顺变化特征，探寻胀板结构性病害发展规律。

2 病害区段高低不平顺数据分析

2.1 波形幅值特征

轨道板上拱会引起轨道结构产生垂向变形以致影响轨道几何形位变化，对于一些胀板结构性病害的时域信号，其波形往往出现异常波动，从而可以从直观上与正常信号区分开，特别是当时域信号出现明显的周期性时，病害信号的异常波动会更加明显。因此，可考虑利用历史轨检数据对比分析，以达到检测病害的目的。由于胀板病害呈现出垂直方向的位移变化特征，与其变形方向上对应为高低不平顺变化。因此，选取某高铁线路2017年轨道检查车测得的动态高低不平顺数据作为样本来源，轨道检查车采样间隔为0.25 m。

选取长度为512 m、线下基础为路基的动态高低不平顺数据样本作为分析对象。 图2(a)为经预处理[20]过12个月23次的时域波形叠加图。由图2(b)可知，当高温时期或持续高温时期线路出现胀板结构性病害时，病害区段[54 m，60 m]的时域波形图也会相应出现明显的幅值变化，变化趋势基本为4月份后随着气温的升高，幅值逐渐增加且在7～8月份高温天气时达到峰值。因此，高低不平顺与气温具有极强的关联性。

图2 动态高低不平顺历史数据对比

2.2 病害分布与波形分布

虽然轨道不平顺的增长率每次都很小，但对历史数据的叠加对比可以识别出轨道几何形位的微小变化。因CRTSⅡ型无砟轨道为纵连结构，所以当多块轨道板连续出现上拱时会呈现连续多波型。单块胀板结构性病害表征为单峰特征，连续性病害表征为多峰特征。典型区段的轨道板上拱引起的高低不平顺波形特征如图3所示。

图3 病害区段高低不平顺波形特征

通过对历史轨检数据进行高低峰值变化分析，可得出轨道板上拱引起的高低峰值变化趋势。但仅通过人工对轨检数据回放，对比高低不平顺峰值，效率较低且容易存在漏检。因此，需制定胀板区段的自动化评估方法，提高检测效率。

3 病害区段自动化评估方法

3.1 病害区段时域特征值对比分析

通过计算一些时域特征值对高低不平顺信号进行进一步分析。对于有限长度的离散时序数据xi(i=1，2，…，n)，常用的有量纲时域特征量包括均方根值、峰峰值和标准差。其中，峰峰值(PK2PK)这一指标能比较直观地表现出振动剧烈的轨道位置，以及振动的剧烈程度；均方根(RMS)这一指标对早期的病害不敏感，但稳定性较好，其幅值会随着病害程度的加深表现出单调增大的趋势；标准差(Std)这一指标表述不平顺数据的离散性，以此反应轨道质量的好坏程度。

选取1～4月份轨检数据质量较好的一次高低不平顺数据作为标准数据，选取高温时期的一次数据作为分析目标。以8 m为一区段进行计算，每段样本数量为32个。由于轨检数据里程与现场里程匹配并不能达到0.25 m的精度，板长为6.45 m的轨道板不能刚好在划分区段内，结果则会导致特征指标被削弱。因此，特征指标分析以0.25 m为单位步长的8 m时间窗计算相应值。区段划分如图4所示。

图4 区段划分

由前述分析可知，当线路出现胀板结构性病害时，左、右高低的幅值波动较大，因此可计算病害区段左、右高低的时域特征值，并与该区段正常时期的时域特征值进行对比分析，计算结果如图5所示。样本数据同前，其右高低不平顺特征值对比结果如表2所示。

图5 胀板区段时域特征值

图5所示病害区段的高低不平顺的3种时域特征指标都有明显的增加，验证了胀板结构性病害的出现会导致高低不平顺加剧的结论。区段[48m，56m]内特征指标如表2所示，其中，标准差这一指标的增加幅度最大，变为正常状态的3.28倍；而峰峰值和均方根则分别为正常状态的2.48倍和2.90倍，说明在时域特征量中，区段标准差对胀板结构性病害的出现最为敏感。因此，区段标准差这一指标可以作为描述胀板结构性病害的依据。

表2 病害区段的右高低时域特征值对比

3.2 病害区段自动化评估

为了进一步提高动检数据的利用效率，以人工决策为辅，自动化评估为主的原则，基于区段标准差给出病害区段定量化方法，建立了无砟轨道板胀板区段自动化评估算法，形成胀板区段结合动检数据分析的闭环系统。

病害区段评估需选取1～4月份数据质量较好的一次动检数据以及高温时期测得的一次动检数据。通过分析可知，不同线路的高低温幅值变化量有所差异，同线路不同区段高低温幅值变化量也有所差异，因此，对于轨道板上拱引起高低不平顺时域特征值的定量化识别，需基于线路历史数据来调整胀板病害的评估阈值。区段评估指标计算式如下

EN(x)=σB(n，xB，i)-σA(n，xA，i)

当EN(x)大于评估阈值时，则定位为疑似病害区段。因此，对于评估阈值的确定影响到检测准确率。为了提高该方法的准确率降低漏检率，通过对比现场病害资料，选取胀板病害频发的10 km线路，分别在不同评估阈值下计算准确率进行对比分析，准确率计算式如下

计算结果如表3所示。

由表3可知，评估阈值的变化影响检测准确率及漏检率，因此，综合考虑选取0.5，0.7和0.9三个评估阈值分别制定相应管理办法，如表4所示。

利用上述的自动化评估算法，采用同前样本以右高低不平顺为例进行病害区段的自动化评估，计算结果如图6所示。

表3 区段评估指标在不同阈值下的病害准确率

表4 区段评估指标管理办法

图6 病害区段自动化评估结果

由上述计算结果可知，以0.5 mm评估阈值为基准判断，区间[40 m，70 m]和区间[276 m，284 m]出现轨道板胀板病害。根据现场病害资料可知，该512 m区段内在上述两区间附近处确实发生过胀板病害，初步验证了评估方法的有效性及评估阈值的合理性。在此基础上同时验证了区段评估指标管理办法的可用性。

3.3 实例验证

为验证本文所提方法的普适性和准确性，通过对比现场病害资料，选取了胀板病害频发的区段进行分析，右高低不平顺时域波形和区段标准差如图7所示。

图7 时域波形与特征值分析

其中，1月份数据为无病害时期的样本数据，7月份则为需分析的存在病害区段样本数据。病害区段自动化评估结果如图8所示。诊断病害里程与实际胀板病害里程比较结果如表5所示。

图8 病害区段自动化评估结果

表5 自动化评估病害区段对比

由上述算例图表分析可知，本文提出的胀板区段自动化评估算法具有较高的适用性和准确性，可以有效地实现无砟轨道板胀板区段的定量化评估；但值得注意的是由于动检数据里程与现场实际里程存在一定偏差，因此依据评估结果复检时，应对计算病害里程前后50 m进行排查，以确定病害具体位置，并及时整治。

4 结论

本文分析了轨道板胀板区段的现场病害特征以及胀板区段特征与动检数据的关联性，给出了胀板区段自动化评估算法，通过实例分析进行方法验证，主要结论如下。

(1)高温期胀板区段与高低不平顺存在较强的关联性，单块与连续轨道板病害表征为时域波形单峰与多峰特征。

(2)区段标准差对胀板病害的出现最为敏感，可以作为表征胀板结构性病害的依据。

(3)提出胀板区段自动化评估算法，利用典型案例验证了所提方法的有效性及准确性，实现了利用轨检数据对无砟轨道胀板病害进行定量化评估的目的，在制定养护维修计划等方面具有一定理论意义和实践价值。