基于车载探地雷达技术的碎石道床检测数据的应用探讨

刘恒柏 江波 瞿起明 李耀南

中国铁道科学研究院集团有限公司基础设施检测研究所，北京100081

截止2020年底，全国铁路营业里程达到14.6万km，其中既有线10.8万km，既有线及高速铁路局部区段的道床均为碎石道床。碎石道床作为轨枕、钢轨的直接支撑体，将列车车辆荷载扩散、减小并传递给基床，使列车重复荷载作用下所产生的道床下沉、道砟和路基面应力均不超过容许值，延缓轨道永久变形，还起到增加轨道弹性、隔离振动、减少噪声、排水等作用［1］，其状态决定列车运营的安全性与舒适性。

传统手段检测或巡查道床状态时基本靠肉眼，道床表面污染物质在风吹、雨淋或荷载传递过程中的道砟振动等作用下，逐步在道床内部或下部积聚；基床中的细颗粒物质在抽吸作用下会向道床翻冒并积聚，这些均难以被肉眼观察，且道床脏污或翻浆冒泥的起始、终止里程及区段的总体道床状态均难以被观察确定。如何快速、准确地检查道床病害，查明状态不良区段，在有限的财力、物力、人力、时间条件下更加合理地安排清筛或养护维修计划，是当前工务部门亟须解决的问题。

车载探地雷达技术具备数据容易连续获取、快速、精度高、不干扰行车、易于操作实施、不破坏道床和轨道结构等特点，在当前运输繁忙、天窗点紧张、安全要求高的背景下，检测速度可以达到120 km/h，能够解决既有线道床状态数据难以快速连续获取的问题。本文基于2018年车载探地雷达对一既有线道床的检测数据，分析道床病害检测结果，获取道床状态信息，探讨其在道床清筛或养护维修决策中的应用价值。

1 车载探地雷达检测方法与原理

1.1 检测方法

本文车载探地雷达检测系统搭载于中国铁道科学研究院集团有限公司基础设施检测研究所的WX25T999318隧道状态检查车（以下简称隧检车，见图1）上。天线频率选用400 MHz（道砟表面以下探测深度能达到2 m以上，可以兼顾基床病害的探测），3个天线安装于车底，分别对应道心、两侧砟肩（3条测线）。检测系统中雷达主机、采集计算机、同步单元等在检测车厢内布置。

图1 WX25T999318隧道状态检查车及测线布置

1.2 检测原理

检测时天线随着隧检车的行驶而连续移动，发射天线向道床及基床发射电磁波，电磁波在道床、基床传播的过程中遇到介电常数差异的介质交界面时发生反射，被接收天线接收并转储于采集计算机上，反映道床状态的不同介质交界面反射信息均被记录，通过对采集数据的处理、分析，获知道床状态信息。

2 数据采集及分析

2.1 数据采集

一既有线检测时隧检车接挂于普速旅客列车尾部，随旅客列车同步行驶，检测速度与其一致，最高可达120 km/h；采集道间距或步距设置为0.115 m，每道采样点设置为512个，时窗设置为65 ns。

2.2 数据分析

数据分析时同时分析道心、两侧砟肩3条测线，将道床病害分为道床脏污、道床翻浆冒泥，并拾取每处道床病害起始、终止里程（处理过程中通过路局提供桥梁、涵洞等设备台账里程进一步校正里程，确保与实际现场里程桩一致），结合长短链计算病害长度；由于桥梁与路基结构不同，且存在护轨桥梁，其道心测线检测数据受到干扰，为保证数据分析的客观性，扣除桥梁区段，即本文结果为扣除桥梁后的道床检测结果。

3 道床检测结果

3.1 道床探地雷达图像判释与解译结果验证

道床脏污与翻浆冒泥由数据分析过程中对道床雷达图像的判释与解译得出，其准确、可靠性影响道床检测结果的准确、可靠性，为此须对其进行验证。验证时从解译结果中抽选出代表性道床脏污与翻浆冒泥，在病害里程范围内根据现场情况选点清挖道砟，观察其实际道床状态，核查解译结果是否与实际状态一致。在上海局、郑州局、西安局管辖内的线路上均进行了开挖验证。

图2为上海局管辖内上行K261+330处道床现场开挖实况与雷达图像。由图2（a）可知：枕盒道砟在枕底深度附近，其孔隙全部被青色的污泥填充，近轨枕处积聚少量明水，道床脏污板结严重，下雨季节在水和列车荷载作用下将产生翻浆。由图2（b）可知：道床表面至基床顶面深度范围存在连续、起伏强反射同相轴，这代表清洁道砟与下伏泥砟混合体间的界面反射掩盖了正常清洁道床与基床交界面的反射信号，造成其反射同相轴向浅层抬升的假象，此处被判释为道床脏污。验证结果表明道床探地雷达图像判释、解译结果与现场实际一致，但道床病害归类应修正为道床翻浆冒泥。

图2 上行K261+330道床现场开挖实况及雷达图像

图3为上海局管辖内上行K333+900处道床现场开挖实况与雷达图像。由图3（a）可知：枕盒道砟在枕底深度附近，其孔隙被青色的细小颗粒填充但未被充满，细小颗粒潮湿且不呈泥状，表明道床已脏污。由图3（b）可知：道床内部存在雪花状或絮状的凌乱反射且连片出现（道床脏污导致道砟颗粒表面被对水有较强吸附能力的粉末或细小颗粒物包裹，电磁波在包裹面发生散射或衍射），道床与基床交界面反射同相轴不清晰，表明道床脏污严重，此处被判释为道床脏污。验证结果表明判释、解译结果与现场实际一致。

图3 上行K333+900道床现场开挖实况与雷达图像

总体上，道床探地雷达图像判释、解译结果与现场实际一致，道床病害检测结果准确、可靠，但少数点道床病害归类须修正，极少数判释不准确的点须根据现场开挖结果进行修正。

3.2 道床检测结果及原因分析

为获取该既有线总体道床状态信息，对上、下行线各单处道床病害进行汇总统计，结果见表1。其中占比表示脏污累计长度占路基长度的比例。可知：上行线道床脏污占比为4.40%，道床翻浆冒泥占比为1.43%，合计道床病害占比为5.83%；下行线道床脏污占比为0.90%，道床翻浆冒泥占比为0.10%，合计道床病害占比为1.00%。该既有线道床病害总体占比小于6%，道床脏污占比明显较道床翻浆冒泥高，且上下行差异较大。上行线道床脏污、翻浆冒泥、合计道床病害占比分别为下行线的4.9、14.3、5.8倍，表明该既有线上行线道床状态明显偏差。

表1 既有线上、下行线总体道床检测结果

雷达图像判释、解译过程中，针对上、下行线均普遍存在轻微道床脏污的情况，图像分析时均仅对较严重的区段进行判释和提取，另外上、下行线道床翻浆冒泥雷达图像特征均非常明显，不存在上、下行线判释标准不统一的情况，即数据分析过程是客观的，不会影响上、下行线道床病害占比差异。

道床脏污的主要原因有石砟破碎、轨枕磨损及脏污物质由面层、底砟层、路基渗入等［2］；道床翻浆冒泥的主要原因有道床脏污、板结，基床土质不良，养护作业不当，列车动力作用等［3-4］。道床脏污和翻浆冒泥的主要原因均直接或间接与铁路运营时线路通行的列车及其荷载作用相关。该既有线郑州北编组站向东（即上行）车流量（3 166列）明显较向西（即下行）车流量（2 275列）大［5］，表明上行线较下行线通行列车数量明显偏多、承受列车荷载作用明显偏大，且上行线主要承担大宗货物煤炭、石油、原盐等由西向东的运输［6-9］。上、下行线道床病害占比差异与其运量差异一致。

4 道床检测数据应用探讨

道床总体检测结果对了解既有线全线道床状态作用很大，单处道床病害结果对了解局部点状态有用，但道床清筛或养护维修须进一步了解各铁路区段的道床状态信息。本文对上、下行线均按车站区间划分铁路区段，根据其分界里程进一步统计各区间道床脏污、翻浆冒泥及合计道床病害的数量、累计病害长度及其占比；上、下行线车站区间分别有167、162个，由于各车站区间路基长度不一致，为使各区间之间道床状态的比较更具客观性，采用各车站区间道床病害占比绘制分布图进行比较，见图4（5%以下区间未在分布图中画出）。

图4 既有线车站区间道床病害占比分布

通过图4可以快速、准确地识别出上、下行线道床病害占比较高即道床状态较差的车站区间。例如占比超过35%的车站区间2个，即大庙—大湖、庙沟—张茅，其道床状态最差，均分布在上行线；占比介于30%～35%的车站区间上行线2个，即观音堂—庙沟、大许家—大庙，下行线1个，即洛阳东—洛阳，其道床状态均很差。道床清筛或养护维修应优先上述区段进行。

为将检测结果更好地应用于道床清筛或养护维修决策，对各车站区间道床病害数据按5%的梯度区间依据占比从高到低进行细分统计，结果见表2。

表2 既有线不同梯度车站区间道床病害统计结果

通过表2可以快速、准确获取不同道床状态水平的车站区间数量、病害长度。道床清筛或养护维修中更加关注状态不良区段的信息，通过采用占比从高到低的倒序方式，表2展示了道床状态不同水平的车站区间数量、累计病害长度。工务管理部门在制定道床清筛或养护维修计划时可参考表2数据，在不影响运输生产任务完成的前提下，估算不同道床养护维修量需要调用的财力、物力、人力、天窗等，科学、合理地安排清筛或养护维修的车站区间、数量及其里程区段［10］，具备条件时可依据表2数据进行全线道床清筛或养护维修的统筹管理。

传统上道床清筛依据五年内计划通过总重确定［11］，但在相同的达到道床清筛要求的通过总重下，不同里程区段道床由于运量、道砟材质、路基填料类型与地质条件、气候、运营及养护维修管理等影响因素不同，其内部实际状态水平存在差异，部分区段状态较差需要清筛，部分区段道床状态较好不需要清筛；另外部分区段虽未达到道床清筛所要求的通过总重，但其道床状态已变差，影响行车安全与舒适性，如果根据通过总重统一进行清筛会导致欠维修、过维修及相关资源浪费［10，12］。探地雷达检测道床病害是通过电磁波探查道床内部的实际状态得出的结果，反映了道床的真实状态水平，因此依据车载探地雷达碎石道床检测结果（表2）制定道床清筛或养护维修计划较传统方式更加科学、合理。

5 结论与建议

1）该既有线上行道床状态总体上较下行明显偏差，主要原因为上行线运量较下行线明显偏大。

2）对上、下行线分别绘制区间道床病害占比分布图，可以快速、准确地识别出道床状态最差、较差的区间，指出应优先进行道床养护维修的区间。

3）对上、下行线各车站区间的道床病害数据按5%梯度采用占比从高到低的倒序方式进行细分统计，可获取道床状态不同水平的车站区间数量、累计病害长度，用于指导道床清筛或养护维修计划的制定，提高其科学性、合理性。

建议进行高频如2 GHz天线检测道床状态的研究，提高检测分辨率，弥补桥梁道床状态检测的不足，提高单处道床脏污、道床翻浆冒泥的量化程度，促进道床状态评定由粗犷式定性分析转为精准量化分析，促进道床大修从周期修、计划修向状态修、智能修和精准修的转变。