基于高精度巡检图像数据的高速铁路无砟轨道表面裂缝评价方法与状态预测模型研究

Understanding the mechanism and development of surface cracking is critical to the structure health of ballastless track system. It pertains to improving the overall stability and long-lasting, ensuring safe operation, and implementing reasonable maintenance. In the light of high-resolution surface images collected from routine automated track inspection, by integrating the factors that cause deterioration, this research focuses on developing intelligent algorithm for cracking detection and description, the goal of which is to establish a comprehensive evaluation model for ballastless track surface cracking. By analyzing the bulks of inspection data and synthesizing the results of laboratory tests and computer finite-element simulation, this research would uncover the critical factors that affect the propagation of cracking and identify their sensitivity. Lastly, this research would establish a model using gray theory based nonlinear ordinary differential equation to predict the status of surface cracking for in-service track systems by considering variables including train loading, environment factors, materials and construction factors, etc. The outcomes of this research would help establish the evaluation standard of surface distress and provide rationale for future maintenance and rehabilitation of China’s ballastless track system.

准确掌握轨道板表面裂缝的形成机理与演变规律对提升高速铁路无砟轨道整体稳定性与轨道板耐久性、提高行车安全性、实现无砟轨道结构系统的科学养护具有重要意义。本项目拟基于综合轨道巡检车采集的高精度图像数据，结合引起无砟轨道性能衰变的因素，研究高速铁路轨道板表面裂缝的智能识别算法、科学的描述和分类方法，建立表面裂缝的综合评价模型。在海量巡检数据的特征挖掘、试验测试与计算机仿真基础上，应用监督学习的人工智能算法研究影响裂缝的关键因素及其敏感性，发现实验室条件下轨道板表面裂缝发展的规律。利用线路建设信息、温度与降水等环境变量、运输荷载等多维度数据，构建基于灰色非线性常微分方程的状态预测模型，准确预测复杂条件下运行线路中高速铁路轨道板表面裂缝的状态演变。本项目研究成果将用于高速铁路无砟轨道性能评价标准的制定，为高铁工务养护维修提供科学的决策方法，为无砟轨道结构的耐久性设计提供可靠的理论指导。

本项目以轨道板表面裂缝的形成机理与演变规律为背景，以提升高速铁路无砟轨道整体稳定性与轨道板耐久性、提高行车安全性、实现无砟轨道结构系统的科学养护为目标，研究复杂条件下运行线路中表面裂缝形成与动态演变规律，观测和模拟表面裂缝在实验室环境下生成及发展演变规律，识别关键影响因素及其敏感性。建立了轨道板表面裂缝的状态预测模型与轨道板表面裂缝的科学评价方法。1）在精确测量轨道板表面裂缝长度和宽度的方法框架下，开发了一种基于支持向量机（SVM）的自动识别结构表面裂缝类型的智能化方法。2）提出最小矩形覆盖（MRC）的概念和模型对结构表面裂缝进行分组，采用三种支持向量机模型将裂缝自动分为五类。根据MRC的相对位置、方向和大小、裂缝密度以及裂缝连通性等开裂特征，对三种SVM模型进行了比较。3）分析了结构表面裂缝的主要特征。对自动识别出来的MRC裂缝信息进行自动分类存储，包括破损类型、破损程度、破损长度面积等主要参数。4）结合获取的高精度巡检图像数据建立了结构表面破损数据库，自主开发了高速铁路轨道板破损自动识别系统、沥青路面裂缝自动分析平台、沥青路面三维车辙自动识别系统和道路养护人工智能决策支持系统。能够清晰准确的记录高速铁路轨道板巡检图像信息，达到精确控制里程的要求，并在无砟轨道板裂缝和扣件病害自动识别中能实现良好的识别和智能分类效果。5）提出一种基于区域的强度聚类能量主动轮廓模型的裂缝自动识别方法解决轨道板表面和裂缝特征的难题。6）针对表面裂缝在低能见度环境下的图像增强方法提出了一种基于各向异性热方程的广义局部光照自适应模型，可用于对获取的极低、极不均匀光照下的轨道图像进行动态调整。研究成果将用于高速铁路无砟轨道性能评价标准的制定，为高铁工务养护维修提供科学的决策方法，为无砟轨道结构的耐久性设计提供可靠的理论指导。