一种运用探地雷达反演铁路路基道床污染率的方法与流程

本发明属于探地雷达探测与应用技术领域，具体涉及运用探地雷达反演铁路路基道床污染率的方法。

背景技术：

探地雷达(GPR)是通过发射天线向地下发射宽带电磁波，接收天线接收散射回波，通过对散射回波进行处理以实现对地下未知区域进行探测和参数反演的一种无损探测仪器。电磁波在地下介质中传播时，遇到存在电性差异的分界面时发生散射，根据接收到的电磁散射回波来反演地下未知区域的异常体位置、形态、埋藏深度等参数，广泛应用于道路工程、建筑工程、考古等无损探测领域。

铁路道碴可为铁路线路提供平顺面来支承列车，道碴层的质量状况直接影响轨道的弹性和平顺性。铁路道碴在经过一定时间运营后，会产生杂质，造成道床脏污。道床脏污主要由道碴粉化、轨枕磨损物、道床表面渗入物、路基渗入物及不良级配等产生。道床脏污对轨道工作性能有较大影响，如降低道床的抗剪强度，影响道床的承载能力，降低道床的弹性，降低道床的排水性能和抗冻性能，并会引发道床板结和翻浆等病害。我国《铁路线路修理规则》中，给出了线路设备状态评定评分标准，其中对道床不洁率大于25％的区间(在枕盒底边向下100mm处取样)，每延长100m，扣8分。道床不洁率指通过边长25mm筛孔的颗粒的质量比。线路综合维修验收评分标准中，对道床脏污这一项，要求进行全面查看和重点扒开检查，按照每10m/孔检查是否存在枕盒或边坡清筛深度不足、清筛不洁/翻浆冒泥等情况，出现上述情况则每处扣2分【参考文献：铁路线路修理规则，中国铁道出版社，北京，2014】。因此，如何准确快速地获得铁路线路下的道床脏污率，进而根据《铁路线路修理规则》进行定点定期维护，是关系到铁路线路正常运营的关键环节。

国外开展了采用探地雷达对铁路路基道床脏污进行检测的研究。通过提取探地雷达记录剖面中的散射强度值，并与已知脏污率的实验室道碴样本的雷达散射强度值进行相关处理，计算获得待测线路的道床脏污率【参考文献：Q Zhang，A Eriksen，J Gascoyne,Rail radar-a fast maturing tool for monitoring trackbed,in:Proceedings of 2010 13th International Conference on Ground Penetrating Radar,2010,pp.1-5.】。采用诸如加窗傅里叶变换的谱分析方法，从探地雷达回波信号中反演道床脏污率【参考文献：M Silvast,A Nurmikolu,B Wiljanen and M Levomaki.An Inspection of Railway Ballast Quality Using Ground Penetrating Radar in Finland.Proceedings of the Institution of Mechanical Engineers,Part F:Journal of Rail and Rapid Transit,2010,pp.224-345.】。采用短时傅里叶变换的方法，揭示了在典型的脏污道床环境下，探地雷达散射回波的频域能量随着深度变化的规律，间接反映了道床脏污状况。运用该方法对真实的铁路道床探地雷达回波数据进行道床脏污率的估计【参考文献：Zhen Leng,Imad L.Al-Qadi.Railroad Ballast Evaluation Using Ground Penetrating Radar:Laboratory Investigation and Field Validation.Transportation Research Record Journal of the Transportation Research Board,2010,pp.1-14.】。通过提取道床介电常数，进而反演获得道床脏污率的方法。开展了大量的室内试验，制作了不同含水率、不同物质构成的多个道床试件，并运用探地雷达探测获取各试件的散射回波，分析道床反射系数、介电常数和道床脏污率之间的隐性关系【参考文献：S.Fontul,E.Fortunato,F.De Chiara.Evaluation of ballast fouling using GPR.Proceedings of 2014 15th International Conference on Ground Penetrating Radar,2014,pp.418-422.】。上述的处理方法中，无论是通过探地雷达回波的散射强度值、谱分析，还是基于介电常数估计的道床脏污率反演方法，都存在随机误差大、需要人工校正、反演出的道床脏污率起伏过大的问题。

国内对道床脏污状态的检测，有人工开挖、根据道碴的使用年限定性判断、红外测量、探地雷达测量等。人工开挖法存在检测速度慢、检测数量少、中断线路运营、不能全面反映铁路道碴质量等问题。按道碴的使用年限评估道碴脏污状态的方法，只能定性判断道碴质量，是一种经验性的评估办法，由于道碴的种类及使用条件的差异，这种评估方法很难准确判断道碴的脏污状态。红外测量存在环境适应性较差、精度不够等问题，风沙、粉尘、雾水等因素会对红外成像仪镜头造成污染，从而影响温度测量的灵敏度和准确性。

近年来，国内也开展了采用探地雷达对铁路路基状况进行检测评估的研究。分析了路基典型病害在探地雷达回波记录剖面上的特征，设计了基于二维小波分析的探地雷达特征提取算法和路基病害识别算法【参考文献：赵勐.基于探地雷达铁路路基病害识别技术研究.石家庄铁道大学,2012.】。运用车载探地雷达对既有铁路路基病害进行普查探测，根据道床和基床的介电常数值对道床脏污程度和基床土的状态进行划分和评价【参考文献：李武.车载探地雷达在铁路路基检测的应用研究.长安大学,2014.】。运用探地雷达对道床清筛质量进行评价，并对清筛后道床脏污发展情况进行跟踪分析【参考文献：秦怀兵.探地雷达在评价道床清筛质量中的应用.铁道建筑，2015】。上述方法通过二维小波分析和介电常数值提取的方法提取道床脏污率，易受随机信号的干扰。而且在探地雷达对铁路路基进行探测的过程中，随机干扰信号一直存在且起伏不定。

因此，有必要设计一种能有效避免随机干扰对道床脏污率反演结果影响的基于探地雷达数据反演铁路路基道床污染率的方法。

技术实现要素：

本发明所要解决的技术问题是，针对现有技术的不足，提供一种运用探地雷达反演铁路路基道床污染率的方法，计算速度快，相对误差较低。

本发明的技术方案如下：

一种运用探地雷达反演铁路路基道床污染率的方法，包括以下步骤：

步骤1：将车载探地雷达获取的原始数据进行预处理；

步骤2：将预处理后的数据按照铁轨里程区间进行分段成像，获得各分段区间的二维成像结果；

步骤3：在每一个分段区间中，提取各里程点处某一设定的深度区间的成像结果；计算该深度区间的成像结果的能量值，作为该里程点对应的路基道床脏污率；

步骤4：将分段区间中各里程点对应的道床脏污率进行平均，作为该分段区间路基道床脏污率的估计值。

以下对各步骤进行具体说明。

步骤1：将车载探地雷达获取的原始数据进行预处理。车载探地雷达沿着铁路线路进行连续测量，在各里程点处发射电磁波并接收散射回波。设某次测量，沿铁轨方向的总长度为L米，一共在Ns个里程点采集了数据，两个采集点的间距为米，每个里程点都采集到了一维散射回波，该一维散射回波经数字采样后有Nt点，则该次测量获取的数据可以用一个Nt×Ns的矩阵来表示，记为E(x,t)，称为探地雷达回波记录剖面，其中x表示沿铁路线路的方向维，其取值范围为[1,Ns]，t表示时间维，其取值范围为[1,Nt]。在第m个里程点处，采集到的数据为一维时间信号，也称为一道数据，记为e(m,t)。预处理时，逐一对每一道数据进行去野值和去平均处理。即：对每一道数据e(m,t)，(m＝1,2,…,Ns)，剔除散射回波中的野值。在探地雷达对铁路路基进行探测过程中，雷达采集的数据易受到各种随机因素的影响，在某些采样点处采集到的数据值明显偏离真实数据，形成明显的不连续点，这样的数据就是野值。常用的野值剔除方法有目测法、均方值法、点判别法等，详细的处理方法见【参考文献：雷文太，童孝忠，周旸，探地雷达理论与应用，电子工业出版社，2011】。记去野值后的信号为es(m,t)，去除野值后的数据点降为Nc，然后进行去平均处理，采用下述计算公式获得去平均后的探地雷达记录剖面ea(m,t)，(m＝1,2,…,Ns)。再对整个记录剖面进行幅度归一化处理，采用下述计算公式:其中Ea(x,t)＝[ea(1,t),…ea(m,t),…ea(Ns,t)]，|·|表示对二维矩阵Ea(x,t)中各元素取绝对值，max{max[|Ea(x,t)|]}表示取二维矩阵Ea(x,t)中各元素的绝对值的最大值；进行幅度归一化处理后，Eg(x,t)中各元素的模值最大值为1。

步骤2：对预处理后的探地雷达记录剖面进行分段成像处理。参照《铁路线路修理规则》，每10m/孔进行道床脏污的定量评价。为便于进行道床脏污异常的定点维护，确定分段区间的长度为5m。分段的目的是，每个分段区间输出一个道床脏污率的值，服务于线路道床脏污的评估。设各分段区间的长度均为M米，该分段区间包含有D道数据，包括分段区间的两个端点对应的两道数据，两个相邻的分段区间的连接点处，共用一道数据，则有M＝(D-1)·Δx，则雷达记录剖面可分割为段，其中fix(·)表示去除小数点后数据的取整处理。则预处理后的雷达记录剖面被分割为对每一个k值，对应一段雷达记录剖面对该空间-时间域的记录剖面进行成像处理，将其转换到空间-深度域，记为该成像结果就表示了该区间段对应的地下剖面的二维成像结果，深度维的采样间隔为Δz，深度维的长度为C点。成像处理后，二维矩阵的尺寸为C×D。成像算法采用常规的频率波数域ω-k偏移成像算法，波速取为v＝3×10⁸m/s，详细推导见【参考文献：张安学，蒋延生，汪文秉，探地雷达频率波数域速度估计和成像方法的实验研究，电子学报，2001，pp.315-317】。

步骤3：对每一个k值，获得该区间段的二维成像剖面该二维成像剖面中，一共有D道数据。各道数据对应相同的深度维采样矢量，深度维的采样间隔为Δz，总的采样点数为C点，则深度维矢量的最小值为0，最大值为(C-1)Δz米。参照《铁路线路修理规则》，设定的深度区间的最小值大于枕木下表面以下5cm深度线，最大值小于枕木下表面以下40cm深度线，此处确定为枕木下表面以下30cm的区间。设定道床脏污的深度上下限分别为P和Q米，即假定道床脏污位于深度区间为Q≤z≤P的范围内，其中Q<P<(C-1)Δz。则对二维成像剖面的每一道数据，对该深度区间的成像结果进行加窗处理，然后再计算加窗后的成像结果的能量值作为该道数据对应的里程点处的道床脏污值f(x)，(x＝1,2,…,D)。具体计算方法如下:

其中，表示长度为c2-c1的对称窗函数。所述窗函数为矩形窗、三角窗、海明窗、汉宁窗、凯撒窗、切比雪夫窗、Tukey窗等，具体计算方法见【参考文献：程佩青，数字信号处理教程(第四版)，清华大学出版社，2015】。

步骤4：在每一个分段区间中，获得了D道数据各自对应的道床脏污值f(x)，(x＝1,2,…,D)。则该区间段对应的道床脏污率的估计值可由下式计算获得:

初始的雷达记录剖面被分割为K段，每一段分别进行成像和设定的深度区间的道床脏污率的计算，然后各段各自计算一个平均值，作为该段对应的铁路路基的道床脏污率的估计值。

有益效果：

本发明提出一种运用探地雷达反演铁路路基道床污染指数的方法。基于道床脏污在能量域的表征形态，利用道床脏污对雷达回波数据的散射特征，通过对探地雷达散射回波的成像处理，并进行加窗处理，利用成像结果的能量特征，获得了铁路路基下的道床脏污率的估计值，有效避免了探地雷达回波信号的随机干扰对道床脏污率反演结果的影响，避免了现有技术中通过探地雷达回波的散射强度值、谱分析、基于介电常数的反演方法带来的道床脏污率反演结果起伏很大的问题。本方法无需人工校正，计算速度快，相对误差较低，可应用于铁路路基道床质量的普查中。

附图说明

图1示出了本发明方法流程图。

图2示出了探地雷达某次采集的原始数据。

图3示出了单道数据的记录值。

图4示出了图3中单道数据起始部分的细节放大图。

图5示出了原始数据去平均和归一化处理结果。

图6示出了对预处理后的数据分段结果。

图7示出了单段数据的二维成像结果。

图8示出了某一里程点处成像结果的加窗处理。

图9示出了单段数据内的道床脏污率的计算结果。

图10示出了各段数据的各自道床脏污率的计算结果。

图11示出了探地雷达数据提取的道床脏污率和人工开挖过筛得到的真实道床脏污率的对比结果。

具体实施方式

以下将结合附图和具体实施例对本发明做进一步详细说明。

本发明运用探地雷达数据反演铁路路基道床脏污率，如图1所示，首先采用车载式探地雷达系统对铁路线路进行普查探测，获取铁路线路的雷达散射回波；然后对该雷达记录剖面进行预处理、分段成像、段内的道床脏污计算、各段的道床脏污率计算；最后输出各段的道床脏污率的估计值。

实施例1：

本实例中，探地雷达沿铁路下行线路的[32.580 32.065]km区间采集数据。探地雷达以固定的脉冲重复频率发射宽带电磁波并接收散射回波，该区间长度为515m，总的横向维采样点数为10301点，相邻两里程点的采样间隔为5mm。纵向维为时间维，总的采样点数为512点，总的采样时长为15ns，原始的雷达记录剖面见图2，该数据的尺寸为512×10301的二维矩阵，采用不同的色标表示矩阵各元素的数值，颜色与数值的对应关系见图右侧的色标柱。某一道数据见图3所示，其长度为512点，幅值见图3的横坐标。从图3中可见，该一维数据在起始部分存在野值，起始部分中某些采样点对应的采样值明显异常。为便于观察，图4给出了起始部分的细节放大图。从图中可见，前两个采样点与后续采样点的幅值相差10⁴倍。此处采用目测法去野值，去除前两个采样点，保留后续的采样点，然后对单道数据进行去直流，再对整个雷达记录剖面进行幅度归一化处理，结果见图5。然后对预处理后的数据进行分段处理。根据铁路修规，此处的段区间设置为5m，分段的示意图见图6。然后对各段的雷达数据采用相同的处理方法。选取某段数据为例，对该段数据进行成像处理，二维成像结果如图7所示。采用频率波数域ω-k成像处理时，波速参数设置为v＝3×10⁸m/s，深度维的采样点数设置为100，采样间隔设置为5mm。从图7的成像结果可见，铁路线路上的枕木被精确聚焦成像，同时枕木下方的成像结果也反映了道床的脏污状况。然后对该段区间中的100个采样点，逐道进行成像结果的加窗处理和能量值的计算。按照铁路修规，此处的深度范围取为[9.539.5]cm，对应于深度维的采样点范围为[20,80]。窗函数选择为Tukey窗，该窗函数的长度设置为61，控制参数设置为0.75，某个采样点对应的成像结果和Tukey窗函数分别如图8中的实线和虚线所示。对每个采样点进行相同的处理，可以获得该段区间内各采样点对应的道床脏污率的数值，如图9所示。按照相同的处理方法，对每段区间进行相同的处理，然后各段区间中各采样点获得的道床脏污率的数值进行平均，得到该区间段对应的道床脏污率的数值，各段的道床脏污率的计算结果如图10所示。图10中，横坐标为铁路线路的里程，纵坐标为探地雷达反演数据获得的道床脏污率的估计值，单位为(％)。在该段线路区间中，采用人工开挖的方式获得了若干离散的里程点处的道床脏污率的真实值。这些离散里程点处的道床脏污真实值和上述的探地雷达反演获得的该区间路段的道床脏污率的对比图见图11；图11中，上面的曲线表示的是探地雷达反演获得的连续里程点的道床脏污率。下面的柱状图表示的是在各里程点进行人工开挖、过筛称重后获得的真实道床脏污率的值。从图11可见，在这些离散点上，探地雷达反演获得的道床脏污率和人工开挖获得的真实道床脏污率的相关性较好，二者的平均相对误差为23.95％。