有砟铁路路基病害的雷达图像识别方法研究

摘要

目前我国铁路总里程突破11.2万km，有砟铁路（包含桥梁和隧道）总里程近9.6万km。针对有砟铁路的里程数和状态检测要求，探地雷达技术成为当今连续检测有砟铁路路基的主要技术手段。然而，探地雷达检测数据量大，处理识别时间延迟，致使数据解释和病害识别存在主观性强、判别标准不一、识别精度低等诸多问题，因此，亟需开展有砟铁路路基病害的雷达图像识别方法研究，实现路基病害的快速、准确识别，为病害的整治处理提供技术支持。
　　本文针对铁路路基病害识别过程中面临的判别标准不一、时效性差、识别精度低等诸多问题，依托国家“863”计划项目(2009AA11Z212)和河北省应用基础研究重点资助研究项目(11963544D)，以大秦铁路的部分路段为研究对象，通过实际检测数据和理论分析的研究，建立了基于雷达图像特征的典型路基病害分类方法，分析了典型路基病害（缺陷）的发生机理、发育特征和空间分布特性，进而研究了典型路基病害的参数表征以及识别方法，最终形成了基于探地雷达技术的铁路路基病害快速识别方法。
　　本文主要研究成果和结论如下:
　　1、在充分认识现行路基病害分类方法的基础上，分析了典型路基病害的表征现象、基本成因和形状特征，并结合探地雷达技术的检测特点和铁路路基在雷达图像的表征形式，建立了基于雷达信号特征的路基病害分类方法，为路基病害的特征提取以及识别技术提供前期基础。
　　2、基于多条运营线路路基的雷达实测数据，分析了典型路基病害的发生机理及空间分布，得出了相应病害在长度及深度方向上的统计分布规律，为后续的病害特征提取及随机匹配提供了必要的先验信息支持。根据铁路路基检测技术指标以及探地雷达的技术参数，设计了满足路基检测要求的探地雷达工作参数及雷达天线配置，并将系统安装于轨道检查车上，采用频率为100M和400M雷达天线，同时检测不同深度的路基状态，完成了大秦线部分路段路基的检测。
　　3、本文从时域、时频域和物理几何稀疏性等方面对典型路基病害雷达图像的特征提取进行研究，并建立了最优的雷达信号特征表示。一种是通过主成分分析确定了以分块能量、分层点频率和能量均值作为铁路路基的时域特征值，获得了较低维的空间特征;一种是对典型路基病害雷达图像的距离-深度二维时频特征表现进行了分析，获取了路基雷达检测图像的低频信息和小波多尺度空间细节能量谱特征，从而减少了采样数据量;一种采用稀疏表示的方法提取雷达信号特征向量，采用投影变换得到了路基病害的垂直和水平投影线段，并以此作为判断路基病害类型的依据，从而为图像的特征提取提供了理论依据。
　　4、针对反映路基雷达图像同相轴延续性和紊乱程度的时域特征存在的冗余性和局限性问题，通过主成分分析确定了低维时域特征值。同时在所确定时域特征的基础上，分别采用了人工神经网络、广义神经网络聚类算法和支持向量机等人工智能的方法对路基病害进行识别并加以比较，最终确定了以支持向量机作为路基病害的有效识别算法，从而为铁路路基及其典型病害的识别奠定了算法基础。
　　5、利用路基病害的物理几何特点，通过提取有效的雷达图像的边界曲线，得到了路基病害的垂直和水平投影线段，并将垂直投影线段和能量谱作为路基病害的有效特征，最终形成了基于该特征的铁路路基病害的识别方法。分析结果表明:数据的采集量仅为原数据量的1/4，识别速度提高将近4倍，并提出了HS-SVM方法识别路基病害，且其识别率在85％以上，实现了路基病害的快速识别。

目录

声明

致谢

摘要

1 前言

1．1 课题的背景和意义

1．2 国内外研究现状

1．2．1 铁路路基典型病害成因及分类

1．2．2 探地雷达技术在铁路路基检测中的发展及应用

1．2．3 基于雷达信号的路基病害特征表示算法研究现状

1．2．4 基于雷达信号特征的路基病害识别技术现状

1．3 研究内容及研究方法

1．3．1 研究的总体思路

1．3．2 研究内容

2 有砟铁路路基典型病害性状分析及分类

2．1 引言

2．2 铁路路基的雷达图像

2．3 铁路路基病害分类

2．3．1 既有铁路路基病害的雷达图像表征

2．3．2 面向探地雷达的铁路路基病害分类

2．4 铁路路基病害成因及性状分析

2．4．1 翻浆冒泥

2．4．2 道碴陷槽

2．4．3 路基下沉

2．5 探地雷达检测铁路路基的工作参数及系统安装

2．6 本章小结

3 铁路路基病害的雷达信号特征表示研究

3．1 引言

3．2 面向铁路路基病害的雷达信号预处理

3．2．1 天线耦合波和直达波的去除

3．2．2 天线起伏的矫正

3．2．3 射频干扰的抑制

3．2．4 噪声的抑制

3．3 基于时域特征的路基病害特征表示

3．3．1 主成分分析

3．3．2 路基病害的特征表示

3．4 基于小波变换的路基病害特征表示

3．4．1 二维小波变换

3．4．2 常用小波形式

3．4．3 铁路路基图像的小波分析

3．4．4 小波分解的图像能量分布

3．5 基于小波能谱分析的路基病害特征表示

3．5．1 小波高频信息部分的能谱分布

3．5．2 小波分解的图像能量分布

3．6 基于稀疏表示的路基图像特征表示

3．6．1 典型路基病害图像特征

3．6．2 边界分割处理提取感兴趣区域

3．6．3 铁路路基雷达图像的物理几何特征

3．7 路基病害的特征提取方法比较

3．8 本章小结

4 路基病害的智能识别及其比较分析研究

4．1 引言

4．2 人工神经网络

4．2．1 LVQ神经网络

4．2．2 基于LVQ神经网络的路基病害识别

4．3 模糊聚类神经网络的算法

4．3．1 基于FCM的路基病害识别

4．3．2 基于FCM-GANN算法的路基病害识别

4．4 支持向量机

4．4．1 经验风险最小化

4．4．2 基于SVM的铁路路基病害识别

4．5 路基病害的智能识别比较分析

4．6 本章小结

5 基于稀疏表示的路基病害识别方法研究

5．1 压缩感知理论

5．1．1 压缩感知数学模型

5．1．2 压缩感知过程

5．2 基于信号稀疏表示的路基病害识别

5．2．1 铁路路基及其病害的信号稀疏投影表示

5．2．2 路基病害特征值的投影稀疏性表示

5．2．3 实例分析

5．3 基于物理特征和压缩感知的路基病害识别方法

5．3．1 目标稀疏性分析

5．3．2 目标鉴别流程

5．3．3 基于稀疏特征的铁路路基病害的识别算法

5．3．4 实例分析

5．4 本章小结

6 结论

6．1 结论

6．2 创新点

6．3 展望

参考文献

作者简历及攻读博士学位期间取得的研究成果

学位论文数据集