基于模式匹配的网格扫描法在高铁线下结构检测中的应用

范岩旻， 车爱兰， 冯少孔

(上海交通大学 船舶海洋与建筑工程学院，上海 200240)

随着我国高速铁路的提速，在长期使用过程中高速铁路线下结构产生了如混凝土裂缝、结构层脱空、砂浆层离隙等病害，危害到高铁在提速后高速运营时的舒适性和安全性。

高速铁路线下结构自上而下主要由弹性固定装置、轨道板、CA砂浆层、混凝土支撑层、高强度基床、路基和地基垫层组成。常见的病害按照分布位置主要分为：道床病害和路基病害,CA砂浆层脱空和离隙是最常见和严重的病害。因为材料强度较低，在生产过程中容易产生空洞，凝固后产生气泡，降低整体性能。高铁线下结构常见病害具有模式化特征：层状分布、成因相似，所以需要病害有无的快速检测[1-2]。

模式匹配是通过匹配算法f(数据集合间的语言映射关系)，完成快速数据筛选过程：①建立待匹配的数据库元素集合s，用于比对的s’；②通过预设的匹配算法f进行匹配和比对；③在匹配的过程中通过设定的元素权重值p，和匹配阈值r进行算法权重值设定以及匹配有效值的界定；④确定数据库文件D(Database)中的结果作为O(Output)输出文件[3-5]。

针对高铁线下结构病害的模式化特征，本文提出了基于模式匹配的网格化扫描检测方法，通过工程数据和现场勘查，建立高铁线下结构典型病害三维有限元模型。模拟网格化扫描法接收的弹性波响应，建立典型病害的特征匹配数据库。通过模式匹配算法匹配结构病害损伤识别的参数：弹性波的平均响应能量、卓越频谱、卓越频率，匹配网格划扫描法的弹性波响应于病害匹配库，实现病害快速、精确评价。经算例分析，确定匹配参数的敏感度权重值。基于弹性波传播特性，设定不同位置组合下匹配的权重矩阵；考虑实际病害特征分布下的匹配误差最大值，确定匹配算法的阈值，提升匹配算法的精度和实用性。

1 模式匹配方法及病害识别方法

针对于CA砂浆层脱空和离隙的高铁线下结构典型病害，提出了网格化扫描检测方法，通过模式匹配法，实现快速精确的病害评价。

1.1 模式匹配法

模式匹配法通过语言映射关系进行匹配，代替需要确定大量边界条件和工程现况的反演计算，实现快速工程损伤定位及定性分析。根据病害检测的原理，采用复合算法的模式匹配法，参照模式类别的设定权重系数，通过比较最终权重系数的大小作为参考，选出相关性最高的最优匹配模式。参照实体案例通过算例，优化所需要的匹配关联算法[6-7]。

如图1所示，针对于高铁线下结构病害中常见的CA砂浆层脱空及离隙病害，通过现场网格化扫描法进行检测，在4×4的检波器网格化阵列中，每个网格中心激发9次，每次激发形成16组输出波形。通过弹性波特性分析，输出每个波形的敏感性参数，建立病害特征匹配库和现场检测待匹配结果[8]。

图1 模式匹配原理示意图Fig.1 Principle of pattern matching

图2 模式匹配集合映射关系Fig.2 Mapping of pattern matching set

针对于高速铁路线下结构病害数据库模式匹配算法，通过如图3所示的匹配算法，进行匹配计算，采用二进制编码和两轮匹配的方式提高匹配效率和精度。

图3 模式匹配流程Fig.3 Flow chart of pattern matching

1.2 病害识别方法

匹配算法的操作步骤主要由4个部分组成：生成匹配和待匹配数据集合；对数据库的每个元素集合进行二进制代码编码；首轮相同激发位置不同缺陷组合匹配；次轮相同的工况结果整体匹配。各部分通过编码实现，主要功能及代码如下所示分为3个模块，其中模式匹配算法含有两个运算模块。

(1)生成数据集：通过有限元模型建立待匹配数据库，通过现场网格化扫描检测数据建立匹配数据输入集合，对匹配和待匹配数据集合进行弹性波分析，输出待匹配数据库4 608组工况每组工况下的16道结果和现场激发获得的9组工况下的16道结果的平均响应能量、卓越频率、卓越频谱。

(2)数据集合编码：对数据库待匹配数据集和现场匹配数据集进行二进制编码。结构病害的模式匹配目的是从数据库中找到误差最小最相似的数据，所以通过对病害位置一一对应，对模型的病害位置信息、激发位置、波形信息进行二进制编码。

(3)首轮匹配：读取9组待匹配数据激发位置信息，分9组单独搜索所有数据库中相同激发位置的缺陷组合的工况，每组激发位置对应512种数据库。对应于激发位置和接收位置的相对关系，设定匹配参数权重值矩阵，按照权重值进行最小二乘法误差分析，确定每次敲击后最接近的相同位置缺陷组合。在程序中设定，读取固定格式的权重值矩阵或者根据现场需要手动输入首轮权重值进行匹配。

(4)次轮匹配：对应于9个网格和激发位置的相对关系，设定权重值矩阵，对9个激发位置的9组首轮匹配结果，乘以权重值进行加权平均匹配，获得9个网格，每一个网格的缺陷组合匹配结果。程序类似于首轮匹配，实现读取权重值矩阵文件或者根据现场检测需要手动输入权重值。

2 高速铁路线下结构典型病害特征匹配库

以高铁线下结构为原型建立三维有限元模型。模拟网格化扫描法的原理，设定病害，通过动力响应计算，研究CA砂浆层病害对于弹性波传播特性的影响。通过算例分析，进行了病害识别参数的敏感性分析和匹配权重值设计。

2.1 三维有限元模型

依照高铁设计及管理的相关规范，建立三维有限元模型，根据规范自上而下依据构造设定几何体：轨道板、病害层、CA砂浆层、支撑混凝土板、下部基础四部，如图4所示的有限元模型。根据高铁设计规范以及高铁线下检测的实际测量数据规划网格尺寸：高强度轨道，支撑板6.4 m×2.6 m×0.2 m，砂浆层6.4 m×2.6 m×0.03 m，支撑板6.4 m×3.4 m×0.3 m，下部基础0.5 m。设置的缺陷尺寸为：砂浆层脱空缺陷1.0 m×0.6 m×0.03 m。由于需要进行结构动力分析，所以需要考虑弹性波在网格中的有效传播，需要波长满足最大频率的传播要求，将网格设置为0.1 m×0.1 m×0.1 m的正六面体单元。整个模型划分了774 408个单元，89 055个节点[9]。

通过修改模型网格的参数，将模型底部和边界设置成向下扩散的无限元。

针对于弹性波在高铁线下结构中的传播，不同工况中，模型中健康区域材料选取统一材料，损伤区域材料根据实际工况选取。有限元模型选用介质材料的材料参数与高铁设计规范和实际运营线结构各层材料参数保持一致。根据高铁设计规范和现场强度检测结果，材料参数具体见表1。其中ρ为介质密度；E为弹性模量；μ为泊松比。

图4 高铁模型网格划分Fig.4 FEM model element of high-speed railway

在有限元模型动力计算时，模拟网格化扫描现场人工激发的振动波。在有限元模型第一层轨道板支撑板顶部施加垂直向荷载。激发波的主频为1 500 Hz，波形与频谱特性设定如图5所示。

图5 震源波形和频谱分布图Fig.5 Waveform and spectrum characteristic

2.2 病害模式对速度场的影响

针对高铁线下结构的CA砂浆层脱空和离隙病害，根据网格化扫描检测的原理，通过改变病害缺陷处的材料参数，建立4×4检波器网格所组成的3×3个小区域的缺陷所有可能的有限元模型。如图6所示，在网格体系的范围内，每个小区域可能介质材料有两种，其中一种为健康为CA砂浆层，一种为有病害为CA砂浆层病害。健康的材料参数和病害的模型材料参数，如表1所示。

表1 有限元模型材料参数

由4×6检波器网格化所组成的前部3×3个小区域共9个区域，匹配数据库共有29=512种缺陷模型，对应不同的缺陷排列组合如图7所示。其中斜杠区域为缺陷设置范围，网格中心为激发位置，每种病害组合激发9次，所以数据库有限元工况总数为4 608个工况，每组工况读取共计16个位置点的响应结果。

图6 有限元模型缺陷分布Fig.6 Position of finite element model defect

图7 模式匹配病害特征匹配库示意图Fig.7 Finite element model defects database

图8为健康模型、中部5号格病害和9格全部病害的全损模型示意图，图9所示为计算时长分别为0.001 s，0.002 s，0.004 s，0.01 s时的健康模型和全部病害模型振动结果。为更好的研究输入节点周围的波场传播范围及规律，截取震源点周围20 cm×20 cm×5.3 cm大小的部分模型作为研究对象，为更好的观察波场在三维多层介质中的传播特性，以震源点为边界点切除10 cm×10 cm×2 cm大小的切块，波场在砂浆层薄弱层在过程中产生了较强波形反射，波形传播特性主要体现在上两层轨道板和CA砂浆层。可以看出，在Z方向上，最大速度往往出现在结构层表面的轨道板上，随着时间的推移，轨道板表面激发的弹性波逐步减弱。

图8 模式匹配算例分析Fig.8 Example analysis of pattern matching

图9 有限元模型垂直方向速度分布(m/s)Fig.9 Velocity in Z directions of FEM (m/s)

2.3 模式匹配法匹配参数

在数据库匹配过程中，设定了匹配三项敏感性参数为波形平均响应能量、卓越频谱、卓越频率。并依据参数对于病害结构的敏感性确定三项参数的权重值。通过病害区域的明显变化，来判断三项参数变化与病害的相关性。

算例分析：健康模型、9格全部病害模型，中部5号格病害模型，从有限元模型的16道检波器位置提取波形信号，按照接收位置道数编号绘制成波形响应图和频谱响应图：对两种病害组合每个激发工况的16组波形数据进行预处理后，即为波形剖面。从波形剖面上可以直观的看出波形持续时间、波形振荡等方面的变化，同时根据计算步长和间隔进行快速傅里叶变化，将波形的振幅与时间的相互关系变换成振幅与频率的相互关系，得到频谱响应，进行分析。

以激发处和接收两处的病害情况为基准，比较激发点和接收点距离相同时，平均响应能量、卓越频谱和卓越频率的变化。以健康模型的数据为基准，通过三种参数病害模型和健康模型的比例(放大效应)，综合评价参数敏感性。如图10所示，可以看到平均响应能量放大倍率最大，卓越频谱其次，卓越频率收到波形传播距离和深度影响较大。所以，平均响应能量的敏感性最高，设定三种参数的敏感性权重值分别为0.5,0.3,0.2。

2.4 模式匹配病害识别权重值

弹性波随着传递距离的增加，会产生明显的衰减。弹性波特性介质用于检测主要是依靠在不同介质表面发生的反射和透射波，在地面接收进行特性分析。随着激发位置和接收位置的增加，弹性波参数的放大效应即敏感性也随平方反比定律降低。距离平方反比衰减定律的原理是随着物理量的传递，会发生衰减现象，其属性值与距离的平方成反比关系[10]。根据网格化扫描的原理，将检波器设置成4×4的矩阵， 将检测区域分割为3×3的网格， 根据弹性波衰减平方反比定律，通过激发位置和接收位置的相对距离值，设定不同激发位置和接收位置间的权重组合，称为权重值矩阵。

图10 算例分析动力响应放大效应Fig.10 Waveform and spectrum of example analysis

(1)

由公式可获得每组工况的16个权重值，对待匹配数据集和数据库文件，不同的激发位置和接收位置，共有9×16=144组对应的权重值。其中，对于1号激发位置的16组接收位置权重值系数，如表2所示。

表2 模式匹配1号激发位置权重值示意表

3 高速铁路虹桥站线下结构检测

3.1 高铁沪杭段线下结构病害检测

沪杭高铁建设采用二型无砟轨道板，由于上海周边土体较软，道路交通网非常密集，设计要求高，施工工艺复杂。为了保证高铁运行的安全，高铁虹桥段定期通行检测轨道车，在凌晨0∶00～4∶00点高铁停运窗口期，对振动响应较大的疑似病害板块进行针对性的线下结构检测，确保线下结构病害及时发现，及时修补。沪杭高铁虹桥某路段L00526段，通过动检车检测及现场观察发现存在明显的CA砂浆层脱空和离隙。

采用传统插尺法、动检车扫描法进行病害初步检测，检测结果为L00526存在明显的CA砂浆层脱空和离隙8处，轨道板裂缝3处，在轨道板中部存在较长的轴向裂缝，但尚未贯通，如图11所示。根据现场病害初步检测和修补时的注浆量，得到了图12为病害轨道板检测结果示意图。在现场完成勘查、动车法检测、冲击映像法检测后，对L00526砂浆层脱空区域进行定点注浆修补，增加砂浆层脱空部位的强度。并再次进行工程检测。

图11 现场病害Fig.11 Defects of CA mortar layer

图12 L00526轨道板缺陷描绘图Fig.12 Plate defects mapping of L00526

3.2 三维网格化扫描法检测

根据线下结构病害的模式性和分布特性，为了满足高铁检测现场快速、操作简单、仪器整体组装不会散落和遗失的工程需求，在传统冲击映像法一锤一检波器的基础上，设计并开发了全新的网格化扫描检测系统，如图13所示。

网格化扫描设备主要由以下构成：阵列组合装置，检波器及耦合装置、设备连接线、电源线、激发装置、激发锤、笔记本电脑、电源装置等组成。在传统冲击映像法检测设备一锤一接收的基础上进行集成化组装。与传统的冲击映像检测法同样使用地震仪、检波器等，采用24道Geode数字地震仪作为信息采集设备，连接24道单分量(垂直向)速度型检波器，检波器固有频率100 Hz，同时采用300 g的锤作为弹性波激发器。

图13 三维阵列扫描检测系统示意图Fig.13 System of three-dimensional array scanning

阵列式检波器设置检波器24个，检波器相距20 cm，形成9个网格，为了确保数据的连续性，在归一化处理时尽量降低数据的离散型，在4×4的网格后，再加设了两列检波器，形成了16组接收检波器，8组备选接收检波器，如图14所示。

图14 三维阵列扫描检测区域Fig.14 Area of three-dimensional array scanning

3.3 高铁线下结构病害评价

每条轨道板检测测线长6 m，每条测线长取出4×4检波器网格化所对应的波形作为匹配集合，每次网格激发9次，移动10次，形成10×9次的输入数据集合，平均振幅、响应频谱、及卓越频率矩阵与缺陷模型数值模拟结果进行匹配，对比分析两块板的不同病害分布，通过模式匹配误差分析的阈值验算，确定匹配的结果。

按照模式匹配法获得的病害分布匹配结果，将病害结果按照现场激发位置的网格位置进行排布，如图15所示。在匹配过程中，对网格区域内部网格插值法，获得病害详细分布。

图15 模式匹配结果示意图Fig.15 Defects pattern matching result

同时，采用冲击映像法对相同轨道板进行检测。图16为平均响应能量分布图。对比图15所示的现场检测结果，单一波形物理量分析，会受到整体缺陷程度的影响，对于缺陷较多的线下病害结构，缺陷位置的对应效果明显，但位置匹配结果不够精确，对于缺陷较少的线下健康结构，整体响应较小，可以判断线下结构基本健康无缺陷。

图16 冲击映像法平均响应能量Fig.16 Average response energy of impact imagining

以现场病害测绘为基准，对两块轨道板6 m×0.6 m的铁轨内部区域进行网格化分布，对其离隙位置和离隙率进行评价。如图17所示， L00526板在修补前、后的三种不同检测方法结果示意图。网格化扫描法相比冲击映像法检测进行响应能量分析损害的精确度更高，在实际病害位置的匹配准确度更高，查全率更高。图18所示为检测结果的病害率，三种方法有良好的一致性，整体病害率基本相似。

图17 L00526轨道板检测结果对比Fig.17 Comparison with L00526 detection result before and after repair

图18 L00526轨道板修补后检测结果Fig.18 L00526 detection result after repair

4 结 论

针对高速铁路线下结构的典型病害特征，提出了基于模式匹配法的网格化扫描检测方法。该方法通过数值模拟建立CA砂浆层典型病害的有限元模型，模拟网格化扫描法接收的弹性波响应，建立病害组合数据库；设计了网格化检波器阵列，在工程现场实现快速网格化扫描；通过把现场检测得到的弹性波响应数据与数据库中的病害特征进行匹配，实现快速准确的病害检测。

将网格化扫描法应用于沪杭高铁虹桥站线下结构病害检测中。设计并组装了网格化扫描检测设备，对虹桥站疑似病害区域线下结构进行了病害观察、冲击映像法和网格化扫描法检测。针对于其中较为普遍CA砂浆层脱空病害进行识别和评价。通过对比网格化

扫描法和其他检测方法的评价结果，验证网格化扫描法的准确度与有效性。