用于枕木悬空检测的多模态生物医学传感方法

《Sensors》：A Multimodal Biomedical Sensing Approach for Muscle Activation Onset Detection Qiang Chen, Haofei Li, Zhe Xiang, Moxian Lin, Yinfei Yi, Haoran Tang and Yan Zhan

　　

有砟铁路轨道中的枕木空洞（sleeper voids），或称悬空枕木（hanging sleepers），会威胁结构安全性与服役适用性。本研究提出了一种物理引导的定量探地雷达（Ground-Penetrating Radar, GPR）框架，用于利用高频天线（f ≥1.5 GHz）检测悬空枕木。该框架集成了信号后处理、枕木区域定位、考虑极性的时域峰值搜索，以及作为辅助验证手段的连续小波变换（Continuous Wavelet Transform, CWT）。通过利用枕木与道砟界面之间的物理几何关系，该方法能够定量估计二者的高程差，并依据工程判据识别悬空枕木。研究进一步引入空间连续性约束，以降低误检。gprMax数值模拟与现场试验验证表明，该方法能够有效实现检测与严重程度评估，为铁路自动化检测提供了一种具有物理可解释性的解决方案。

论文发表于《Sensors》。该研究围绕有砟铁路轨道中悬空枕木的无损检测问题展开。所谓悬空枕木，是指枕木底部与道砟层之间形成空隙的病害状态，通常由道砟沉降、污染、列车重复荷载以及排水不良等因素诱发。这类缺陷会破坏钢轨荷载向路基的均匀传递，引起轨道不均匀沉降、轮轨冲击力增大及轨道部件加速劣化，严重时甚至可能危及行车安全。现有检测手段主要包括人工检查、动力响应分析以及若干无损检测方法。传统方法虽然对严重病害具有一定识别能力，但主观性强、劳动强度大，且难以量化空隙深度与范围；动力学方法可在运营状态下监测，但易受道砟含水率、污染程度和车速变化影响，早期病害识别稳定性不足；其他无损方法虽可减少作业干扰，但存在穿透能力、设备成本或解释复杂度方面的局限。相比之下，探地雷达（GPR）能够实现快速、连续、车载式检测，是铁路基础设施状态诊断中最具潜力的工具之一。然而，已有针对枕木悬空的GPR研究，多依赖反射振幅变化或频谱能量分布，对枕木顶部与道砟表面反射时延差这一直接几何信息利用不足，同时时域定位与频域解释之间的协同验证亦较少，限制了定量识别的可靠性。

针对上述问题，研究人员提出了一种面向悬空枕木定量识别的物理驱动型高频GPR检测框架。该方法不再以反射振幅大小作为核心依据，而是以电磁波传播时延差 Δt 为中心，通过识别枕木顶部反射与道砟表面反射的到达时间差，建立波传播时间与悬空高度 H 之间的直接几何关系。在此基础上，研究引入自适应阈值，根据枕木厚度以及介电环境修正对悬空进行判别，并结合空间连续性准则抑制孤立误检，实现对病害位置、范围和严重程度的自动化评估。论文的关键价值并不在于提出全新的单一信号处理算子，而在于将时域峰值搜索、连续小波变换（CWT）和阈值决策等常规工具，按照悬空枕木的物理成因与工程判据进行任务导向式整合，从而形成具有明确物理解释的自动检测流程。

为验证该方法，研究人员设计了数值实验与现场实验两部分。数值部分采用gprMax3.0建立有限差分时域（Finite-Difference Time-Domain, FDTD）模型，模拟典型有砟轨道结构，包括18 cm厚混凝土枕木、30 cm道砟层和100 cm路基层，并设置4组不同悬空间隙高度场景。现场部分在中国一条货运铁路线路上开展，采用GSSI SIR30四通道GPR系统与3个2 GHz空气耦合喇叭天线进行车载扫描，中央通道数据用于后续分析。数据处理流程包括直流偏置去除、时间零点校正以及频率-波数（frequency-wavenumber, F-K）偏移，以增强层位连续性并抑制双曲散射。随后，研究人员通过时域正极性峰值搜索提取枕木顶部和道砟表面反射时刻，在复杂情况下再辅以CWT进行验证，并将时延差转换为高程差进行分类。若高程差超过阈值，则判定为悬空；同时结合相邻测线的连续性条件减少误报。样本来源包括gprMax模拟数据以及中国河北朔黄铁路约2000 m试验区段的现场GPR数据，其中部分悬空位置已通过人工巡检确认。

在研究结果方面，论文首先在“4.1. Numerical Analysis”中表明，原始数值模拟结果中虽然可以识别枕木的双曲线响应和道砟表面，但枕木下方空洞并不总能在B扫图像中直接清晰呈现，因此有必要通过枕木顶部与道砟表面之间的相对位置关系进行间接检测。经过时间零点校正和F-K偏移后，双曲特征被压制，道砟层顶部更平滑，且随着悬空厚度增加，道砟界面在B扫中表现出更深的表观位置，为后续定量估计奠定基础。

在“4.2. Comparison of Peak Search Methods: CWT Versus Time-Domain Amplitude”中，研究人员系统比较了CWT方法与直接时域振幅法在峰值定位中的性能。首先，针对CWT母小波进行了预评估，结果显示analytic Morlet小波较Bump和Generalized Morse在能量集中度和界面对齐方面表现更优，因此被选作后续CWT分析的母小波。随后，在正极性判据下，时域方法成功定位了枕木顶部、正常道砟层和各模拟悬空区域的峰值到达时刻，并据此计算高度差。对比数值模型真值，除最严重悬空场景外，时域法在浅层至中等程度悬空中的误差较小。与之相比，CWT方法同样能够正确识别全部模拟悬空区域，并在极端严重悬空情形下呈现更小误差，说明其多尺度表示对强衰减和多重散射条件具有一定适应性。误差统计进一步表明，在工程上更常见、且最需要靠近判据阈值进行精准判别的浅层至中等悬空场景中，时域峰值搜索法的平均绝对误差（MAE）和均方根误差（RMSE）均优于CWT法。因此，论文最终将时域峰值搜索确立为主检测策略，而将CWT保留为复杂或极端条件下的辅助验证工具。这一结果强化了论文的核心思想：研究重点并非单个算法创新，而是依据病害物理机制建立实用化解释框架。

在“4.3. Field Experiment”中，研究人员在河北朔黄铁路重载货运通道上开展现场验证。该线路运行时间超过20年，具有较高轴重和较复杂服役环境，能够较好反映实际工况。研究首先展示了典型B扫特征，指出某些枕木下方出现的次级反射并不必然对应真实枕木底界面，说明直接依赖图像形态可能产生误判。随后，研究选择约1420 m位置处的两条代表性A扫信号进行分析，分别采用时域法与CWT法提取峰值，二者得到相同的高度差 H =18.43 cm，超过阈值后均判定为悬空，说明两种方法在典型现场场景中具有良好一致性。进一步地，研究在两个300道采样区段上应用时域方法进行批量识别，并将检测到的枕木层与道砟层点位叠加于B扫图像上。结果显示，满足 H ≥18 cm 的区域可被清晰圈定为悬空区，与现场目视检查所见的明显道砟缺失和悬空枕木现象相一致，验证了该方法的实际有效性。针对局部孤立检测点，研究又引入“至少4条连续道满足阈值”的后处理准则，以适配60 cm枕木间距和5 cm采样间隔条件，有效抑制了假阳性，提高了工程应用鲁棒性。

在“4.4. Comparison with Existing GPR-Based Void Detection Approaches”中，论文将既有GPR空洞检测方法概括为三类：基于反射特征的方法、基于B扫图像分析的方法以及基于机器学习的方法。研究指出，反射特征法虽然实现简便，但受信号衰减、材料非均质性和噪声影响较大；B扫图像法在铁路道床环境中容易受到枕木强反射主导，难以稳定表征尺度较小的悬空特征；机器学习方法虽在有充足标注数据时具有自动识别潜力，但悬空枕木检测本质上属于结构界面定位与几何判据判断问题，仅凭模式识别难以直接反映“枕木底—道砟面”高差这一工程定义。基于此，本文方法通过显式引入枕木与道砟层之间的几何关系，并结合邻近位置的空间连续性约束，实现了更具物理可解释性的病害识别。这种基于物理信息的策略有助于减少由局部波动或噪声引起的误检，也更适合实际铁路巡检任务中的定量决策需求。

论文讨论部分的核心在于：高频GPR在检测悬空枕木方面具有显著潜力，但真正提升检测可靠性的关键，不是单纯增加图像可视化或引入更复杂的特征，而是围绕病害定义本身构建解释流程。研究结果表明，以枕木顶部和道砟表面反射之间的时延差为核心变量，能够直接建立电磁响应与悬空几何量之间的对应关系；在大多数工程常见场景中，时域峰值搜索法已具备较高精度与稳定性，而CWT则在高噪声或严重悬空等极端情况下可提供有益补充。空间连续性约束的引入进一步体现了工程应用导向，即通过与轨道结构几何特征相一致的后处理规则提高判定可信度。与此同时，研究也明确承认其局限性：方法依赖高频天线（≥1.5 GHz），在严重污染或高含水道砟条件下可能因穿透深度下降而影响检测性能；此外，现场验证目前仅基于单一铁路线路，结果向其他区域、不同道砟组成及荷载条件推广时仍需更多实测支撑。

研究结论部分可译为：本研究开发了一种新的基于高频探地雷达（GPR）的有砟铁路轨道悬空枕木检测方法，该方法通过结合时域分析与基于连续小波变换（CWT）的技术，实现了较高的精度与鲁棒性。所提出的方法在实时铁路养护中展现出明显优势，有助于降低安全风险与运营成本。其主要结论如下：该方法主要采用考虑极性的时域峰值搜索，并辅以基于CWT的分析进行验证；通过利用枕木顶部与道砟表面反射之间的时延，该方法能够对悬空高度进行定量估计。与传统基于振动的方法及常规GPR技术相比，所提方法对道砟污染和含水等常见干扰表现出更强鲁棒性，并可实现对悬空位置、范围及严重程度的自动化和定量化评估。该方法适用于实时车载检测，能够满足高速与重载铁路系统主动养护的关键需求，从而减少运营干扰与安全风险。尽管取得了这些进展，仍存在若干限制。该方法依赖高频天线（≥1.5 GHz），在严重污染或潮湿道砟条件下可能出现穿透深度下降，从而削弱极端环境中的检测性能。此外，现场验证仅在一条铁路线路上进行，可能限制结果对其他地区不同道砟组成和荷载条件的推广性。未来研究将聚焦于混合时频分析策略，例如将时域方法与更先进的CWT变体结合，以进一步增强抗噪能力；同时，还将探索卷积神经网络（Convolutional Neural Network, CNN）用于枕木自动定位、多传感器数据融合，以及在高含水和冻结道砟等极端条件下扩展现场试验。这些工作有望进一步提高检测精度，并拓宽该方法在可持续铁路基础设施管理中的适用性。